據 Blockworks 稱，可驗證預言機協(xié)議 ORA 正在以太坊主網上推出其鏈上人工智慧預言機（OAO）。 在接下來的幾週內，預言機也將在 Optimism、Base、Polygon 和
曼塔
。
在區(qū)塊鏈上實施機器學習 (ML) 或人工智慧，可以讓機器學習計算存取區(qū)塊鏈的可驗證性、有效性、公平性和透明度。
然而，由於去中心化要求以及以太坊的運算環(huán)境是為 EVM 智慧合約設計的，將人工智慧引入鏈上一直存在挑戰(zhàn)。
ORA 的解決方案是透過其 OAO，由以太坊上的樂觀機器學習 (opML) 提供支援。 OpML 可以在鏈上設計任何 ML 模型，但安全性假設較弱。 根據 ORA 的文檔，opML 使用類似於樂觀匯總系統(tǒng)所使用的「驗證遊戲」來實現(xiàn)機器學習服務的分散且可驗證的共識。 一旦請求者發(fā)起機器學習服務任務並且伺服器完成它，結果就會提交到鏈上。 然後驗證者必須驗證結果，類似於樂觀總結所做的事情。 如果結果不準確，則將開始與伺服器的爭議遊戲，並將索賠發(fā)送給仲裁智能合約以尋求解決。
Grok，一個生成式人工智慧聊天機器人； Stable Diffusion，一種深度學習文字到圖像的人工智慧模型； Meta 的開源大語言模型 Llama2 現(xiàn)已透過 ORA 的 OAO 提供。 ORA 創(chuàng)辦人 Kartin Wong 在新聞稿中指出，“只有 opML 才能將 Grok 上鍊。這就是 ORA 的 opML 霸主地位。” 另一種在鏈上進行試驗的機器學習類型是零知識機器學習（zkML）。 該技術旨在為機器學習計算產生足夠簡潔的密碼證明，以便在鏈上進行驗證。 然而，目前的計算能力實際上無法有效且經濟地產生證明。 Wong 聲稱，與 zkML 相比，opML 可以有效地將 Grok 的 3,140 億個參數模型上鍊，從而將管理成本降低超過 1,000,000 倍。
