原文：a16z
博彩公司玩法编译：DeFi之谈
在曩昔的几年里，区块链上的零学问讲授主要用于两个要津主义：(1) 通过在链下处理往复并在主网上考证闭幕来扩张有计划受限集中的领域；(2) 通过终了屏蔽往复来保护用户隐讳，只须领有解密密钥的东谈主才智检察。在区块链布景下，这些特点较着是可取的：去中心化集中（如以太坊）不行在永别考证者处明智商、带宽和延长建议无法承受的条件的情况下擢升婉曲量或区块大小（因此需要灵验性改动），总共往复王人对任何东谈主可见（因此需要链上隐讳贬责有诡计）。
但零学问讲授对于第三类功能亦然有用的：高效地考证任何类型的有计划（而不单是是在链下实例化的EVM中的有计划）仍是正确运行。这对区块链除外的领域也有很大影响。
博彩评级官方网站皇冠客服飞机：@seo3687
当今，行使零学问讲授纯粹地考证有计划智商的系统的逾越使用户能够从每一个数字产物中条件与区块链所保证的疏浚进程的无信任和可考证性，尤其是从机器学习模子中。区块链有计划的高需求激勉了零学问讲授盘问，创造了具有较小内存占用和更快讲授和考证时候的当代讲授系统——使适当今不错在链上考证某些微型机器学习算法。
到面前为止，咱们王人可能仍是体验到了与一个相称苍劲的机器学习产物互动的后劲。几天前，我用GPT-4匡助我创建了一个能联络打败我棋战的AI。这嗅觉像是曩昔几十年里机器学习取得的总共逾越的一个诗意的缩影：IBM的征战东谈主员花了十二年时候制作出Deep Blue，一个运行在32节点IBM RS/6000 SP有计划机上、能每秒评估近2亿个棋步的模子，该模子在1997年打败了外洋象棋冠军加里·卡斯帕罗夫。比较之下，我花了几个小时——在我这边只进行了最少的编码——就创建了一个能治服我的方法。
天然，我怀疑我创建的AI是否能在外洋象棋上打败加里·卡斯帕罗夫，但这并不是重心。重心是任何嘲谑GPT-4的东谈主王人可能在赢得超智商方面有相同的资历：你只需要付出很小的发愤，就不错创造出接近或卓越你我方智商的东西。咱们王人是IBM的盘问员；咱们王人是加里·卡斯帕罗夫。
较着，这让东谈主欢腾又有些懦弱。对于任安在加密货币行业使命的东谈主来说，天然的反馈（在叹惋于机器学习能作念什么之后）是计议潜在的逼近化路子以及怎样将这些路子去中心化，造成一个东谈主们不错透明审计和领有的集中。当今的模子是通过同一大量公开可用的文本和数据制作的，但面前只须少数东谈主适度和领有这些模子。更具体地说，问题不是“东谈主工智能是否具有重大价值”，而是“咱们怎样构建这些系统，使得与之互动的任何东谈主王人能赢得其经济利益，并在他们但愿的情况下，确保他们的数据以尊重隐讳权的方式使用”。
这两人中级别更高的，是8月22日被开除党籍的漳州片仔癀药业股份有限公司原党委书记、董事长刘建顺。从2014年到2021年，他一直担任片仔癀这家大型企业的“掌门人”。
www.zawgu.com近年来，青岛市积极践行“绿水青山就是金山银山”理念，推进山水林田湖草沙一体化保护和系统治理，坚持预防为先、保护为重、治理为要，积极落实最严格的水土保持监管，全面加强重点区域水土流失治理，水土流失面积和强度连年实现“双下降”。2022年，青岛水土流失面积为1445平方公里，较2021年减少了36.51平方公里，水土保持率提高到86.94%。青岛各区市结合区域经济社会发展和乡村振兴战略实施，加大生态清洁型小流域建设力度，水土流失防治整体向好态势进一步巩固。青岛市积极推动水土保持示范创建，2022年青岛新机场工程被认定为国家水土保持示范工程，今年青岛胶州市、青岛永昌水土保持科技示范园分别被认定为省级水土保持示范县、水土保持科技示范园，起到很好的示范引领作用。
皇冠电竞比分最近，有东谈主号召暂停或减缓相同Chat-GPT这么的环节东谈主工智能式样的发展。拦阻逾越可能不是贬责有诡计：更好的方法是鼓励开源模子，并在模子提供商但愿保护其权重或数据奥密性的情况下，使用保护隐讳的零学问讲授对它们进行保护，这些讲授在链上何况不错完全审计。如今，对于独有模子权重和数据的后一种用例尚无法在链上终了，但零学问讲授系统的逾越将在畴昔终了这一主义。
