Kartin Jiatian Wong是Ora Protocol的联合创始人，这是一个可验证的预言机协议，将AI和复杂的链上计算带入。¹[²[³

职业生涯

Wong在接受Alea Research的采访时，讨论了他参与加密货币的情况。大约在2011年高中时，他开始探索加密货币，用Python编写了一个比特币挖矿脚本，并获得了早期利润。后来他搬到美国学习天文学。在本科期间，他与人共同创办了一家AI初创公司，该公司使用卷积神经网络对恒星图像进行分类，但该项目缺乏商业上的成功。毕业后，他加入Google，担任软件工程师，从事密码学和AI方面的工作。2019年，他通过交易重新进入加密货币领域，然后完全致力于建立一家加密货币初创公司。

他对AI的兴趣可以追溯到2015年，当时他尝试了RNN和LSTM聊天机器人，尽管这些机器人成本高昂且表现不佳。2022年ChatGPT的发布重新点燃了他对将AI与区块链集成的关注，特别是围绕使智能合约能够支持更复杂的计算。他最初探索使用零知识证明在链上运行大规模AI模型，但发现这种方法对于具有数十亿参数的模型效率低下。

为了解决这个问题，Wong和他在Ora的团队转向了基于Merkle树的验证。这促成了OPML（Optimistic Machine Learning，乐观机器学习），它将AI推理转化为可验证的Merkle结构。该项目于2023年开源，获得了关注和资金。在测试了各种用例后，该团队在2024年转向了代币化AI模型。尽管与代理代币项目联系松散，但他们的重点仍然是推进基于模型的AI基础设施。¹ [⁷

访谈

关于ORA

Wong在Magnet Labs的_AI Radioroom_的访谈中，讨论了ORA在以太坊区块链上分散式AI中的作用。他详细阐述了ORA的两个主要功能：启用受以太坊智能合约影响的分散式AI，以及促进初始模型发行（IMO）以代币化AI模型，将其转化为链上预言机。他们探讨了使用公开可用数据训练AI模型的伦理影响，并强调需要区块链基础设施来防止分散式应用程序中的单点故障。Wong介绍了他们的OPML（Optimistic Proof of Machine Learning，乐观机器学习证明）技术，用于分散式推理以及选择代币化模型的标准。此外，他介绍了ORA的策略，即使用AI启动公平分配系统以实现代币分配的民主化，旨在提高生态系统的透明度和社区参与度。⁸

演讲

初始模型发行

Wong在AI x Web3峰会上讨论了初始模型发行（IMO）的概念，强调了人工智能（AI）和加密货币之间日益增长的集成。他概述了过去十年AI的演变，强调了其能力的增强以及主要科技公司通过闭源模型从中获利的垄断。Wong将此与历史经济结构进行了类比，指出股票市场如何允许更广泛地参与投资，类似于他关于在区块链上代币化AI模型的提议。他介绍了IMO的两个关键组成部分：用于代币化AI模型的新以太坊标准，以及确保代币持有者之间的收入分成。Wong解释了乐观机器学习的引入，该技术使区块链上高效且可验证的AI模型操作成为可能。他还强调了模型选择过程的重要性，以避免资源浪费。他指出了Ora作为将AI集成到区块链中的预言机协议的作用，并将IMO定位为不断发展的市场中至关重要的业务机制。⁹

AI代理

Wong在ETHDenver上讨论了可验证AI代理的开发以及在Aura追求的“世界超级智能”概念。他认为，AI的进步已经超越了人类智能，特别是指出了过去十年神经网络参数的显着增加。Wong强调，实现世界智能取决于AI系统的互连性，从而促进了一种不受人类控制的分散式和自主模型。他介绍了使用区块链技术来增强AI的功能和筹款的概念，提出了两个关键组成部分：用于可验证性的乐观机器学习，以及使用代币系统的新经济模型。Wong认为，这种分散式方法最终将使独立的AI代理能够在自己的经济生态系统中运作并有效地管理其互动。¹⁰

小组讨论

分散式AI

在Open AGI峰会上，Wong参加了一个名为“分散式AI的构建者路线图”的小组讨论，由Kenzi Wang主持，Alex Rusnak (Maru)、Michael Heinrich (Zero Gravity Labs)和Sean Ren (Sahara Labs)参与。每位小组成员都分享了他们对项目的见解以及将分散式技术与人工智能集成的途径。他们强调了区块链在增强AI开发中的数据可验证性、安全性和所有权方面的潜力，强调了创建可以实现AI能力民主化的分散式模型的重要性。讨论了挑战，例如需要高效的数据处理管道以及分散式和集中式AI训练之间的平衡。对话还深入探讨了AI对社会影响的哲学意义以及Web 2.0和Web 3.0技术之间不断发展的关系。总的来说，该小组展示了区块链和AI交叉领域内的协作和创新可能性。¹¹

AI的未来

在以太坊新加坡，Wong和Emad Mostaque (Stability AI, Schelling AI) 反思了分散式系统对技术的影响，特别关注了离开Stability AI后Schelling AI的开发。他们强调了开源AI在教育和医疗保健等领域的重要性，认为这些系统应该建立在分布式账本上，以实现更好的透明度和弹性。对话强调了使AI与人类价值观保持一致的必要性，以确保这些技术的安全性和有效性，尤其是在医学等关键领域。他们探讨了将AI与区块链结合的潜在优势，认为这种集成可以实现更大的协作和创新，同时避免权力集中。与会者对AI的变革性可能性表示乐观，特别是在实现智能民主化和提高生活质量方面。但是，他们承认了与集中控制相关的风险以及高级AI系统的伦理影响。¹²

代理用例

题为“释放代理 - AI代理在链上和链下交汇处的技术用例”的小组讨论汇集了AI和加密货币技术专家，以探索各种基础设施项目及其应用。参与者包括Wong、Zoe Meckbach (Phala)、Daniel Olshansky (POKT)、Stephen King (Indexing.co)、Fran Algaba (Giza)和Modulus Labs。他们分享了关于他们的技术如何与AI相交的见解，特别是在服务AI代理的挑战和需求方面。他们讨论了区块链技术在增强AI模型的透明度和效率方面的潜力，以及Web3中数据访问和处理方面不断变化的需求。介绍了一些用例，突出了AI与金融系统和游戏领域的集成，同时也承认了与这些技术相关的成本，特别是在零知识证明方面，可能非常高昂。讨论强调了利用分散式基础设施来管理AI代理和提高智能合约的效用的集体兴趣。¹³