OPML:新しいタイプのブロックチェーン機械学習ソリューション

OPML(楽観的機械学習)は、新たに提案されたブロックチェーンシステムAIモデル推論とトレーニング方法です。ZKMLと比べて、OPMLはより低コストで高効率な機械学習サービスを提供できます。OPMLのハードウェア要件は非常に低く、一般的なPCはGPUなしで7B-LLaMA(のような大型言語モデルを約26GB)で実行できます。

! OPML:楽観的ロールアップによる機械学習

OPMLは、機械学習サービスの非中央集権と検証可能なコンセンサスを保証するために、検証ゲームメカニズムを採用しています。その基本的な流れは:

1. リクエスターがMLサービス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. バリデーターの検証結果、異議がある場合は検証ゲームを起動する
4. 二分プロトコルを通じてエラー手順を正確に特定する
5. スマートコントラクト上での争議ステップの仲裁

! OPML:楽観的ロールアップシステムによる機械学習

OPMLの単段階検証ゲームは、計算委託(RDoC)のような方法を採用し、オフチェーン実行とオンチェーン仲裁のための仮想マシン(VM)を構築しました。AIモデルの推論効率を向上させるために、専用の軽量DNNライブラリも実装されており、主流のMLフレームワークからモデルを変換するスクリプトが提供されています。仮想マシンのイメージはマルケルツリーで管理され、マルケルルートのみがオンチェーン契約にアップロードされます。

しかし、単段階検証ゲームはGPU/TPUの加速と並列処理の使用を制限します。この問題を解決するために、OPMLは多段階プロトコルを拡張しました。多段階OPMLは最終段階でのみVM内で計算され、他の段階はローカル環境で柔軟に実行でき、さまざまなハードウェアリソースを十分に活用し、実行性能を大幅に向上させます。

! OPML:楽観的ロールアップによる機械学習

LLaMAモデルを例にとると、2段階のOPMLアプローチが採用されます。

1. 第2段階では計算グラフ上で検証ゲームを行い、マルチスレッドCPUまたはGPUを使用できます。
2. 第一段階では、単一ノードの計算をVM命令に変換します。

! OPML:楽観的ロールアップによる機械学習

多段階OPMLは単段階に比べてα倍の計算スピードアップを実現し、MerkleツリーのサイズもO(mn)からO(m+n)に減少しました。

ML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、異なるプラットフォーム間の浮動小数点計算の差異の問題を解決しました。

! OPML:楽観的ロールアップシステムによる機械学習

総じて、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検証可能な新しいソリューションを提供し、複数の分野で重要な役割を果たすことが期待されています。