原文：a16z
编译：DeFi之谈
在往常的几年里，区块链上的零学问解说主要用于两个关节目标：(1) 通过在链下处理交往并在主网上考证终结来彭胀狡计受限采集的限制；(2) 通过已毕屏蔽交来去保护用户狡饰，只消领有解密密钥的东谈主才能稽查。在区块链布景下，这些特质昭彰是可取的：去中心化采集（如以太坊）不成在不合考证者处理才调、带宽和延长提议无法承受的条目的情况下普及蒙胧量或区块大小（因此需要有用性编削），扫数交往齐对任何东谈主可见（因此需要链上狡饰顾问有计算）。
但零学问解说对于第三类功能亦然有用的：高效地考证任何类型的狡计（而不单是是在链下实例化的EVM中的狡计）仍是正确运行。这对区块链除外的范畴也有很大影响。
目下，运用零学问解说精真金不怕火地考证狡计才调的系统的尽头使用户能够从每一个数字居品中条目与区块链所保证的一样进度的无信任和可考证性，尤其是从机器学习模子中。区块链狡计的高需求激发了零学问解说商议，创造了具有较小内存占用和更快解说和考证时分的当代解说系统——使得目下不错在链上考证某些袖珍机器学习算法。
到目下为止，咱们齐可能仍是体验到了与一个相称刚劲的机器学习居品互动的后劲。几天前，我用GPT-4匡助我创建了一个能汇聚打败我棋战的AI。这嗅觉像是往常几十年里机器学习取得的扫数尽头的一个诗意的缩影：IBM的斥地东谈主员花了十二年时分制作出Deep Blue，一个运行在32节点IBM RS/6000 SP狡计机上、能每秒评估近2亿个棋步的模子，该模子在1997年打败了海外象棋冠军加里·卡斯帕罗夫。比拟之下，我花了几个小时——在我这边只进行了最少的编码——就创建了一个能投降我的口头。
虽然，我怀疑我创建的AI是否能在海外象棋上打败加里·卡斯帕罗夫，但这并不是重心。重心是任何辱弄GPT-4的东谈主齐可能在取得超才调方面有肖似的资格：你只需要付出很小的奋力，就不错创造出接近或超越你我方才调的东西。咱们齐是IBM的商议员；咱们齐是加里·卡斯帕罗夫。
博彩专家昭彰，这让东谈主欢跃又有些怕惧。对于任安在加密货币行业职责的东谈主来说，当然的响应（在称赞于机器学习能作念什么之后）是沟通潜在的聚合化路线以及如何将这些路线去中心化，造成一个东谈主们不错透明审计和领有的采集。目下的模子是通过吞吃大齐公开可用的文本和数据制作的，但目下只消少数东谈主规则和领有这些模子。更具体地说，问题不是“东谈主工智能是否具有繁密价值”，而是“咱们如何构建这些系统，使得与之互动的任何东谈主齐能取得其经济利益，并在他们但愿的情况下，确保他们的数据以尊重狡饰权的方式使用”。
最近，有东谈主敕令暂停或减缓肖似Chat-GPT这么的首要东谈主工智能样子的发展。断绝尽头可能不是顾问有计算：更好的步骤是鼓吹开源模子，并在模子提供商但愿保护其权重或数据诡秘性的情况下，使用保护狡饰的零学问解说对它们进行保护，这些解说在链上而况不错完全审计。如今，对于独到模子权重和数据的后一种用例尚无法在链上已毕，但零学问解说系统的尽头将在畴昔已毕这一目标。
可考证和可领有的机器学习我使用Chat-GPT构建的海外象棋AI在目下看来相对无害：输出相对一致的口头，不使用侵略有价值学问产权或侵略狡饰的数据。但当咱们思确保咱们被见告的在API背面运行的模子如实是运行过的模子时会怎么样？或者，要是我思将认证过的数据输入到链上的模子中，并确保数据如实来自正当方？要是我思确保提交数据的“东谈主”骨子上是东谈主而不是试图对我的采集发起拜占庭挫折的机器东谈主呢？零学问解说过甚精真金不怕火地示意和考证任性口头的才调是一种顾问步骤。
