首页

社区

OPRR 快讯深度活动

Search Extension

De-AI时代：加密货币与人工智能的交汇

2023-11-20 15:30

阅读本文需 32 分钟

AI 总结

看总结

原文标题：《AI x Crypto》

原文作者：Paul Veradittakit

原文编译：Luccy，BlockBeats

编者按：

近期，价格不断上涨的 TAO 引起社区注意，据 CoinGeko 数据，截至撰稿时报价 266.41 美元，过去 7 天内价格上升 79.59%。

TAO 是 Bittensor 上用于协作培训的 TAO 代币，或者花费 TAO 购买其的机器学习服务。Bittensor 作为 Polkadot 上的 Layer 1 POW 网络，是一个机器学习模型的 P2P 市场，在 De-AI（去中心化人工智能）叙事中是值得关注的项目之一。

相关阅读：《熊市可以关注的 4 个板块》

随着加密货币的广泛应用，市场波动、安全性、可扩展性等问题逐渐显露。Pantera Capital 的执行合伙人 Paul Veradittakit 深入探讨了 AI 与加密货币面临的市场波动、安全性和可扩展性等挑战，并阐述了 AI 在解决这些问题中的关键作用。

文章从数据分析、安全防范到未来前景展望，探讨了人工智能与加密货币交汇的多个应用案例，如 De-AI 市场、AI 增强的智能合约、链上数据分析、去中心化 GPU 共享以及 RLHF 代币模型。文章还指出了人工智能和加密货币集成可能面临的伦理、数据隐私等挑战，并展望了未来技术的前景，如 zkML 和区块链验证 AI 生成内容的真实性，以及区块链在保障数据隐私和安全性方面的优势。

关键要点

· 人工智能（AI）和加密货币是融合的技术，有潜力改变数字世界。

· AI 可以解决加密货币的挑战，如波动性、安全性、可扩展性和能耗问题。

· 应用场景包括去中心化的 AI 市场，AI 增强的智能合约，链上数据分析，去中心化 GPU 共享和 RLHF 代币模型。

· 担忧包括透明度、伦理和数据隐私。

· 未来前景包括 zkML 和基于区块链的内容验证。

· 监管将在塑造 AI 和加密货币未来方面发挥关键作用。

AI 与加密货币的交汇：探索机遇、挑战和前景

引言

随着数字革命不断改变我们的世界，我认为有两种技术尤为突出，具有颠覆性潜力：AI 和加密货币。AI 凭借其模仿人类认知功能和从数据中学习的能力，最近已经成为技术创新的前沿。其应用领域涵盖从医疗保健到娱乐的广泛而深刻的变革。而加密货币则以强大的区块链技术为支持，承诺一个去中心化的金融未来，赋予个体权力并简化流程。AI 和加密货币的联合呈现出强大的融合，标志着技术共生的新时代的开端。

AI 能够解决的加密货币问题

尽管加密货币已经成为一种革命性的交易和投资手段，但它们并非没有挑战。市场波动对投资者来说是一个紧迫的问题。AI 在数据分析方面的优势可以筛选大量历史数据，以更准确地预测价格波动。

此外，随着加密货币日益被主流采用，安全性变得至关重要。这些数字货币的去中心化性质使其容易受到欺诈和黑客企图的影响。在这里，机器学习模型可以被训练用于检测异常的交易模式，加强对潜在安全漏洞的防范。

可扩展性和交易速度是加密世界中的另一个重大挑战。随着更多人加入区块链网络，确保迅速而无缝的交易变得至关重要。先进的 AI 算法可以优化网络流量，确保高效的数据流动和更快的交易时间。

最后，与加密挖矿相关的能源消耗是一个全球性关切。AI 可以在优化挖矿过程中发挥关键作用，减少能源足迹，为更可持续的加密生态系统铺平道路。

加密货币与 AI 交汇的应用案例

De-AI 市场：加密的优势

在 AI 领域，像 Hugging Face 这样的平台因其在民主化访问预训练 AI 模型方面的作用而引起了相当大的关注。然而，在加密领域内出现的 De-AI 市场引入了一种新颖的民主化和去中心化维度，甚至超越了传统平台如 GitHub 为开源代码提供的支持，包括 web3 代码和智能合约。

