在区块链技术中，可靠性和一致性至关重要。传统区块链成功消除了对中间人的需求，确保了“代码即法律”。但如今 AI 也能融入进来，新的挑战随之而来。
鉴于 AI 模型的概率性本质，我们能否始终信任单个 AI 模型的输出？在可靠性必不可少的高风险去中心化应用中，这个问题就更加关键。
把 AI 融入区块链开启了新的可能，也带来了新的可靠性问题。在链上运用 AI 模型能力的一种方式，是机器学习可验证证明（Machine Learning Verifiable Proofs），比如 zkML 或 opML。它们在链上验证单个 AI 模型的推理。但问题在于：这些模型天生具有概率性，依赖单一输出可能存在风险。这正是 GenLayer 的多验证者机制的用武之地。
哪种方案更好？
机器学习可验证证明在 Web3 中越来越重要，也越来越受关注，所以本文也会重点把它与 GenLayer 作一番比较。
下面我们深入看看！
用控制机制实现可靠性
首先，我们回顾一下 GenLayer 的共识机制是如何运作的，这是理解下文比较的基础。简单来说，Optimistic Democracy 的做法是：GenLayer 不依赖单个 AI 模型，而是使用多个接入 LLM 的验证者。
用户提交一笔交易后，随机选出的领导者会提出一个决定，其他验证者再根据各自 AI 模型的输出，表示同意或不同意。如果领导者的提议获得多数共识，交易就会执行。
与机器学习可验证证明的比较
zkML 和 opML 是一类密码学协议，用来证明某个 AI 模型在给定输入下生成了某个输出，这个过程也就是所谓的推理。比如：“我用 Llama 处理输入 A，生成了输出 B。”GenLayer 把 AI 融入区块链生态的方式与此截然不同。zkML 的神奇之处在于，证明者可以证明这些陈述，同时向验证方隐藏某些要素（比如“Llama”）。
zkML 或 opML 的运作示例
不止 zk 证明和 op 证明，各种技术进步正迅速涌入这一领域。但基本思路都一样：这些技术“只”证明了推理本身。这也让它们容易受到对抗性输入的影响。
诉诸上级法院
我们用一个例子来说明这个流程：假设一位用户的房子遭了洪水，他向 GenLayer 提交一笔交易，要按自己投保的参数化保险申请赔付。GenLayer 的 Intelligent Contract 会从网上抓取相关数据。随后，领导者（一名接入 LLM 的验证者）会查看 bbc.com 这样信誉良好的来源，核实理赔申请是否成立。其他验证者会核验领导者的提议结果（也就是用户的交易是否正确），并就此投票。如果领导者的提议结果获得多数支持，交易就会执行。
用户或任何其他利益相关方，都可以在最终确认窗口内对结果提出申诉。这样会有更多验证者核验这一提议结果并投票，从而有可能推翻先前的结果或交易。
GenLayer 的申诉流程
GenLayer 通过一套类似法院上诉程序的体系实现可靠性。在这套体系中，多个验证者核验每一笔交易，确保决定不依赖单个 AI 模型的输出。这种方法不仅降低了概率性输出带来的风险，还确保了更高的可靠性和一致性。
想象一下，如果所有法律案件都由一位法官独自裁定，而且不能上诉，错误判决的风险就会很高。同理，GenLayer 的多验证者系统允许申诉和重新评估，确保交易验证的流程公平、不偏不倚。
大语言模型是概率系统
LLM 具有概率性本质，因此依赖单个模型可能会出问题。GPT-4 这样的 LLM，是根据从海量训练数据中学到的概率模式来生成回答的。如果问它“给我一个 1 到 2 之间的数”，模型会根据学到的上下文，预测一个可能性较大的答案，比如“1.5”，而不是生成一个纯随机的数值。因此，没有其他验证者把关，就依赖单个模型的输出，是一场危险的赌博，对高风险的交易或决策来说尤其如此。要是上面例子中数字 1 的概率恰好是 51% 呢？
GenLayer 在乐观共识机制中使用多个接入 AI 的验证者，要求所有参与的验证者都达成一致，才最终确认一项决定，从而降低这些风险。所有参与的验证者同时“在概率上出错”的可能性非常低。概率站在了 GenLayer 这一边！
此外，每个模型本身都带有一套固有的偏见，就像人一样。让一笔交易经过多个模型处理，再结合申诉汇总结果，能提高高风险应用的可靠性。这还能降低提示词注入攻击等风险：这类攻击也许能攻破单个模型，但面对一组多样、外界无从知晓的模型，得手的难度会呈指数级上升。
机器学习证明（比如 zkML）能为特定模型的执行提供有力的完整性保证，但这个模型本身仍可能在概率上出错。GenLayer 则换了一种思路：汇聚多个不同的、基于 LLM 的验证者的智慧，这些验证者受到激励，会尽力给出最正确的输出。这样打造出的系统，更能抵御攻击和幻觉；随着验证者微调自己的运行方式、接入更新的 LLM，系统会不断自我改进；它还能访问其他链下来源，并在未来借助同一套共识机制，无缝集成多模态模型。正是这套共识机制，让多个验证者能够就非确定性数据达成一致，无论这些数据是什么。
GenLayer 的 Optimistic Democracy 可以随时集成新推出的、更先进的 AI 模型。验证者受到激励，会持续改进自己的 AI 配置，以提供最准确、最可靠的结果。这种自我改进的特性，确保 GenLayer 始终站在 AI 技术的前沿，同时保持去中心化系统固有的安全性和可靠性。
结语
zkML 和 opML 技术能为单个 AI 模型的输出提供扎实的证明，但在要求高准确性和高可靠性的应用中，它们力有不逮。GenLayer 的 Optimistic Democracy 凭借多验证者机制，确保决策建立在集体智慧之上。
借助多个 AI 验证者和一套稳健的共识机制，GenLayer 为把 AI 融入区块链生态提供了更好的方案。有了 GenLayer，你可以放心：你的交易由一个去中心化系统处理，它把 AI 和区块链技术的优势无缝结合在一起。
和我们一起，完成这项使命！
官网 | 博客 | Discord | X（原 Twitter） | Telegram | Simulator | 文档 | 白皮书
