OPML:Hệ thống học máy blockchain dựa trên phương pháp lạc quan

OPML(Lạc quan máy học) là một hệ thống blockchain mới, có thể thực hiện suy diễn và đào tạo mô hình AI với chi phí thấp và hiệu quả cao. So với ZKML, yêu cầu phần cứng của OPML thấp hơn, thậm chí có thể chạy các mô hình ngôn ngữ lớn như 7B-LLaMA trên PC thông thường.

OPML áp dụng cơ chế trò chơi xác thực để đảm bảo tính phi tập trung và khả năng xác minh của dịch vụ ML. Quy trình cơ bản của nó là:

1. Người yêu cầu khởi xướng nhiệm vụ ML
2. Máy chủ hoàn thành nhiệm vụ và gửi kết quả lên chuỗi
3. Các xác nhận viên kiểm tra kết quả, nếu có ý kiến trái chiều thì khởi động trò chơi xác minh.
4. Xác định chính xác các bước gây tranh cãi thông qua giao thức phân đoạn
5. Cuối cùng được trọng tài bởi hợp đồng thông minh một bước.

Để đạt được việc thực thi ngoài chuỗi hiệu quả và trọng tài trên chuỗi, OPML đã xây dựng một máy ảo chuyên dụng và thư viện DNN nhẹ, đồng thời sử dụng công nghệ biên dịch chéo để biên dịch mã suy diễn AI thành các lệnh VM. Trạng thái VM được quản lý bằng cây Merkle, chỉ có hash gốc được đưa lên chuỗi.

Hạn chế của OPML một giai đoạn là tất cả các phép toán phải được thực hiện trong VM, không thể tận dụng tăng tốc GPU. Để khắc phục điều này, OPML đã được mở rộng thành giao thức đa giai đoạn:

• Giai đoạn 2 thực hiện tính toán nút đồ thị trong môi trường địa phương, có thể sử dụng GPU
• Giai đoạn 1 chuyển đổi tính toán nút đơn thành thực thi lệnh VM

Nhiều giai đoạn OPML so với giai đoạn đơn có thể đạt được tốc độ tính toán tăng α lần, α có thể đạt từ vài chục đến vài trăm lần. Đồng thời, kích thước cây Merkle giảm từ O(mn) xuống O(m+n).

Để đảm bảo tính nhất quán của kết quả, OPML sử dụng thuật toán số cố định và thư viện số thực phần mềm, giải quyết vấn đề sự khác biệt trong tính toán số thực trên các nền tảng khác nhau.

Tổng thể, OPML cung cấp một giải pháp hiệu quả, chi phí thấp và có thể xác minh cho việc học máy trên Blockchain, với triển vọng ứng dụng rộng rãi.