引言

opp/ai（乐观隐私保护人工智能）^[1]，由 ORA 发明，代表了链上人工智能框架的最终目标，也是一种解决基于区块链的机器学习系统中隐私和计算效率挑战的创新方法。Opp/ai 集成了零知识机器学习 (zkML) 的隐私性和乐观机器学习 (opML) 的效率，创建了一个为链上人工智能量身定制的混合模型。 作为 zkML 和 opML 的最新融合，Opp/ai 可以包含任何 zkML 方法。这意味着 zkML 的进步将直接反映在 opp/ai 中。

具有隐私性的链上微调模型

Opp/ai 可用于隐藏模型微调权重，其中大部分权重已公开可用。这对于已针对特定任务进行微调的开源模型尤其重要。例如，可以使用 opp/ai 框架保护 Stable Diffusion 模型注意力层中的 LoRA 权重。 此功能对于保护对公开共享模型所做的专有增强至关重要，确保在基本模型保持可访问性的同时，提供竞争优势的独特调整仍然保密。

用例

文本到语音模型中的个人语音调整： 文本到语音服务提供商可以提供根据个人语音特征量身定制的个性化语音模型。这些个性化模型很敏感，包含有价值的数据。opp/ai 框架可以确保个性化语音模型的参数保持机密，同时仍然可验证地向最终用户提供服务。

金融领域： 开发交易算法来预测市场走势并自动执行交易。这些算法非常有价值，包含公司希望保护的敏感策略。金融机构可以使用 opp/ai 框架来隐藏已针对其交易策略进行专门调整的模型的权重。

游戏行业： 人工智能模型用于创建具有挑战性和吸引力的非玩家角色 (NPC)。游戏开发人员可以微调这些模型，以创建特定于其游戏的独特行为或策略。通过使用 opp/ai 框架，开发人员可以隐藏有助于 NPC 竞争优势的微调权重，防止其他开发人员复制这些功能，同时仍然提供身临其境的游戏体验。

延伸阅读

• 关于 opp/ai 的研究论文 ^[1]。