zk+ML 探索zk赛道的新方向

作者：区块律动BlockBeats

近期 Worldcoin 的爆火也为一个 Web 3+AI 叙事造了足够的势，Worldcoin 隶属 zkML 概念，源自 zk+ML（零知识证明和机器学习），也是近期谈论较多的一个新兴结合体，zk 技术自然不用都说，而 ML 是 AI 的一个子领域，此前 AI+Web3 就已经是行业内颇具热度的叙事，只是目前来看并没有很好的概念或用例将两者无缝衔接起来，而近期的黑山大会上，Vitalik 也对 zkSNARK 推崇备至，加上 Worldcoin 的爆火，所以 zkML 脱颖而出是可以预见的。

大家可能对 zkML 不太熟悉，本文主要为大家拨开 zkML 身上的迷雾，重点讲述 zkML 简介、用例以及一些潜力项目，正式因为目前 zkML 用例不太多，所以才希望大家可以抓住机会，提前了解新概念和用例，做好准备。

Web 3 + ML

zkML 结合了零知识证明和机器学习，其实在 Web 3 之外，ML 早已不是新词了，该技术已经广泛地在一些领域获得用例，比如，自然语言处理（NLP）、自动驾驶、电商等领域，都已经通过 ML 技术达到更高的水平，甚至在一些领域 ML 已经占据了主导地位，所以未来的 zkML 也是大势所趋，智能合约中嵌入 ML 也会为智能合约提供更复杂和更智能的处理方式。

通过添加 ML 功能，智能合约可以变得更加自主和动态，允许它们根据实时链上数据而不是静态规则做出处理。智能合约将更具灵活性，适应更多场景，包括那些在最初创建合约时可能没有预料到的场景。简而言之，ML 功能将扩大我们放在链上的任何智能合约的自动化、准确性、效率和灵活性。

目前，ML 之所以没有在 crypto 广泛采用的原因之一是在链上运行这些模型的计算成本很高，比如 fastBERP——一类 NLP 语言模型，该模型的采用需要使用约 1800 MFLOPS（百万浮点运算），这是不能直接在 EVM 上运行的。而应用模型需要基于真实世界数据进行预测，为了拥有 ML 规模的智能合约，而合约必须获得此类预测；

原因之二是需要处理 ML 模型的信任框架问题，主要分两点，一是其隐私性：如前所述，模型参数通常是私有的，在某些情况下，模型输入也需要保密，这自然会在模型拥有者和模型使用者之间带来一些信任问题；二是算法黑匣子，ML 模型有时被称为「黑匣子」，因为它们在计算过程中涉及许多难以理解或解释的自动化步骤。这些步骤涉及复杂的算法和大量数据，这些数据会带来不确定的、有时是随机的输出，使算法成为偏见甚至歧视的罪魁祸首。而 zk 技术可以很高效地解决该信任问题。

所以此时 zkSNARK 顺势出现，zkML 中的 zk 技术大多指的是 zkSNARK，zkSNARK 为我们提供了一个解决方案：任何人都可以在链下运行一个模型，并生成一个简洁且可验证的证明，表明预期的模型确实产生了特定的结果，该证明可以在链上发布并由智能合约获取并并增强其智能。ML 模型通常需要三部分：训练数据、模型架构、模型参数。经过训练后的模型只要是通过推理验证后就可以为智能合约开辟出一个更新的设计空间。（模型训练和推理就不过多叙述了）

zkML 在 crypto 的用例

而经过 zkSNARK +ML 加成后的智能合约也会有很多用例，以下是其用例：

DeFi

可验证的链下机器学习预言机

结合 zkSNARK 结合 ML 模型的验证推理，这些链下 ML 预言机可以用于通过验证推理并在链上发布证据来可靠地解决现实世界的预测市场、确保协议合约等问题。

ML 参数化的 DeFi

DeFi 的很多细分领域其实都可以实现自动化。例如，借贷协议可以使用 ML 模型来实时更新参数。如今借贷协议主要信任由组织运行的链下模型来确定抵押品系数、LTV、清算门槛等，ML 可以提供更好的替代方案，社区训练的开源模型，任何人都可以运行和验证。

