Khi các mô hình học máy cá nhân (Private Machine Learning) phát triển cả về quy mô và mức độ phổ biến, cần đảm bảo các hệ thống có trách nhiệm giải trình được chứng nhận, có thể xử lý dữ liệu nhạy cảm một cách riêng tư và trở thành hệ thống đáng để chúng ta tin tưởng. Sáng kiến zkML của Aleo sẽ tiên phong cho tương lai của lĩnh vực này.
Bất cứ khi nào công nghệ đạt đến độ chín muồi và mở rộng rộng rãi sang các thị trường, sẽ đến lúc các nhà phát triển phải tính đến những mối quan tâm sâu sắc hơn về đạo đức và triết học. Học máy đã đi vào cuộc sống hàng ngày của chúng ta dưới dạng các đề xuất sản phẩm được nhắm mục tiêu và các nguồn cấp dữ liệu truyền thông xã hội được quản lý cẩn thận, khiến bạn cảm thấy được hiểu ngay lập tức ở cấp độ cá nhân.
Các mô hình học máy có thể tiếp thu các mẫu và mối quan hệ của con người tốt hơn bộ não của chúng ta, cung cấp cho chúng ta nội dung và đề xuất dường như đọc được suy nghĩ của chúng ta.
Nhưng để hưởng lợi từ những mô hình này, chúng ta phải cung cấp cho họ những chi tiết cá nhân, riêng tư về cuộc sống của chúng ta. Thật không may, ngành công nghiệp máy học đang thiếu các cơ chế cần thiết để bảo vệ dữ liệu người dùng và cung cấp bằng chứng cho người dùng rằng thông tin của họ đang được sử dụng một cách có đạo đức.
Có hai con đường phía trước — một con đường mà niềm tin của người dùng vào quyền riêng tư dữ liệu của họ tiếp tục bị xói mòn vì những trải nghiệm mà chúng ta khao khát hoặc một con đường mới nơi chúng ta có thể chia sẻ dữ liệu và xác minh các tuyên bố do thuật toán máy học tạo ra mà không cần tin tưởng. Bằng chứng không kiến thức (Zero-knowledge Proof), một giao thức mật mã có thể cho biết liệu một tuyên bố có đúng hay không mà không tiết lộ thông tin đằng sau nó, có thể tạo thành nền tảng của một mô hình tốt hơn. Thay vì giả định rằng bất kỳ mô hình cụ thể nào cũng đáng tin cậy, Aleo có thể xác minh các tuyên bố về mô hình, cách thức hoạt động của mô hình và dữ liệu mà mô hình sử dụng trong khi vẫn duy trì quyền riêng tư trên mọi phương diện.
Tác động của Zero Knowledge đối với Machine Learning
Nếu được lựa chọn, người tiêu dùng ngày càng không sẵn sàng trao đổi dữ liệu cá nhân của họ để hưởng lợi từ các dịch vụ và trải nghiệm mà các mô hình máy học cung cấp. Ví dụ: các đề xuất tái cấp vốn thế chấp được cá nhân hóa là rất tốt, nhưng không phải trả giá bằng việc chia sẻ toàn bộ lịch sử tài chính của bạn — điều này có thể dễ dàng được phân phối lặp đi lặp lại. Để ngành tiếp tục phát triển, người tiêu dùng cần tin tưởng rằng dữ liệu của họ đang được sử dụng một cách có đạo đức và không bị lạm dụng, bán hoặc chia sẻ với bên thứ ba.
Zero-knowledge giải quyết nhiều thách thức lớn nhất của ngành công nghiệp máy học. Zero-knowledge Proof là một công cụ mạnh mẽ để xác minh tính chính xác của tính toán mà không tiết lộ dữ liệu đầu vào hoặc bản thân tính toán. Điều này làm cho chúng đặc biệt hữu ích trong học máy, nơi dữ liệu nhạy cảm như hồ sơ y tế hoặc thông tin tài chính cần được giữ kín.
Các nhà phát triển có cơ hội đưa công nghệ zero-knowledge vào lĩnh vực máy học trong thời điểm quan trọng. Sáng kiến zkML của Aleo được tạo ra để hỗ trợ các dự án nâng cao lĩnh vực máy học bằng zero-knowledge proofs đồng thời cung cấp hỗ trợ vô giá cho các nhà phát triển đang tìm cách xây dựng giải pháp trong lĩnh vực này.
