原文标题：《AN 皇冠体育INTRODUCTION TO ZERO-KNOWLEDGE MACHINE LEARNING (ZKML)》
原文泉源：Worldcoin
原文编译：深潮 TechFlow
太平洋在线网址Zero-Knowledge 机器学习（ZKML）是最近正在密码学界引起震荡的一个计议和拓荒鸿沟。但它是什么，有什么用处呢？领先，让咱们把这个术语理会成它的两个构成部分，并解释一下它们是什么。
什么是 ZK？零学问讲解是一种密码公约，其中一方（讲解者）不错向另一方（考证者）讲解一个给定的证明是着实的，而不表露除该证明为真除外的任何附加信息。这是一个正在各个方面获得巨猛推崇的计议鸿沟，涵盖了从计议到公约实施和应用的总共方面。
ZK 提供的两个主要「原语」（或者说构建块）是粗略为一组给定的计较创建具有计较齐全性讲解的智力，其中讲解比践诺计较自身要容易地多。（咱们称这种属性为「简易性」）。ZK 讲解也提供了遮拦计较中某些部分同期保捏计较正确性的选项。（咱们称这种属性为「零学问性」）。
生成零学问讲解需要非凡大的计较量，梗概比原始计较贵 100 倍。这意味着，在某些情况下由于最好硬件上生成它们所需的时间使其不切本色，因此不可计较零学问讲解。
可是，在连年来密码学、硬件和散布式系统鸿沟的跳动也曾使零学问讲解成为了越来越强盛的计较可行的遴荐。这些推崇也曾为不错使用计较密集型讲解的公约的创建提供了可能，从而扩大了新应用范例的绸缪空间。
ZK 使用案例零学问密码学是 Web3 空间中最流行的工夫之一，因为它允许拓荒东谈主员构建可扩张和/或专有的应用范例。以下是一些实验中怎样使用它的示例（尽管请注意，这些状貌中好多都还在进行中）：
1. 通过 ZK rollups 扩张以太坊
皇冠博彩网址Starknet
Scroll
Polygon Zero，Polygon Miden，Polygon zkEVM
zkSync
2. 构建保护覆没的应用范例
Semaphore
MACI
Penumbra
Aztec Network
3. 身份原语和数据泉源
WorldID
Sismo
Clique
Axiom
4. 第一层公约
Zcash
Mina
皇冠客服飞机：@seo3687跟着 ZK 工夫的熟悉，咱们笃信将会出现新的应用范例的爆发，因为构建这些应用范例所使用的器具将需要更少的鸿沟专科学问，对于拓荒东谈主员来说将会愈加容易使用。
机器学习机器学习是东谈主工智能（「AI」）鸿沟的一个计议地点，使得计较机不错自动从教会中学习和鼎新，无需明确地进行编程。它行使算法和统计模子来分析和识别数据中的款式，然后基于这些款式进行臆测或决策。机器学习的最终方针是拓荒出粗略自稳当学习、不需要东谈主类打扰以及在医疗保健、金融和交通等各个鸿沟责罚复杂问题的智能系统。
最近，您可能也曾看到了大型讲话模子（如 chatGPT 和 Bard）以及文本到图像的模子（如 DALL-E 2、Midjourney 或 Stable Diffusion）的推崇。跟着这些模子变得越来越好，况且粗略践诺更无为的任务，了解是哪个模子践诺了这些操作就变得非凡伏击，如故操作由东谈主类践诺。在接下来的部分中，咱们将探讨这个想路。
ZKML 的动机和面前努力咱们生计在一个寰宇上，AI/ML 生成的内容越来越难以与东谈主类生成的内容诀别开来。零学问密码学将使咱们粗略作念出这么的声明：「给定一段内容 C，它是由模子 M 应用于一些输入 X 生成的。」咱们将粗略考证某个输出是否是由大型讲话模子（如 chatGPT）或文本到图像模子（如 DALL-E 2）等任何其他咱们为其创建了零学问电路暗意的模子所生成的。这些讲解的零学问属性将使咱们粗略字据需要也遮拦输入或模子的某些部分。一个很好的例子是在一些敏锐数据上应用机器学习模子，在不清楚输入到第三方的情况下，用户不错知谈他们的数据在模子推理后的成果（举例，在医疗行业）。
注：当咱们批驳 ZKML 时，咱们是指创建 ML 模子推理设施的零学问讲解，而不是对于 ML 模子磨真金不怕火（它自身也曾非凡计较密集）。现在，现存工夫水平的零学问系统加上高性能硬件仍然进出几个数目级，无法讲解面前可用的大型讲话模子（LLMs）等遍及的模子，但是在创建较小模子的讲解方面也曾获得了一些推崇。咱们对零学问密码学在为 ML 模子创建讲解的高下文中的现存工夫水平进行了一些计议，并创建了一个团聚筹商计议、著述、应用范例和代码库的著述集。ZKML 的资源不错在 GitHub 上的 ZKML 社区的 awesome-zkml 存储库中找到。
火牛体育下载Modulus Labs 团队最近发布了一篇名为「智能的资本」的论文，其中对现存的 ZK 讲解系统进行了基准测试，并排举了不同大小的多个模子。现在，使用像 plonky2 这么的讲解系统，在强盛的 AWS 机器上最先 50 秒傍边，不错为约 1800 万个参数的模子创建讲解。以下是该论文中的一张图表：
