在這個新科技時代的關鍵轉折點上，人工智慧（AI）與Crypto 兩個領域的巨大趨勢已經開始融合，為整個產業帶來了深刻的變革。 AI領域，例如ChatGPT 等突破性技術的湧現，光是2023年就吸引了驚人的250 億美元投資，比前一年增加了五倍。這一激增不僅彰顯了人們對AI潛力的持續信心，也重新點燃了關於AI 與Crypto 的融合的激烈討論。值得注意的是，以太坊聯合創始人Vitalik Buterin 在這一主題上做出了重要貢獻，提供了整合AI 與Crypto 的承諾與挑戰的見解。
近期，OpenAI 推出的Sora 模型，一個創新的文本到視訊模型，吸引了科技界的目光，也彰顯了人工智慧發展的迅猛步伐。 OpenAI CEO Sam Altman 提出了一項大膽的計劃，計劃籌集7兆美元用於晶片設計和製造，突顯了對人工智慧演進的堅定承諾，同時也引發了對加密人工智慧市場潛力的深入思考。
儘管許多這類協同應用仍處於初期階段，市場仍保持樂觀。
圖片來源Grayscale Research
異道同行
傳統上，兩者被視為對立的力量：Crypto 注重去中心化，而AI 則傾向於中心化。這種鮮明的對比由彼得·蒂爾（Peter Thiel）生動闡釋，並在a16z Crypto 的阿里·亞哈（Ali Yahya）的深入探討中得到進一步闡述。然而，最近的發展顯示出一種出乎意料的融合，這種融合有望重塑數位創新。在探索這充滿活力的交會點時，我們發現了AI 與Crypto 之間合作協同的巨大潛力。
圖片來源De UETH Blog
這種整合充分發揮了加密網路在資料所有權、透明度和道德治理方面的強大優勢，與AI 的先進能力相輔相成，為解決AI 產業中的中心化挑戰提供了新穎的解決方案：
-
確保數據所有權：透過區塊鏈技術，用戶得以加密並規範對其數據的訪問，為他們提供監督AI 系統利用數據的手段。
-
提升透明度：區塊鏈的不可篡改性質充當透明帳本，促進了在AI 模型中使用的數據的驗證和認證。
-
實現直接數據變現：區塊鏈為用戶數據的直接變現提供了便利，透過提供經濟誘因鼓勵數據分享，同時保障個人控制權。
-
降低AI 的能源消耗：透過採用諸如權益證明等能源高效機制，區塊鏈有望最小化AI 訓練的能源需求，從而促進AI 發展的可持續進步。
-
推動倫理AI 發展：區塊鏈內在的透明度和包容性可以促進更倫理的AI 實踐，消除了通常與AI 創新相關的保密性。
AI 與Crypto 創新縮小鴻溝，塑造未來優勢
zkML：推動AI 隱私保護的創新之舉
雖然現代AI 的能力令人印象深刻，但也引發了關於使用者隱私、安全和自主權的迫切關切。在進行AI 模型訓練的過程中，集中式資料聚合直接挑戰了個人隱私權，尤其是在單一科技生態系中，使用者難以掌控自己的資料。
為了應對這項挑戰，以去中心化加密理念為指導的創新應運而生，其中零知識證明（ZKP）等密碼技術使隱私保護的機器學習成為可能，而不會犧牲敏感用戶資料。儘管這些方法具有許多優勢，但與傳統的大規模資料匯總實踐相比，仍存在一些挑戰，包括計算效率、模型準確性和調試方面的問題。
值得關注的是，由Modulus Labs 和EZKL 等團隊主導的零知識機器學習（zkML）已經取得了顯著進展，標誌著這一領域的快速發展。隨著硬體加速技術的不斷提升，對zkML 的前景充滿了樂觀態度。
深度偽造時代的真實性挑戰
在深度偽造技術蔓延的時代，保護數位內容的真實性和可信度至關重要。區塊鏈技術有望顯著促進建立分散且防篡改的身份註冊系統。這個註冊系統將公鑰與真實身分相映射，為建立信任關係和追究惡意行為的責任提供了簡單途徑。