皇冠博彩网站一家注重用户体验用户隐私安全保护博彩平台，网站拥有丰富博彩游戏种类赛事直播，广大博彩爱好者提供优质博彩服务。可考证和可领有的机器学习我使用Chat-GPT构建的外洋象棋AI在面前看来相对无害：输出相对一致的方法，不使用侵扰有价值学问产权或侵扰隐讳的数据。但当咱们思确保咱们被奉告的在API后头运行的模子确乎是运行过的模子时会怎样样？或者，要是我思将认证过的数据输入到链上的模子中，并确保数据确乎来自正当方？要是我思确保提交数据的“东谈主”实践上是东谈主而不是试图对我的集中发起拜占庭袭击的机器东谈主呢？零学问讲授过甚纯粹地暗示和考证随性方法的智商是一种贬责方法。
需要提防的是，面前在链上机器学习布景下，零学问讲授的主要用途是考证正确的有计划。换句话说，在机器学习布景下，零学问讲授和更具体的SNARK（纯粹的非交互式学问论证）最有用的场所在于它们的纯粹性特点。这是因为零学问讲授保护了讲授者（过甚处理的数据）免受窥视者的侵扰。完全同态加密（FHE）、功能加密或果真履行环境（TEE）等增强隐讳的时期更适用于让不受信任的讲授者在独有输入数据上运行有计划（更深刻地探讨这些时期超出了本文的范围）。
让咱们退后一步，从高头绪了解不错用零学问暗示的机器学习应用类型（要深刻了解零学问，请参阅咱们对于零学问讲授算法和硬件的立异的著述，检察Justin Thaler对于SNARK性能的盘问，或者检察咱们的零学问讲义）。零学问讲授时时将方法暗示为算术电路：使用这些电路，讲授者从行家和独有输入生成讲授，考证者通过数学有计划来确保此语句的输出是正确的——而不获取对于独有输入的任何信息。
咱们仍处于使用链上零学问讲授考证有计划的相称早期阶段，但算法的立异正在扩大可行的范围。以下是五种在机器学习中应用零学问讲授的方法。
1.模子信得过性：您但愿确保某个实体宣称仍是运行的机器学习模子确乎是运行过的模子。举例，在某个模子位于API后头的情况下，提供特定模子的实体可能有多个版块，举例一个较低廉、准确度较低的版块，以及一个较贵、性能更高的版块。莫得讲授，您无法知谈当您实践支付了更激动的版块时，提供商是否为您提供了更低廉的模子（举例，提供商但愿检朴就业器老本并擢升利润率）。
为此，您需要为每个模子实例提供单独的讲授。一个实践的方法是通过Dan Boneh、Wilson Nguyen和Alex Ozdemir的功能喜悦框架，这是一个基于SNARK的零学问喜悦有诡计，允许模子总共者喜悦一个模子，用户不错将他们的数据输入到该模子中，并承袭到仍是运行的喜悦模子的考证。一些基于Risc Zero（一个通用的基于STARK的造谣机）的应用方法也终明显这极少。Daniel Kang、Tatsunori Hashimoto、Ion Stoica和Yi Sun进行的其他盘问标明，不错在ImageNet数据集上考证灵验的臆度，准确率为92%（与最高性能的非零学问考证ImageNet模子尽头）。
但只是承袭到已提交模子已运行的讲授并不一定富足。一个模子可能无法准确地暗示给定的方法，因此您会但愿第三方审核已提交的模子。功能喜悦允许讲授者讲授其使用了已喜悦的模子，但不行保证已喜悦模子的任何信息。要是咱们能让零学问讲授在讲授捕快方面发达得富足好（请参见底下的示例＃4），咱们将来也可能脱手赢得这些保证。
2.模子完好性：您但愿确保疏浚的机器学习算法以疏浚的方式在不同用户的数据上运行。这在您不但愿应用随性偏见的领域相称有用，如信用评分决策和贷款请求。您也不错使长途能喜悦来终了这极少。为此，您需要喜悦一个模子过甚参数，并允许东谈主们提交数据。输出将考证该模子是否针对每个用户的数据运行已喜悦的参数。或者，不错公开模子过甚参数，并让用户我方讲授他们将顺应的模子和参数应用于我方的（经过认证的）数据。这在医疗领域可能尤其有用，因为法律条件某些对于患者的信息必须守秘。将来，这不错终了一个医学会诊系统，它能够从完全奥密的及时用户数据中学习和立异。
