OPML: Sistema de aprendizaje automático basado en el enfoque optimista

Este artículo presenta un nuevo sistema blockchain llamado OPML( que utiliza un enfoque optimista para la inferencia y entrenamiento/ajuste de modelos de IA. En comparación con ZKML, OPML puede ofrecer servicios de ML más económicos y eficientes.

![OPML：采用Optimistic Rollup系统的机器学习])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(

Una de las grandes ventajas de OPML es su bajo umbral de requisitos de participación. Actualmente, una PC normal puede ejecutar un sistema OPML que incluye modelos de lenguaje grandes como 7B-LLaMA) de 26 GB sin necesidad de una GPU. Este sistema utiliza un mecanismo de juego de validación para garantizar la descentralización de los servicios de ML y el consenso verificable.

El proceso de verificación del juego es el siguiente:

1. El solicitante inicia la tarea del servicio ML
2. El servidor completa la tarea y envía los resultados a la cadena.
3. Los validadores verifican los resultados, y si hay objeciones, se inicia el juego de validación.
4. Finalmente, realiza un arbitraje paso a paso en el contrato inteligente.

OPML utiliza dos modos de verificación de juegos: modo de una etapa y modo de múltiples etapas. El modo de una etapa es similar al cálculo de la delegación (RDoC), mediante la localización precisa de los pasos en disputa y su arbitraje a través de contratos en la cadena. Para mejorar la eficiencia, OPML también ha desarrollado una biblioteca DNN liviana y un sistema de máquina virtual.

Los juegos de verificación de múltiples etapas superan las limitaciones del modo de una sola etapa, aprovechando al máximo la aceleración de GPU/TPU y la capacidad de procesamiento paralelo. A través de múltiples etapas, reduce gradualmente el ámbito de la controversia, hasta localizar instrucciones específicas de VM. Este enfoque mejora significativamente la eficiencia de ejecución de OPML, acercando su rendimiento al entorno local.

Para garantizar la consistencia entre plataformas, OPML utiliza un algoritmo de punto fijo y una biblioteca de punto flotante de software. En comparación con ZKML, OPML tiene ventajas significativas en términos de eficiencia de cálculo, flexibilidad y versatilidad, lo que ofrece nuevas posibilidades para aplicaciones de IA descentralizadas.

El proyecto OPML aún está en desarrollo activo, y los desarrolladores interesados son bienvenidos a contribuir.