最近の Worldcoin の人気も、Web 3+AI の物語に十分な勢いを生み出しています。Worldcoin は zkML 概念に属しており、zk+ML (ゼロ知識証明と機械学習) から派生しています。また、これまでに登場した新しい組み合わせでもあります。最近よく話題になっていますが、テクノロジについて言及する必要があるのは言うまでもありません。ML は AI の下位分野です。AI + Web3 は以前から業界で人気のある話でしたが、現在、それを実現するための良いコンセプトやユースケースはありません。最近のモンテネグロ会議では、Vitalik 氏も zkSNARK を高く評価しており、Worldcoin の人気と相まって、zkML が目立つようになることが予想されます。
あなたは zkML に詳しくないかもしれませんが、現時点では zkML の導入、ユースケース、およびいくつかの潜在的なプロジェクトに焦点を当てて、zkML に関する霧を解消します。機会を捉えて事前に学習し、新しい概念や使用例に備えてください。
ウェブ3 + ML
zkML はゼロ知識証明と機械学習を組み合わせたもので、Web 3 以外では、ML はもはや新しい言葉ではありません。自然言語処理 (NLP)、自動運転、電子運転などの一部の分野で広く使用されています。コマースなどの分野は ML テクノロジーによってより高いレベルに到達しており、一部の分野では ML が支配的な地位を占めています。そのため、将来的には zkML をスマートコントラクトに組み込むことも、より複雑でインテリジェントな機能を提供することになります。スマートコントラクトの処理方法。
ML 機能を追加することで、スマート コントラクトはより自律的かつ動的になり、静的なルールではなくリアルタイムのオンチェーン データに基づいて動作できるようになります。スマート コントラクトはより柔軟になり、最初に契約が作成された時点では予想されていなかったシナリオも含め、より多くのシナリオに適応できるようになります。簡単に言えば、ML 機能は、チェーン上に配置されるスマート コントラクトの自動化、精度、効率、柔軟性を拡張します。
現在、ML が暗号通貨で広く採用されていない理由の 1 つは、これらのモデルをチェーン上で実行するための計算コストが非常に高いためです。たとえば、NLP 言語モデルの一種である fastBERP を採用するには、このモデルを使用する必要があります。約 1800 MFLOPS (100 万点演算) であり、EVM 上で直接実行することはできません。アプリケーション モデルは実世界のデータに基づいて予測を行う必要がありますが、ML スケールでスマート コントラクトを実現するには、コントラクトがそのような予測を取得する必要があります。
2 番目の理由は、ML モデルの信頼フレームワークの問題に対処する必要があることです。主なポイントは 2 つあります。1 つは、前述したように、モデルのパラメーターは通常、機密に保つ必要があることです。これは当然のことですが、モデルの所有者とモデルのユーザーの間に信頼の問題が生じます。2 つ目は、アルゴリズムのブラック ボックスには、計算プロセスに多くの自動化されたステップが含まれるため、「ブラック ボックス」と呼ばれることがあります。理解するか説明する。これらのステップには複雑なアルゴリズムと大量のデータが含まれるため、不確実で場合によってはランダムな出力が得られ、アルゴリズムが偏見や差別の原因となる可能性があります。そして、zkテクノロジーは、この信頼性の問題を非常に効率的に解決できます。
したがって、zkML の zk テクノロジーは主に zkSNARK を指します。zkSNARK は、誰でもモデルをオフチェーンで実行でき、モデルが特定の結果を生成することを示す簡潔で検証可能な証拠を生成します。そして、この証明はオンチェーンで公開され、スマートコントラクトによって捕捉され、そのインテリジェンスが強化されます。 ML モデルには通常、トレーニング データ、モデル アーキテクチャ、モデル パラメーターの 3 つの部分が必要です。トレーニングされたモデルは、推論と検証に合格する限り、スマート コントラクトの最新の設計空間を開くことができます。 (モデルのトレーニングと推論については詳しく説明しません)
暗号通貨における zkML の使用例
zkSNARK +ML で追加されたスマート コントラクトにも多くの使用例があります。以下にその使用例を示します。
分散金融
検証可能なオフチェーン機械学習オラクル
これらのオフチェーン ML オラクルを、ML モデルの検証済み推論と組み合わせた zkSNARK と組み合わせることで、オンチェーンで推論を検証し証拠を公開することで、現実世界の予測市場、安全なプロトコル契約などを確実に解決するために使用できます。
ML パラメータ化された DeFi
DeFi の多くの細分化は実際に自動化できます。たとえば、融資プロトコルは ML モデルを使用してパラメータをリアルタイムで更新できます。今日の融資プロトコルは主に組織が実行するオフチェーン モデルを信頼して担保係数、LTV、清算閾値などを決定しますが、ML は誰でも実行して検証できる、コミュニティでトレーニングされたオープンソース モデルを使用したより良い代替手段を提供できます。
