原文标题：《AN 皇冠手机会员端联系hgzeINTRODUCTION TO ZERO-KNOWLEDGE MACHINE LEARNING (ZKML)》
原文来源：Worldcoin
原文编译：深潮 TechFlow
Zero-Knowledge 机器学习（ZKML）是最近正在密码学界引起震荡的一个相干和开拓边界。但它是什么，有什么用处呢？起原，让咱们把这个术语阐明成它的两个构成部分，并解释一下它们是什么。
什么是 ZK？零常识解释是一种密码公约，其中一方（解释者）不错向另一方（考据者）解释一个给定的述说是实在的，而不透露除该述说为真之外的任何附加信息。这是一个正在各个方面得回巨猛说明的相干边界，涵盖了从相干到公约实施和应用的通盘方面。
ZK 提供的两个主要「原语」（或者说构建块）是约略为一组给定的筹议创建具有筹议好意思满性解释的智商，其中解释比延长筹议自身要容易地多。（咱们称这种属性为「粗略性」）。ZK 解释也提供了遮掩筹议中某些部分同期保捏筹议正确性的选项。（咱们称这种属性为「零常识性」）。
生成零常识解释需要尽头大的筹议量，约莫比原始筹议贵 100 倍。这意味着，在某些情况下由于最好硬件上生成它们所需的时刻使其不切本色，因此不可筹议零常识解释。
但是，在连年来密码学、硬件和散播式系统边界的当先仍是使零常识解释成为了越来越刚硬的筹议可行的遴荐。这些说明仍是为不错使用筹议密集型解释的公约的创建提供了可能，从而扩大了新应用表率的想象空间。
ZK 使用案例零常识密码学是 Web3 空间中最流行的时代之一，因为它允许开拓东谈主员构建可扩展和/或独到的应用表率。以下是一些实验中如何使用它的示例（尽管请留心，这些技俩中很多齐还在进行中）：
1. 通过 ZK rollups 扩展以太坊
果博东方博彩Starknet
Scroll
Polygon Zero，Polygon Miden，Polygon zkEVM
zkSync
2. 构建保护秘籍的应用表率
Semaphore
MACI
Penumbra
皇冠網Aztec Network
3. 身份原语和数据来源
WorldID
澳门美高梅赌场Sismo
Clique
Axiom
4. 第一层公约
Zcash
皇冠信用怎么开Mina
跟着 ZK 时代的进修，咱们深信将会出现新的应用表率的爆发，因为构建这些应用表率所使用的器具将需要更少的边界专科常识，对于开拓东谈主员来说将会愈加容易使用。
机器学习机器学习是东谈主工智能（「AI」）边界的一个相干标的，使得筹议机不错自动从教养中学习和革新，无需明确地进行编程。它欺骗算法和统计模子来分析和识别数据中的模式，然后基于这些模式进行权衡或决策。机器学习的最终规画是开拓出约略自允洽学习、不需要东谈主类干扰以及在医疗保健、金融和交通等各个边界惩处复杂问题的智能系统。
最近，您可能仍是看到了大型讲话模子（如 chatGPT 和 Bard）以及文本到图像的模子（如 DALL-E 2、Midjourney 或 Stable Diffusion）的说明。跟着这些模子变得越来越好，何况约略延长更普遍的任务，了解是哪个模子延长了这些操作就变得尽头伏击，照旧操作由东谈主类延长。在接下来的部分中，咱们将探讨这个想路。
ZKML 的动机和刻下神勇咱们生计在一个天下上，AI/ML 生成的内容越来越难以与东谈主类生成的内容差异开来。零常识密码学将使咱们约略作念出这么的声明：「给定一段内容 C，它是由模子 M 应用于一些输入 X 生成的。」咱们将约略考据某个输出是否是由大型讲话模子（如 chatGPT）或文本到图像模子（如 DALL-E 2）等任何其他咱们为其创建了零常识电路默示的模子所生成的。这些解释的零常识属性将使咱们约略凭据需要也遮掩输入或模子的某些部分。一个很好的例子是在一些明锐数据上应用机器学习模子，在不泄露输入到第三方的情况下，用户不错知谈他们的数据在模子推理后的恶果（举例，在医疗行业）。
注：当咱们评论 ZKML 时，咱们是指创建 ML 模子推理门径的零常识解释，而不是对于 ML 模子考试（它自身仍是尽头筹议密集）。现在，现存时代水平的零常识系统加上高性能硬件仍然收支几个数目级，无法解释刻下可用的大型讲话模子（LLMs）等弘远的模子，但是在创建较小模子的解释方面仍是得回了一些说明。咱们对零常识密码学在为 ML 模子创建解释的高下文中的现存时代水平进行了一些相干，并创建了一个团聚相关相干、著述、应用表率和代码库的著述集。ZKML 的资源不错在 GitHub 上的 ZKML 社区的 awesome-zkml 存储库中找到。
Modulus Labs 团队最近发布了一篇名为「智能的资本」的论文，其中对现存的 ZK 解释系统进行了基准测试，比肩举了不同大小的多个模子。现在，使用像 plonky2 这么的解释系统，在刚硬的 AWS 机器上入手 50 秒阁下，不错为约 1800 万个参数的模子创建解释。以下是该论文中的一张图表：