Sáng kiến Aleo zkML
Sáng kiến Aleo zkML, bắt đầu từ ngày 12 đến 14 tháng 5, tạo nền tảng cho tương lai tươi sáng hơn, đáng tin cậy hơn này. Với phân phối tín dụng lên tới 80.000 cho lần submit đầu tiên trong mỗi danh mục, bạn sẽ có cơ hội tham gia xây dựng và nhận được phần thưởng.
Danh mục đầu tiên của Aleo khi bạn làm việc để xây dựng các thuật toán ML phổ biến trong zero-knowledge, sử dụng ngôn ngữ lập trình Leo của Aleo . Đệ trình có thể bao gồm hồi quy tuyến tính, regressions, decision trees, neural network layers, XGBoost/AdaBoost, và thuật toán K-Means/KNN.
Nếu bạn cảm thấy không quen thuộc với Leo, hoặc muốn bắt đầu một cách nhanh chóng? Danh mục thứ hai của Aleo cho phép bạn kiểm tra kỹ năng xây dựng plugin ZK của mình cho 3 thư viện máy học hàng đầu (Pytorch, Tensorflow và Sci-kit Learn).
Submission Guidelines
Để tham gia xây dựng với sáng kiến này của Aleo, bạn có thể submit theo những cách sau:
- Kho lưu trữ Github với code bạn đã viết.
- Một minh chứng nhỏ về cách code của bạn hoạt động. Điều này có thể ở dạng một ứng dụng web nhỏ, một công cụ CLI mà giám khảo có thể thử hoặc một video nhỏ cho thấy cách thức hoạt động của nó.
- Một README với:
a. Hướng dẫn tạo kết quả tái lập.
b. Nếu không có được một ví dụ hoạt động, hãy giải thích những hạn chế và kết quả nghiên cứu quan trọng đã cản trở một ví dụ hoạt động. - Một bài viết ngắn về quyền riêng tư, khả năng sử dụng và tính chính xác
a. Tác động riêng tư của việc thực hiện thuật toán này là gì?
b. Nó bảo vệ quyền riêng tư của người dùng như thế nào?
c. Điều này có thể sử dụng như thế nào đối với các nhà phát triển và học viên máy học?
đ. Kịch bản giả định mà mô hình này có thể được sử dụng là gì?
đ. Mô hình có tạo ra kết quả chính xác không?
Nguồn tài nguyên từ Aleo để bạn xây dựng
Sẵn sàng để bắt đầu xây dựng? Aleo cung cấp cho bạn các hướng dẫn, live sessions và tài liệu bao gồm tất cả các kỹ năng nền tảng mà bạn cần để bắt đầu sử dụng Aleo.
Sau khi đơn đăng ký của bạn được phê duyệt, bạn sẽ được thêm vào kênh Discord #zkml-initiative của Aleo, nơi bạn có thể nhận lời khuyên và câu trả lời từ nhóm chuyên gia Aleo. Aleo cũng sẽ tổ chức một số phiên làm việc ngoài giờ hành chính với các thành viên trong nhóm sản phẩm và kỹ thuật của Aleo trong những cuối tuần, mang đến cho bạn nhiều cơ hội hơn để được hỗ trợ.
Đây là một số tài nguyên để giúp bạn tìm hiểu những điều cơ bản.
Lời kết
Sáng kiến zkML của Aleo sẽ là bước tiên phong đặt nền móng cho tương lai của lĩnh vực học máy cá nhân (Private Machine Learning). Học máy cuối cùng sẽ chạm đến mọi phần trong cuộc sống của chúng ta. Sáng kiến này của Aleo đem đến cơ hội để đảm bảo rằng nó thực sự an toàn. Với đội ngũ phát triển tài năng và dày dặn kinh nghiệm của mình, những công nghệ trên Aleo sẽ còn tiếp tục được phát triển mạnh mẽ và ứng dụng rộng rãi cho ngành công nghiệp blockchain. Vì vậy, tiềm năng của dự án này là cực kì lớn để chúng ta theo dõi và đầu tư. Và đương nhiên, nếu bạn quan tâm đến dự án, Cộng đồng Aleo Việt Nam sẽ luôn đồng hành cùng các bạn.
Đừng quên đăng ký và tham gia Cộng đồng Aleo Việt Nam để cập nhật những tin tức thị trường mới nhất cùng và thảo luận cùng nhiều member khác trong cộng đồng nhé:
