zk+ML 探索zk賽道的新方向

發表於 2023-05-28 11:00 作者： 區塊律動BlockBeats

作者：區塊律動BlockBeats

近期 Worldcoin 的爆火也爲一個 Web 3+AI 敘事造了足夠的勢，Worldcoin 隸屬 zkML 概念，源自 zk+ML（零知識證明和機器學習），也是近期談論較多的一個新興結合體，zk 技術自然不用都說，而 ML 是 AI 的一個子領域，此前 AI+Web3 就已經是行業內頗具熱度的敘事，只是目前來看並沒有很好的概念或用例將兩者無縫銜接起來，而近期的黑山大會上，Vitalik 也對 zkSNARK 推崇備至，加上 Worldcoin 的爆火，所以 zkML 脫穎而出是可以預見的。

大家可能對 zkML 不太熟悉，本文主要爲大家撥开 zkML 身上的迷霧，重點講述 zkML 簡介、用例以及一些潛力項目，正式因爲目前 zkML 用例不太多，所以才希望大家可以抓住機會，提前了解新概念和用例，做好准備。

Web 3 + ML

zkML 結合了零知識證明和機器學習，其實在 Web 3 之外，ML 早已不是新詞了，該技術已經廣泛地在一些領域獲得用例，比如，自然語言處理（NLP）、自動駕駛、電商等領域，都已經通過 ML 技術達到更高的水平，甚至在一些領域 ML 已經佔據了主導地位，所以未來的 zkML 也是大勢所趨，智能合約中嵌入 ML 也會爲智能合約提供更復雜和更智能的處理方式。

通過添加 ML 功能，智能合約可以變得更加自主和動態，允許它們根據實時鏈上數據而不是靜態規則做出處理。智能合約將更具靈活性，適應更多場景，包括那些在最初創建合約時可能沒有預料到的場景。簡而言之，ML 功能將擴大我們放在鏈上的任何智能合約的自動化、准確性、效率和靈活性。

目前，ML 之所以沒有在 crypto 廣泛採用的原因之一是在鏈上運行這些模型的計算成本很高，比如 fastBERP——一類 NLP 語言模型，該模型的採用需要使用約 1800 MFLOPS（百萬浮點運算），這是不能直接在 EVM 上運行的。而應用模型需要基於真實世界數據進行預測，爲了擁有 ML 規模的智能合約，而合約必須獲得此類預測；

原因之二是需要處理 ML 模型的信任框架問題，主要分兩點，一是其隱私性：如前所述，模型參數通常是私有的，在某些情況下，模型輸入也需要保密，這自然會在模型擁有者和模型使用者之間帶來一些信任問題；二是算法黑匣子，ML 模型有時被稱爲「黑匣子」，因爲它們在計算過程中涉及許多難以理解或解釋的自動化步驟。這些步驟涉及復雜的算法和大量數據，這些數據會帶來不確定的、有時是隨機的輸出，使算法成爲偏見甚至歧視的罪魁禍首。而 zk 技術可以很高效地解決該信任問題。

所以此時 zkSNARK 順勢出現，zkML 中的 zk 技術大多指的是 zkSNARK，zkSNARK 爲我們提供了一個解決方案：任何人都可以在鏈下運行一個模型，並生成一個簡潔且可驗證的證明，表明預期的模型確實產生了特定的結果，該證明可以在鏈上發布並由智能合約獲取並並增強其智能。ML 模型通常需要三部分：訓練數據、模型架構、模型參數。經過訓練後的模型只要是通過推理驗證後就可以爲智能合約开闢出一個更新的設計空間。（模型訓練和推理就不過多敘述了）

zkML 在 crypto 的用例

而經過 zkSNARK +ML 加成後的智能合約也會有很多用例，以下是其用例：

DeFi

可驗證的鏈下機器學習預言機

結合 zkSNARK 結合 ML 模型的驗證推理，這些鏈下 ML 預言機可以用於通過驗證推理並在鏈上發布證據來可靠地解決現實世界的預測市場、確保協議合約等問題。

ML 參數化的 DeFi

DeFi 的很多細分領域其實都可以實現自動化。例如，借貸協議可以使用 ML 模型來實時更新參數。如今借貸協議主要信任由組織運行的鏈下模型來確定抵押品系數、LTV、清算門檻等，ML 可以提供更好的替代方案，社區訓練的开源模型，任何人都可以運行和驗證。

