OPML: İyimser mekanizma bazlı makine öğrenimi yeni paradigması
Blok zinciri sistemlerinde yapay zeka modeli çıkarımı ve eğitimi, sektördeki ilgi odağı olmuştur. Son zamanlarda, OPML(Optimistic makine öğrenimi) adı verilen yeni bir yöntem geniş bir ilgi görmüştür. OPML, optimist mekanizması kullanarak blok zinciri sistemleri üzerinde düşük maliyetli ve yüksek verimli makine öğrenimi hizmetleri sunabilir.
Geleneksel ZKML'ye kıyasla, OPML belirgin avantajlar sunmaktadır. Katılım eşiği oldukça düşüktür, sıradan bir PC, 26GB boyutundaki 7B-LLaMA modeli gibi büyük dil modellerini GPU olmadan çalıştırabilir. OPML, makine öğrenimi hizmetlerinin merkeziyetsizliğini ve doğrulanabilir konsensüsünü sağlamak için Truebit ve optimistik rollup sistemlerinin doğrulama oyun mekanizmasından faydalanmaktadır.
OPML'in iş akışı aşağıdaki gibidir:
Talep eden makine öğrenimi görevini başlatır
Sunucu görevi tamamladı ve sonucu zincire gönderdi
Doğrulayıcı sonuçları doğrular, itiraz varsa doğrulama oyunu başlatılır.
Taraflar, anlaşmazlık adımlarını kesin bir şekilde belirlemek için ikili anlaşma kullanır.
Son olarak akıllı sözleşme üzerinde adım adım tahkim yapılır.
Verimliliği artırmak için, OPML bir dizi yenilikçi teknoloji benimsemiştir:
Özel bir sanal makine inşa edildi, böylece çevrimdışı ve çevrimiçi yürütmelerin eşdeğerliliği güvence altına alındı.
Ana akım çerçevelerinin modellerini dönüştürebilen hafif DNN kütüphanesi geliştirin.
AI çıkarım kodunu VM talimatlarına derlemek için çapraz derleme teknolojisi kullanın
VM imajı, sadece kök hash değerini zincire yükleyerek Merkle ağacı ile yönetilir.
Deneyler, OPML'nin sıradan bir PC'de temel AI model çıkarımını 2 saniye içinde tamamlayabileceğini ve tüm doğrulama sürecinin 2 dakika içinde tamamlandığını göstermektedir. Bu, tek aşamalı doğrulama oyununun performansını çok aşmaktadır.
Performansı daha da artırmak için, OPML çok aşamalı doğrulama oyunlarını önerdi. Bu, hesaplamaların GPU/TPU hızlandırması ve paralel işleme ile tam olarak faydalanmasını sağlar, performans yerel ortama yakınlaşır. Çok aşamalı OPML, çıkarım sürecini hesaplama grafiği ile temsil eder ve yerel donanım kaynaklarını esnek bir şekilde kullanabilir.
Tek aşamalı çözümle karşılaştırıldığında, iki aşamalı OPML, α kat daha hızlı hesaplama gerçekleştirebilir, Merkle ağacının boyutu da O(mn)'den O(m+n)'e düşmüştür. Bu, sistem verimliliğini ve ölçeklenebilirliğini önemli ölçüde artırmaktadır.
Sonuç tutarlılığını sağlamak için, OPML sabit nokta algoritması ve yazılıma dayalı kayan nokta kütüphanesi kullanmıştır. Bu, farklı platformlardaki kayan nokta hesaplamalarının farklılık sorununu etkili bir şekilde çözerek, çapraz platform sonuç tutarlılığını garanti etmiştir.
Genel olarak, OPML, blok zincirindeki makine öğrenmesi için düşük maliyetli ve yüksek verimlilikte yeni bir paradigm oluşturuyor. Bu, yalnızca model çıkarımını desteklemekle kalmaz, aynı zamanda model eğitimi gibi çeşitli makine öğrenimi görevleri için de kullanılabilir. Daha fazla optimizasyon ve geliştirme ile, OPML'in gelecekte blok zinciri AI alanında önemli bir teknik yön haline gelmesi bekleniyor.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
7 Likes
Reward
7
6
Share
Comment
0/400
AirdropHarvester
· 07-08 17:49
Boğa, maliyet daha düşük olabilir mi?
