首頁

Partnered With:

De-AI時代：加密貨幣與人工智慧的交會

閱讀本文需 32 分鐘

探索De-AI時代，揭示加密貨幣與人工智慧交織的機會與挑戰，前瞻其未來發展的神秘前景。

原文標題：《AI x Crypto》

原文作者：Paul Veradittakit

原文編譯：Luccy，BlockBeats

編按：

近期，價格不斷上漲的TAO 引起社區注意，據CoinGeko 數據，截至撰稿時報價266.41 美元，過去7 天內價格上升79.59% 。

TAO 是 Bittensor 上用於協作培訓的 TAO 代幣，或花費 TAO 購買其的機器學習服務。 Bittensor 作為 Polkadot 上的 Layer 1 POW 網絡，是一個機器學習模型的 P2P 市場，在 De-AI（去中心化人工智慧）敘事中是值得關注的項目之一。

相關閱讀：《熊市可以關注的4 個板塊》

隨著加密貨幣的廣泛應用，市場波動、安全性、可擴展性等問題逐漸顯露。 Pantera Capital 的執行合夥人 Paul Veradittakit 深入探討了 AI 與加密貨幣面臨的市場波動、安全性和可擴展性等挑戰，並闡述了 AI 在解決這些問題中的關鍵作用。

文章從資料分析、安全防範到未來前景展望，探討了人工智慧與加密貨幣交彙的多個應用案例，如De-AI 市場、AI增強的智能合約、鏈上資料分析、去中心化GPU 共享以及RLHF 代幣模型。文章也指出了人工智慧和加密貨幣整合可能面臨的倫理、資料隱私等挑戰，並展望了未來技術的前景，如zkML 和區塊鏈驗證AI 生成內容的真實性，以及區塊鏈在保障資料隱私和安全性方面的優勢。

關鍵要點

· 人工智慧（AI）和加密貨幣是融合的技術，有潛力改變數位世界。

· AI 可以解決加密貨幣的挑戰，如波動性、安全性、可擴展性和能耗問題。

· 應用場景包含去中心化的 AI 市場，AI 增強的智能合約，鏈上資料分析，去中心化 GPU 共享和 RLHF 代幣模型。

· 擔憂包括透明度、倫理和資料隱私。

· 未來前景包括 zkML 和基於區塊鏈的內容驗證。

· 監管將在塑造 AI 和加密貨幣未來方面發揮關鍵作用。

AI 與加密貨幣的交會：探索機會、挑戰與前景

引言

隨著數位革命不斷改變我們的世界，我認為有兩種技術特別突出，具有顛覆性潛力：AI 和加密貨幣。 AI 憑藉其模仿人類認知功能和從數據中學習的能力，最近已成為技術創新的前沿。其應用領域涵蓋從醫療保健到娛樂的廣泛而深刻的變革。而加密貨幣則以強大的區塊鏈技術為支持，承諾一個去中心化的金融未來，賦予個人權力並簡化流程。 AI 和加密貨幣的聯合呈現出強大的融合，標誌著技術共生的新時代的開端。

AI 能夠解決的加密貨幣問題

儘管加密貨幣已成為一種革命性的交易和投資手段，但它們並非沒有挑戰。市場波動對投資者來說是一個迫切的問題。 AI 在數據分析方面的優勢可以篩選大量歷史數據，以更準確地預測價格波動。

此外，隨著加密貨幣日益被主流採用，安全性變得至關重要。這些數位貨幣的去中心化性質使其容易受到詐欺和駭客企圖的影響。在這裡，機器學習模型可以被訓練用來偵測異常的交易模式，加強對潛在安全漏洞的防範。

可擴展性和交易速度是加密世界中的另一個重大挑戰。隨著更多人加入區塊鏈網絡，確保迅速且無縫的交易變得至關重要。先進的 AI 演算法可以優化網路流量，確保高效的資料流動和更快的交易時間。

最後，與加密挖礦相關的能源消耗是一個全球性關切。 AI 可以在優化挖礦過程中發揮關鍵作用，減少能源足跡，為更永續的加密生態系統鋪平道路。

加密貨幣與AI 交會的應用案例

De-AI 市場：加密的優勢

在AI 領域，像Hugging Face 這樣的平台因其在民主化訪問預訓練AI 模型方面的作用而引起了相當大的關注。然而，在加密領域內出現的 De-AI 市場引入了一種新穎的民主化和去中心化維度，甚至超越了傳統平台如 GitHub 為開源程式碼提供的支持，包括 web3 程式碼和智慧合約。