另一个旨在鼎新 ZKML 系统工夫水平的倡议是 Zkonduit 的 ezkl 库，它允许您创建对使用 ONNX 导出的 ML 模子的 ZK 讲解。这使得任何 ML 工程师都粗略为他们的模子的推理设施创建 ZK 讲解，并向任何正确散伙的考证器讲解输出。
有几个团队正在鼎新 ZK 工夫，为 ZK 讲解里面发生的操作创建优化硬件，并针对特定用例构建这些公约的优化散伙。跟着工夫的熟悉，更大的模子将在较不彊盛的机器上短时间内进行 ZK 讲解。咱们但愿这些推崇将使新的 ZKML 应用范例和用例得以出现。
潜在的使用案例
为了详情 ZKML 是否适用于特定的应用，咱们不错沟通 ZK 密码学的特色将怎样责罚与机器学习筹商的问题。这不错用一个 Venn 图来阐述：
界说：
1.Heuristic optimization—一种问题责罚门径，它使用教会限定或「启发式」来找到极重的问题的好责罚决策，而不是使用传统的优化门径。启发式优化门径旨在在相对的伏击性和优化难度下，在合理的时间内找到好的或「饱和好」的责罚决策，而不是尝试找到最优责罚决策。
皇冠体育菠菜网正规平台2.FHE ML—王人备同态加密 ML 允许拓荒东谈主员以保护覆没的姿色磨真金不怕火和评估模子；可是，与 ZK 讲解不同，莫得主见通过密码学姿色讲解所践诺的计较的正确性。
像 Zama.ai 这么的团队正在从事这个鸿沟的责任。
3.ZK vs Validity—在行业中，这些术语频繁被互换使用，因为有用性讲解是 ZK 讲解，不会遮拦计较或其成果的某些部分。在 ZKML 的高下文中，大大宗面前的应用范例都行使了 ZK 讲解的有用性讲解方面。
4.Validity ML—ZK 讲解 ML 模子，在其中莫得计较或成果被躲藏。它们讲解计较的正确性。
以下是一些潜在的 ZKML 用例示例：
1. 计较齐全性（有用性 ML）
Modulus Labs
基于链上可考证的 ML 交往机器东谈主 - RockyBot
自我鼎新视觉区块链（示例）：
增强 Lyra 金融期权公约 AMM 的智能特色
为切实做好小微企业工会经费返还工作，薛城区工会按照“主动服务、精准管理”的原则，变“申请返还”为“主动返还”，对辖区内上缴工会经费的企业名单和企业账户逐一“摸排、比对、清零”，主动告知小微企业经费返还政策及返还程序，指导企业规范申报，帮助解决申报过程中出现的各类问题。
皇冠hg86a
为 Astraly 创建透明的基于 AI 的声誉系统（ZK oracle）
一场疑似操纵体育比赛皇冠引起轩然大波，吸引赌徒参与赌博，最终受害者不计其数。使用 ML for Aztec Protocol（具有覆没功能的 zk-rollup）致力于于合同级合规器具所需的工夫龙套。
2. 机器学习即工作 (MLaaS) 透明；
3.ZK 极端/诈骗检测：
这种应用场景使得可创建针对可行使性/诈骗的 ZK 讲解成为可能。极端检测模子不错在智能合约数据上进行磨真金不怕火，并由 DAOs 应许算作真义的度量范例，以便粗略自动化安全范例，如更主动、驻扎性地暂停合约。已有初创企业正在计议在智能合约环境中使用 ML 模子进行安全主义的门径，因此 ZK 极端检测讲解似乎是当然的下一步。
4.ML 推理的通用有用性讲解：粗略淘气讲解和考证输出是给定模子和输入对的乘积。
5. 覆没 (ZKML)
6. 去中心化的 Kaggle：讲解模子在某些测试数据上的准确率大于 x%，而不会骄横权重。
7. 覆没保护推理：将对私东谈主患者数据的医疗会诊输入模子，并将敏锐的推理（举例，癌症测试成果）发送给患者。
8.Worldcoin：
欧洲杯经典比赛集锦IrisCode 的可升级性：World ID 用户将粗略在他们的迁徙拓荒的加密存储中自我看守其生物特征，下载用于生成 IrisCode 的 ML 模子并在腹地创建零学问讲解，以讲解其 IrisCode 已得胜创建。这个 IrisCode 不错被无需许可地插入注册的 Worldcoin 用户之一，因为摄取的智能合约不错考证零学问讲解，从而考证 IrisCode 的创建。这意味着，若是 Worldcoin 异日升级机器学习模子以一种窒碍与其之前版块兼容性的姿色创建 IrisCode，用户就无谓再次去 Orb，而不错在拓荒上腹地创建这个零学问讲解。
皇冠信用源码Orb 安全性：现在，Orb 在其受信任的环境中践诺几个诈骗和点窜检测机制。可是，咱们不错创建一个零学问讲解，标明这些机制在拍摄图像和生成 IrisCode 时是活动的，以便为 Worldcoin 公约提供更好的活体保证，因为咱们不错王人备详情这些机制在通盘 IrisCode 生成流程中都将最先。
总之，ZKML 工夫有着无为的应用远景，况且正在快速发展。跟着越来越多的团队和个东谈主加入到这个鸿沟，咱们笃信 ZKML 的应用场景将会愈加各样化和无为化。