由Sam Altman 共同創辦的Worldcoin 是解決當前挑戰的一項最引人注目的加密協議。其目標是透過Orb 生物辨識掃描實現每個個體的全球註冊，以可靠地區分人類和機器。該協議的激勵機制使用了一種名為WLD 的專用區塊鏈代幣。截至目前，Worldcoin團隊在全球120個國家取得了顯著進展，吸引了超過380萬人的註冊。
另一項應對此議題的倡議是由Arweave 和Irys（先前為Bundlr）團隊共同推出的數位內容溯源記錄（DCPR）標準。該標準充分利用了Arweave 區塊鏈技術，對數位內容進行時間戳記和驗證，為用戶提供可靠的元數據，有助於評估數位資訊的可信度。
解決AI模型中的偏見問題
隨著AI 模型廣泛融入我們的日常生活，對其潛在的偏見引發了廣泛關切。例如，由AI 驅動的聊天機器人可能會在消費者間悄悄施加影響，巧妙地引導其選擇特定產品或意識形態，導致信任的瓦解，後果深遠。
Bittensor，一項去中心化的運算協議，透過激勵多樣化的預訓練模型競爭最佳反應來應對AI 偏見。驗證者獎勵表現卓越的模型，同時淘汰表現不佳且有偏見的模型。透過在各種模型和資料集之間培育開放且協作的環境，Bittensor 有望推動AI 發展，同時積極應對偏見帶來的負面影響。
儘管Bittensor 仍處於早期開發階段，但已經取得了顯著進展，擁有32個專門定制的子網絡，適用於文字提示、圖像生成、價格預測、資料抓取、儲存等特定用例。
透過提升可訪問性推動AI開發的崛起
AI和機器學習（ML）工作負載的激增引發了對高效能圖形卡的巨大需求，例如Nvidia A100。然而，與計算和儲存相關的巨額資本成本可能導致許多人被排除在外，使得AI開發在很大程度上被科技巨頭所壟斷。為了應對這項挑戰，類似於「圖形卡的AirBnB」的新興市場應運而生，允許個人和組織租賃未使用的GPU資源，以滿足AI研究人員和開發者的需求。
去中心化運算市場，如Akash Network 和Render Network，被設計用來解決未充分利用的GPU資源的效率問題，透過將GPU 所有者與尋求運算能力的AI開發者聯繫在一起。透過利用這些去中心化運算平台，一批新的運算資源變得可訪問，使全球個人能夠將他們的閒置運算能力變現。同時，它為AI 開發者提供了對計算資源的靈活訪問，擺脫了對中心化巨頭的束縛。
透過利用區塊鏈技術消除追求利潤和額外成本的中介，這些去中心化網路可以以比中心化對手零頭的成本提供服務。 Akash Network 甚至以僅為傳統成本的五分之一的費率自誇。此外，Render Network 專注於3D 影像渲染的GPU 市場，在2023年經歷了顯著的使用激增。
圖片來源Grayscale Research
前路展望
在審視當前AI 與Crypto 領域的現狀時，顯而易見的是兩者都擁有強大的技術實力，然而各自也面臨著顯著的不足之處。儘管加密技術具備強大的能力，但在廣泛應用方面仍缺乏主流的成熟度。同時，科技巨頭公司對AI 的集中控制引發了對這項技術壟斷的擔憂。
雖然這種協同作用還處於初期階段，但在AI 與Crypto 結合的專案正在建立可擴展的鏈上AI 互動的基礎設施。這項有望的動力預計將在2024年及以後繼續成長。這一切都取決於市場參與者將這些資產視為對主要集中化參與者（如OpenAI）潛在主導地位的一種制衡。
圖片來源Galaxy Research
若能精心融合這些革命性技術，將巧妙地拓展解決它們各自弱點的途徑。這指向了一個未來，其中基於區塊鏈的人工智慧建立了一種範式，既保護隱私，又敞開了潛在用例的大門。去中心化運算、zkML 和AI 代理的發展前景看好，為深度互聯的人工智慧和加密未來奠定了基石。它們的潛力巨大，源於自發形成的草根開發者社區，承諾以對所有人公平可及的方式推動技術的應用。