Hugging Face 和传统 AI 模型仓库：

Hugging Face，作为一个著名的 AI 模型仓库，在使尖端 AI 模型对广大用户可访问方面发挥了关键作用。它提供了一个集中的平台，用户可以访问、分享和微调预训练模型。这显著降低了 AI 从业者和开发者的门槛，使他们能够利用最先进的模型进行各种自然语言处理（NLP）任务。

基于加密货币的 De-AI 市场：

然而，基于加密货币的 De-AI 市场，比如那些建立在区块链技术上的市场，将民主化和去中心化提升到了一个新的层次。以下是它们的运作方式：

真正的所有权和控制权：在传统的仓库中，比如 Hugging Face，尽管访问是民主化的，但底层基础设施和数据的控制和所有权仍然是集中的。相反，基于加密货币的市场往往采用去中心化的区块链网络，确保控制分散在网络参与者之间。用户在治理决策中有发言权，使其成为一个更加民主和社区驱动的生态系统。

激励机制：加密货币市场采用基于代币的激励机制，奖励贡献者的努力，从数据提供者到模型开发者。这激励了协作和创新，同时确保了利益的公平分配。相反，传统平台可能缺乏这些直接的财务激励，使加密版本对参与者更有吸引力。

数据隐私和安全性：区块链技术通过零知识证明等技术确保了高度的透明性，同时通过零知识证明等技术保护了数据隐私。这解决了对数据暴露的担忧，这是 AI 应用的一个重要考虑因素。传统平台可能无法提供同样级别的隐私保障。

互操作性：基于加密货币的市场，往往建立在区块链标准上，被设计为具有互操作性。这意味着 AI 模型和服务可以与各种基于区块链的应用、智能合约和去中心化应用（dApps）无缝集成，促进了一个更加互联和多功能的生态系统。

实质上，尽管像 Hugging Face 这样的平台在民主化访问 AI 模型方面取得了重大进展，但基于加密货币的 De-AI 市场在这些基础上构建，融入了区块链的去中心化、真正所有权和基于代币的激励原则。这种提升的民主化和去中心化水平有望通过促进协作、创新和更公平地分配利益，重塑 AI 领域的格局。

AI 增强的智能合约：

传统智能合约预先编码了特定条件。通过整合 AI，这些合约可以变得自适应，动态响应外部数据和条件，从而实现更高效、更多功能的去中心化应用。

实际例子：

想象一下，建立在区块链技术上的去中心化保险平台为农民提供与天气相关的保险政策。传统的保险合同依赖于预定义的条件和手动理赔处理，这可能会很慢且容易引发争议。在这种情况下，AI 增强的智能合约发挥着革命性的作用，改变了保险行业。

天气数据与 AI 分析：智能合约被设计为与外部数据源（如天气 API）交互，以获取被保地区的实时天气数据。整合到智能合约中的 AI 模型不断分析天气数据。该 AI 模型已经经过训练，能够识别可能影响被保农作物的干旱或洪水等不利天气条件。

动态保费调整：传统上，保险费是固定的，索赔是在事件发生后进行处理的。在这个 AI 增强的智能合约中，保费根据 AI 对天气状况的实时评估而动态调整。如果 AI 检测到不利天气可能危害农作物，受影响政策的保费会自动上调以反映增加的风险。相反，当 AI 预测有利的天气条件时，保费可能会降低，激励更多农民购买保险。

自动支付：如果 AI 模型检测到符合支付的预定义不利天气条件（例如，长时间干旱），它将自动触发向受影响投保人的支付。AI 监控确保迅速进行支付，减少了手动理赔处理及相关延迟的需求。

链上数据分析：充分利用机器学习

区块链以其庞大的交易数据储备为数据科学家和机器学习爱好者提供了一个宝藏。像 CertiK 和 TokenMetrics 这样的公司充分利用机器学习工具从这些数据中提取有价值的见解，从而增强安全性，优化投资策略，并优化整体区块链效率。

去中心化 GPU 共享：赋能 AI 和赚取加密货币

去中心化 GPU 共享是一个新颖的概念，它从根本上改变了在 AI 和机器学习社区内利用计算资源的方式。就像 Filecoin 通过激励用户共享未使用的存储空间颠覆了数据存储一样。