3.认证：您但愿将来自外部经过考证的方（举例，任何不错生成数字签名的数字平台或硬件竖立）的认证整合到链上运行的模子或任何其他类型的智能合约中。要作念到这极少，您将使用零学问讲授考证签名，并将讲授行为方法的输入。Anna Rose和Tarun Chitra最近主执了一期零学问播客节目，嘉宾是Daniel Kang和Yi Sun，他们探讨了这一领域的最新进展。
具体来说，Daniel和Yi最近发布了一项盘问，探讨了怎样考证由具有经过认证的传感器的录像机拍摄的图像是否经过了如剪辑、缩放或有限瞒哄等变换，这在您但愿讲授图像莫得经过深度伪造但确乎经过了某种正当编订的情况下很有用。Dan Boneh和Trisha Datta也作念过相同的盘问，使用零学问讲授考证图像的出处。
但更浅薄地说，任何经过数字认证的信息王人是这种考证样子的候选对象：Jason Morton正在征战EZKL库（不才一节将有更多先容），他称这种方法为“赋予区块链眼光”。任何已签名的端点（举例，Cloudflare的SXG就业，第三方公证东谈主）王人会产生不错考证的数字签名，这可能对于讲授来自果真任方的出处和信得过性相称有用。
皇冠信用站4.散布式推理或捕快：您但愿以散布式的方式履行机器学习推理或捕快，并允许东谈主们向行家模子提交数据。为此，您不错将已有的模子部署到链上，或者想象一个全新的集中，并使用零学问讲授来压缩模子。Jason Morton的EZKL库正在创建一种用于收受ONXX和JSON文献并将它们调节为ZK-SNARK电路的方法。最近在ETH Denver的一个演示标明，这种时期可用于创建基于图像识别的链上寻宝游戏，游戏创作家不错上传相片，生成图像的讲授，玩家不错上传图像；考证器查验用户上传的图像是否与创作家生成的讲授富足匹配。EZKL当今不错考证多达1亿个参数的模子，这意味着它不错用于在链上考证ImageNet大小的模子（这些模子具有6000万个参数）。
网络博彩网站比较其他团队，如Modulus Labs，正在为链上推理对不同讲授系统进行基准测试。Modulus的基准测试涵盖了多达1800万个参数。在捕快方面，Gensyn正在构建一个散布式有计划系统，用户不错输入行派别据，并通过散布式节点集中进行模子捕快，同期考证捕快的正确性。
5.东谈主讲授：您但愿考证某东谈主是一个极端的个体，而不挫伤其隐讳。为此，您将创建一种考证方法，举例生物识别扫描或以加密方式提交政府ID的方法。然后，您将使用零学问讲授来查验某东谈主是否仍是过考证，而不会线路对于该东谈主身份的任何信息，不管该身份是完全可识别的，如故像公钥那样的伪名。
皇冠体育hg86a
Worldcoin通过他们的东谈主讲授契约来终了这极少，该契约通过为用户生成极端的虹膜代码来确保抗袭击性。要津的是，为WorldID创建的私钥（以及为Worldcoin用户创建的加密钱包的其他私钥）与式样的眼球扫描器土产货生成的虹膜代码完全分离。这种分离完全将生物识别符号符与可能归因于某东谈主的任何样子的用户密钥分离。Worldcoin还允许应用方法镶嵌一个SDK，使用户不错使用WorldID登录，并通过允许应用方法查验东谈主是否领有WorldID来行使零学问讲授来保护隐讳，但不允许追踪个别用户（更多细节，请参阅此博客著述）。
皇冠体育 app这个例子是用零学问讲授的隐讳保护特点来扞拒较弱且坏心的东谈主工智能的样子，因此它与上述其他示例（举例，讲授你是一个信得过的东谈主类而不是机器东谈主，同期不线路任何干于我方的信息）有很大不同。
模子架构和挑战在终了SNARKs（纯粹非交互式学问论证）的讲授系统方面的冲破仍是成为将很多机器学习模子上链的要津驱能源。一些团队正在现存的架构（包括Plonk、Plonky2、Air等）中制作定制电路。在定制电路方面，Halo 2已成为Daniel Kang等东谈主的使命和Jason Morton的EZKL式样中浅薄使用的后端。Halo 2的讲授者时候近似线性，讲授大小时时只须几千字节，考证者时候恒定。大致更伏击的是，Halo 2领有苍劲的征战者器用，使其成为征战者心爱使用的SNARK后端。其他团队，如Risc Zero，正在寻求通用VM战术。还有些团队正使用基于乞降查验契约的Justin Thaler的超高效讲授系统创建定制框架。