亚星龙虎斗需要刺目标是，目下在链上机器学习布景下，零学问解说的主要用途是考证正确的狡计。换句话说，在机器学习布景下，零学问解说和更具体的SNARK（精真金不怕火的非交互式学问论证）最有用的所在在于它们的精真金不怕火性特质。这是因为零学问解说保护了解说者（过甚处理的数据）免受窥视者的侵略。完全同态加密（FHE）、功能加密或确切践诺环境（TEE）等增强狡饰的手艺更适用于让不受信任的解说者在独到输入数据上运行狡计（更深刻地探讨这些手艺超出了本文的范围）。
彩票平台信誉度让咱们退后一步，从高级次了解不错用零学问示意的机器学习应用类型（要深刻了解零学问，请参阅咱们对于零学问解说算法和硬件的改良的著作，稽查Justin Thaler对于SNARK性能的商议，或者稽查咱们的零学问课本）。零学问解说时常将口头示意为算术电路：使用这些电路，解说者从大家和独到输入生成解说，考证者通过数学狡计来确保此语句的输出是正确的——而不获取对于独到输入的任何信息。
8月3日，由广西柳州市总工会主办，鱼峰区总工会承办的2023年暑期农民工亲子活动在柳州市群众艺术馆（柳州市非物质文化遗产保护中心）举行，活动吸引辖区50个农民工家庭参加。
咱们仍处于使用链上零学问解说考证狡计的相称早期阶段，但算法的改良正在扩大可行的范围。以下是五种在机器学习中应用零学问解说的步骤。
随着在线博彩市场不断扩大，博彩公司之间竞争越来越激烈。因此，对于博彩公司来说，建立保持良好声誉品牌形象，吸引客户提高市场份额。1.模子确切性：您但愿确保某个实体宣称仍是运行的机器学习模子如实是运行过的模子。举例，在某个模子位于API背面的情况下，提供特定模子的实体可能有多个版块，举例一个较低廉、准确度较低的版块，以及一个较贵、性能更高的版块。莫得解说，您无法知谈当您骨子支付了更上流的版块时，提供商是否为您提供了更低廉的模子（举例，提供商但愿从简业绩器资本并普及利润率）。
为此，您需要为每个模子实例提供单独的解说。一个骨子的步骤是通过Dan Boneh、Wilson Nguyen和Alex Ozdemir的功能承诺框架，这是一个基于SNARK的零学问承诺有计算，允许模子扫数者承诺一个模子，用户不错将他们的数据输入到该模子中，并接纳到仍是运行的承诺模子的考证。一些基于Risc Zero（一个通用的基于STARK的假造机）的应用口头也已毕了这少量。Daniel Kang、Tatsunori Hashimoto、Ion Stoica和Yi Sun进行的其他商议标明，不错在ImageNet数据集上考证有用的推测，准确率为92%（与最高性能的非零学问考证ImageNet模子尽头）。
皇冠博彩但只是接纳到已提交模子已运行的解说并不一定填塞。一个模子可能无法准确地示意给定的口头，因此您会但愿第三方审核已提交的模子。功能承诺允许解说者解说其使用了已承诺的模子，但不成保证已承诺模子的任何信息。要是咱们能让零学问解说在解说查验方面施展得填塞好（请参见底下的示例＃4），咱们将来也可能开拔点取得这些保证。
皇冠abc盘皇冠体育app2.模子竣工性：您但愿确保一样的机器学习算法以一样的方式在不同用户的数据上运行。这在您不但愿应用任性偏见的范畴相称有用，如信用评分决策和贷款央求。您也不错使远程能承诺来已毕这少量。为此，您需要承诺一个模子过甚参数，并允许东谈主们提交数据。输出将考证该模子是否针对每个用户的数据运行已承诺的参数。或者，不错公开模子过甚参数，并让用户我方解说他们将相宜的模子和参数应用于我方的（经过认证的）数据。这在医疗范畴可能尤其有用，因为法律条目某些对于患者的信息必须守密。将来，这不错已毕一个医学会诊系统，它能够从完全诡秘的及时用户数据中学习和改良。
3.认证：您但愿将来自外部经过考证的方（举例，任何不错生成数字签名的数字平台或硬件诞生）的认证整合到链上运行的模子或任何其他类型的智能合约中。要作念到这少量，您将使用零学问解说考证签名，并将解说动作口头的输入。Anna Rose和Tarun Chitra最近主合手了一期零学问播客节目，嘉宾是Daniel Kang和Yi Sun，他们探讨了这一范畴的最新进展。
