零知识机器学习（zkML）是链上人工智能的未来吗？（附优质项目介绍）

原作者 | @DistilledCrypto

汇编 | Golem

由于 ChatGPT 等大型语言模型的流行，在去中心化网络上运行类似的机器学习模型 已经成为区块链+AI的主要叙事之一。然而，我们无法像信任OpenAI等知名公司那样信任去中心化网络使用特定的ML模型进行推理，因此我们需要验证它。考虑到数据的隐私性，零知识机器学习（zkML）被普遍看好，那么它会成为链上AI的未来吗？

在本文中，Odaily星球日报将简单介绍一下zkML的基本知识， 值得关注的zkML项目，最后简单解释一下zkML的局限性和替代解决方案。

关于 zkML 的基础知识

零知识机器学习（zkML）类似于计算中的一种保密方法。它主要涉及两个部分：

• 使用机器学习（ML）执行任务；

• 证明任务已正确完成，但无需透露所有细节。

简单来说，它的工作原理如下：

a. 运行任务

有人使用机器学习模型来处理一些数据并得到结果，这就像厨师按照食谱烘烤蛋糕但不告诉任何人原料一样。

b. 证明任务

任务完成后，他们可以展示证明。例如，我在这个特定模型中使用了这个特定输入并得到了这个结果。他们实际上是在证明他们正确地遵循了配方中的步骤。

c. 保密

zkML 的优点在于，当他们证明某项任务正确完成时，他们可以保密一些细节，例如输入数据、模型的工作原理或结果。简而言之，zkML 允许证明者说“相信我，我做对了”，同时仍保持其方法和数据的私密性。

值得关注的 zkML 项目介绍

zkML概念提出至今已近一年，目前已有多个相关项目在建设中，部分项目已在市场上发行Token。 梅萨里 列出了一些知名VC投资的zkML项目，下面会进行介绍。

来源：Messari

光谱

光谱 正在为 Web3 构建链上代理经济。他们的旗舰产品 SYNTAX 是一种专有的 LLM（大型语言模型），可生成 Solidity 代码。Spectral 使用户能够创建链上自主代理，同时利用分散的 ML 推理来改进智能合约。此外，使用 zkML，Spectral 能够提供证据证明特定预测是由特定 ML 模型生成的，从而确保流程中的信任和真实性。

Spectral 发行了名为 SPEC 的代币，市值为 $1.19 亿。

世界币

世界币 正在开发一个开源系统，旨在让每个人都能参与全球经济。在 Worldcoin 中，zkML 的一个潜在用途是提高虹膜识别技术的安全性和隐私性。代币 WLD 的市值目前为 $10.7 亿美元。

工作原理如下：

a. 生物识别自托管

World ID 用户可以在移动设备上安全加密地存储他们的生物特征数据（例如虹膜扫描）。

b. 本地处理

然后，用户可以将 ML 模型下载到他们的设备中，以通过虹膜扫描生成唯一的代码。

c. 隐私保护证明

使用 zkML，他们可以直接在设备上创建证明。此证明可确认他们的虹膜代码是使用正确的模型通过扫描准确生成的。所有这些都是在不暴露用户实际数据的情况下完成的。

零风险

RISC 零 旨在通过提供不需要各方相互信任的计算服务来增强互联网上的信任和效率。

以下是 RISC Zero 的要点：

a. 扩展区块链

它使用Bonsai Proof Service来执行复杂的操作，从而增强区块链的安全性。Bonsai将复杂的计算和隐私数据在链下管理，从而提高效率。

b. 与 Spice AI 合作

Spice人工智能 提供可组合、即用型数据和 AI 基础设施，包括托管云级 Spice.ai OSS。此次合作旨在为开发人员提供全面的 zkML 工具包。

机器学习服务

开发人员可以使用 RISC Zero 安全地访问和查询数据、私下训练 ML 模型并提供数据被正确处理的证明。

本质上，RISC Zero 为开发人员提供 MLaaS（ML 即服务）服务，同时确保数据和执行过程保持私密和安全。

吉萨

吉萨 是一个在Starknet网络上运行的机器学习平台。

a. 主要目标

Giza 的目标是直接在区块链上扩展 ML 操作。

b. 技术基础

它使用支持零知识（ZK）证明的Starknet来验证ML操作，在不泄露底层数据的情况下确保计算的准确性和安全性。

c. 申请

在 Starknet 上，Giza 使“Giza 代理”能够自动执行各种金融策略，包括跨协议收益聚合、资产配置和无风险做市。本质上，利用 zkML 的优势，Giza 可以在区块链上安全、自动地执行金融策略。

瓦纳

瓦纳 是一个模块化的AI推理网络，不仅兼容EVM链，还提供灵活的安全性，用户可以选择zkML、optimistic ZK、opML、teeML等多种验证方式。结合Vanna未来的使用场景，利用LLM生成链上GameFi游戏对话；链上智能合约漏洞检测；针对DeFi协议的风险预警引擎；以及用于在空投中标记女巫账户的声誉系统。

除了以上介绍的项目外，zkML生态中还有如下图所示的项目，限于篇幅，这里就不再一一介绍了，供读者参考。

来源：SevenX Ventures

zkML 的局限性和替代方案

虽然理论上很有吸引力，但 zkML 目前还不太实用。人工智能计算本质上是资源密集型的，而添加 zkML 中使用的加密方法会使它们变得更慢，Modulus Labs 报告称 zkML 可能比常规计算慢 1,000 倍。实际上，对于大多数用户来说，在日常体验中多等待几分钟是不可接受的。

因此，由于这些限制，zkML 目前可能只适用于非常小的 ML 模型。在这种情况下，许多 AI 项目不得不考虑其他验证方法。目前主要有两种替代方案：

• opML（乐观机器学习）

• teeML（可信执行环境机器学习）

下图简单说明了三者的区别：

来源：Marlin Protocol

本文来源于网络：零知识机器学习（zkML）是链上AI的未来吗？（附优质项目介绍）

相关：比特币减半警报：鲸鱼对即将发生的事件有何反应？

简言之，在减半事件发生前，对比特币鲸鱼进行了深入分析。尽管市场情绪看跌，但鲸鱼仍在囤积比特币。鲸鱼的行为表明，在预期减半后供应减少的情况下，前景看涨。随着比特币 (BTC) 社区期待即将到来的减半事件，加密货币鲸鱼的行为（持有大量比特币的投资者）受到了密切关注。分析师和市场观察人士渴望了解这些主要参与者如何在历史上影响比特币价格和市场动态的里程碑之前定位自己。尽管市场看跌，但鲸鱼仍在买入 CryptoQuant 和 Santiment 等区块链分析平台的最新数据显示，鲸鱼活动发生了显着变化。根据 CryptoQuant 的一条推文，鲸鱼积累的比特币有所增加，这表明那些预期减半后供应紧缩的人持乐观态度。...