讲授生成和考证器时候完全取决于生成和查考讲授的硬件以及生成讲授的电路大小。但这里需要提防的要津点是，不管代表的方法是什么，讲授的大小老是相对较小，因此考证讲授的考证者的包袱是受限的。但是，在这里有一些隐微之处：对于像Plonky2这么使用基于FRI的喜悦有诡计的讲授系统，讲授大小可能会加多。（除非终末使用像Plonk或Groth16这么基于配对的SNARK包装，这些讲授不会跟着所讲授讲演的复杂性而增长。）
对于机器学习模子的启示是，一朝想象了一个准确暗示模子的讲授系统，实践考证输出的老本将相称低廉。征战者需要计议的最伏击的是讲授者时候和内存：以一种不错相对快速讲授的方式暗示模子，何况讲授大小理思地在几千字节傍边。要讲授机器学习模子在零学问情况下的正确履行，你需要将模子架构（层、节点和激活函数）、参数、赓续和矩阵乘法运算编码并暗示为电路。这触及将这些属性办法为不错在有限域上履行的算术运算。
这个领域还处于起步阶段。在将模子调节为电路的流程中，准确性和保真度可能会受到影响。当模子暗示为算术电路时，前边提到的模子参数、赓续和矩阵乘法运算可能需要近似和简化。当将算术运算编码为讲授的有限域中的元素时，可能会丢失一些精度（或者在不进行这些优化的情况下生成讲授的老本在面前的零学问框架下将不胜重担）。此外，机器学习模子的参数和激活时时以32位进行编码以擢升精度，但是今天的零学问讲授无法在必要的算术电路形态中暗示32位浮点运算，而不产生重大的支拨。因此，征战者可能会礼聘使用量化的机器学习模子，其中32位整数仍是调节为8位精度。这些类型的模子有益于暗示为零学问讲授，但是被考证的模子可能是较高质地运转模子的拙劣近似。
在这个阶段，这确乎是一场奋发图强的游戏。跟着零学问讲授变得愈加优化，机器学习模子变得越来越复杂。仍是有一些优化的有长进的领域：讲授递归不错通过允许讲授用作下一个讲授的输入来减小全体讲授大小，从而终了讲授压缩。还有一些新兴的框架，比如Linear A的Apache Tensor造谣机（TVM）分支，该框架推出了一种调节器，不错将浮点数调节为零学问友好的整数暗示。终末，咱们在a16z crypto对畴昔的使命感到乐不雅，它将使在SNARKs中暗示32位整数变得愈加合理。
“领域”的两种界说 零学问讲授通过压缩终了领域化：SNARKs允许你将一个极其复杂的系统（如造谣机或机器学习模子）数学暗示，使得考证它的老本低于运行它的老本。另一方面，机器学习是通过扩张终了领域化的：如今的模子跟着更多数据、参数以及参与捕快和推理流程的GPU/TPU而变得更好。中心化公司不错以简直无闭幕的领域运行就业器：收取API调用的月费，并支付运营老本。
区块链集中的经济现实简直恰好违反：征战者被饱读舞优化他们的代码，使其在链上运行既可行又低廉。这种永别称具有重大的上风：它创造了一个需要擢升讲授系统效果的环境。咱们应该寻求在机器学习中条件与区块链提供的疏浚克己，即可考证的总共权和分享的信得过不雅念。
尽管区块链激勉了优化zk-SNARKs，但有计划相干的每个领域王人将受益。
致谢：Justin Thaler, Dan Boneh, Guy Wuollet, Sam Ragsdale, Ali Yahya, Chris Dixon, Eddy Lazzarin, Tim Roughgarden, Robert Hackett, Tim Sullivan, Jason Morton, Peiyuan Liao, Tarun Chitra皇冠比分, Brian Retford, Daniel Kang, Yi Sun, Anna Rose, Modulus Labs, DC Builder。