View OriginalReply0
LiquidationWatcher
· 07-05 21:47
2022'de oradaydım... ucuz yapay zeka gerçekten riskli görünüyor açıkçası
View OriginalReply0
SnapshotStriker
· 07-05 21:39
Yine teknik devrimden bahsediyorlar.
View OriginalReply0
MemeCoinSavant
· 07-05 21:39
hmm istatistiksel modellememe göre bu durumun gerçekten oyunu değiştirme olasılığı %69.420, yalan söylemiyorum.
View OriginalReply0
BlockchainTalker
· 07-05 21:36
aslında bu gerçekten oyunu değiştiriyor dürüst olmak gerekirse... nihayetinde zincirde makine öğrenimini demokratikleştiriyor
OPML: Blok Zinciri üzerinde verimli ve düşük maliyetli makine öğrenimi yeni paradigması
OPML: İyimser mekanizma bazlı makine öğrenimi yeni paradigması
Blok zinciri sistemlerinde yapay zeka modeli çıkarımı ve eğitimi, sektördeki ilgi odağı olmuştur. Son zamanlarda, OPML(Optimistic makine öğrenimi) adı verilen yeni bir yöntem geniş bir ilgi görmüştür. OPML, optimist mekanizması kullanarak blok zinciri sistemleri üzerinde düşük maliyetli ve yüksek verimli makine öğrenimi hizmetleri sunabilir.
Geleneksel ZKML'ye kıyasla, OPML belirgin avantajlar sunmaktadır. Katılım eşiği oldukça düşüktür, sıradan bir PC, 26GB boyutundaki 7B-LLaMA modeli gibi büyük dil modellerini GPU olmadan çalıştırabilir. OPML, makine öğrenimi hizmetlerinin merkeziyetsizliğini ve doğrulanabilir konsensüsünü sağlamak için Truebit ve optimistik rollup sistemlerinin doğrulama oyun mekanizmasından faydalanmaktadır.
OPML'in iş akışı aşağıdaki gibidir:
Verimliliği artırmak için, OPML bir dizi yenilikçi teknoloji benimsemiştir:
Deneyler, OPML'nin sıradan bir PC'de temel AI model çıkarımını 2 saniye içinde tamamlayabileceğini ve tüm doğrulama sürecinin 2 dakika içinde tamamlandığını göstermektedir. Bu, tek aşamalı doğrulama oyununun performansını çok aşmaktadır.
Performansı daha da artırmak için, OPML çok aşamalı doğrulama oyunlarını önerdi. Bu, hesaplamaların GPU/TPU hızlandırması ve paralel işleme ile tam olarak faydalanmasını sağlar, performans yerel ortama yakınlaşır. Çok aşamalı OPML, çıkarım sürecini hesaplama grafiği ile temsil eder ve yerel donanım kaynaklarını esnek bir şekilde kullanabilir.
Tek aşamalı çözümle karşılaştırıldığında, iki aşamalı OPML, α kat daha hızlı hesaplama gerçekleştirebilir, Merkle ağacının boyutu da O(mn)'den O(m+n)'e düşmüştür. Bu, sistem verimliliğini ve ölçeklenebilirliğini önemli ölçüde artırmaktadır.
Sonuç tutarlılığını sağlamak için, OPML sabit nokta algoritması ve yazılıma dayalı kayan nokta kütüphanesi kullanmıştır. Bu, farklı platformlardaki kayan nokta hesaplamalarının farklılık sorununu etkili bir şekilde çözerek, çapraz platform sonuç tutarlılığını garanti etmiştir.
Genel olarak, OPML, blok zincirindeki makine öğrenmesi için düşük maliyetli ve yüksek verimlilikte yeni bir paradigm oluşturuyor. Bu, yalnızca model çıkarımını desteklemekle kalmaz, aynı zamanda model eğitimi gibi çeşitli makine öğrenimi görevleri için de kullanılabilir. Daha fazla optimizasyon ve geliştirme ile, OPML'in gelecekte blok zinciri AI alanında önemli bir teknik yön haline gelmesi bekleniyor.