探索区块链和人工智能的未来lg...

来源：ArcheType

作者：ArcheType

编译： Techub News-Morffi

编辑：Techub News-Junge

丨 平台转变，迎接平台转变……

世界是由技术或基础设施在不同时期会发生非同寻常的巨变，从而引发一代又一代的创新。想想电报和铁路、光纤电缆和互联网，或者移动电话和 3G。

我们相信，人工智能（AI）和区块链这两个突破性前沿领域的交汇也代表着一个类似的变革时刻。

丨 本文论点的三个重要支柱：

丨 区块链可以提供优越的设计空间

AI的高影响领域很多，但可以总结为三个主要类别：

特别是，生成式AI(一种可用于创建新的内容和想法（包括对话、故事、图像、视频和音乐）的AI)带来了独特的挑战和机遇，相信这将发挥区块链技术的优势。

要了解原因，就必须考虑驱动智能系统进化的核心输入。机器学习（ML）的根本动力来自数据（数量，但质量也越来越高）、反馈机制和计算能力。

像OpenAI（由微软支持）和Anthropic（与谷歌和亚马逊合作）这样的AI/机器学习领域的主导企业，已经在整合资源并围绕其模型和数据建立壁垒。但是，尽管在计算、数据和分发方面具有早期优势，这种方法有可能通过分割最初孕育该行业的协作开发周期来阻碍发展势头。

相关推荐：香港明年将设人工智能超算中心

区块链（如以太坊）作为可信的中立数据和计算系统，为开源创新提供了可行的应对方案。区块链已经支持了一系列数据原语，这些原语在逐渐受到生成式AI塑造的世界中发挥关键作用。

我们相信，区块链有很大机会成为AI开源研究和开发的主要领域。

丨 当今市场的状况

今年的生成式 AI 热潮已经在核心基础设施、模型层，甚至聊天机器人、甚至面向用户的应用程序（如聊天机器人、客户支持和编码助手）方面投入了大量资金。尽管如此，从长远来看，传统堆栈在哪里（以及对谁）产生价值并不明显。

在当前的模式下，AI有可能成为一种集中化力量，扩大Wbe2市场领导者的主导地位。特别是在基础设施和模式层面，游戏的名称就是规模--硬件和资本资源、数据访问、分销渠道和独特的合作伙伴关系。

从 AWS 这样的云服务提供商到 Nvidia 这样的硬件制造商，再到微软这样的老牌巨头，许多企业都在通过并购或专有合作的方式实现全栈式发展。

处于顶端的巨头们正在为规模和准确性展开激烈的边缘竞争，但超高成本、高准确性的企业 API 模型市场很可能会受到经济因素、新出现的开源性能平价，甚至是低延迟工作负载需求趋势的限制。

与此同时，中间市场的很大一部分产品已经商品化，类似于 "OpenAI API 封装器 "的集合，虽然功能足够，但无法区分。

丨 基于开源的发展势头

用于预培训、培训和微调的开源数据集，以及可免费访问的基础模型和工具，已经在鼓励各种规模的企业直接利用开放系统和工具发挥创造力。

谷歌泄露的一份文件概述了封闭世界与开源世界之间的差距正在迅速缩小。值得注意的是，当今 96% 的代码库已经使用开源软件，这一趋势在大数据、AI和机器学习领域尤为明显。

与此同时，云服务寡头垄断的颠覆时机可能已经成熟。

从历史上看，AWS、Google Cloud 和 Azure 三大巨头通过分层工具和服务，在企业堆栈中占据了一席之地。这种主导地位给企业带来了一系列挑战，从限制性的运营依赖到与云基础设施相关的过高成本，尤其是考虑到主要供应商收取的溢价。

现有企业面临着重组运营支出的压力，同时又希望尝试和整合范围不断扩大的开源AI，这将为利用去中心化替代技术重新构想堆栈创造一个窗口。

因此，开源AI和区块链技术的新兴交叉点为实验和投资提供了一个非同寻常的领域。

丨 加密货币 x AI：互惠互利的关系

我们对AI和区块链之间潜在的共生关系深感兴奋。

加密中间件可以通过建立高效的计算和数据市场（提供、标记或微调）以及认证或隐私工具，大幅改善AI供应方的投入。

反过来，去中心化应用和协议也将通过吸收这些劳动成果达到新的高度。

不可否认，加密货币已经取得了长足的进步，但对于主流用户来说，协议和应用程序仍然受到工具和用户界面不直观的影响。同样，智能合约本身也会受到限制，这不仅体现在对开发人员手工工作量的要求上，还体现在整体功能的流畅性上。

