在智能合约中训练大规模深度神经网络：新希望

深度神经网络（DNN）在 DeFi 和 NFT 交易等区块链应用中可能非常有用。然而，由于当今区块链平台的两个基本设计问题，作为智能合约一部分来训练/运行大规模 DNN 在这些平台上不可行。首先，如今的区块链通常要求每个节点在任何时刻维护完整的世界状态，意味着该节点必须执行每个区块中的所有交易。对于涉及 DNN 的计算密集型智能合约而言，这成本高得令人望而却步。其次，现有区块链平台期望智能合约交易具有确定性的、可复现的结果和效果。相比之下，DNN 通常在 GPU、TPU 和/或计算集群等大规模并行计算设备上无锁地训练/运行，往往不会产生确定性结果。本文提出了统称为“新希望”（ANH）的新平台设计，以解决上述问题。主要思想是 (i) 计算密集型的智能合约交易仅由需要其结果的节点或专门的服务提供商执行，以及 (ii) 非确定性智能合约交易导致不确定结果，其仍可被验证，尽管成本相对较高；具体而言对于 DNN，验证成本常可通过验证结果的属性而非其精确值来降低。此外，我们讨论了 ANH 的各种影响，包括其对代币可互换性、分片、私有交易以及智能合约基本含义的影响。