具体来说，Daniel和Yi最近发布了一项商议，探讨了如何考证由具有经过认证的传感器的录像机拍摄的图像是否经过了如编著、缩放或有限瞒哄等变换，这在您但愿解说图像莫得经过深度伪造但如实经过了某种正当编著的情况下很有用。Dan Boneh和Trisha Datta也作念过肖似的商议，使用零学问解说考证图像的出处。
但更庸俗地说，任何经过数字认证的信息齐是这种考证样子的候选对象：Jason Morton正在斥地EZKL库（鄙人一节将有更多先容），他称这种步骤为“赋予区块链目力”。任何已签名的端点（举例，Cloudflare的SXG业绩，第三方公证东谈主）齐会产生不错考证的数字签名，这可能对于解说来自确切任方的出处和确切性相称有用。
4.漫衍式推理或查验：您但愿以漫衍式的方式践诺机器学习推理或查验，并允许东谈主们向大家模子提交数据。为此，您不错将已有的模子部署到链上，或者想象一个全新的采集，并使用零学问解说来压缩模子。Jason Morton的EZKL库正在创建一种用于摄取ONXX和JSON文献并将它们改革为ZK-SNARK电路的步骤。最近在ETH Denver的一个演示标明，这种手艺可用于创建基于图像识别的链上寻宝游戏，游戏创作家不错上传相片，生成图像的解说，玩家不错上传图像；考证器检验用户上传的图像是否与创作家生成的解说填塞匹配。EZKL目下不错考证多达1亿个参数的模子，这意味着它不错用于在链上考证ImageNet大小的模子（这些模子具有6000万个参数）。
其他团队，如Modulus Labs，正在为链上推理对不同解说系统进行基准测试。Modulus的基准测试涵盖了多达1800万个参数。在查验方面，Gensyn正在构建一个漫衍式狡计系统，用户不错输入大家数据，并通过漫衍式节点采集进行模子查验，同期考证查验的正确性。
5.东谈主解说：您但愿考证某东谈主是一个出奇的个体，而不损伤其狡饰。为此，您将创建一种考证步骤，举例生物识别扫描或以加密方式提交政府ID的步骤。然后，您将使用零学问解说来检验某东谈主是否仍是过考证，而不会走漏对于该东谈主身份的任何信息，不论该身份是完全可识别的，照旧像公钥那样的伪名。
Worldcoin通过他们的东谈主解说左券来已毕这少量，该左券通过为用户生成出奇的虹膜代码来确保抗挫折性。关节的是，为WorldID创建的私钥（以及为Worldcoin用户创建的加密钱包的其他私钥）与样子的眼球扫描器腹地生成的虹膜代码完全辩认。这种辩认完全将生物识别标记符与可能归因于某东谈主的任何样子的用户密钥辩认。Worldcoin还允许应用口头镶嵌一个SDK，使用户不错使用WorldID登录，并通过允许应用口头检验东谈主是否领有WorldID来运用零学问解说来保护狡饰，但不允许追踪个别用户（更多细节，请参阅此博客著作）。
皇冠客服飞机：@seo3687
皇冠体育
这个例子是用零学问解说的狡饰保护特质来抵挡较弱且坏心的东谈主工智能的样子，因此它与上述其他示例（举例，解说你是一个确切的东谈主类而不是机器东谈主，同期不走漏任何干于我方的信息）有很大不同。
模子架构和挑战在已毕SNARKs（精真金不怕火非交互式学问论证）的解说系统方面的冲破仍是成为将好多机器学习模子上链的关节驱能源。一些团队正在现存的架构（包括Plonk、Plonky2、Air等）中制作定制电路。在定制电路方面，Halo 2已成为Daniel Kang等东谈主的职责和Jason Morton的EZKL样子中庸俗使用的后端。Halo 2的解说者时分近似线性，解说大小时常只消几千字节，考证者时分恒定。大致更进犯的是，Halo 2领有刚劲的斥地者用具，使其成为斥地者可爱使用的SNARK后端。其他团队，如Risc Zero，正在寻求通用VM计策。还有些团队正使用基于乞降检验左券的Justin Thaler的超高效解说系统创建定制框架。