Web3 开发人员是一群非常高效的人。最高峰时仅有约 7500名全职开发人员，却打造了一个价值数万亿美元的产业。由 ML 强化的编码助手和 DevOps 有望为现有的工作增添动力，而无代码工具正在迅速为新一类开发者赋能。

随着 ML 功能被集成到智能合约中并引入链上，开发者将能够设计出更无缝、更具表现力的用户体验，并最终设计出全新的杀手级应用。链上体验的这一步功能改进将吸引新的--而且很可能是更多的--受众，催化一个重要的采用-反馈飞轮。

生成式AI可能会成为加密货币缺失的一环，改变用户界面/用户体验(UI/UX)，催化一大波新的技术发展。反过来，区块链技术也将利用和加速AI的潜力。

丨 使用区块链建立更好的数据市场

数据是 ML 的基础输入

没错，计算基础设施的巨大进步功不可没，但像Common Crawl和The Pile这样庞大的数据存储库才是当今世界上最吸引人的基础模型的来源。

此外，公司还将利用数据来完善其产品的基础模型，或建立未来的竞争护城河。最终，数据将成为用户与个人模型之间的桥梁，个人模型可在本地运行，并不断适应个人需求。

因此，数据竞争是一个重要的前沿领域，也是区块链可以发挥优势的领域，尤其是当质量成为塑造数据市场的重要属性时。

质量胜于数量

早期研究表明，在未来几年中，高达 90% 的在线内容可能是合成生成的。虽然合成训练数据具有优势，但它也带来了模型质量下降和偏见强化的重大风险。

未来几年，机器学习模型可能会耗尽非合成数据源，这是一个真实的风险。加密货币的协调机制和证明原语在本质上进行了优化，以支持去中心化的市场，用户可以在这些市场中共享、拥有或货币化他们的数据，用于训练或微调特定领域的模型。

因此，Web3 可能被证明是人类生成的训练和微调数据的更好、更有效的来源。

复合进步

区块链支持的去中心化训练、微调和推理过程也能更好地保存和复合开源智能。

使用高效微调流程改进的小型开源模型在输出准确性方面已经可以与大型开源模型相媲美。因此，在源数据和微调数据方面，趋势开始从数量转向质量。

对原始数据和衍生数据的生命周期进行跟踪和验证的能力可实现可重复性和透明度，从而提高模型和输入的质量。

资料来源：Will Henshall / Epoch (TIME)

区块链可以建立一个持久的护城河，作为拥有多样化、可验证和定制数据集的主要领域。这一点尤为重要，因为传统解决方案过度依赖算法的进步来弥补数据的不足。

丨 内容海啸

这种新的技术范式将以前所未有的规模为数字内容创作者赋能，而 Web3 则提供了即插即用的基础，让这一切变得有意义。加密货币拥有主场优势，这要归功于多年来围绕原语的开发，这些原语以 NFT 的形式确立了数字资产和内容的所有权和不可篡改的出处。

NFT 可以捕捉整个内容创建生命周期，也可以代表数字原生身份、虚拟资产甚至现金流。

因此，NFT 可以带来新的用户体验，例如数字资产市场（OpenSea、Blur），同时也可以重新思考围绕书面内容（Mirror）、社交媒体（Farcaster、Lens）、游戏（Dapper Labs、Immutable），甚至金融基础设施（Upshot，NFTFi）。

该技术甚至可以比使用算法进行深度伪造和计算操纵更可靠。在一个明显的例子中，OpenAI 的检测工具就曾因准确性失误而被关闭。

最后一点：简洁、可验证的计算技术的进步也将提升 NFT 的活力，因为它们结合了 ML 输出，以驱动更智能、更不断发展的元数据。我们相信，区块链技术之上的AI工具和接口将释放全栈价值并重塑数字内容格局。

丨 用"零知识"驾驭ML的无限知识

区块链行业一直在寻找既能实现资源高效计算又能保持无信任动态的技术解决方案，这促使零知识（ZK）密码学取得了明显的进步。

最初为了解决以太坊虚拟机（EVM）等系统固有的资源瓶颈问题，但零知识证明提供了一系列与AI相关的有价值的用例。

一个显而易见的方法就是现有解锁的扩展：高效、简洁地验证计算密集型流程，例如在链下运行 ML 模型，以便最终产品（例如模型的推理）可以通过智能合约以以下形式在链上获取： ZK 证明。