自動交易策略

驗證交易策略回報情況的一種方式是讓 MP 向投資者提供各種回溯測試，無法驗證策略師在執行交易時是否遵循模型，但 zkML 可以爲其提供解決方案，MP 可以在部署到特定位置時提供金融模型推理的驗證證明。

安全領域

智能合約的欺詐監控

ML 模型可用於檢測可能的惡意行爲並執行暫停程序，而不是讓人親手治理或集中的參與者來控制暫停合約的能力。

DID 和 Social

通過生物特徵認證代替私鑰（也就是目前 Worldcoin 所做的）

私鑰管理仍然是另 Web3 用戶頭疼的問題之一。通過面部識別或其他生物特徵提取私鑰是 zkML 的一種可能解決方案，而 Worldcoin 正是應用的這種方式，其 Orb 設備來確定某人是否是一個沒有試圖 KYC 做假的真實的人，並且使用 zk 技術確保其 ML 模型的輸出不會泄露用戶的個人數據，通過各種相機傳感器和分析面部和虹膜特徵的機器學習模型來實現這一點。

Web3 社交媒體的個性化推薦和內容過濾

同樣，一些 Web 3 社交媒體很容易獲取用戶喜好和數據，爲我們展示一些垃圾郵件和虛假鏈接，很多虛假鏈接導致用戶錢包被盜等，但通過 zkML 技術我們可以避免很多不必要的內容和郵件鏈接。

創作者經濟和遊戲

遊戲內經濟再平衡

ML 模型可用於動態調整 token 發行、供應、銷毀、投票門檻等，一種可能的模型是激勵合約，如果達到某個再平衡閾值並驗證推理證明，可以重新平衡遊戲內的經濟。

新型鏈上遊戲

可以創建合作的人類與人工智能遊戲和其他創新的鏈上遊戲，其中不信任的人工智能模型充當 NPC 角色，NPC 的所有行動都會發到鏈上，並附有任何人都可以驗證以確定正確運行模型的證明。

zkML 生態潛力項目

由於 zkML 目前還處於早期發展狀態，能找到的項目並不是很多，以下是爲大家找到的潛力項目：

Worldcoin

Worldcoin 就不過多敘述了，大家應該比較熟悉，參考「如果 Worldcoin 成功，將對加密行業產生哪些影響？」

Modulus Labs

Modulus Labs 是 zkML 較爲多樣化的項目之一，構建鏈上 AI 所需技術。既致力於用例，也致力於相關研究。在應用方面，Modulus Labs 已經开發了 RockyBot（一個鏈上交易機器人）和 Leela vs. the World（一個象棋遊戲），真人與 Leela 象棋引擎的一個可經驗證的鏈上實例對弈。

Giza

Giza 是一個致力於通過 AI 發展經濟的協議，能夠使用完全無信任的方法在鏈上部署 AI 模型，由 StarkWare 合作支持，最終實現一個爲 AI 發展提供替代路徑的市場。

Zkaptcha

Zkaptcha 專注於 Web3 中的機器人問題，保護智能合約免受機器人攻擊，使用零知識證明來創建抗女巫攻擊的智能合約，爲智能合約提供驗證碼服務。目前，該項目使終端用戶通過完成驗證碼來產生一個人類工作的證明，未來，Zkaptcha 將繼承 zkML，推出類似於現有的 Web 2 驗證碼服務，但也可以分析鼠標運動等行爲，以確定用戶是否爲真人。

結語

目前看來，zkML 與 crypto 結合領域的產品其實並不多，此類產品構建的過程中還會遇見一些問題，zkML 與 crypto 未來可能還需要更多改善和優化。但憑借 zkSNARK 和 ML 的結合，我們有理由相信會 zkML 的力量可以給 crypto 帶來更好的前景和發展，也期待該領域能出現更多樣的產品，zk 技術和 crypto 爲 ML 的運行提供安全可信的環境，而未來除了產品的創新之外，還可能會催生 crypto 商業模式的創新，因爲在這個狂野和無政府的 Web 3 世界中，去中心化、crypto 技術和信任才是最最基礎的設施。

標題：zk+ML 探索zk賽道的新方向

地址：https://www.coinsdeep.com/article/14291.html

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。