自動取引戦略
取引戦略のリターンを検証する 1 つの方法は、MP が投資家にさまざまなバックテストを提供することです。取引を実行するときにストラテジストがモデルに従っているかどうかを検証する方法はありませんが、zkML を導入すると、MP がそのソリューションを提供できます。財務モデル推論の検証証拠を特定の場所に提供します。
セキュリティ分野
スマートコントラクト不正監視
実践的なガバナンスや契約を一時停止する機能を制御する一元化されたアクターの代わりに、ML モデルを使用して、潜在的な悪意のある動作を検出し、一時停止手順を強制することができます。
DID とソーシャル
秘密鍵を生体認証に置き換えます (これが現在 Worldcoin で行われていることです)
秘密キーの管理は依然として Web3 ユーザーにとって頭の痛い問題の 1 つです。顔認識またはその他の生体認証を通じて秘密鍵を抽出することは、zkML の可能な解決策であり、Worldcoin はこれを Orb デバイスに適用して、KYC を試みることなく誰かが本物かどうかを判断しています。また、zk テクノロジーを使用して、zkML の出力を保証します。その ML モデルはユーザーの個人データを明らかにせず、顔と虹彩の特徴を分析するさまざまなカメラ センサーと機械学習モデルを通じてこれを実現します。
Web3 ソーシャル メディア向けのパーソナライズされた推奨事項とコンテンツ フィルタリング
同様に、一部の Web 3 ソーシャル メディアは、ユーザーの好みやデータを簡単に取得し、スパム メールや偽のリンクを表示し、多くの偽のリンクがユーザーのウォレットの盗難などにつながる可能性がありますが、zkML テクノロジーを通じて、多くの不要なコンテンツを回避できます。および電子メールのリンク。
クリエイター エコノミーとゲーム
ゲーム内経済のリバランス
ML モデルは、トークンの発行、供給、破棄、投票しきい値などを動的に調整するために使用できます。考えられるモデルの 1 つは、特定のリバランスしきい値に達し、推論の証拠が検証された場合にゲーム内経済のバランスを再調整できるインセンティブ契約です。
新しいオンチェーン ゲーム
人間と AI の協力ゲームやその他の革新的なオンチェーン ゲームを作成できます。このゲームでは、信頼されていない AI モデルが NPC として機能し、すべての NPC のアクションが、誰でも検証してモデルの正しい動作を確認できる付属の指示とともにチェーンに送信されます。 。
zkML生態学的可能性プロジェクト
zkML はまだ開発の初期段階にあるため、誰でも見つけられる可能性のあるプロジェクトはそれほど多くありません。
ワールドコイン
Worldcoin については詳しく説明しませんので、「Worldcoin が成功したら、暗号化業界にどのような影響を与えるか?」を参照してください。
モジュラスラボ
Modulus Labs は、zkML のより多様なプロジェクトの 1 つであり、オンチェーン AI に必要なテクノロジーを構築しています。ユースケースと関連調査の両方に取り組みます。アプリケーション側では、Modulus Labs はオンチェーン取引ボットである RockyBot と、実際の人々が Leela チェス エンジンの検証可能なオンチェーン インスタンスと対戦するチェス ゲームである Leela vs. the World を開発しました。
人間
Giza は AI を通じた経済成長に特化したプロトコルで、StarkWare パートナーシップによってサポートされている完全にトラストレスなアプローチを使用してオンチェーンで AI モデルを展開できるようにし、最終的には AI 開発の代替パスを提供するマーケットプレイスを可能にします。
ズカプチャ
Zkaptcha は Web3 のロボット問題に焦点を当て、ロボット攻撃からスマート コントラクトを保護し、ゼロ知識証明を使用して Sybil 攻撃に耐性のあるスマート コントラクトを作成し、スマート コントラクトの検証コード サービスを提供します。現在、このプロジェクトでは、エンドユーザーが検証コードを完成させることで人間の作業の証拠を生成できるようになり、将来的には、Zkaptcha が zkML を継承し、既存の Web 2 検証コードと同様のサービスを開始する予定ですが、マウスの動きなどの動作も分析することもできます。ユーザーのパフォーマンスが実在の人物であるかどうかを判断します。
結論
現時点では、zkML と暗号を組み合わせた製品はそれほど多くないようです。そのような製品を構築する過程でまだいくつかの問題が発生し、将来的にはさらなる改善と最適化が必要になる可能性があります。しかし、zkSNARK と ML の組み合わせにより、zkML の力が暗号通貨に優れた見通しと発展をもたらすと信じる理由ができました。また、この分野でのより多様な製品が暗号通貨の運用にセキュリティを提供することも期待しています。 ML Trusted 環境は、将来的には製品イノベーションに加えて、暗号ビジネス モデルのイノベーションも生み出す可能性があります。なぜなら、このワイルドでアナーキーな Web 3 の世界では、分散化、暗号技術、信頼が最も重要な基本機能だからです。