每当技术成熟并广泛扩展到消费市场时，开发人员就必须考虑更深层次的伦理和哲学问题。机器学习以有针对性的产品推荐和精心策划的社交媒体信息流的形式融入了我们的日常生活，让您立即感受到个人层面的理解。

毕竟，快速找到一对完美的登山杖或让我们的社交媒体推送感觉符合我们的兴趣是有魔力的。机器学习模型可以比我们自己的大脑更好地理解模式和人际关系，为我们提供似乎能读懂我们想法的内容和建议。 

但为了从这些模型中受益，我们必须向它们提供关于我们生活的个人、私人细节。不幸的是，机器学习行业缺乏保护用户数据所需的机制，并向用户提供他们的信息被合乎道德地使用的证据。随着这些模型在规模和流行度上的增长，我们需要确保系统具有可认证的问责制，能够私下处理敏感数据，并成为值得我们信任的系统。

有两条前进的道路——一条是为了我们渴望的体验，用户对其数据隐私的信任继续受到侵蚀，或者是一条新的道路，我们可以在不信任的情况下共享数据和验证机器学习算法产生的陈述。零知识证明是一种加密协议，可以在不泄露其背后信息的情况下判断一个陈述是否真实，可以构成更好模型的基础。我们可以验证关于模型的声明、它的运行方式以及它使用的数据，同时在各个方面维护隐私，而不是假设任何给定的模型都是值得信赖的。

零知识对机器学习的影响

如果可以选择，消费者越来越不愿意交易他们的个人数据，以便从机器学习模型提供的服务和体验中获益。例如，个性化的抵押贷款再融资建议很棒，但不会以分享您的整个财务历史为代价——这些历史可以很容易地一次又一次地传播。为了让该行业继续发展，消费者需要相信他们的数据正在以合乎道德的方式使用，而不是被滥用、出售或与第三方共享。

零知识密码学解决了机器学习行业面临的许多最大挑战。零知识证明是一种强大的工具，可以在不泄露输入数据或计算本身的情况下验证计算的正确性。这使得它们在机器学习中特别有用，因为医疗记录或财务信息等敏感数据需要保密。

开发者有机会在关键时刻将零知识技术引入机器学习领域。Aleo 的 zkML 计划旨在支持通过零知识证明增强机器学习领域的项目，同时为寻求在该领域构建解决方案的开发人员提供宝贵的支持。

宣布 Aleo zkML 计划 

Aleo zkML Initiative 于 5 月 12 日至 14 日启动，为这个更光明、更值得信赖的未来奠定了基础。每个类别中提交的第一名可获得高达 80,000 的信用分配，您将有机会产生影响并获得奖励。

‍

我们的第一类是使用我们的编程语言Leo以零知识构建通用的 ML 算法。提交内容可能包括线性回归、决策树、神经网络层、XGBoost/AdaBoost 和 K-Means/KNN 算法。

对 Leo 不熟悉，或想快速上手？我们的第二个类别可让您测试为前 3 个机器学习库（Pytorch、Tensorflow 和 Sci-kit Learn）构建 ZK 插件的技能。 

提交指南

要进入，请提交以下内容：

1. 包含您编写的代码的 Github 存储库
2. 代码工作原理的小型演示。这可以是小型 Web 应用程序的形式，也可以是评委可以尝试的 CLI 工具，或者展示其工作原理的小视频
3. 自述文件
   ：产生可重复结果的说明
   b．如果未获得工作示例，请解释阻碍工作示例的局限性和关键研究结果
4. 关于隐私、可用性和正确性的简短
   文章 实施该算法对隐私有何影响？
   b. 它如何保护用户的隐私？ 
   C。这对机器学习开发人员和从业者有多大用处？
   d. 这个模型可以用于什么假设场景？
   e. 该模型是否产生准确的结果？

资源

准备好开始建造了吗？我们为您提供教程、现场会议和文档，涵盖您开始使用 Aleo 所需的所有基础技能。

一旦您的申请获得批准，您将被添加到我们的 Discord 频道#zkml-initiative，在那里您可以从 Aleo 专家团队获得建议和答案。我们还将在整个周末与我们的产品和工程团队成员举办几次办公时间会议，让您有更多机会获得帮助。 

只是想深入了解并开始阅读？这里有一些资源可以帮助您学习基础知识。

构建机器学习的未来

从医疗保健到交通运输，机器学习最终将触及我们生活的方方面面。我们有机会确保它真正安全。 

Aleo 的 zkML 计划第一季将于 5 月 12 日启动——你会加入我们吗？