Hugging Face 和傳統AI 模式倉庫：

Hugging Face，作為一個著名的AI 模型倉庫，在使尖端AI 模型對廣大用戶可訪問方面發揮了關鍵作用。它提供了一個集中的平台，使用者可以存取、分享和微調預訓練模型。這顯著降低了 AI 從業者和開發者的門檻，使他們能夠利用最先進的模型進行各種自然語言處理（NLP）任務。

基於加密貨幣的De-AI 市場：

然而，基於加密貨幣的De-AI 市場，例如那些建立在區塊鏈技術上的市場，將民主化和去中心化提升到了一個新的層次。以下是它們的運作方式：

真正的所有權和控制權：在傳統的倉庫中，例如Hugging Face，儘管訪問是民主化的，但底層基礎設施和資料的控制和所有權仍然是集中的。相反，基於加密貨幣的市場往往採用去中心化的區塊鏈網絡，確保控制分散在網路參與者之間。使用者在治理決策中有發言權，使其成為一個更民主和社群驅動的生態系統。

激勵機制：加密貨幣市場採用基於代幣的激勵機制，獎勵貢獻者的努力，從數據提供者到模型開發者。這激勵了協作和創新，同時確保了利益的公平分配。相反，傳統平台可能缺乏這些直接的財務激勵，使加密版本對參與者更具吸引力。

資料隱私與安全性：區塊鏈技術透過零知識證明等技術確保了高度的透明性，同時透過零知識證明等技術保護了資料隱私。這解決了對數據暴露的擔憂，這是 AI 應用的重要考慮因素。傳統平台可能無法提供同樣程度的隱私保障。

互通性：基於加密貨幣的市場，往往建立在區塊鏈標準上，被設計為具有互通性。這意味著 AI 模型和服務可以與各種基於區塊鏈的應用、智能合約和去中心化應用（dApps）無縫集成，促進了一個更互聯和多功能的生態系統。

實質上，儘管像Hugging Face 這樣的平台在民主化訪問AI 模型方面取得了重大進展，但基於加密貨幣的De-AI 市場在這些基礎上構建，融入了區塊鏈的去中心化、真正所有權和基於代幣的激勵原則。這種提升的民主化和去中心化程度有望透過促進協作、創新和更公平地分配利益，重塑 AI 領域的格局。

AI 增強的智能合約：

傳統智能合約預先編碼了特定條件。透過整合 AI，這些合約可以變得自適應，動態響應外部資料和條件，從而實現更有效率、更多功能的去中心化應用。

實際範例：

想像一下，建立在區塊鏈技術上的去中心化保險平台為農民提供與天氣相關的保險政策。傳統的保險合約依賴預先定義的條件和手動理賠處理，這可能會很慢且容易引發爭議。在這種情況下，AI 增強的智能合約發揮著革命性的作用，改變了保險業。

天氣資料與AI 分析：智慧合約被設計為與外部資料來源（如天氣API）交互，以取得被保地區的即時天氣數據。整合到智能合約中的 AI 模型不斷分析天氣資料。這個 AI 模型已經經過訓練，能夠識別可能影響被保農作物的乾旱或洪水等不利天氣條件。

動態保費調整：傳統上，保險費是固定的，索賠是在事件發生後進行處理的。在這個 AI 增強的智能合約中，保費根據 AI 對天氣狀況的即時評估而動態調整。如果 AI 偵測到不利天氣可能危害農作物，受影響政策的保費會自動上調以反映增加的風險。相反，當 AI 預測有利的天氣條件時，保費可能會降低，激勵更多農民購買保險。

自動付款：如果AI 模型檢測到符合支付的預定義不利天氣條件（例如，長時間乾旱），它將自動觸發向受影響投保人的支付。 AI 監控確保迅速進行支付，減少了手動理賠處理及相關延遲的需求。

鏈上資料分析：充分利用機器學習

區塊鏈以其龐大的交易資料儲備為資料科學家和機器學習愛好者提供了一個寶藏。像 CertiK 和 TokenMetrics 這樣的公司充分利用機器學習工具從這些數據中提取有價值的見解，從而增強安全性，優化投資策略，並優化整體區塊鏈效率。

去中心化GPU 共享：賦能AI 和賺取加密貨幣

去中心化GPU 共享是一個新穎的概念，它從根本上改變了在AI 和機器學習社群內利用運算資源的方式。就像 Filecoin 透過激勵用戶共享未使用的儲存空間顛覆了資料儲存一樣。

