OPML: 拡張可能なブロックチェーン機械学習ソリューション

機械学習のブロックチェーン分野への応用は、ますます重要になっています。既存のソリューションの限界を解決するために、私たちはOPML(Optimistic機械学習)フレームワークを提案します。これは、ブロックチェーンシステムに効率的で低コストのAIモデル推論およびトレーニングサービスを提供することを目的としています。

OPMLの核心思想は、検証ゲームメカニズムを採用してMLサービスの非中央集権性と検証可能性を保証することです。このメカニズムのワークフローは以下の通りです:

1. リクエスターがMLサービスタスクを開始する
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. 二分法プロトコルを使用してエラーのステップを正確に特定する
5. スマートコントラクト上での争議のある単一のステップの仲裁

! OPML:楽観的ロールアップによる機械学習

ZKMLと比較して、OPMLは顕著な利点があります:

• 参加のハードルが低い: 普通のPCでGPUなしで大規模言語モデルを実行できる
• コストパフォーマンスが高い: 高価なゼロ知識証明は不要
• 柔軟性が高い: モデルの推論とトレーニングをサポート

効率を高めるために、OPMLはマルチステージ検証ゲームデザインを採用しました。

• 第一段階は仮想マシン内で実行され、単一段階プロトコルに似ています
• 第二段階では、ローカル環境でGPUなどのハードウェアアクセラレーションを利用できます
• メルクルツリーによって段階を超えた完全性と安全性が保証されます

この設計により、OPMLはハードウェアリソースを最大限に活用し、安全性を確保しながらパフォーマンスを大幅に向上させることができます。LLaMAモデルを例に挙げると、OPMLは二段階のアプローチを採用しています:

1. 第二段階では計算グラフの面で検証ゲームを行い、GPUを利用して加速できます。
2. 第一段階では、論争のあるノード計算をVM命令に変換して検証します。

! OPML:楽観的ロールアップシステムによる機械学習

多段階設計は単段階プロトコルに比べて計算速度がα倍向上し(、αはGPU加速比)で、MerkleツリーのサイズもO(mn)からO(m+n)に減少しました。

! OPML:楽観的ロールアップによる機械学習

結果の一貫性を確保するために、OPMLは定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、クロスプラットフォームの浮動小数点計算の差異問題を効果的に解決しました。

! OPML:楽観的ロールアップによる機械学習

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効率的で低コストかつスケーラブルなソリューションを提供します。それはモデル推論をサポートするだけでなく、モデルトレーニングにも使用できる汎用のMLフレームワークです。OPMLプロジェクトは現在も積極的に開発中で、関心のある開発者の参加を歓迎します。

! OPML:楽観的ロールアップシステムによる機械学習