> For the complete documentation index, see [llms.txt](https://docs.cournot.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.cournot.ai/docs-kr/overview/the-oracle-evolution/oracle-3.0-the-intelligence-oracle/opml-making-ai-inference-provable.md).

# opML: AI 추론을 증명 가능하게 만들기

opML은 옵티미스틱 롤업에서 대규모로 입증된 옵티미스틱 검증(optimistic verification) 패턴을 AI 추론에 적용합니다. 핵심 통찰은 다음과 같습니다. opML은 모든 노드가 동일한 추론을 재실행하도록 요구하는 대신(대형 모델에서는 감당하기 어려울 만큼 비용이 큼), 결과가 옳다고 가정하고 정직한 노드 하나라도 그 결과가 틀렸음을 증명할 수 있는 메커니즘을 제공합니다.

**Cournot에서 opML이 작동하는 방식**:

1. **한 번 실행**: Anchor 노드가 TEE 안에서 AI 추론을 실행하고, 고정된 입력(frozen inputs)(PromptSpec, 증거 번들, 모델 해시, 실행 파라미터)과 함께 결과를 게시합니다.
2. **챌린지 기간(challenge window)**: 결과는 챌린지 기간에 들어가며, 이 기간 동안 어떤 Sentinel 노드든 해당 결과에 대해 분쟁을 제기할 수 있습니다.
3. **결정론적 재실행**: 챌린지(challenge)가 제기되면 동일한 고정 입력, 고정된 모델 가중치, 통제된 실행 환경으로 추론을 재실행합니다. Cournot은 PromptSpec과 증거 단계에서 모든 입력을 고정하므로 재실행 대상이 완전히 명시되어 있습니다.
4. **이분법 프로토콜(bisection protocol)**: 전체 추론을 재실행하는 대신, 챌린저(challenger)와 방어자(defender)가 대화형 이분법 프로토콜을 진행해 결과가 갈리는 정확한 연산 단계까지 범위를 좁힌 뒤, 그 단일 단계만 온체인에서 증명합니다.

**결과**: 검증 비용이 "전체 모델을 N번 실행"에서 "정직한 노드 하나가 간결한 사기 증명(fraud proof)을 제출"하는 수준으로 줄어듭니다. 이것이 대규모 AI 검증을 경제적으로 실현 가능하게 만드는 요인입니다.

#### **zkTLS + opML 검증 스택**

zkTLS와 opML은 함께 **정직한 노드 하나만으로 전체 파이프라인을 증명할 수 있는** 완전한 검증 스택을 이룹니다.

<figure><img src="https://1059874529-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNOU3GBemYhm2Po6mv3Hy%2Fuploads%2FzI55Swe1ktjrQStipaGo%2F4..%20ZKTLS%20OPML.png?alt=media&amp;token=34610ca9-cc4d-4032-8193-75df1181187b" alt=""><figcaption></figcaption></figure>

합의에 도달하려면 여러 노드가 동일한 고비용 추론을 각자 실행해야 하는 아키텍처와 Cournot을 구분 짓는 것이 바로 이 \*\*정직한 노드 하나 가정(one-honest-node assumption)\*\*입니다. 이러한 방식에서는 가장 큰 비용인 모델 추론이 노드 수에 비례해 배로 늘어납니다. Cournot은 추론을 한 번만 실행하고 검증 비용을 낮춥니다.