為什麼要奉獻你的 GPU？

GPU（圖形處理單元）對於訓練和微調複雜的機器學習和 AI 模型至關重要。這些過程需要大量的運算能力，在個人電腦上可能既耗時又資源密集。透過將你的 GPU 奉獻給去中心化 GPU 共享網絡，你將你的運算資源貢獻給一個更大的池，任何需要的人都可以存取。作為回報，你會因為你的貢獻而獲得加密貨幣獎勵。這種模式允許個人和組織在不需要購買專用硬體或依賴中心化雲端服務的前提下存取高效能的 GPU 資源。它使得 GPU 運算能力的存取更加民主化，對於 AI 和機器學習愛好者來說更加包容和經濟高效。

單元經濟：

在去中心化GPU共享網路中，單元經濟學圍繞著加密貨幣獎勵。當你把你的 GPU 借給網路時，你會獲得代幣作為補償。

你獲得的代幣數量取決於幾個因素，包括你的GPU 的運算能力、你的貢獻持續時間以及網路內對GPU 資源的需求。

去中心化 GPU 共享平台通常具有透明和預先定義的獎勵結構，確保對參與者公平和可預測。

總體而言，去中心化GPU 共享不僅賦予個人和組織訪問強大的AI 任務計算資源的能力，還允許GPU 所有者有效地將他們的硬體變現。這是一個雙贏的模式，促進了 AI 和機器學習生態系統內的合作、成本效益和可近性。

RLHF 代幣模型：透過機械土耳其類比橋接AI 和激勵

從人類回饋中強化學習（RLHF）代幣模型提供了AI 和基於代幣的激勵的迷人交匯。在傳統金融激勵可能不可行的專業領域，這個概念可能特別強大。以下是一個連貫的解釋：

在RLHF 代幣模型中，主要思想是利用代幣獎勵來激勵人類用戶為AI 系統提供有價值的回饋和訓練。想像一下，一個需要訓練以執行特定任務的 AI 系統，例如在社群媒體平台上進行內容管理。

傳統上，訓練 AI 模型通常涉及聘請人類訓練員來標記資料或微調演算法，這個過程可能會消耗大量資源。然而，RLHF 代幣模型引入了一種更創新的方法。他們透過獎勵用戶的貢獻來激勵他們積極參與 AI 系統並提供回饋。

舉例來說，想像亞馬遜的機械土耳其（MTurk），這是一個眾包平台，個人完成小任務以換取報酬。在 RLHF 代幣模型中，使用者實際上扮演「AI 訓練員」的角色，提供回饋，類似於 MTurk 工作者為報酬執行任務。關鍵區別在於，在 RLHF 代幣模型中，用戶以代幣形式獲得獎勵，而不是傳統貨幣。這些代幣在生態系統內有內在價值，為它們的利用開闢了途徑，例如購買由 AI 產生的內容或存取高級 AI 服務。這基於代幣的激勵系統不僅簡化了 AI 培訓的財務方面，還培養了一個用戶積極合作以增強 AI 系統的動態生態系統。

對AI 和加密貨幣整合的擔憂

整合AI 和加密技術引發了巨大的希望，但也帶來了一系列挑戰。 AI 模型，特別是深度學習模型，常被稱為「黑盒子」因其不透明性。將這種不透明性與區塊鏈透明的性質融合可能引發對問責和信任的擔憂。解決這些問題對於在這兩種技術交會處建立安全可信任的環境至關重要。

此外，倫理考量變得至關重要。由於開源 AI 演算法被部署在去中心化網路上，對於意外負面結果的責任和補救的問題浮出水面。在創新和倫理責任之間取得適當平衡是一項持續的挑戰，需要慎重考慮。

另一個挑戰在於資料隱私。在某些 AI 應用中，平衡區塊鏈透明的性質與對資料機密性的需求可能比較棘手。確保在遵守像 GDPR 這樣的法規的同時保持區塊鏈去中心化的原則，構成了一項獨特的挑戰，需要創新的解決方案。

未來前景

隨著AI 和加密技術的不斷成熟，它們的融合承載著前所未有的應用前景。

zkML（零知識機器學習）：zkML 的一個基本能力是在不透露模型細節的情況下，加密地證明特定的機器學習模型產生了結果，為安全透明的資料處理提供了新的可能性。在大型企業領域，zkML 為創新的應用打開了大門，包括：