为什么要奉献你的 GPU？

GPU（图形处理单元）对于训练和微调复杂的机器学习和 AI 模型至关重要。这些过程需要大量的计算能力，在个人计算机上可能既耗时又资源密集。通过将你的 GPU 奉献给去中心化 GPU 共享网络，你将你的计算资源贡献给一个更大的池，任何需要的人都可以访问。作为回报，你会因为你的贡献而获得加密货币奖励。这种模式允许个人和组织在不需要购买专用硬件或依赖于中心化云服务的前提下访问高性能的 GPU 资源。它使得 GPU 计算能力的访问更加民主化，对于 AI 和机器学习爱好者来说更加包容和经济高效。

单元经济学：

在去中心化 GPU 共享网络中，单元经济学围绕着加密货币奖励展开。当你把你的 GPU 借给网络时，你会获得代币作为补偿。

你获得的代币数量取决于几个因素，包括你的 GPU 的计算能力、你的贡献持续时间以及网络内对 GPU 资源的需求。

去中心化 GPU 共享平台通常具有透明和预定义的奖励结构，确保对参与者公平和可预测。

总体而言，去中心化 GPU 共享不仅赋予个人和组织访问强大的 AI 任务计算资源的能力，还允许 GPU 所有者有效地将他们的硬件变现。这是一个双赢的模式，促进了 AI 和机器学习生态系统内的合作、成本效益和可访问性。

RLHF 代币模型：通过机械土耳其类比桥接 AI 和激励

从人类反馈中强化学习（RLHF）代币模型提供了 AI 和基于代币的激励的迷人交汇。在传统金融激励可能不可行的专业领域，这一概念可能特别强大。以下是一个连贯的解释：

在 RLHF 代币模型中，主要思想是利用代币奖励来激励人类用户为 AI 系统提供有价值的反馈和训练。想象一下，一个需要训练以执行特定任务的 AI 系统，比如在社交媒体平台上进行内容管理。

传统上，训练 AI 模型通常涉及聘请人类训练员来标记数据或微调算法，这个过程可能会消耗大量资源。然而，RLHF 代币模型引入了一种更创新的方法。他们通过奖励用户的贡献来激励他们积极参与 AI 系统并提供反馈。

举例来说，想象一下亚马逊的机械土耳其（MTurk），这是一个众包平台，个人完成小任务以换取报酬。在 RLHF 代币模型中，用户实际上扮演「AI 训练员」的角色，提供反馈，类似于 MTurk 工作者为报酬执行任务。关键区别在于，在 RLHF 代币模型中，用户以代币形式获得奖励，而不是传统货币。这些代币在生态系统内有内在价值，为它们的利用开辟了途径，比如购买由 AI 生成的内容或访问高级 AI 服务。这基于代币的激励系统不仅简化了 AI 培训的财务方面，还培养了一个用户积极合作以增强 AI 系统的动态生态系统。

对 AI 和加密货币集成的担忧

整合 AI 和加密技术引发了巨大的希望，但也带来了一系列挑战。AI 模型，特别是深度学习模型，常常被称为「黑匣子」因其不透明性。将这种不透明性与区块链透明的性质相融合可能引发对问责和信任的担忧。解决这些问题对于在这两种技术交汇处建立安全可信的环境至关重要。

此外，伦理考虑变得至关重要。由于开源 AI 算法被部署在去中心化网络上，对于意外负面结果的责任和补救的问题浮出水面。在创新和伦理责任之间取得适当平衡是一项持续的挑战，需要慎重考虑。

另一个挑战在于数据隐私。在某些 AI 应用中，平衡区块链透明的性质与对数据机密性的需求可能会比较棘手。确保在遵守像 GDPR 这样的法规的同时保持区块链去中心化的原则，构成了一项独特的挑战，需要创新的解决方案。

未来前景

随着 AI 和加密技术的不断成熟，它们的融合承载着前所未有的应用前景。

zkML（零知识机器学习）：zkML 的一个基本能力是在不透露模型细节的情况下，加密地证明特定的机器学习模型产生了结果，为安全透明的数据处理提供了新的可能性。在大型企业领域，zkML 为创新的应用打开了大门，包括：