存储证明与协同处理相配合，可以更进一步，在不引入新的信任假设的情况下，使链上应用更具反映性，从而实质性地增强链上应用的能力。

其影响还能实现全新的功能。

当通过应用程序接口调用时，ZK 密码学可用于验证特定模型或数据池是否确实用于生成推论。在医疗保健或保险等客户敏感行业，它还可以隐藏模型消耗的特定权重或数据。

公司甚至可以通过交换数据或知识产权进行更有效的合作，在保持资源专有性的同时从共享学习中获益。

最后，ZKP 在区分人类数据和前面讨论的合成数据这一日益相关（且具有挑战性）的领域具有真正的适用性。

其中一些用例取决于围绕技术实施和大规模寻求可持续经济的进一步开发的需要，但zkML有可能对AI的发展轨迹产生独特的影响。

丨 长尾资产和潜在价值

加密货币已经证明了其作为音乐和艺术等传统市场价值流动的卓越架构师的作用。在过去几年中，代表葡萄酒和运动鞋等链外有形资产的链上流动市场也已出现。

随着AI被引入链上并应用于智能合约，自然而然的后续发展将涉及先进的 ML 功能。

ML 模型与区块链轨道相结合，将重塑以前由于缺乏数据或买家深度而无法访问的非流动资产背后的承销流程。

其中一种方法是使用 ML 算法查询大量变量，以评估隐藏的关系，最大限度地减少操纵者的攻击面。Web3 已经在尝试围绕社交媒体连接和钱包用户名等新概念创建市场。

与 AMM 在释放长尾代币流动性方面的影响类似，ML 将通过摄取海量定量和定性数据来得出非显而易见的模式，从而彻底改变价格发现。这些新见解将为基于智能合约的市场奠定基础。

AI的分析能力将接入去中心化的金融基础设施，以发掘长尾资产中沉睡的价值。

丨 去中心化基础设施层

加密货币在吸引高质量数据并将其货币化方面的优势解决了等式的一方面。另一方面 – AI背后的支持性基础设施 – 也有类似的前景。

Filecoin或Arweave等去中心化物理基础设施网络( DePIN )已经构建了原生包含区块链技术的存储系统。

Gensyn和Together等其他公司正在应对跨分布式网络进行模型训练的挑战，而Akash则推出了一个令人印象深刻的 P2P 市场，将过剩计算资源的供需双方连接起来。

除此之外，Ritual正在以激励网络和模型套件的形式为开放式AI基础设施奠定基础，连接分布式计算设备供用户运行推理和微调。

重要的是，像Ritual、Filecoin或Akash这样的DePINs也可以创建一个更大、更高效的市场。它们通过将供应端开放到一个更广泛的领域，包括能够释放潜在经济价值的被动提供者，或者通过将性能较低的硬件整合成与其复杂对手相媲美的资源池，来实现这一目标。

每个部分的堆栈都涉及不同的限制和价值偏好，还需要大量工作来在规模上进行这些层的实战测试（特别是去中心化模型训练和计算领域的新兴领域）。

然而，基于区块链的计算、存储甚至模型训练解决方案的基础已经存在，最终可以与传统市场竞争

丨 它的含义

加密货币和AI正在迅速成为最具启发性的设计领域之一。这两个领域已经影响到从内容创作和文化表达到企业工作流程和金融基础设施的一切。

我们相信，这些技术将在未来几十年重塑世界。最好的团队正在本地化地将无需许可的基础设施和加密经济学与AI相结合，以提高性能、实现全新的行为或实现具有竞争力的成本结构。

加密货币将标准化数据的规模、深度和细粒度引入协调网络，通常没有明显的方法从这些数据中获得效益。

同时，AI将信息池转化为相关上下文或关系的向量。

当这两个前沿领域结合在一起时，它们可以形成一种独特的相互关系，为去中心化未来的建设者铺平道路。

*非常感谢Niraj Pant、Akilesh Potti、Jason Morton、Dante Camuto、David Wong、Ismael Hishon-Rezaizadeh、Illia Polosukhin和其他人在该领域的前沿工作、宝贵的见解和灵感 - 所有这些不仅使本文成为可能，而且使加密货币的光明未来成为可能。

来源：金色财经