本レポートでは、ゼロ知識証明を用いた機械学習であるzkML（ゼロ知識機械学習：zero-knowledge Machine Learning）について解説します。このレポートを通じて、zkMLがどのような問題を解決するのか、ゼロ知識証明と機械学習がどのように関係しているのか、そしてブロックチェーンを用いた具体的なユースケースについて学び、理解することを目的とします。

2022年11月にChatGPTが公開されて以来、私たちの生活は大きく変化しました。簡単なプログラムは数行のプロンプトで作成可能となり、記事や論文の翻訳や要約も簡単に行えるようになりました。また、指定通りのイラストを違和感なく生成することもでき、私たちが行えることの幅は大幅に広がり、社会的にも大きな影響を与えています。ここで私たちが考慮すべき点は、これらの技術が中央集権的に管理されているという現状です。

OpenAIは、GPTモデルの開発に莫大な投資を行ってきました。事業への投資から利益を得ること自体に問題はありませんが、このような中央集権的な構造には議論の余地があります。

OpenAIはイーロンマスクを含む数名が出資をし、設立されました。しかし、イーロンマスクは「OpenAIは当初、Googleに対抗するためにオープンソースかつ非営利の組織として設立されたが、現在はMicrosoftに実質的に支配されており、クローズドソースかつ利益追求型の企業となってしまった」と述べ、その現状を批判しています。AI技術はますます高度化し、私たち人間により近い存在として進化していますが、その安全性や偏りを防ぐためには、透明性が不可欠です。

本レポートでは、AI技術における中央集権的な構造を、ゼロ知識証明を用いて分散化する方法について説明します。具体的には、オープンソースモデルの推進と、モデルプロバイダーが重みやデータを非公開にしたい場合、ブロックチェーン上で完全に監査可能なプライバシー保護のゼロ知識証明を用いることで、それらを保護する方法を紹介します。また、ブロックチェーン上でのzkMLの具体的な活用方法についても説明します。

今回のレポートとは異なる視点から活用事例を知りたい方や、より多くのプロジェクトを知りたい方は以下のレポートを参照してください。

【関連レポート】

この章で、zkMLを構成するゼロ知識証明と機械学習のそれぞれを簡単に理解しておきましょう。

ゼロ知識証明とは、「証明者がある条件を満たすデータを持っていることをそのデータを一切知らせずに証明する方法」です。ここで言う「ある条件」とは、特定の命題を指します。図の例では、「$f(x,y)=z$が成り立つような$x,y,z$が存在する」という命題を$y$を知られることなく証明するというものです。

次に、ゼロ知識証明の実装に必要な手順を説明します。まず、前準備として信頼できる第3者機関（TTP）によるTrusted Setupが必要です。これは、ゼロ知識証明に必要な鍵を生成するプロセスです。生成された証明鍵と検証鍵をそれぞれ証明者と検証者に渡します。

証明者は、この証明鍵を使ってProofを生成します。このProofは、証明者が秘密の情報を持っていることを証明するデータです。この過程では、circuitと呼ばれるプログラムを使い、証明すべき命題をゼロ知識証明用に変換して計算します。今回の例では、$x,y,z$の値を入力する必要があります。なぜなら、命題にある$f(x,y)=z$を満たす$x,y,z$であるという制約をcircuit内で定め、それを計算して確かめる必要があるからです。

検証者は、証明データ（Proof）と公開可能な値（$x, z$）を証明者から受け取り、検証鍵を用いて、命題が成り立つかどうかを確認します。このとき、証明者から検証者に秘密の値（$y$）を渡す必要がないため、検証者は秘密の値（$y$）を知らずに検証することが可能です。

以上が、ゼロ知識証明を用いた証明の基本的な流れです。

上図におけるcircuitと呼ばれる部分において、特定の条件を満たすかどうかを確認します。主にこのcircuitをアプリケーションごとに実装することであらゆる命題を証明することができます。

ゼロ知識証明や制約についてもう少し詳しく知りたい方は以下の関連レポートを参照ください。

【関連レポート】