OPML:楽観的メカニズムに基づく機械学習の新しいパラダイム

ブロックチェーンシステムにおける人工知能モデルの推論とトレーニングは、業界の注目の焦点であり続けています。最近、OPML(楽観的機械学習)と呼ばれる新しいアプローチが広く注目を集めています。OPMLは楽観的メカニズムを採用しており、ブロックチェーンシステム上で低コスト、高効率の機械学習サービスを実現できます。

! OPML:楽観的ロールアップによる機械学習

従来のZKMLと比較して、OPMLには明らかな利点があります。参加のハードルが非常に低く、普通のPCはGPUなしで26GBの7B-LLaMAモデルのような大規模言語モデルを実行できます。OPMLは、機械学習サービスの分散化と検証可能なコンセンサスを保証するために、Truebitと楽観的ロールアップシステムの検証ゲームメカニズムを参考にしています。

OPMLのワークフローは以下の通りです:

1. リクエスターは機械学習タスクを開始します
2. サーバーはタスクを完了し、結果をチェーンに提出します
3. バリデーターは結果を検証し、異議がある場合は検証ゲームを開始します。
4. 双方は二分協定を通じて争点のステップを正確に特定します
5. 最後にスマートコントラクト上でステップバイステップの仲裁を行う

! OPML:楽観的ロールアップシステムによる機械学習

効率を向上させるために、OPMLはいくつかの革新的な技術を採用しました。

• 専用の仮想マシンを構築し、オフチェーンとオンチェーンの実行の等価性を保証します。
• 軽量DNNライブラリを開発し、主流のフレームワークモデルを変換可能にする
• クロスコンパイル技術を使用して、AI推論コードをVM命令にコンパイルする
• VMイメージはメルクルツリーで管理され、ルートハッシュのみがチェーンにアップロードされます。

実験によると、OPMLは通常のPC上で基本的なAIモデルの推論を2秒以内に完了でき、全体の検証プロセスは2分以内に完了します。これは、単一段階の検証ゲームの性能を大きく上回っています。

! OPML:楽観的ロールアップによる機械学習

さらなる性能向上のために、OPMLは多段階検証ゲームを提案しました。これにより、計算はGPU/TPUの加速と並列処理を十分に活用でき、性能はローカル環境に近づきます。多段階OPMLは計算グラフを用いて推論プロセスを表現し、ローカルハードウェアリソースを柔軟に活用できます。

! OPML:楽観的ロールアップによる機械学習

単段階のソリューションと比較して、二段階OPMLはα倍の計算速度向上を実現でき、マークルツリーのサイズもO(mn)からO(m+n)に減少しました。これにより、システムの効率とスケーラビリティが大幅に向上しました。

結果の一貫性を確保するために、OPMLは固定小数点アルゴリズムとソフトウェアベースの浮動小数点ライブラリを採用しています。これにより、異なるプラットフォームでの浮動小数点計算の差異の問題が効果的に解決され、クロスプラットフォームでの結果の一貫性が保証されます。

! OPML:楽観的ロールアップシステムによる機械学習

全体的に見て、OPMLはブロックチェーン上の機械学習に対して低コストで高効率な新しいパラダイムを提供します。それはモデル推論をサポートするだけでなく、モデル訓練などのさまざまな機械学習タスクにも使用できます。さらに最適化と改善が進むことで、OPMLは将来のブロックチェーンAI分野における重要な技術方向になることが期待されています。