金融服务：金融机构可以利用 zkML 验证信用评分模型和贷款资格决策的完整性，而无需披露敏感客户数据，提高信贷流程中的信任和准确性。

医疗保健：医院和研究机构可以使用 zkML 评估医学诊断模型的有效性，同时保持患者数据的机密性，确保数据隐私和医学准确性。

法律和合规：zkML 可以帮助企业在不暴露专有算法的情况下验证其由 AI 驱动的合规模型是否符合行业法规，从而促进法规合规。

智能合约：在基于区块链的应用中，zkML 可以确保智能合约准确执行机器学习模型，为去中心化金融服务、保险等领域提供信任和透明度。

AI 生成内容的真实性：通过区块链技术验证 AI 生成内容的真实性具有重塑内容创作和分发的潜力。这一创新解决了数字时代的一个紧迫问题，在这个时代，AI 可以令人信服地模仿人类生成的内容，引发了关于虚假信息、知识产权和对数字媒体的信任的担忧。通过将内容的真实性锚定在区块链上，这是一个防篡改且透明的账本，消费者、创作者和机构可以轻松确定数字内容的起源和完整性。

这不仅有助于检测和减轻恶意 deepfake 和欺诈性内容，还保护了创作者的知识产权，并为消费者提供可靠的信息来源。例如，区块链可以证明政治演讲或法律诉讼中的视频证据的合法性，减轻虚假信息的风险并确保问责制。在创意产业中，它可以追踪音乐作品的创作和所有权，确保艺术家得到适当的荣誉和报酬。在教育方面，它可以验证学术作品的作者，防止抄袭并维护学术诚信。在新闻业中，它可以认证新闻文章，帮助读者区分真正的新闻报道和由 AI 生成的内容。

实质上，利用区块链验证 AI 生成内容的真实性不仅仅是技术层面上的事情，它支撑了 AI 时代数字内容的可信度、透明度和完整性，重塑了信息的创造、消费和信任方式，同时应对现实挑战。

隐私和安全保障：当今企业面临的一个迫切挑战是他们的专有数据在与 OpenAI 等 AI 平台共享时处理方式的不确定性。关于数据隐私的问题涌现出来，包括数据是否用于训练，谁可以访问它，以及在整个计算过程中是否保持安全。尽管存在非区块链解决方案，如本地模型、Azure 等云服务和法律协议，但区块链在提供数据交互透明且防篡改记录方面具有独特优势。它可以使企业验证其数据在计算过程中保持不可读，提供更高水平的数据隐私和安全信心。对于处理敏感信息的行业，如医疗保健或金融业，这种保证至关重要，其中数据保密性至关重要。

实质上，区块链创建不可变账本的能力可以帮助企业掌握对其数据的控制，并确保在与 AI 系统的交互过程中始终保持私密和安全，提供安心和遵守数据保护法规。

公司

一群有远见的公司已经在引领加密和 AI 的合并

Together.ai

Together 的使命是通过打造一个专注于大型基础模型的开源分布式云平台，彻底改变 AI 的世界。他们建立了一个最大的分布式云之一，专注于 AI 研究，许多开放模型如 Bloom、OPT、T0pp、GPT-J 和 Stable Diffusion 在这里找到了家园。他们研究的一个重点是创造可访问的替代封闭 AI 系统的选择，同时加深我们对这些模型性能的理解。通过一种具有远见卓识的方法，Together 的目标是构建一个分布式超级计算机，通过区块链技术无缝连接全球云、挖掘基础设施、游戏硬件和笔记本电脑。Together 的愿景包括对 AI 和计算的平等访问，对该领域产生变革性影响。

Bittensor

Bittensor 致力于引领分布式 AI 网络的发展，主要关注增强智能合约的数据预言机。这一前沿技术利用区块链创建了一个安全、高效和去中心化的框架，用于向智能合约提供和传递现实世界的数据。Bittensor 在分布式预言机领域采取独特的方法，显著提高了数据源准确性、速度和可靠性，使其成为加密和 AI 交汇处的核心参与者。

Akash Network

Akash Network 通过其去中心化的市场正在改变云计算，为用户提供了传统云服务提供商的动态替代方案。它为用户提供了经济高效、弹性且抗审查的计算资源访问。Akash 的独特之处在于其对 AI 的潜在影响。通过去中心化云计算，Akash 为 AI 开发人员提供了访问可扩展、安全和高效资源的机会。这在 AI 严重依赖大量计算能力的情况下尤为重要。Akash 的去中心化方法赋予了 AI 项目更多权力，使其成为 AI 技术演进中的关键参与者。