金融服務：金融機構可以利用zkML 驗證信用評分模型和貸款資格決策的完整性，而無需揭露敏感客戶數據，提高信貸流程中的信任和準確性。

醫療保健：醫院和研究機構可以使用zkML 評估醫學診斷模型的有效性，同時維持病患資料的機密性，確保資料隱私和醫學準確性。

法律與合規：zkML 可以幫助企業在不暴露專有演算法的情況下驗證其由AI 驅動的合規模型是否符合行業法規，從而促進法規合規。

智能合約：在基於區塊鏈的應用中，zkML 可以確保智能合約準確執行機器學習模型，為去中心化金融服務、保險等領域提供信任與透明度。

AI 生成內容的真實性：透過區塊鏈技術驗證AI 生成內容的真實性具有重塑內容創作和分發的潛力。這項創新解決了數位時代的一個緊迫問題，在這個時代，AI 可以令人信服地模仿人類生成的內容，引發了關於虛假資訊、智慧財產權和對數位媒體的信任的擔憂。透過將內容的真實性錨定在區塊鏈上，這是一個防篡改且透明的帳本，消費者、創作者和機構可以輕鬆確定數位內容的起源和完整性。

這不僅有助於偵測和減輕惡意deepfake 和詐欺性內容，還保護了創作者的智慧財產權，並為消費者提供可靠的資訊來源。例如，區塊鏈可以證明政治演講或法律訴訟中的視訊證據的合法性，減輕虛假資訊的風險並確保問責制。在創意產業中，它可以追蹤音樂作品的創作和所有權，確保藝術家得到適當的榮譽和報酬。在教育方面，它可以驗證學術作品的作者，防止抄襲並維護學術誠信。在新聞業中，它可以認證新聞文章，幫助讀者區分真正的新聞報導和 AI 產生的內容。

實質上，利用區塊鏈驗證AI 生成內容的真實性不僅僅是技術層面上的事情，它支撐了AI 時代數位內容的可信度、透明度和完整性，重塑了資訊的創造、消費和信任方式，同時應對現實挑戰。

隱私與安全保障：當今企業面臨的一個迫切挑戰是他們的專有資料在與OpenAI 等AI 平台共享時處理方式的不確定性。關於資料隱私的問題湧現出來，包括資料是否用於訓練，誰可以存取它，以及在整個計算過程中是否保持安全。儘管存在非區塊鏈解決方案，例如本地模型、Azure 等雲端服務和法律協議，但區塊鏈在提供資料互動透明且防篡改記錄方面具有獨特優勢。它可以使企業驗證其資料在運算過程中保持不可讀，提供更高程度的資料隱私和安全信心。對於處理敏感資訊的行業，如醫療保健或金融業，這種保證至關重要，其中資料保密性至關重要。

實質上，區塊鏈創建不可變帳本的能力可以幫助企業掌握對其數據的控制，並確保在與AI 系統的交互過程中始終保持私密和安全，提供安心和遵守資料保護法規。

公司

一群有遠見的公司已經在引領加密和AI 的合併

Together.ai

Together 的使命是透過打造一個專注於大型基礎模型的開源分佈式雲端平台，徹底改變AI 的世界。他們建立了一個最大的分散式雲端之一，專注於 AI 研究，許多開放模型如 Bloom、OPT、T0pp、GPT-J 和 Stable Diffusion 在這裡找到了家園。他們研究的一個重點是創造可存取的替代封閉 AI 系統的選擇，同時加深我們對這些模型性能的理解。透過一種具有遠見卓識的方法，Together 的目標是建立一個分散式超級計算機，透過區塊鏈技術無縫連接全球雲端、挖掘基礎設施、遊戲硬體和筆記型電腦。 Together 的願景包括對 AI 和運算的平等訪問，對該領域產生變革性影響。

Bittensor

Bittensor 致力於引領分散式AI 網路的發展，主要關注增強智能合約的數據預言機。這項前沿技術利用區塊鏈創建了一個安全、高效和去中心化的框架，用於向智慧合約提供和傳遞現實世界的數據。 Bittensor 在分散式預言機領域採取獨特的方法，顯著提高了資料來源準確性、速度和可靠性，使其成為加密和 AI 交匯處的核心參與者。

Akash Network

Akash Network 透過其去中心化的市場正在改變雲端運算，為用戶提供了傳統雲端服務供應商的動態替代方案。它為用戶提供了經濟高效、彈性且抗審查的計算資源存取。 Akash 的獨特之處在於其對 AI 的潛在影響。透過去中心化雲端運算，Akash 為 AI 開發人員提供了存取可擴展、安全和高效資源的機會。這在 AI 嚴重依賴大量運算能力的情況下尤其重要。 Akash 的去中心化方法賦予了 AI 專案更多權力，使其成為 AI 技術演進中的關鍵參與者。

