На этой неделе я время от времени думал о показателе накладных расходов ZKML. В 1000—10000 раз медленнее, чем стандартное выполнение. Это странное число, с которым сложно смириться, потому что оно представлено почти с извинениями в документации, как известная цена, а не недостаток.
Сам механизм элегантен. Модель запускается, генерирует доказательство с нулевым знанием, и это доказательство математически демонстрирует, что модель выполнилась правильно — не раскрывая веса модели или входные данные никому, кто это проверяет. Повторное выполнение не требуется. Только чистая криптографическая верификация. Уверенность реальна. Цена также реальна.
К тому, к чему я постоянно возвращаюсь, это то, как документация очерчивает, где это следует использовать — меньшие модели с высокими ставками. Расчеты рисков DeFi. Финансовые решения, где ожидание стоит уверенности. Не разговоры. Ничего разговорного или крупномасштабного. В этом очерчивании есть честность, которую я нахожу более правдоподобной, чем если бы в белой книге утверждали, что ZKML работает повсюду.
Это немного напоминает страхование, на самом деле — вы платите реальную цену за уверенность, которая вам в основном не нужна, кроме тех моментов, когда она вам действительно нужна. Только здесь "стоимость" — это не деньги, а время. Шестнадцать минут на то, что должно занять одну секунду, на нижнем уровне. Почти три часа на верхнем уровне.
В любом случае. Я не думаю, что это проблема, которую создал OpenGradient. Это ограничение того, где сейчас находятся системы доказательства с нулевым знанием, и белая книга говорит об этом — что это улучшится по мере成熟ления технологии. Нет сроков, связанных с этим, что является своим собственным видом честности или уклонения в зависимости от того, насколько щедро вы себя чувствуете.
Что я все еще не знаю, так это имеет ли "меньшие модели" какой-либо определенный предел количества параметров или это просто то, что в данный момент вписывается в приемлемое время ожидания, учитывая диапазон 1000—10000x...?
@OpenGradient #OPG $OPG
opengradient.ai
Сам механизм элегантен. Модель запускается, генерирует доказательство с нулевым знанием, и это доказательство математически демонстрирует, что модель выполнилась правильно — не раскрывая веса модели или входные данные никому, кто это проверяет. Повторное выполнение не требуется. Только чистая криптографическая верификация. Уверенность реальна. Цена также реальна.
К тому, к чему я постоянно возвращаюсь, это то, как документация очерчивает, где это следует использовать — меньшие модели с высокими ставками. Расчеты рисков DeFi. Финансовые решения, где ожидание стоит уверенности. Не разговоры. Ничего разговорного или крупномасштабного. В этом очерчивании есть честность, которую я нахожу более правдоподобной, чем если бы в белой книге утверждали, что ZKML работает повсюду.
Это немного напоминает страхование, на самом деле — вы платите реальную цену за уверенность, которая вам в основном не нужна, кроме тех моментов, когда она вам действительно нужна. Только здесь "стоимость" — это не деньги, а время. Шестнадцать минут на то, что должно занять одну секунду, на нижнем уровне. Почти три часа на верхнем уровне.
В любом случае. Я не думаю, что это проблема, которую создал OpenGradient. Это ограничение того, где сейчас находятся системы доказательства с нулевым знанием, и белая книга говорит об этом — что это улучшится по мере成熟ления технологии. Нет сроков, связанных с этим, что является своим собственным видом честности или уклонения в зависимости от того, насколько щедро вы себя чувствуете.
Что я все еще не знаю, так это имеет ли "меньшие модели" какой-либо определенный предел количества параметров или это просто то, что в данный момент вписывается в приемлемое время ожидания, учитывая диапазон 1000—10000x...?
@OpenGradient #OPG $OPG
opengradient.ai