OPML: نظام التعلم الآلي القائم على نهج التفاؤل

تقدم هذه المقالة نظامًا جديدًا يعتمد على blockchain يُدعى OPML( التعلم الآلي المتفائل )، الذي يستخدم أسلوب التفاؤل لاستنتاج نموذج الذكاء الاصطناعي وتدريبه/تعديله. مقارنةً بـ ZKML، يمكن لـ OPML تقديم خدمات تعلم آلي أكثر كفاءة من حيث التكلفة.

! OPML: التعلم الآلي مع مجموعة متفائلة

تتمثل إحدى المزايا الكبرى لـ OPML في متطلبات المشاركة المنخفضة. حاليًا، يمكن تشغيل نظام OPML الذي يحتوي على نماذج لغة كبيرة مثل 26GB من 7B-LLaMA( على أجهزة الكمبيوتر العادية دون الحاجة إلى وحدة معالجة الرسومات (GPU). يستخدم هذا النظام آلية لعبة التحقق لضمان لامركزية خدمات التعلم الآلي والاتفاق القابل للتحقق.

عملية التحقق من اللعبة كالتالي:

1. يقوم الطالب بإطلاق مهمة خدمة ML
2. أكمل الخادم المهمة وقدم النتائج إلى السلسلة
3. يتحقق المدققون من النتائج، وإذا كانت هناك اعتراضات، يتم بدء لعبة التحقق.
4. أخيرًا، إجراء التحكيم خطوة بخطوة على العقد الذكي

! [OPML: التعلم الآلي مع نظام التجميع المتفائل])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(

تستخدم OPML نمطين من ألعاب التحقق: النمط أحادي المرحلة والنمط متعدد المراحل. يشبه النمط أحادي المرحلة حساب التفويض )RDoC(، من خلال تحديد خطوات النزاع بدقة وتسليمها إلى التحكيم عبر العقود الذكية. لزيادة الكفاءة، طورت OPML أيضًا مكتبة DNN خفيفة الوزن ونظام تشغيل افتراضي مخصص.

! [OPML: التعلم الآلي مع مجموعة متفائلة])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(

تتغلب ألعاب التحقق متعددة المراحل على قيود نمط المرحلة الواحدة، وتستفيد بشكل كامل من تسريع GPU/TPU وقدرات المعالجة المتوازية. من خلال عدة مراحل، تضيق النطاق المتنازع عليه تدريجياً، حتى يتم تحديد تعليمات VM المحددة. هذه الطريقة تحسن بشكل كبير من كفاءة تنفيذ OPML، مما يجعل أدائها قريبًا من البيئة المحلية.

! [OPML: التعلم الآلي مع مجموعة متفائلة])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(

لضمان الاتساق عبر الأنظمة الأساسية، اعتمد OPML خوارزمية النقاط الثابتة ومكتبة النقاط العائمة البرمجية. بالمقارنة مع ZKML، يتمتع OPML بمزايا واضحة من حيث كفاءة الحساب والمرونة والعمومية، مما يوفر إمكانيات جديدة لتطبيقات الذكاء الاصطناعي اللامركزية.

! [OPML: التعلم الآلي مع نظام التجميع المتفائل])https://img-cdn.gateio.im/webp-social/moments-a33f120074b07b2ec4ae4ececbea79f1.webp(

مشروع OPML لا يزال قيد التطوير النشط، ونرحب بالمطورين المهتمين للمشاركة في المساهمة.