在这个新技术时代的关键转折点上,人工智能(AI)与 Crypto 两个领域的巨大趋势已经开始融合,为整个行业带来了深刻的变革。AI领域,例如 ChatGPT 等突破性技术的涌现,仅在2023年就吸引了惊人的 250 亿美元投资,比上一年增加了五倍。这一激增不仅彰显了人们对AI潜力的持续信心,也重新点燃了关于 AI 与 Crypto 的融合的激烈讨论。值得注意的是,以太坊联合创始人Vitalik Buterin 在这一话题上做出了重要贡献,提供了关于整合 AI 与 Crypto 的承诺与挑战的见解。

近期,OpenAI 推出的Sora 模型,一个创新的文本到视频模型,吸引了科技界的目光,也彰显了人工智能发展的迅猛步伐。OpenAI CEO Sam Altman 提出了一项大胆的计划,计划筹集7万亿美元用于芯片设计和制造,突显了对人工智能演进的坚定承诺,同时也引发了对加密人工智能市场潜力的深入思考。

尽管许多这类协同应用仍处于初期阶段,市场仍保持乐观。

探索 AI + Crypto:解锁叙事潜力

图片来源 Grayscale Research异道同行

传统上,两者被视为对立的力量:Crypto 注重去中心化,而 AI 则倾向于中心化。这种鲜明的对比由彼得·蒂尔(Peter Thiel)生动阐释,并在 a16z Crypto 的阿里·亚哈(Ali Yahya)的深入探讨中得到进一步阐发。然而,最近的发展显示出一种出乎意料的融合,这一融合有望重塑数字创新。在探索这一充满活力的交汇点时,我们发现了AI 与 Crypto 之间合作协同的巨大潜力。

探索 AI + Crypto:解锁叙事潜力

图片来源 De UETH Blog

这种融合充分发挥了加密网络在数据所有权、透明度和道德治理方面的强大优势,与 AI 的先进能力相辅相成,为解决 AI 行业中的中心化挑战提供了新颖的解决方案:

确保数据所有权:通过区块链技术,用户得以加密并规范对其数据的访问,为他们提供监督 AI 系统利用数据的手段。

提升透明度:区块链的不可篡改性质充当透明账本,促进了在 AI 模型中使用的数据的验证和认证。

实现直接数据变现:区块链为用户数据的直接变现提供了便利,通过提供经济激励鼓励数据分享,同时保障个人控制权。

降低 AI 的能源消耗:通过采用诸如权益证明等能源高效机制,区块链有望最小化 AI 训练的能源需求,从而促进 AI 发展的可持续进步。

推动伦理 AI 发展:区块链内在的透明度和包容性可以促进更具伦理的 AI 实践,消除了通常与 AI 创新相关的保密性。

AI 与 Crypto 创新缩小鸿沟,塑造未来优势zkML:推动 AI 隐私保护的创新之举

虽然现代 AI 的能力令人印象深刻,但也引发了关于用户隐私、安全和自主权的迫切关切。在进行AI 模型训练的过程中,集中式数据聚合直接挑战了个人隐私权,尤其是在单一科技生态系统中,用户难以掌控自己的数据。

为了应对这一挑战,以去中心化加密理念为指导的创新应运而生,其中零知识证明(ZKP)等密码技术使隐私保护的机器学习成为可能,而不会牺牲敏感用户数据。尽管这些方法具有诸多优势,但与传统的大规模数据汇总实践相比,仍然存在一些挑战,包括计算效率、模型准确性和调试方面的问题。

值得关注的是,由 Modulus Labs 和 EZKL 等团队主导的零知识机器学习(zkML)已经取得了显著进展,标志着这一领域的快速发展。随着硬件加速技术的不断提升,对 zkML 的前景充满了乐观态度。

深度伪造时代的真实性挑战

在深度伪造技术蔓延的时代,保护数字内容的真实性和可信度至关重要。区块链技术有望显著促进建立分散且防篡改的身份注册系统。这一注册系统将公钥与真实身份相映射,为建立信任关系和追究恶意行为的责任提供了简便途径。