Gensyn Protocol

Gensyn Protocol 建立了一个用于机器学习计算的去中心化生态系统。该协议赋予了 AI 研究人员和从业者将其计算工作负载无缝分发的能力。Solvers 贡献他们的计算资源，实现对用于训练和推理的高性能硬件的访问，而 verifiers 则确保 AI 任务的准确性和完整性，对于保持 AI 模型的可信度至关重要。此外，Gensyn 通过提供安全映射层和加密训练数据等方法，优先考虑隐私，保护 AI 应用中的敏感信息。该协议的去中心化性质、高效的扩展性和全球可访问性使 AI 更加民主化，使其对用户更加易于访问和经济实惠。

Nexus AI

Nexus AI 处于金融赋能的前沿，利用先进的 AI 算法为投资者提供对市场趋势的无与伦比的洞察。Nexus AI 的独特之处在于其对去中心化的坚定承诺，确保投资者对其资产拥有完全控制权，摆脱与中心化交易所相关的风险。该平台的创新产品包括一家先进的 NFT 市场，由 AI 提供支持以增强定价、发现和认证，并向投资者分发奖励。此外，由 GPT-3 驱动的 Telegram AI Bot 向所有 Telegram 用户免费提供实时财务建议和市场分析。Nexus AI 通过资产情报报告进一步支持明智的投资决策，为加密资产提供全面的洞察。凭借像质押仪表板和智能投资机器人这样由 AI 驱动的解决方案，Nexus AI 使用户能够自信地应对市场，以精确高效的方式实现其财务目标。

Modulus Labs：

Modulus Labs 推出了一项创新解决方案，旨在将 AI 整合到区块链技术中。他们推出了一款专为 AI 应用量身定制的专业 Zero-Knowledge（ZK）证明者，解决了确保去中心化应用程序（dApps）具有防篡改 AI 访问的挑战。这一进展使得智能合约能够充分利用强大的 AI 功能，而不损害去中心化的基本原则。Modulus 正在通过与 Upshot 和 Ion Protocol 等合作伙伴的合作，在以太坊平台上推出重要的 AI 应用。此外，他们正在为更广泛的社区开源他们的 ZKML 证明者。Modulus 设想未来，密码学问责制将确保 AI 在包括金融和医疗在内的各个领域的引入，而不会牺牲安全性。

Render Network

Render Network 是一个提供去中心化 GPU 渲染能力的平台。这个创新性的网络使用户能够通过基于区块链的市场，在全球范围内使用高性能 GPU 节点扩展 GPU 渲染工作的规模，以获取空闲 GPU 计算资源。该平台的愿景是使 GPU 云渲染民主化，使其在下一代 3D 内容创作中更加高效、可扩展和易于访问。它解决了与网络可扩展性、高效基础设施利用、GPU 功耗优化以及沉浸式媒体和 AI 应用的数字版权管理相关的挑战。Render Network 将 GPU 计算能力转化为连接的 3D 资产的去中心化经济，为各行各业的开发者提供了解决方案，包括媒体、增强现实、虚拟现实、游戏等。

Ritual

Ritual 是一家处于密码学和 AI 交汇处的公司，彻底改变了开发人员创建、分发和增强 AI 模型的方式。通过利用加密技术的力量，Ritual 为 AI 提供了一个开放、模块化和主权的执行层。它连接了一个分布式节点网络，这些节点可以访问计算资源和模型创建者，允许创建者托管他们的 AI 模型。反过来，用户可以通过统一的 API 轻松访问各种 AI 模型，同时受益于确保计算完整性和隐私的加密基础设施。这个平台，以其第一个具象化的形式 Infernet 为例，标志着一套协议和实用工具的开端，为开发人员和应用程序铺平了与 Ritual 无缝集成并获得对其模型和计算提供者无许可访问的道路。Ritual 设想成为 Web3 空间中 AI 的中心枢纽，在 AI 领域推动创新、可访问性和民主化。

结语

AI 和加密技术的和谐不仅仅是技术的融合，更是可能性的结合。它代表着一个未来，在这个未来中，机器在一个去中心化、安全的环境中思考、学习和交易。前方的道路充满挑战，但每一次挑战都是创新和进步的机会。在这个十字路口上，创新者和思想家有潜力书写一个可能重新定义数字时代轮廓的时代。在我们前行的过程中，关键是要谨慎、明智，并具有远见卓识的态度，以确保收获利益的同时，巧妙地应对挑战，最终塑造一个更加光明和技术先进的未来。