零知識機器學習（ZKML）和自主世界

首頁
專家專欄
零知識機器學習（ZKML）和自主世界

零知識機器學習（ZKML）和自主世界

發表於 2023-11-22 14:25 作者： MetaCat

來源：MetaCat

自主世界理論

自主世界（aw.network）是由其自身擁有的一套規則和實體管理的數字生態系統。這些世界很像我們居住的物理世界或概念空間，在獨特的“敘事”或其定義邊界內，存在的一組條件/法則下運行。例子諸如《指環王》等精心設計的虛構宇宙，到美元等現實世界的經濟體系。對於自主世界至關重要的三個核心概念是：

區塊鏈狀態根。構成世界狀態的所有敘事實體的定義和壓縮。
區塊鏈狀態轉換函數。規則的定義和執行，控制我們如何引入和改變敘事實體。
區塊鏈共識機制。世界利益相關者之間就狀態轉換的有效性達成的協議。這使得每個人都是參與者和決策者。

有了這些機制，就有可能建立一個由明確的敘事邊界管轄的世界，通過狀態和共識強制執行，並設計爲自主運作。執行規則不會蠶食客觀性，“沒有人可以拔掉自主世界的電源”。

ZK 可以使用的基礎設施

區塊鏈引起的开銷，很大程度上歸因於性能和成本。在全棧環境中，用戶和开發人員都面臨着高昂且復雜的 Gas 成本和共識驅動的延遲。現有的範式通常是鏈上遊戲和鏈下遊戲之間的二元關系。

我們相信這些範式之間的折衷是可驗證的鏈下計算和鏈上狀態管理。在實踐中，這是通過 ZK 等專門的區塊鏈解決方案來實現的，更具體地說是 ZKML（Zero-Knowledge Machine Learning 零知識機器學習）：針對高質量遊戲體驗所需的復雜操作進行優化的基礎設施。

ZK 利用了許多區塊鏈實現（尤其是 EVM）的一個巧妙功能：預編譯。預編譯是編碼到底層 VM 中的 Gas 高效函數，可支持常用但高復雜度且昂貴的操作。包括 KECCAK256 哈希、ECDSA 驗證或 BN128 配對預編譯。

典型的 ZK 應用流程。對於形狀旋轉器來說，這是一個容易理解的例子。用戶計算 ZK 證明，證明他們已經計算出世界的有效旋轉。他們將此證明提交給管理鏈上世界的驗證者合約，以及一組新的坐標和世界旋轉更新。將會觀察到一個玩家有可能發起一場全球性的變革。

有各種廣義 ZK 應用於遊戲的示例。Dark Forest 和 ZK Hunt 一直是利用零知識證明的隱私可供性，來創建具有战爭迷霧或隱藏信息機制的遊戲的先驅。計算的可驗證性對於鏈上遊戲开發者來說是一套尚未充分探索的工具，我們已經看到越來越多的开發者和玩家在這一愿景上投入精力。除了廣義的 ZK 遊戲應用外，我們還相信，圍繞 ML 專門優化的策略和代理存在新興設計的可能性。我們探索了 ZKML 遊戲設計的三種主要方法，這些方法在遊戲設計師和玩家中都有受歡迎的跡象：

ZKML 模型即遊戲，
ZKML 作爲數字物理學，
ZKML 用於敘事和傳說。

ZKML 模型即遊戲

我們看到的鏈上遊戲和 ZKML 融合最早的探索是 ZKML 模型即遊戲。在該場景裏，玩家直接與 ZKML 模型交互，這種交互構成了遊戲過程的主體。一個代表性的例子是我們內部开發的 Cryptoidol 遊戲（cryptoidol.tech）。在該遊戲中，選手們在一場永不停歇的歌唱比賽中爭奪最佳歌手的稱號。他們在瀏覽器中唱歌並生成一個證明，證明他們被公共評判模型正確打分。然後他們可以在鏈上提交分數和相關證明，以進入實時更新的排行榜中。