由 Sam Altman 共同创办的 Worldcoin 是解决当前挑战的一项最为引人注目的加密协议。其目标是通过 Orb 生物识别扫描实现每个个体的全球注册,以可靠地区分人类和机器。该协议的激励机制使用了一种名为 WLD 的专用区块链代币。截至目前,Worldcoin团队在全球120个国家取得了显著进展,吸引了超过380万人的注册。

另一项应对这一问题的倡议是由 Arweave 和 Irys(之前为 Bundlr)团队共同推出的数字内容溯源记录(DCPR)标准。该标准充分利用了Arweave 区块链技术,对数字内容进行时间戳和验证,为用户提供可靠的元数据,有助于评估数字信息的可信度。

解决AI模型中的偏见问题

随着 AI 模型广泛融入我们的日常生活,对其潜在的偏见引发了广泛关切。例如,由 AI 驱动的聊天机器人可能会在消费者间悄然施加影响,巧妙地引导其选择特定产品或意识形态,导致信任的瓦解,后果深远。

Bittensor,一项去中心化的计算协议,通过激励多样化的预训练模型竞争最佳响应来应对 AI 偏见。验证者奖励表现卓越的模型,同时淘汰表现欠佳和有偏见的模型。通过在各种模型和数据集之间培育开放且协作的环境,Bittensor 有望推动 AI 发展,同时积极应对偏见带来的负面影响。

尽管 Bittensor 仍处于早期开发阶段,但已经取得了显著进展,拥有32个专门定制的子网络,适用于文本提示、图像生成、价格预测、数据抓取、存储等特定用例。

通过提升可访问性推动AI开发的崛起

AI和机器学习(ML)工作负载的激增引发了对高性能图形卡的巨大需求,比如 Nvidia A100。然而,与计算和存储相关的巨额资本成本可能导致许多人被排斥在外,使得AI开发在很大程度上被科技巨头所垄断。为了应对这一挑战,类似于“图形卡的AirBnB”的新兴市场应运而生,允许个人和组织租赁未使用的GPU资源,以满足AI研究人员和开发者的需求。

去中心化计算市场,如 Akash Network 和 Render Network,被设计用来解决未充分利用的 GPU资源的效率问题,通过将 GPU 所有者与寻求计算能力的AI开发者联系在一起。通过利用这些去中心化计算平台,一批新的计算资源变得可访问,使全球个人能够将他们的闲置计算能力变现。与此同时,它为 AI 开发者提供了对计算资源的灵活访问,摆脱了中心化巨头的束缚。

通过利用区块链技术消除追求利润和额外成本的中介,这些去中心化网络可以以比中心化对手零头的成本提供服务。Akash Network 甚至以仅为传统成本的五分之一的费率自夸。此外,Render Network 专注于 3D 图像渲染的 GPU 市场,在2023年经历了显著的使用激增。

探索 AI + Crypto:解锁叙事潜力

图片来源 Grayscale Research前路展望

在审视当前 AI 与 Crypto 领域的现状时,显而易见的是两者都拥有强大的技术实力,然而各自也面临着显著的不足之处。尽管加密技术具备强大的能力,但在广泛应用方面仍缺乏主流的成熟度。与此同时,科技巨头公司对 AI 的集中控制引发了对这一技术垄断的担忧。

虽然这种协同作用还处于初期阶段,但在 AI 与 Crypto 结合的项目正在构建可扩展的链上 AI 交互的基础设施。这一有望的动力预计将在2024年及以后继续增长。所有这一切都取决于市场参与者将这些资产视为对主要集中化参与者(如OpenAI)潜在主导地位的一种制衡。

探索 AI + Crypto:解锁叙事潜力

图片来源 Galaxy Research

若能精心融合这些革命性技术,将巧妙地拓展解决它们各自弱点的途径。这指向了一个未来,其中基于区块链的人工智能构建了一种范式,既保护隐私,又敞开了潜在用例的大门。去中心化计算、zkML 和 AI 代理的发展前景看好,为深度互联的人工智能和加密未来奠定了基石。它们的潜力巨大,源于自发形成的草根开发者社区,承诺以对所有人公平可及的方式推动技术的应用。