原文来自：Modulus Labs
编译：DeFi 之道
很高兴终于可以与你们分享我们的第一篇论文，该论文是通过以太坊基金会的资助完成的，它的名称是《The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge?》（或 paper0，这是酷孩子们的叫法)。
没错，这些都是真数字！有图表！论文还讨论了理论结构及其对性能的影响！事实上，paper0 是第一个跨通用 AI 原语套件对 ZK 证明系统进行基准测试的研究工作，你现在就可以阅读整篇论文。
而这篇文章，你可以将其视为论文的总结，有关详细信息，请参阅原论文。
事不宜迟，让我们深入了解：
事实上，计算的未来将大量使用复杂的人工智能。看看我的文本编辑器：
Notion 的提示告诉我，他们的 LLM 可以让这句话变得更好
DigiDaigaku超级碗活动期间出现钓鱼链接，用户需警惕资产被盗:2月13日消息，推特用户Tedtheeast表示，DigiDaigaku上了超级碗，吸引了一批流量到NFT圈，同时也导致很多人被钓鱼链接盗NFT。如果被盗可以采取下列措施：
1. 首先确保是因为签名（signature）而不是授权（approval）导致的被盗，区别在于是否支付Gas费。可以在区块链浏览器检查。也可以在http://revoke.cash上取消任何看起来可疑的授权，同时http://revoke.cash也有针对浏览器的钱包插件，可以提示恶意网站。
2. 确保助记词没有泄露，如果是助记词泄露，那除了换钱包没有任何其他办法。
3. 因签名导致的NFT和ETH被盗，是一次性的。毕竟对于很多人来说，钱包不是随便说换就换的，通常除了NFT以外还有其他的DeF代币在stake或者还没unlock，还有其他链上的资产。
4. 对于已经被盗的资产，it is what it is，最重要的还是提高自身的安全意识，点任何链接/授权/签名之前，一定要仔细查看。
慢雾科技创始人余弦评论称，“听说DigiDaigaku超级碗活动这两天很火，好些人因为其中夹带的钓鱼信息给盗走了不少资产。一定要冷静，尤其是热闹的活动。简单分析了下，这波和之前怀疑‘朝鲜黑客’的那波没直接关系。但签名钓鱼手法上，各组织越来越卷，该有的手法都逐步会有，总有一款适合你……”
据此前报道，NFT项目DigiDaigaku母公司Limit Break称，将铸造限量Dragons NFT，并斥资650万美元在2月12日超级碗LVII上播放30秒的互动广告，届时将向限量观众发放免费的NFT。[2023/2/13 12:03:53]
然而，链上不存在功能性神经网络，甚至连最小的推荐系统或匹配算法都不存在。真见鬼！甚至连实验也没有一个……当然，原因是非常明显的，因为这太贵了，毕竟，即使运行价值数十万 FLOP 的计算（仅够在微型神经网络上进行一次推理）的成本也是数百万 gas，目前相当于数百美元。
Web3浏览器Opera宣布将集成人工智能生成内容（AIGC）服务:2月11日消息，Web3浏览器Opera宣布将集成人工智能生成内容 (AIGC) 服务，并计划将现有AI程序扩展到该服务中以支持浏览器、新闻和游戏等产品。
此外，Opera还透露其浏览器记录功能也将与AI集成。（PR Newswire）[2023/2/11 12:01:04]
那么，如果我们想将 AI 范式带入无需信任的世界，我们该怎么做？我们会翻车（roll-over），然后放弃（give up）吗？当然不是…等等！Roll-over）……Give up……
如果像 Starkware、Matter Labs 和其他公司这样的 Rollup 服务，正在使用零知识证明来大规模扩展计算，同时保持密码学安全，那么我们能为 AI 做同样的事情吗？
这个问题成为推动我们在 paper0 中工作的激励种子。 剧透警报，以下是我们发现的：
paper0 总结
DigiDaigaku CEO：已购买2023超级碗广告进行宣传:10月13日消息，DigiDaigaku 首席执行官 Gabriel Leydon 宣布，DigiDaigaku 母公司 Limit Break 已购买 2023 年 2 月 12 日的超级碗商业广告，广告将为 DigiDaigaku 进行宣传。此外，Gabriel Leydon 透露，视频广告中将出现 1 枚 DigiDaigaku Genesis 和 1 枚 Hero，用户将有机会赢得广告中出现的 NFT。[2022/10/13 14:26:35]
这是众所周知的秘密：AI 性能几乎总是与模型大小成比例。 这种趋势看起来也没有放缓。 只要这种情况仍然存在，对于我们这些 web3 中的人来说，这将是特别痛苦的。
毕竟，计算成本是我们最终、不可避免的噩梦来源。
今天的 ZKP 已经可以支持小模型了，但中型到大型模型打破了范式
对于 paper0，我们关注任何零知识证明系统中的 2 个基本指标：
现场 | Craig S Wright：比特币网络将会成为数据中心:金色财经独家报道，在8月1日香港举行的扩融世界BCH周年国际峰会暨BCH生态建设项目发布会上，Craig S Wright在演讲中指出，我们分析风险时不是要100%安全，要思考的在经济上是否可行，以及很难被攻击。未来比特币将会成为数据中心，闪电网络也会传输到数据中心，没有其他的替代办法。原因非常简单，经济学上规模最终总会取胜，总会有数据中心。因为一个大型的机器在管理所有信息时需要非常高额的管理费用，需要非常高额的成本。唯一的方式就是区域性的连接，把所有的机器联系起来同时工作，就可以减少我们的成本，因为他们不需要付费，所以我们需要重新定义金融或定义其他的行业，这就是我们所面临的机遇。[2018/8/1]
