OPML: Blok Zinciri'ndeki Optimist Makine Öğrenimi

OPML(iyimserlik makine öğrenimi), blok zinciri sistemlerinde AI model çıkarımı ve eğitim/ince ayar gerçekleştirebilen yeni bir teknolojidir. ZKML ile karşılaştırıldığında, OPML daha düşük maliyetle ve daha yüksek verimlilikle makine öğrenimi hizmetleri sunabilmektedir. OPML'nin erişim eşiği düşüktür, sıradan bir PC, 26GB boyutundaki 7B-LLaMA modeli gibi büyük dil modellerini içeren OPML'yi GPU olmadan çalıştırabilir.

OPML, ML hizmetinin merkeziyetsizliğini ve doğrulanabilir konsensüsü sağlamak için bir doğrulama oyunu mekanizması kullanır. Süreci şu şekildedir:

1. İstekçi ML hizmet görevi başlatır
2. Sunucu görevi tamamladı ve sonucu on-chain olarak sundu
3. Doğrulayıcı sonuçları kontrol eder, itiraz varsa doğrulama oyunu başlatılır.
4. Akıllı sözleşmeler aracılığıyla anlaşmazlık adımlarını tahkim etme

Tek Aşamalı Doğrulama Oyunu

Tek aşamalı doğrulama oyunu, hesaplama yetkilendirmesi (RDoC) mekanizmasına benzer. OPML'in tek aşamalı doğrulama oyununun aşağıdaki özellikleri vardır:

• Zincir dışı yürütme ve zincir üzeri tahkim için sanal makine (VM)
• Özel hafif DNN kütüphanesi oluşturarak AI modeli çıkarım verimliliğini artırmak
• AI model çıkarım kodunu VM talimatlarına derlemek için çapraz derleme teknolojisini kullanın
• VM görüntüleri Merkle ağaçları ile yönetilir, yalnızca kök hash'i on-chain yüklenir.

Performans testleri, sıradan bir PC'de, temel AI modeli ( MNIST sınıflandırma DNN )'in çıkarımının 2 saniye içinde tamamlanabileceğini ve tüm zorluk sürecinin 2 dakika içinde tamamlanabileceğini gösteriyor.

Çok Aşamalı Doğrulama Oyunu

Tek aşamalı doğrulamanın sınırlamalarını aşmak için, OPML çok aşamalı doğrulama oyunu tanıttı:

• Sadece son aşamada VM'de hesaplama yapılır, diğer aşamalar yerel ortamda esnek bir şekilde yürütülebilir.
• CPU, GPU, TPU gibi donanım hızlandırma yeteneklerinden yararlanma
• VM bağımlılığını azaltarak yürütme verimliliğini artırmak

Çok aşamalı OPML'nin temel düşüncesi, DNN hesaplama sürecini hesaplama grafiği olarak temsil etmek ve bu hesaplama grafiği üzerinde doğrulama oyunları oynamaktır. Bu yöntem, GPU veya paralel işlem avantajlarından tam olarak yararlanabilir ve performansı önemli ölçüde artırabilir.

Tutarlılık ve Belirlilik

OPML, ML sonuçlarının tutarlılığını sağlamak için aşağıdaki yöntemleri kullanır:

1. Kesirli sayı algoritması ( nicemleme teknolojisi ) kayan nokta yuvarlama hatalarını azaltır
2. Çapraz platform uyumlu yazılım kayan nokta kütüphanesi kullanımı

Bu teknolojiler, farklı donanım ve yazılım ortamlarının neden olduğu hesaplama farklılıklarını aşmaya yardımcı olur ve OPML sonuçlarının güvenilirliğini garanti eder.

OPML hala geliştirme aşamasında, katkıda bulunmak isteyen geliştiricileri bekliyoruz.