OPML: Máquinas de Aprendizagem Otimistas na Blockchain

OPML(otimismo aprendizado de máquina) é uma nova tecnologia que pode executar a inferência e treinamento/ajuste fino de modelos de IA em sistemas de Blockchain. Em comparação com ZKML, o OPML pode fornecer serviços de aprendizado de máquina a um custo mais baixo e com maior eficiência. O OPML tem uma barreira de entrada mais baixa, um PC comum pode executar o OPML que contém modelos de linguagem de grande porte, como o modelo 7B-LLaMA de 26GB, sem necessidade de GPU.

A OPML utiliza um mecanismo de jogo de verificação para garantir a descentralização e o consenso verificável dos serviços de ML. O seu processo é o seguinte:

1. O solicitante inicia a tarefa de serviço ML
2. O servidor completa a tarefa e submete o resultado na cadeia
3. O validador verifica os resultados; se houver objeções, inicia o jogo de validação.
4. Arbitragem dos passos de disputa através de contratos inteligentes

Jogo de validação de uma única fase

Os jogos de verificação de fase única são semelhantes ao mecanismo de delegação de cálculo (RDoC). O jogo de verificação de fase única da OPML possui as seguintes características:

• Construir uma máquina virtual para execução fora da cadeia e arbitragem na cadeia (VM)
• Implementar uma biblioteca DNN leve e especializada, aumentando a eficiência da inferência de modelos de IA
• Usar tecnologia de compilação cruzada para compilar o código de inferência do modelo de IA em instruções VM
• A imagem VM é gerida através de uma árvore de Merkle, apenas o hash da raiz é carregado na cadeia.

Os testes de desempenho mostram que, em um PC comum, a inferência do modelo básico de IA (MNIST classificação DNN) pode ser concluída em menos de 2 segundos, e todo o processo do desafio pode ser concluído em 2 minutos.

Jogo de Verificação em Múltiplas Fases

Para superar as limitações da verificação de uma única fase, o OPML introduziu um jogo de verificação de múltiplas fases:

• Apenas calcular na VM na fase final, as outras fases podem ser executadas de forma flexível no ambiente local.
• Utilizando a capacidade de aceleração de hardware, como CPU, GPU e TPU.
• Aumentar a eficiência de execução reduzindo a dependência de VM

A ideia central do OPML de múltiplas fases é representar o processo de cálculo DNN como um gráfico computacional, realizando jogos de verificação sobre esse gráfico. Este método pode aproveitar ao máximo as vantagens da GPU ou do processamento paralelo, melhorando significativamente o desempenho.

Consistência e Determinismo

OPML utiliza os seguintes métodos para garantir a consistência dos resultados de ML:

1. Usar o algoritmo de ponto fixo ( para a técnica de quantização ) para reduzir o erro de arredondamento em ponto flutuante
2. Utilizar uma biblioteca de ponto flutuante de software consistente entre plataformas

Essas tecnologias ajudam a superar as diferenças computacionais trazidas por diferentes ambientes de hardware e software, garantindo a fiabilidade dos resultados OPML.

OPML ainda está em fase de desenvolvimento, e os desenvolvedores interessados são bem-vindos a contribuir.