零知识机器学习（ZKML）和自主世界

来源：MetaCat

自主世界理论

自主世界（aw.network）是由其自身拥有的一套规则和实体管理的数字生态系统。这些世界很像我们居住的物理世界或概念空间，在独特的“叙事”或其定义边界内，存在的一组条件/法则下运行。例子诸如《指环王》等精心设计的虚构宇宙，到美元等现实世界的经济体系。对于自主世界至关重要的三个核心概念是：

区块链状态根。构成世界状态的所有叙事实体的定义和压缩。

区块链状态转换函数。规则的定义和执行，控制我们如何引入和改变叙事实体。

区块链共识机制。世界利益相关者之间就状态转换的有效性达成的协议。这使得每个人都是参与者和决策者。

有了这些机制，就有可能建立一个由明确的叙事边界管辖的世界，通过状态和共识强制执行，并设计为自主运作。执行规则不会蚕食客观性，“没有人可以拔掉自主世界的电源”。

ZK 可以使用的基础设施

区块链引起的开销，很大程度上归因于性能和成本。在全栈环境中，用户和开发人员都面临着高昂且复杂的 Gas 成本和共识驱动的延迟。现有的范式通常是链上游戏和链下游戏之间的二元关系。

我们相信这些范式之间的折衷是可验证的链下计算和链上状态管理。在实践中，这是通过 ZK 等专门的区块链解决方案来实现的，更具体地说是 ZKML（Zero-Knowledge Machine Learning 零知识机器学习）：针对高质量游戏体验所需的复杂操作进行优化的基础设施。

ZK 利用了许多区块链实现（尤其是 EVM）的一个巧妙功能：预编译。预编译是编码到底层 VM 中的 Gas 高效函数，可支持常用但高复杂度且昂贵的操作。包括 KECCAK256 哈希、ECDSA 验证或 BN128 配对预编译。

典型的 ZK 应用流程。对于形状旋转器来说，这是一个容易理解的例子。用户计算 ZK 证明，证明他们已经计算出世界的有效旋转。他们将此证明提交给管理链上世界的验证者合约，以及一组新的坐标和世界旋转更新。将会观察到一个玩家有可能发起一场全球性的变革。

有各种广义 ZK 应用于游戏的示例。Dark Forest 和 ZK Hunt 一直是利用零知识证明的隐私可供性，来创建具有战争迷雾或隐藏信息机制的游戏的先驱。计算的可验证性对于链上游戏开发者来说是一套尚未充分探索的工具，我们已经看到越来越多的开发者和玩家在这一愿景上投入精力。除了广义的 ZK 游戏应用外，我们还相信，围绕 ML 专门优化的策略和代理存在新兴设计的可能性。我们探索了 ZKML 游戏设计的三种主要方法，这些方法在游戏设计师和玩家中都有受欢迎的迹象：  

1. ZKML 模型即游戏，

2. ZKML 作为数字物理学，

3. ZKML 用于叙事和传说。
   

ZKML 模型即游戏

我们看到的链上游戏和 ZKML 融合最早的探索是 ZKML 模型即游戏。在该场景里，玩家直接与 ZKML 模型交互，这种交互构成了游戏过程的主体。一个代表性的例子是我们内部开发的 Cryptoidol 游戏（cryptoidol.tech）。在该游戏中，选手们在一场永不停歇的歌唱比赛中争夺最佳歌手的称号。他们在浏览器中唱歌并生成一个证明，证明他们被公共评判模型正确打分。然后他们可以在链上提交分数和相关证明，以进入实时更新的排行榜中。

这里的机器学习模型就是游戏本身，玩家的所有交互都直接与 ZKML 模型进行。大多数互动都是单人游戏。

唱歌。接受打分。获得永久的链上排名。

ZKML 作为数字物理学

我们还设计了一个简单的链上井字棋，其中机器学习模型接受井字棋游戏数据的预训练，以识别有效或无效的游戏模式，这样游戏就可以在链下运行，然后在链上提交和结算最终状态。我们有两个教程展示了如何执行此操作。这种编码游戏“规则”的神经网络模式连接到下一个设计范式：ZKML 帮助为世界创建“链上物理学”。尽管井字棋模型利用了神经网络，但这种设计模式需要稍微转变一下 ZKML 的功能。从某种意义上说，当 ZKML 专注于神经网络“推理”时（即训练后进行预测），没有任何东西可以限制 ZK 计算为 ML 独有的计算。