在这个科技发达的时代，ChatGPT、Midjourney等生成式人工智能的出现，为设计和艺术、软件开发、出版甚至金融开辟了新的可能性。生成式人工智能就像一个奇迹，它承诺我们突破人类创造力的边界，大大提高我们的生产力，引领我们走向更高层次的创新。
要想把ChatGPT、Midjourney等软件开发到今天的水平，需要多年的研究和大量的数据训练，来培养这些软件背后的人工智能模型。例如，ChatGPT需要用来自网页、书籍和其他来源的大约570GB数据集进行训练。一些数据可能来自用户，他们可能不知道自己的个人数据被用于训练人工智能软件。虽然大多数收集和使用的数据可能对用户本身无害，但一些敏感或私人数据可能不可避免地在未经用户同意的情况下混入和馈入模型。
鉴于这样的系统所带来的隐私问题，人们对数据隐私和安全问题的意识和关注越来越强。一些人呼吁在利用人工智能的优势和保护个人隐私之间找到和谐的平衡。幸运的是，有一种很有前途的技术可以帮助弥合这一鸿沟——零知识证明(ZKP)。
zkML是什么？零知识协议是一种方法，通过该方法，一方(证明者)可以向另一方(验证者)证明一个命题，而不透露任何其他信息，除了该特定命题为真的事实。自2022年以来，零知识(ZK)科技稳步发展，在区块链领域取得了令人瞩目的增长。ZK领域的项目一直在不断努力，在可扩展性和隐私保护领域取得了长足的进步。
机器学习是人工智能的一个分支，专注于开发能够从过去的数据中学习、识别模式并做出逻辑决策的系统，减少了人类的重要参与。它是一种数据分析技术，通过使用各种类型的数字信息，如数值数据、文本内容、用户交互和可视化数据，自动创建分析模型。
在监督机器学习中，我们为预训练的模型提供预设参数的输入，模型产生的输出可以被其他系统使用。但是，我们必须强调维护输入数据和模型参数的机密性和隐私性的重要性。输入数据可能包含敏感的个人财务或生物信息，而模型参数可能涉及敏感元素，如机密的生物认证参数。
零知识技术与人工智能的结合，诞生了零知识机器学习(zkML)，这是一种伦理性强、威力大的新技术，有望彻底颠覆我们的工作方式。
在最近模数实验室团队发表的题为“智能的成本”的论文中，他们通过使用不同规模的各种模型集合，对各种现有的零知识证明系统进行了全面的基准测试。目前，在链式机器学习领域，ZK的主要应用是验证精确计算。但随着时间的发展，尤其是简洁的非交互知识论证(SNARKs)，ZKP有望发展到一定程度，可以防止输入的泄露，保证用户的隐私不被过于好奇的验证者侵犯。
ZkML本质上将ZK技术整合到AI软件中，以克服其在隐私保护和数据真实性验证方面的局限性。
zkML的使用案例虽然zkML还是一项新技术，但是已经引起了广泛的关注，并且有很多显著的应用场景。zkML的一些值得注意的应用包括:
计算完整性(Validity ML)有效性证明如SNARKs和STARKs具有验证计算正确性的能力。通过验证模型推断或确认特定模型输出的能力，这种能力可以扩展到机器学习任务。方便证明输出是特定模型和输入组合的结果，有助于在专用硬件上离线部署机器学习模型，方便在链上验证ZKPs。例如，Giza正在协助一个用于分散金融(DeFi)的收入聚合协议，该协议展示了使用机器学习在链上执行复杂收入策略的准确性。欺诈检测可以通过使用智能合同数据来训练异常检测模型，然后被DAO(分散自治组织)识别为自动化安全程序的有价值的指标。这种主动预防性的方法使得自动执行操作成为可能，例如在发现潜在的恶意活动时中止合同，从而提高其有效性。ML即服务(MLaaS)中的透明性当许多公司通过其API提供机器学习模型时，由于API的不透明性，用户很难确定服务提供商是否真的提供了所声称的模型。在机器学习模型API旁边提供有效性证明将为用户提供透明度，并使他们能够验证他们正在使用的特定模型。在Web3社交媒体中过滤Web3社交应用的分散性质预计会导致垃圾邮件和恶意内容的增加。社交媒体平台的理想方法是使用开源的机器学习模型，这是社区所同意的。此外，在选择过滤帖子时，平台可以提供模型推断的证明。Daniel Kang使用zkML对Twitter算法的分析进一步探讨了这个话题。保护隐私医疗行业优先考虑患者数据的隐私和保密性。通过使用zkML，医学研究人员和机构可以使用加密的患者数据来开发模型，并确保个人记录的保护。这样就可以在不共享敏感信息的情况下进行协同分析，从而推动疾病诊断、治疗效果和公共卫生研究的进展。探索zkML的项目概述zkML的很多应用都处于实验阶段，经常出现在创新的新项目的黑客攻击中。ZkML为设计智能合约开辟了一条新的途径，有几个项目正在积极探索它的应用。
图片来源@bastian_wetzel
模数实验室:使用zkML进行实际应用和相关研究。他们通过RockyBot(链式交易机器人)和Leela vs. the World(一种全人类社区与验证版Leela象棋引擎对战的象棋游戏)等项目的演示，展示了zkML的应用。Giza:stark ware支持的协议，实现了以完全无信任的方式在链上部署人工智能模型的能力。Worldcoin:一个使用zkML的个性认证协议。Worldcoin使用定制硬件来处理详细的虹膜扫描，并将其纳入其信号量实现中。这些虹膜扫描实现了重要的功能，如会员认证和投票。结语就像ChatGPT和Midjourney经历了无数次迭代才达到今天的状态一样，zkML也还在不断的完善和优化，经历了一次又一次的迭代，克服了从技术到实践的各种挑战:
最小化量化处理管理电路的规模，特别是在多层网络中，高效的矩阵乘法证明了在zkML领域应对对抗性攻击的进展正在加速，在不久的将来有望达到与更广泛的机器学习领域相当的水平，特别是随着硬件加速技术的不断发展。
将ZKPs纳入人工智能系统可以为使用这些系统的用户和组织提供更高水平的安全和隐私保护。因此，我们热切期待zkML领域的进一步产品创新，其中ZKPs和区块链技术的结合为Web3的未授权世界中的人工智能/机器学习操作创造了一个安全可靠的环境。
本网站声明:网站内容来源于网络。如有侵权，请联系我们，我们会及时处理。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"零知识机器学习（zkML） : 在人工智能时代，隐私与科技并存"：http://www.guoyinggangguan.com/qkl/145462.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
