Saya sudah memikirkan tentang angka overhead ZKML minggu ini, bolak-balik. 1000 sampai 10000x lebih lambat dari eksekusi standar. Ini angka yang aneh untuk dipikirkan karena disajikan hampir dengan permohonan maaf dalam dokumentasi, seperti biaya yang sudah diketahui daripada sebuah cacat.
Mekanismenya sendiri elegan. Sebuah model berjalan, menghasilkan bukti zero-knowledge, dan bukti itu secara matematis menunjukkan bahwa model tersebut dieksekusi dengan benar — tanpa mengungkapkan bobot model atau data input kepada siapa pun yang memverifikasinya. Tidak perlu eksekusi ulang. Hanya verifikasi kriptografis murni. Kepastian itu nyata. Biayanya juga nyata.
Apa yang terus saya pikirkan adalah bagaimana dokumentasi membingkai di mana ini seharusnya digunakan — model-model kecil dengan risiko tinggi. Perhitungan risiko DeFi. Keputusan finansial di mana menunggu sepadan dengan kepastian. Bukan obrolan. Bukan sesuatu yang percakapan atau berskala besar. Ada kejujuran dalam ruang lingkup itu yang saya anggap lebih kredibel daripada jika kertas putih mengklaim ZKML berfungsi di mana saja.
Ini mengingatkan saya sedikit pada asuransi, sebenarnya — Anda membayar biaya nyata untuk kepastian yang sebagian besar tidak Anda butuhkan, kecuali di saat-saat Anda sangat membutuhkannya. Kecuali di sini "biaya" bukan uang, itu adalah waktu. Enam belas menit untuk apa yang seharusnya memakan waktu satu detik, di sisi yang rendah. Hampir tiga jam di sisi yang tinggi.
Ngomong-ngomong. Saya tidak berpikir ini adalah masalah yang diciptakan oleh OpenGradient. Ini adalah batasan dari di mana sistem bukti zero-knowledge saat ini berada, dan kertas putih menyebutkan hal itu — bahwa ini akan membaik seiring dengan matangnya teknologi. Tidak ada garis waktu yang terlampir, yang merupakan jenis kejujuran sendiri atau jenis penghindaran sendiri tergantung pada seberapa murah hati Anda merasa.
Apa yang masih tidak saya tahu adalah apakah "model-model kecil" memiliki batas parameter yang terdefinisi, atau apakah itu hanya apa pun yang saat ini cocok dalam waktu tunggu yang dapat diterima mengingat rentang 1000-10000x...?
@OpenGradient #OPG $OPG
opengradient.ai
Mekanismenya sendiri elegan. Sebuah model berjalan, menghasilkan bukti zero-knowledge, dan bukti itu secara matematis menunjukkan bahwa model tersebut dieksekusi dengan benar — tanpa mengungkapkan bobot model atau data input kepada siapa pun yang memverifikasinya. Tidak perlu eksekusi ulang. Hanya verifikasi kriptografis murni. Kepastian itu nyata. Biayanya juga nyata.
Apa yang terus saya pikirkan adalah bagaimana dokumentasi membingkai di mana ini seharusnya digunakan — model-model kecil dengan risiko tinggi. Perhitungan risiko DeFi. Keputusan finansial di mana menunggu sepadan dengan kepastian. Bukan obrolan. Bukan sesuatu yang percakapan atau berskala besar. Ada kejujuran dalam ruang lingkup itu yang saya anggap lebih kredibel daripada jika kertas putih mengklaim ZKML berfungsi di mana saja.
Ini mengingatkan saya sedikit pada asuransi, sebenarnya — Anda membayar biaya nyata untuk kepastian yang sebagian besar tidak Anda butuhkan, kecuali di saat-saat Anda sangat membutuhkannya. Kecuali di sini "biaya" bukan uang, itu adalah waktu. Enam belas menit untuk apa yang seharusnya memakan waktu satu detik, di sisi yang rendah. Hampir tiga jam di sisi yang tinggi.
Ngomong-ngomong. Saya tidak berpikir ini adalah masalah yang diciptakan oleh OpenGradient. Ini adalah batasan dari di mana sistem bukti zero-knowledge saat ini berada, dan kertas putih menyebutkan hal itu — bahwa ini akan membaik seiring dengan matangnya teknologi. Tidak ada garis waktu yang terlampir, yang merupakan jenis kejujuran sendiri atau jenis penghindaran sendiri tergantung pada seberapa murah hati Anda merasa.
Apa yang masih tidak saya tahu adalah apakah "model-model kecil" memiliki batas parameter yang terdefinisi, atau apakah itu hanya apa pun yang saat ini cocok dalam waktu tunggu yang dapat diterima mengingat rentang 1000-10000x...?
@OpenGradient #OPG $OPG
opengradient.ai