解说生成和考证器时分完全取决于生成和检验解说的硬件以及生成解说的电路大小。但这里需要刺目标关节点是，不论代表的口头是什么，解说的大小老是相对较小，因此考证解说的考证者的背负是受限的。关联词，在这里有一些狭窄之处：对于像Plonky2这么使用基于FRI的承诺有计算的解说系统，解说大小可能会加多。（除非临了使用像Plonk或Groth16这么基于配对的SNARK包装，这些解说不会跟着所解说阐述的复杂性而增长。）
对于机器学习模子的启示是，一朝想象了一个准确示意模子的解说系统，骨子考证输出的资本将相称低廉。斥地者需要沟通的最进犯的是解说者时分和内存：以一种不错相对快速解说的方式示意模子，而况解说大小理思地在几千字节傍边。要解说机器学习模子在零学问情况下的正确践诺，你需要将模子架构（层、节点和激活函数）、参数、拘谨和矩阵乘法运算编码并示意为电路。这触及将这些属性明白为不错在有限域上践诺的算术运算。
这个范畴还处于起步阶段。在将模子改革为电路的经由中，准确性和保真度可能会受到影响。当模子示意为算术电路时，前边提到的模子参数、拘谨和矩阵乘法运算可能需要近似和简化。当将算术运算编码为解说的有限域中的元素时，可能会丢失一些精度（或者在不进行这些优化的情况下生成解说的资本在面前的零学问框架下将不胜重担）。此外，机器学习模子的参数和激活时常以32位进行编码以普及精度，可是今天的零学问解说无法在必要的算术电路口头中示意32位浮点运算，而不产生繁密的支出。因此，斥地者可能会采选使用量化的机器学习模子，其中32位整数仍是改革为8位精度。这些类型的模子有益于示意为零学问解说，可是被考证的模子可能是较高质地运行模子的粗拙近似。
2021欧洲杯买球推荐在这个阶段，这如实是一场振奋为雄的游戏。跟着零学问解说变得愈加优化，机器学习模子变得越来越复杂。仍是有一些优化的有远景的范畴：解说递归不错通过允许解说用作下一个解说的输入来减小举座解说大小，从云尔毕解说压缩。还有一些新兴的框架，比如Linear A的Apache Tensor假造机（TVM）分支，该框架推出了一种改革器，不错将浮点数改革为零学问友好的整数示意。临了，咱们在a16z crypto对畴昔的职责感到乐不雅，它将使在SNARKs中示意32位整数变得愈加合理。
“限制”的两种界说 零学问解说通过压缩已毕限制化：SNARKs允许你将一个极其复杂的系统（如假造机或机器学习模子）数学示意，使得考证它的资本低于运行它的资本。另一方面，机器学习是通过彭胀已毕限制化的：如今的模子跟着更多数据、参数以及参与查验和推理经由的GPU/TPU而变得更好。中心化公司不错以险些无规则的限制运行业绩器：收取API调用的月费，并支付运营资本。
www.crowngamezonezonezone.com区块链采集的经济执行险些刚巧相背：斥地者被饱读吹优化他们的代码，使其在链上运行既可行又低廉。这种不合称具有繁密的上风：它创造了一个需要普及解说系统后果的环境。咱们应该寻求在机器学习中条目与区块链提供的一样平正，即可考证的扫数权和分享确实切不雅念。
尽管区块链激发了优化zk-SNARKs，但狡计关系的每个范畴齐将受益。
致谢：Justin Thaler, Dan Boneh, Guy Wuollet, Sam Ragsdale, Ali Yahya, Chris Dixon, Eddy Lazzarin, Tim Roughgarden, Robert Hackett, Tim Sullivan, Jason Morton, Peiyuan Liao, Tarun ChitraB体育平台下载, Brian Retford, Daniel Kang, Yi Sun, Anna Rose, Modulus Labs, DC Builder。