www.betroyalclubzone.com另一个旨在革新 ZKML 系统时代水平的倡议是 Zkonduit 的 ezkl 库，它允许您创建对使用 ONNX 导出的 ML 模子的 ZK 解释。这使得任何 ML 工程师齐约略为他们的模子的推理门径创建 ZK 解释，并向任何正确终了的考据器解释输出。
在体育界中，每个运动员都希望成为最好的。在皇冠体育，我们也希望为您提供最好的体育博彩体验，从而让您成为最好的博彩者。有几个团队正在革新 ZK 时代，为 ZK 解释里面发生的操作创建优化硬件，并针对特定用例构建这些公约的优化终了。跟着时代的进修，更大的模子将在较不刚硬的机器上短时刻内进行 ZK 解释。咱们但愿这些说明将使新的 ZKML 应用表率和用例得以出现。
潜在的使用案例
为了细目 ZKML 是否适用于特定的应用，咱们不错琢磨 ZK 密码学的特色将如何惩处与机器学习相关的问题。这不错用一个 Venn 图来评释：
界说：
皇冠比分1.Heuristic optimization—一种问题惩处方法，它使用教养表率或「启发式」来找到重荷的问题的好惩处决策，而不是使用传统的优化方法。启发式优化方法旨在在相对的伏击性和优化难度下，在合理的时刻内找到好的或「弥散好」的惩处决策，而不是尝试找到最优惩处决策。
Hey girls，我是今天的代班编辑Lynn～
太平洋在线轮盘
2.FHE ML—实足同态加密 ML 允许开拓东谈主员以保护秘籍的花式考试和评估模子；但是，与 ZK 解释不同，莫得宗旨通过密码学花式解释所延长的筹议的正确性。
像 Zama.ai 这么的团队正在从事这个边界的使命。
3.ZK vs Validity—在行业中，这些术语常常被互换使用，因为有用性解释是 ZK 解释，不会遮掩筹议或其恶果的某些部分。在 ZKML 的高下文中，大大宗刻下的应用表率齐欺骗了 ZK 解释的有用性解释方面。
4.Validity ML—ZK 解释 ML 模子，在其中莫得筹议或恶果被守密。它们解释筹议的正确性。
以下是一些潜在的 ZKML 用例示例：
1. 筹议好意思满性（有用性 ML）
Modulus Labs
基于链上可考据的 ML 走动机器东谈主 - RockyBot
自我革新视觉区块链（示例）：
皇冠客服飞机：@seo3687增强 Lyra 金融期权公约 AMM 的智能特色
为 Astraly 创建透明的基于 AI 的声誉系统（ZK oracle）
兑换使用 ML for Aztec Protocol（具有秘籍功能的 zk-rollup）致力于于合同级合规器具所需的时代冲突。
2. 机器学习即事业 (MLaaS) 透明；
3.ZK 额外/欺骗检测：
这种应用场景使得可创建针对可欺骗性/欺骗的 ZK 解释成为可能。额外检测模子不错在智能合约数据上进行考试，并由 DAOs 得意看成道理的度量尺度，以便约略自动化安全表率，如更主动、防护性地暂停合约。已有初创企业正在相干在智能合约环境中使用 ML 模子进行安全主义的方法，因此 ZK 额外检测解释似乎是当然的下一步。
4.ML 推理的通用有用性解释：约略纰漏解释和考据输出是给定模子和输入对的乘积。
5. 秘籍 (ZKML)
6. 去中心化的 Kaggle：解释模子在某些测试数据上的准确率大于 x%，而不会高傲权重。
7. 秘籍保护推理：将对私东谈主患者数据的医疗会诊输入模子，并将明锐的推理（举例，癌症测试恶果）发送给患者。
8.Worldcoin：
IrisCode 的可升级性：World ID 用户将约略在他们的挪动缔造的加密存储中自我督察其生物特征，下载用于生成 IrisCode 的 ML 模子并在腹地创建零常识解释，以解释其 IrisCode 已奏凯创建。这个 IrisCode 不错被无需许可地插入注册的 Worldcoin 用户之一，因为接管的智能合约不错考据零常识解释，从而考据 IrisCode 的创建。这意味着，要是 Worldcoin 改日升级机器学习模子以一种防碍与其之前版块兼容性的花式创建 IrisCode，用户就无须再次去 Orb，而不错在缔造上腹地创建这个零常识解释。
Orb 安全性：现在，Orb 在其受信任的环境中延长几个欺骗和删改检测机制。但是，咱们不错创建一个零常识解释，标明这些机制在拍摄图像和生成 IrisCode 时是举止的，以便为 Worldcoin 公约提供更好的活体保证，因为咱们不错实足细目这些机制在通盘 IrisCode 生成历程中齐将入手。
总之，ZKML 时代有着普遍的应用长进，何况正在快速发展。跟着越来越多的团队和个东谈主加入到这个边界，咱们深信 ZKML 的应用场景将会愈加千般化和普遍化。