在過去幾年裡，人工智慧(AI) 改變了我們所知的世界；最近 民調 Forbes Advisor 的一項調查顯示，56% 的受訪公司已經在客戶服務中使用人工智慧，而51% 的受訪公司已在詐欺管理和網路安全方面部署了人工智慧技術。
更有趣的是，我們現在看到人工智慧與學術和研究領域的知識型工作結合。人們需要仔細閱讀數百篇論文或進行多次醫學試驗卻得不到準確結果的日子已經一去不復返了。隨著人工智慧的出現，研究人員和學者的工作量比以前少了很多。
但與任何新興創新一樣，人工智慧仍存在一些障礙；目前，人工智慧主要是中心化的，這會帶來研究結果存在偏見的風險。訓練和運行人工智慧程式的運算成本也非常高，這也解釋了為什麼只有「七大科技巨頭」能夠跟上。
在本文的下一部分中，我們將重點介紹人工智慧如何與學術和研究結合、面臨的障礙以及未來的發展方向。本文也將介紹去中心化人工智慧解決方案的興起，例如基於區塊鏈的 艾加斯，以及解決一些現有挑戰的潛力。
人工智慧如何推動學術和研究實驗室的發展
如果你寫過研究論文或任何形式的學術研究，你可能會明白這個過程有多緊張。但情況已不再如此，至少對於那些精通人工智慧、知道如何利用現有人工智慧應用的學者來說是如此。
目前已經推出了一些應用程序，使得學術研究變得更加無縫銜接。
數據分析與視覺化：事實證明，GPT-4 等高階AI 模型與傳統機器學習模型相當，甚至更好。這種LLM 模型徹底改變了研究人員和學術界處理大數據的方式，即使是那些數據科學知識最少的人也可以處理複雜的數據集並有效地識別任何相關性。
文獻回顧：大多數人往往在這個乏味的研究階段放棄。如今，有Jenni、SciSpace 和Elicit 等AI 應用程序，旨在利用自然語言處理(NLP) 使這個過程變得更容易。這些應用程式無需查閱大量論文，而是可以產生摘要、識別相關研究或產生初步框架來進行研究。
醫學研究：除了學術界，醫學研究實驗室也正在利用人工智慧的力量。人工智慧的一些關鍵領域包括臨床試驗、藥物發現、診斷和精準醫療。人工智慧在醫學研究中應用的一個很好的例子是流行病學，南加州大學維特比工程學院 發達 一種可以減緩傳染病傳播的預測模型。
人工智慧應用面臨的挑戰
如同介紹中所提到的，目前的人工智慧進步並非萬無一失。為了讓每個人都能輕鬆融入人工智慧創新，還有許多問題仍有待解決。一些相關挑戰包括缺乏明確的法規、人工智慧訓練中的隱私侵犯以及計算成本。
舉個例子，購買Nvidia 的A100 需要花費高達10,000 美元，而A100 目前是用於人工神經網路(ANN) 訓練的最高效GPU 之一。或者，人們必須以3.06 美元的價格在AWS 上租用這種硬件，或以1.14 美元的價格在Google 上租用這種硬件。
也可以說，由於訓練資料來自中心化資料庫，因此人工智慧應用可能在某種程度上存在偏見。這意味著惡意人士可以輕易破壞研究成果，而無需任何人審核，最終推動他們的議程。
人工智慧與區塊鏈技術相遇
人工智慧的未來是光明的；基本面不斷改善，越來越多的資本正在進入這個新興市場。
但更引人注目的是人工智慧與區塊鏈技術的結合，它解決了當前的一些挑戰，包括透明度和計算成本。 庫比克 L1區塊鏈是利用區塊鏈技術的力量來增強人工智慧創新狀態的項目之一。
這第1 層區塊鏈是Aigarth 軟體的主機；這是目前少數的人工智慧專案之一 大樓 走向奇點（自我改進的人工神經網路– ANN）。 Aigarth 的AI 生態系統將利用Qubic 的有用工作量證明(uPoW) 共識和區塊鏈的公共帳本產生的額外運算能力。這種去中心化方法降低了訓練ANN 的成本，同時也提高了AI 訓練的透明度。
有了這樣的整合，人工智慧產業很可能傾向於一個生態系統，在這個生態系統中，創新不再局限於大型科技公司和OpenAI 等早期進入者，而目前情況就是如此。相反，區塊鏈網路的去中心化和無需許可的性質為更具協作性的環境開闢了空間。這在研究領域尤其重要，因為研究領域長期以來一直是人類進步的重點支柱。
此外，去中心化網路降低了單點故障的風險，使惡意行為者更難操縱資料或演算法。區塊鏈提供的透明度也意味著可以更有效地審查和審計人工智慧研究模型的開發和部署，促進道德實踐和信任，這對學術界或任何其他形式的研究來說都是至關重要的。
結論
ChatGPT 推出至今已有一年半多時間，最新數據顯示，這款人工智慧軟體每月用戶數量接近2 億。這一數字顯示了世界採用人工智慧的速度有多快，但同時也凸顯了中心化的風險。
從好的方面來看，人工智慧創新不必孤軍奮戰。將其變革力量與區塊鏈等其他第四次工業革命技術相結合，可能是解鎖更多值得信賴的人工智慧用例的迫切戰略。
資訊來源：由0x資訊編譯自THECRYPTOBASIC。版權歸作者Mark Brennan所有，未經許可，不得轉載