Gensyn Protocol

Gensyn Protocol 建立了一個用於機器學習計算的去中心化生態系。該協議賦予了 AI 研究人員和從業者將其計算工作負載無縫分發的能力。 Solvers 貢獻他們的計算資源，實現對用於訓練和推理的高效能硬體的訪問，而 verifiers 則確保 AI 任務的準確性和完整性，對於保持 AI 模型的可信度至關重要。此外，Gensyn 透過提供安全性映射層和加密訓練資料等方法，優先考慮隱私，保護 AI 應用中的敏感資訊。該協議的去中心化性質、高效的擴展性和全球可訪問性使 AI 更加民主化，使其對用戶更加易於訪問和經濟實惠。

Nexus AI

Nexus AI 處於金融賦能的前沿，利用先進的AI 演算法為投資者提供對市場趨勢的無與倫比的洞察。 Nexus AI 的獨特之處在於其對去中心化的堅定承諾，確保投資者對其資產擁有完全控制權，擺脫與中心化交易所相關的風險。該平台的創新產品包括先進的 NFT 市場，由 AI 提供支援以增強定價、發現和認證，並向投資者分發獎勵。此外，由 GPT-3 驅動的 Telegram AI Bot 向所有 Telegram 用戶免費提供即時財務建議和市場分析。 Nexus AI 透過資產情報報告進一步支持明智的投資決策，為加密資產提供全面的見解。憑藉像質押儀表板和智慧投資機器人這樣由 AI 驅動的解決方案，Nexus AI 使用戶能夠自信地應對市場，以精確且高效的方式實現其財務目標。

Modulus Labs：

Modulus Labs 推出了一項創新解決方案，旨在將AI 整合到區塊鏈技術中。他們推出了一款專為 AI 應用量身定制的專業 Zero-Knowledge（ZK）證明者，解決了確保去中心化應用程式（dApps）具有防篡改 AI 存取的挑戰。這項進展使得智能合約能夠充分利用強大的 AI 功能，而不損害去中心化的基本原則。 Modulus 正在透過與 Upshot 和 Ion Protocol 等合作夥伴的合作，在以太坊平台上推出重要的 AI 應用。此外，他們正在為更廣泛的社群開源他們的 ZKML 證明者。 Modulus 設想未來，密碼學問責制將確保 AI 在包括金融和醫療在內的各個領域的引入，而不會犧牲安全性。

Render Network

Render Network 是提供去中心化 GPU 渲染能力的平台。這個創新的網路使用戶能夠透過基於區塊鏈的市場，在全球範圍內使用高效能 GPU 節點擴展 GPU 渲染工作的規模，以獲取空閒 GPU 運算資源。該平台的願景是使 GPU 雲端渲染民主化，使其在下一代 3D 內容創作中更有效率、可擴展且易於存取。它解決了與網路可擴展性、高效基礎設施利用、GPU 功耗優化以及沉浸式媒體和 AI 應用的數位版權管理相關的挑戰。 Render Network 將 GPU 運算能力轉化為連結的 3D 資產的去中心化經濟，為各行各業的開發者提供了解決方案，包括媒體、擴增實境、虛擬實境、遊戲等。

Ritual

Ritual 是一家處於密碼學和AI 交匯處的公司，徹底改變了開發人員創建、分發和增強AI 模型的方式。透過利用加密技術的力量，Ritual 為 AI 提供了一個開放、模組化和主權的執行層。它連接了一個分散式節點網絡，這些節點可以存取計算資源和模型創建者，允許創建者託管他們的 AI 模型。反過來，使用者可以透過統一的 API 輕鬆存取各種 AI 模型，同時受益於確保計算完整性和隱私的加密基礎設施。這個平台，以其第一個具象化的形式Infernet 為例，標誌著一套協議和實用工具的開端，為開發人員和應用程式鋪平了與Ritual 無縫集成並獲得對其模型和計算提供者無許可訪問的道路。 Ritual 設想成為 Web3 空間中 AI 的中心樞紐，在 AI 領域推動創新、可及性和民主化。

結語

AI 和加密技術的和諧不僅是技術的融合，更是可能性的結合。它代表著一個未來，在這個未來中，機器在一個去中心化、安全的環境中思考、學習和交易。前方的道路充滿挑戰，但每一次挑戰都是創新和進步的機會。在這個十字路口上，創新者和思想家有潛力書寫一個可能重新定義數位時代輪廓的時代。在我們前進的過程中，關鍵是要謹慎、明智，並具有遠見卓識的態度，以確保收穫利益的同時，巧妙地應對挑戰，最終塑造一個更加光明和技術先進的未來。