這裏的機器學習模型就是遊戲本身，玩家的所有交互都直接與 ZKML 模型進行。大多數互動都是單人遊戲。

唱歌。接受打分。獲得永久的鏈上排名。

ZKML 作爲數字物理學

我們還設計了一個簡單的鏈上井字棋，其中機器學習模型接受井字棋遊戲數據的預訓練，以識別有效或無效的遊戲模式，這樣遊戲就可以在鏈下運行，然後在鏈上提交和結算最終狀態。我們有兩個教程展示了如何執行此操作。這種編碼遊戲“規則”的神經網絡模式連接到下一個設計範式：ZKML 幫助爲世界創建“鏈上物理學”。盡管井字棋模型利用了神經網絡，但這種設計模式需要稍微轉變一下 ZKML 的功能。從某種意義上說，當 ZKML 專注於神經網絡“推理”時（即訓練後進行預測），沒有任何東西可以限制 ZK 計算爲 ML 獨有的計算。

矩陣乘法可用於對 AW 狀態的狀態轉換進行建模，例如世界天氣。BabyGaya（遺憾的是不再在线）就是體現這一想法的遊戲，其中每個區塊的整個世界狀態都使用任何人都可以運行的 ZK 矩陣乘法來改變。

在這裏，玩家與 ZKML 模型創建的世界進行交互。許多玩家可以與這個共享狀態的世界進行交互。

用於敘事和傳說的 ZKML

第三種模式，也許也是最雄心勃勃的一種，是利用 ZKML 來構建世界的傳說和敘事的模式。機器學習模型可用於創建復雜的代理/NPC 和並發故事情節，它們是更大整體的微觀元素。

例如，這可以是隨着遊戲的進展編寫世界敘事的語言模型，或者爲單個 NPC 編寫故事情節的語言模型。作爲對此的首次探索，我們創建了自己的鏈上 NPC，我們將其稱爲“蠕蟲”。我們實現了一個生成模型，如下所述，該模型對线蟲神經系統的電壓激活（給定感覺輸入）進行建模。我們可以使用 MUD 等全鏈遊戲引擎爲蠕蟲生成感官輸入，然後生成在給定鏈上感官環境下，更新蠕蟲大腦活動的證明。任何人都可以運行這些證明，並使蠕蟲病毒在鏈上“存活”，從而有效地創建一個自主代理，其他遊戲和界面可以在自己的遊戲中使用該代理。跨遊戲和世界共享的可重復使用且無需許可的 NPC 就成爲了可能?。

在這裏，世界的傳說，例如故事和玩家遇到的角色，都是由 ZKML 模型生成的。和之前一樣，許多玩家都可以參與這個傳說並體驗這個敘事。

遊戲堆棧

盡管全鏈上遊戲的开發仍處於起步階段，但它爲遊戲用戶和設計師提供了前所未有的新功能。我們相信各種全鏈上遊戲开發框架，特別是那些由我們在 Lattice 和 0xPARC 的朋友开發的框架，降低了創建自主世界的進入門檻。認識到傳統智能合約开發中的挑战（如：狀態和邏輯的耦合，以及鏈和客戶端之間的數據同步問題）， MUD 等框架簡化了遊戲开發流程。考慮到底層區塊鏈的局限性，特別是在 L1 數據費用和數據可用性方面，像 Redstone（構建在 OP Stack上的 Layer 2）這樣的 Rollup 可以作爲遊戲優化的基礎設施。

我們認爲，缺失的部分是通用計算引擎。正如我們之前討論的，ZKML 堆棧繼承了底層區塊鏈（無論是 EVM 還是其他區塊鏈系統）的安全性和計算限制。因此，以可驗證的方式預處理繁重的計算特徵（從 ML 代理到策略模型再到嵌入式圖形的任何內容）非常重要。這使得批量計算可以更簡潔地通過遊戲引擎和區塊鏈層來進行。

通用計算引擎背後的底層硬件由用戶自行決定。通過 EZKL 後端，可以使用我們的私有集群（通過包含的作業實現規模經濟）或 ZK 加速硬件。硬件集成方面還有更多內容即將推出。這種靈活性意味着證明引擎可以在客戶端（如 WASM）和服務器上運行，並且兩個系統都能夠將驗證器部署到區塊鏈上。

遊戲堆棧。藍色功能由 EZKL 引擎提供。爲簡單起見，我們簡化掉了一些額外的工具/框架的提及，但該結構仍具有普適性。