自动交易策略

验证交易策略回报情况的一种方式是让 MP 向投资者提供各种回溯测试，无法验证策略师在执行交易时是否遵循模型，但 zkML 可以为其提供解决方案，MP 可以在部署到特定位置时提供金融模型推理的验证证明。

安全领域

智能合约的欺诈监控

ML 模型可用于检测可能的恶意行为并执行暂停程序，而不是让人亲手治理或集中的参与者来控制暂停合约的能力。

DID 和 Social

通过生物特征认证代替私钥（也就是目前 Worldcoin 所做的）

私钥管理仍然是另 Web3 用户头疼的问题之一。通过面部识别或其他生物特征提取私钥是 zkML 的一种可能解决方案，而 Worldcoin 正是应用的这种方式，其 Orb 设备来确定某人是否是一个没有试图 KYC 做假的真实的人，并且使用 zk 技术确保其 ML 模型的输出不会泄露用户的个人数据，通过各种相机传感器和分析面部和虹膜特征的机器学习模型来实现这一点。

Web3 社交媒体的个性化推荐和内容过滤

同样，一些 Web 3 社交媒体很容易获取用户喜好和数据，为我们展示一些垃圾邮件和虚假链接，很多虚假链接导致用户钱包被盗等，但通过 zkML 技术我们可以避免很多不必要的内容和邮件链接。

创作者经济和游戏

游戏内经济再平衡

ML 模型可用于动态调整 token 发行、供应、销毁、投票门槛等，一种可能的模型是激励合约，如果达到某个再平衡阈值并验证推理证明，可以重新平衡游戏内的经济。

新型链上游戏

可以创建合作的人类与人工智能游戏和其他创新的链上游戏，其中不信任的人工智能模型充当 NPC 角色，NPC 的所有行动都会发到链上，并附有任何人都可以验证以确定正确运行模型的证明。

zkML 生态潜力项目

由于 zkML 目前还处于早期发展状态，能找到的项目并不是很多，以下是为大家找到的潜力项目：

Worldcoin

Worldcoin 就不过多叙述了，大家应该比较熟悉，参考「如果 Worldcoin 成功，将对加密行业产生哪些影响？」

Modulus Labs

Modulus Labs 是 zkML 较为多样化的项目之一，构建链上 AI 所需技术。既致力于用例，也致力于相关研究。在应用方面，Modulus Labs 已经开发了 RockyBot（一个链上交易机器人）和 Leela vs. the World（一个象棋游戏），真人与 Leela 象棋引擎的一个可经验证的链上实例对弈。

Giza

Giza 是一个致力于通过 AI 发展经济的协议，能够使用完全无信任的方法在链上部署 AI 模型，由 StarkWare 合作支持，最终实现一个为 AI 发展提供替代路径的市场。

Zkaptcha

Zkaptcha 专注于 Web3 中的机器人问题，保护智能合约免受机器人攻击，使用零知识证明来创建抗女巫攻击的智能合约，为智能合约提供验证码服务。目前，该项目使终端用户通过完成验证码来产生一个人类工作的证明，未来，Zkaptcha 将继承 zkML，推出类似于现有的 Web 2 验证码服务，但也可以分析鼠标运动等行为，以确定用户是否为真人。

结语

目前看来，zkML 与 crypto 结合领域的产品其实并不多，此类产品构建的过程中还会遇见一些问题，zkML 与 crypto 未来可能还需要更多改善和优化。但凭借 zkSNARK 和 ML 的结合，我们有理由相信会 zkML 的力量可以给 crypto 带来更好的前景和发展，也期待该领域能出现更多样的产品，zk 技术和 crypto 为 ML 的运行提供安全可信的环境，而未来除了产品的创新之外，还可能会催生 crypto 商业模式的创新，因为在这个狂野和无政府的 Web 3 世界中，去中心化、crypto 技术和信任才是最最基础的设施。