ORA的链上AI预言机现已在以太坊主网上可用
可验证的预言机协议 ORA 正在以太坊主网上推出其链上人工智能预言机(OAO)。
尽管 OAO 最初是在以太坊上发布的,但在接下来的几周内,预言机也将在 Optimism、Base、Polygon 和 Manta 上上线。
在区块链上实施机器学习 (ML) 或人工智能,使机器学习计算能够获得区块链的可验证性、有效性、公平性和透明度。 尽管有这些好处,但将人工智能引入链上仍然存在困难。
首先,为了实现去中心化,多个节点必须运行复杂的机器学习计算。 然而,这是相当昂贵且耗时的。 此外,以太坊的计算环境是专门为 EVM 智能合约设计的,不一定与机器学习和人工智能相关的计算适应兼容。
ORA 解决这个问题的方法是通过其 OAO,由以太坊上的乐观机器学习 (opML) 提供支持。 OpML 可以设计任何链上 ML 模型,但需要注意的是较弱的安全假设。
根据 ORA 的文档,opML 使用类似于乐观汇总系统所使用的“验证游戏”来实现机器学习服务的去中心化且可验证的共识。
一旦请求者发起机器学习服务任务并且服务器完成它,结果就会被提交到链上。 然后验证者必须验证结果,类似于乐观汇总所做的事情。 如果结果不准确,将开始与服务器的争议游戏,并将索赔发送给Arbitrum智能合约寻求解决。
Grok,一个生成式人工智能聊天机器人; Stable Diffusion,一种深度学习文本到图像的人工智能模型; Meta 的开源大语言模型 Llama2 现已通过 ORA 的 OAO 提供。
ORA 创始人 Kartin Wong 在 0XZX 查阅的一份新闻稿中指出,“只有 opML 才能将 Grok 上链。 这就是 ORA 的 opML 霸主地位。”
另一种在链上进行试验的机器学习类型是零知识机器学习(zkML)。 此类技术希望为机器学习计算生成足够简洁的密码证明,以便在链上进行验证。 然而,当前的计算能力实际上无法有效且经济地生成证明。
Wong 声称,与 zkML 不同,opML 可以有效地将 Grok 的 3140 亿个参数模型上链,从而将管理成本降低超过 1,000,000 倍。