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。