opML: Optimistic Machine Learning on Blockchain

区块链技术与机器学习的整合引起了越来越多的关注，其愿景是实现分散化、安全和透明的人工智能服务。在这种背景下，我们介绍了opML（基于乐观机器学习的区块链），这是一种创新方法，赋予区块链系统进行人工智能模型推理的能力。opML采用了一种互动式欺诈证明协议，类似于乐观的Rollup系统。这种机制确保了ML服务的分散化和可验证的共识，增强了信任和透明度。与zkML（零知识机器学习）不同，opML提供了成本效益高、高效的ML服务，并且参与要求最少。值得注意的是，opML使标准PC上执行大规模语言模型（例如7B-LLaMA）成为可能，而无需GPU，极大地扩展了可访问性。通过通过opML将区块链和人工智能的能力结合起来，我们开始了一段变革之旅，朝着可访问、安全和高效的链上机器学习迈进。

论文介绍了一种基于区块链技术的机器学习推理方法，旨在实现去中心化、安全和透明的AI服务。该方法解决了当前机器学习推理过程中的信任和透明度问题。

论文提出了opML（Optimistic Machine Learning on chain）方法，该方法采用类似于optimistic rollup系统的交互式欺诈证明协议，确保了机器学习服务的去中心化和可验证的共识，提高了信任和透明度。

opML方法具有成本效益和高效的机器学习服务，参与要求很少。该方法还可以在标准PC上执行大型语言模型，如7B-LLaMA，从而显著扩大了可访问性。实验设计了相应的验证机制，并提供了开源代码。

近年来，一些研究也探讨了区块链和机器学习的结合，如zkML（Zero-Knowledge Machine Learning）等。