zkML：讓AI 更可信以及鏈上自主性的可能性

「介紹」

近幾個月以來，不管是傳統網路產業還是區塊鏈領域都在某種程度上受到了人工智慧的衝擊。隨著全世界的網路巨頭陸續加入這場角逐，另一邊，區塊鏈的從業人員開始思考，這場人工智慧爭霸賽會為我們帶來什麼？當與建構AI 應用和基礎設施非相關的數據、模型、演算法、算力等等越來越可得時，我們需要思考什麼？如果這一切都是在一個黑盒子中進行，我們還能信任它們嗎？本集節目中，我們邀請了SevenX Ventures 的Hill，一起探討機器學習和零知識證明怎麼樣結合？區塊鏈和ZKP 如何平衡人工智慧中的信任問題。

Hill 在SevenX Ventures 中擔任Research Lead。在加入SevenX 之前，他早期在其他專案和區塊鏈中有過許多職位的經驗，例如對mechanism design 和tokenomics design 的研究，也涉獵過產品經理和投資者關係的相關工作。

“信任問題如何影響AI 領域以及ZK 與區塊鏈的補充」

這裡的信任問題主要來自於兩點：AI 最後產生結果的不確定性，以及AI 產生結果的方式本質上是不透明的黑盒子。

首先當一個Machine Learning 的輸出不是那麼可複製的時候，是很難將其應用到關鍵的、不能出錯的生產流程中。例如現在的大語言模型，我們即便是給同樣的指令，它每次的輸出也會有偏差，所以我們通常是把其當作啟發性的工具，不會把手頭上最重要的工作交給它。再者，AI 產生結果的這個過程對使用者來說不那麼可信，並不敢把帶有敏感的資訊和資料提交給AI。

這裡也是區塊鏈和ZK 的一個機會，假設我們用區塊鏈或ZK 的技術讓AI 變得更加可信，那麼這個時候本質上我們是可以拓展C 端用戶所接觸AI 的邊界。我們不光可以讓C 端用戶去拿小錢試試AI，同時當AI 變得足夠可信以後，我們也可以讓C 端用戶投入更高的價值。

“更聰明的智能合約”

關於智能合約，Vitalik 之前有一個很有趣的觀點，他說這個名字其實不對的，智能合約並不智能，更準確來說它是一個堅韌的腳本。也就是說腳本部署上去之後，就算其中一個節點下線了，也不能阻止這個腳步繼續運作下去。但本質上它只是一個腳本，按照之前既有寫定的方式運作。

那如果智能合約有了Machine Learning 的能力，我們就可以實現真正的鏈上自主性。對於傳統AI 來說，它們一直沒有機會實現sovereignty，因為絕大部分AI 或者說模型是掌握在大公司手中的，他們想關掉或更改它，隨時都可以做到。而區塊鏈是天然可以提供一個這樣的環境去發展鏈上自主性。

“ZKML 的推動力”

現在其實不管在ZK 還是ML 領域都發展很快，市場上日新月異不斷有新的東西出來。我自己觀察到兩個方向，一個是proof ，另一個是鏈上的運算基礎設施。現在大家使用得比較多的是groth16 和halo2，主要是用在EVM 或其它VM 上做計算，即做狀態機的計算的零知識證明生成。但也有人嘗試拿它來做機器學習推理的計算過程的證明生成。

另外一個方向是計算環境。從這個角度來說，不光是針對ML 或是AI 的計算環境，大家近期關注到的不管是zkEVM 還是zkWASM，這些不一樣的帶有ZK證明系統的計算環境，未來都是有機會去運行Machine Learning或AI 的模型。你只要把Machine Learning 的模型放到它們的運算環境裡面，它們就會根據計算產生一個ZK Proof，我們就可以確保這個過程是正確的。

挖掘更有趣的zkML 應用程式！

讓一個產業最興奮的事莫過於市場隱藏著龐大的需求，而我們能夠挖掘到這些缺口並提供優雅的解決方案。然而，mass adoption 是區塊鏈仍在努力的長遠目標，zk 也是傳統網路普通用戶比較少接觸到的前沿技術。對於這些晦澀難懂的底層協議和基礎設施，使用者也許並不是很關心，他們更關心這個產品好不好用、有什麼價值。我們該如何將這些東西抽象化出來，挖掘使用者的需求，做出更有趣的應用呢？

在對話的最後一部分中，我們回到了大家最關心的主題，什麼樣的應用程式才是使用者所需要的？ Hill 說到了自己最看好的方向是DeFi 安全，並舉了一個非常生動的例子——向大家示範可以利用zkML 做些什麼產品。強烈建議大家聽到最後！也許馬上就可以約小夥伴一起build 起來了～

相關連結

希爾的著作：

平衡AI/ML的力量：ZK和區塊鏈的作用：

zkML：透過零知識密碼學發展智能合約的智能：

零知識機器學習（ZKML）：探索空間的專案：

制衡：機器學習與零知識證明：