去中心化人工智慧(DAI) 系統是一種人工智慧(AI) 解決方案，它使用區塊鏈技術在節點網路上分發、處理和儲存資料。
傳統上，人工智慧系統的開發一直由Google和OpenAI 等少數技術供應商負責，這些供應商擁有開發基礎設施所需的財務資源以及建置和處理大型資料集所需的資源。
然而，人工智慧開發在產業中的中心化意味著組織需要大量資金才能開發和處理市場競爭所需的數據。
例如，我們目前在人工智慧中看到的主要瓶頸是GPU 緊縮。深度學習是GPT 等大型語言模型(LLM) 背後的人工智慧(AI) 方法，是一個耗時且大規模的計算密集型過程– LLM 擁有的參數越多，運行所需的GPU 記憶體就越多。
儘管仍有一些缺點，但Web3 基礎設施有潛力應對人工智慧整合帶來的挑戰，並為創新解決方案提供了機會，我們將在下面探討。
去中心化人工智慧運算網絡
去中心化運算網路將需要運算資源的個人與擁有未使用運算能力的系統連結起來。在這種模式下，個人和組織可以將閒置資源貢獻給網絡，而不會產生額外費用，與中心化提供者相比，網絡可以提供更具成本效益的定價。
基於區塊鏈的點對點網路可以促進去中心化GPU 渲染，以擴展Web3 遊戲中人工智慧驅動的3D 內容創建。然而，去中心化計算網路的一個顯著缺點在於，由於不同運算設備之間的通訊開銷，機器學習訓練期間可能會出現速度減慢的情況。
去中心化人工智慧數據
訓練資料作為初始資料集，用於教導機器學習應用程式識別模式或滿足特定標準。另一方面，使用測試或驗證數據來評估模型的準確性，並且由於模型已經熟悉訓練數據，因此需要單獨的數據集進行驗證。
人們正在努力創建人工智慧資料來源和人工智慧數據標籤市場，其中區塊鏈可以作為大公司和機構提高效率的激勵層。然而，在目前的早期發展階段，這些垂直產業面臨障礙，例如需要人工審查以及對區塊鏈支援數據的擔憂。
例如，有專門為ML 模型訓練設計的服務提供者(SP) 計算網路。 SP運算網路是針對特定用例量身定制的，通常採用將運算資源整合到統一礦池中的架構，類似於超級電腦。
SP計算網路透過gas機製或社群控制的參數來決定成本。
去中心化提示
雖然法學碩士的完全去中心化帶來了挑戰，但計畫正在探索透過鼓勵自學技術的貢獻來去中心化提示的方法。這種方法激勵創作者產生內容，為該領域的更多參與者提供經濟誘因結構。
早期的例子包括人工智慧驅動的聊天機器人平台，該平台對內容創建者和人工智慧模型創建者訓練聊天機器人進行代幣化激勵，這些聊天機器人隨後可以成為可交易的NFT，授予用戶訪問用戶許可的資料以進行模型訓練和微調的權限。另一方面，去中心化的提示市場旨在透過允許其數據和提示的所有權在市場上進行交易來激勵提示創建者。
下面，我們來看看目前市場上去中心化人工智慧的一些應用：
Bittensor 旨在透過徹底改變機器學習平台的開發來創建神經互聯網。該專案正在建立一個機器智能的點對點市場，人工智慧模型可以在其中結合它們的智能，從本質上創建一個「數位蜂巢思維」。這種創新的去中心化方法旨在實現人工智慧系統之間知識的快速擴展和共享。 SingularityNET 是一個區塊鏈平台，可讓任何人建立、分享人工智慧服務並從中獲利。它有一個內部市場，用戶可以使用該平台的原生加密貨幣AGIX 瀏覽並支付人工智慧服務。開發人員可以從人工智慧解決方案和模型中賺錢，而無需為最終用戶完全建立和開發應用程式。同樣，開發人員可以購買人工智慧解決方案和模型以在其應用程式中使用。 Ocean Protocol 是一個基於以太坊的平台，允許企業和個人交易所資料和基於數據的服務並從中獲利。這可能涉及向研究人員和新創公司提供數據，而不會讓數據持有者放棄數據。
Web3 為人工智慧提供了一條通往更具包容性的未來的充滿希望的道路。透過實現運算資源、數據和人工智慧開發工具的民主化，去中心化解決方案使各種規模的個人和組織能夠參與人工智慧創新並從中受益。
儘管挑戰依然存在，但去中心化人工智慧運算網路、人工智慧資料市場和協作人工智慧模型等不斷取得的進步和舉措標誌著朝著更公平和可訪問的人工智慧領域的變革性轉變。
_______________________________________
資訊來源：由0x資訊編譯自BITCOINKE。版權歸作者kodzilla所有，未經許可，不得轉載
0X簡體中文版：人工智慧| 去中心化運算和區塊鏈如何為人工智慧的包容性未來鋪平道路