证明生成时间：prover 创建 AI 推理的伴随证明所需的时间，以及
prover 内存使用峰值：证明者在证明期间的任何给定时间用于生成推理证明的最大内存；
这主要是一个实际的选择，并且是从我们构建 Rockybot 的经验中做出的（证明时间和内存使用是确定任何无需信任人工智能用例可行性的直接优先事项）。 此外，所有测量都是针对证明生成时间进行的，并且没有考虑预处理或 witness 生成。
CertiK：NFT项目WitLink疑似发生Rug Pull，已删除官网社交帐户:7月10日消息，据CertiK检测，NFT项目WitLink疑似发生Rug Pull，该项目删除了Twitter帐户、Discord、Facebook、Instagram和网站。[2022/7/10 2:03:44]
当然，还有其他方面的成本需要跟踪。 这包括验证者运行时间和证明大小。我们将来可能会重新审视这些指标，但将它们视为 paper0 的范围之外。
至于我们测试的实际证明系统，通过投票，我们选定了 6 个：
Paper0 测试的证明系统汇总表，以及协助我们的作者
最后，我们创建了两套用于基准测试的多线性感知器（MLP）——值得注意的是，MLP 相对简单，主要由线性运算组成。这包括一套随着参数数量增加而扩展的架构（最多 1800 万参数和 22 GFLOP），以及第二套随着层数增加而扩展（最多 500 层）的架构。如下表所示，每个套件都测试了证明系统以不同方式扩展的能力，并大致代表了从 LeNet5（6 万参数，0.5 MFLOP）到 ResNet-34（2200 万参数，3.77 GFLOP）的知名深度学习（ML）架构的规模。
参数和深度基准套件
对于以上 6 个证明系统的参数和深度范围的证明生成时间结果
对于以上 6 个证明系统的参数和深度范围内的峰值内存结果
有关这些结果的完整内容，以及对每个系统内瓶颈的深入分析，请参阅 paper0 的第 4 节。
好吧，以上是一些非常简洁的图表，而以下则是要点：
那这在实践中究竟意味着什么？ 我们将重点介绍 2 个示例：
1、Worldcoin：Worldcoin 正在构建世界上第一个“隐私保护身份证明协议”（或 PPPoPP），换句话说，通过将身份验证与一种非常独特的生物特征（虹膜）联系起来来解决女巫攻击问题。这是一个疯狂的想法，它使用卷积神经网络来压缩、转换和证明存储的虹膜数据。虽然他们当前的设置涉及 orb 硬件中安全飞地内的可信计算环境，但他们希望改为使用 ZKP 来证明模型的正确计算。这将允许用户对自己的生物特征数据进行自我保护，并提供加密安全保证（只要在用户的硬件上进行处理，比如手机）。
现在具体一点：Worldcoin 的模型具有 180 万参数和 50 层。 这是区分 100 亿个不同虹膜所必需的模型复杂性。 哎呀！
虽然在计算优化的云 CPU 上证明 Plonky2 等系统，可以在几分钟内为这种规模的模型生成推理证明，但证明者的内存消耗将超过任何商用移动硬件（数十 GB 的 RAM）。
事实上，没有一个测试系统能够在移动硬件上证明这个神经网络……
2. AI Arena：AI Arena 是一款类似于《任天堂明星大乱斗》风格的链上平台格斗游戏，其具有一个独特的特点：玩家并不是操作化身实时进行对抗，而是让玩家拥有的 AI 模型相互竞争和战斗，是的，这听起来很酷。
随着时间的推移，AI Arena 的出色团队正努力将他们的游戏转向一个完全无需信任的锦标赛计划。但问题是，这涉及验证每次游戏数量惊人的 AI 计算的挑战。
比赛以每秒 60 帧的速度运行，持续 3 分钟时间。这意味着每轮比赛，两个玩家模型之间的推理结果超过 20000 个。以 AI Arena 的一个策略网络为例，一个相对较小的 MLP 需要大约 0.008 秒来执行一次前向传递，使用 zkCNN 证明该模型需要 0.6 秒，即，每采取一次动作就需要增加 1000 倍的计算。
这也意味着计算成本将增加 1000 倍。随着单元经济对链上服务变得越来越重要，开发人员必须平衡去中心化安全的价值与证明生成的实际成本。
https://aws.amazon.com/ec2/pricing/
无论是上面的例子，ZK-KYC，DALL-E 风格的图像生成，还是智能合约中的大型语言模型，ZKML 的世界中都存在着一个完整的用例世界。然而，要真正实现这些，我们强烈认为 ZK prover 仍需要大量改进。特别是对于自我完善的区块链的未来。
那么，我们该何去何从？
我们有具体的表现数据，我们知道在证明神经网络时哪些技术往往表现最好。当然，我们开始发现各种用例，这些用例激励了我们不断成长的社区。
我想知道接下来会发生什么……
很快就会为你们提供更多更新；）
隔夜的粥
个人专栏
阅读更多
金色财经
金色早8点
Odaily星球日报
Arcane Labs
澎湃新闻
欧科云链
深潮TechFlow
MarsBit
BTCStudy
链得得
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。