「随着数字革命继续改变我们的世界，我认为有两种技术尤其具有颠覆性潜力：人工智能（AI）和加密货币。」

撰文：Paul Veradittakit，Pantera Capital 合伙人

编译：xiaozou，金色财经

随着数字革命继续改变我们的世界，我认为有两种技术尤其具有颠覆性潜力：人工智能（AI）和加密货币。人工智能凭借模仿人类认知功能以及数据学习能力，最近已跃至技术创新的前沿。AI 的应用（从医疗保健到娱乐）规模巨大具有变革性。在强大的区块链技术的支持下，加密货币有望实现去中心化的金融未来，赋权个人并简化流程。人工智能和加密货币相结合呈现出强大力量，标志着技术共生新时代的到来。

1、AI 可以解决的加密问题

虽然加密货币已经成为一种革命性的交易和投资手段，但也并非全无挑战。市场波动是投资者迫切关注的问题。人工智能在数据分析方面的能力可以筛选大量的历史数据，以更高的准确性预测价格波动。

此外，随着加密货币获得越来越多的主流采用，安全性变得至关重要。这些数字货币的去中心化特性使它们更易招致欺诈和黑客攻击。机器学习模型可以被训练用于检测异常交易模式，加强对潜在安全漏洞的防御。

可扩展性和交易速度是加密世界的其他重大挑战。随着越来越多的人加入区块链网络，快速无缝的交易变得至关重要。先进的人工智能算法可以优化网络流量，确保高效的数据流和更快的交易时间。

最后，与加密挖矿相关的能源消耗是一个全球关注的问题。人工智能可以在优化挖矿流程、减少能源足迹和为更可持续的加密生态铺平道路方面发挥关键作用。

2、加密和 AI 的交叉用例

（1）去中心化 AI 市场：加密优势

在人工智能领域，像 Hugging Face 这样的平台因其在普及预训练 AI 模型方面的作用而收获了相当大的关注。然而，加密领域内分散的 AI 市场的出现引入了民主化和去中心化的新维度，甚至超出了 GitHub 等传统平台所做的开源代码方面的努力，包括 web3 代码和智能合约。

Hugging Face 和传统 AI 模型库：

Hugging Face 作为一个杰出的 AI 模型库，在向广大受众普及尖端 AI 模型方面发挥了关键作用。它提供了一个中央平台，用户可以访问、共享和微调预训练模型。这大大降低了人工智能从业者和开发人员的准入门槛，使他们能够利用最先进的模型来完成各种自然语言处理（NLP）任务。

加密驱动的去中心化 AI 市场：

然而，加密驱动的去中心化 AI 市场，比如那些建立在区块链技术上的市场，将民主化和去中心化提升到了一个新的水平。具体如下：

• 真正的所有权和控制权：在像 Hugging Face 这样的传统代码库中，虽然访问是民主化的，但底层基础设施和数据的控制权和所有权仍然是中心化的。相比之下，基于加密的市场通常采用去中心化的区块链网络，确保控制权在网络参与者之间分配。用户在管理决策中具有发言权，使其成为一个更加民主和社区驱动的生态。
• 激励机制：加密市场包含基于代币的激励机制，奖励从数据提供商到模型开发人员等贡献者的努力。这便激励了合作和创新，同时确保了利益的公平分配。相比之下，传统平台可能缺乏这些直接的财务激励，这使得加密平台对参与者更具吸引力。
• 数据隐私和安全：区块链技术确保了高度的透明度，同时通过零知识证明等技术维护了数据隐私。这解决了对数据泄露问题的担忧，这是人工智能应用程序的一个关键考虑因素。传统平台可能无法提供相同级别的隐私保证。
• 互操作性：基于加密货币的市场通常基于区块链标准创建，在设计之初就进行了互操作性考量。这意味着 AI 模型和服务可以与各种基于区块链的应用程序、智能合约和去中心化应用程序 (（dApps）无缝集成，从而形成一个更加互联互通的生态系统。

从本质上讲，虽然像 Hugging Face 这样的平台在 AI 模型的民主化方面取得了重大进展，但加密驱动的去中心化 AI 市场通过结合区块链的去中心化、真正的所有权和基于代币的激励机制，在此基础上建立起来。这种民主化和去中心化程度的提高，有可能通过促进合作、创新和在参与者之间更公平地分配利益来重塑人工智能领域格局。

（2）AI 增强智能合约

传统的智能合约是用特定条件预先编码的。通过与人工智能的整合，这些合约可以自适应，动态响应外部数据和条件，催生更高效、更通用的去中心化应用程序。

我们来看一个比较实际的例子。

设想一个基于区块链技术的去中心化保险平台，为农民提供天气相关保险政策。传统的保险合约依赖于预定义的条件和人工索赔处理，这个过程可能很慢，而且容易发生纠纷。在这种情况下，AI 增强智能合约将发挥作用，彻底改变保险业。

天气数据和人工智能分析:

智能合约旨在与外部数据源（如天气 API）进行交互，获取保险地区的实时天气数据。AI 模型集成到智能合约中，持续分析天气数据。这个 AI 模型经过训练，可以识别可能影响投保作物的不利天气条件，如干旱或洪水。

动态保费调整：

传统来说，保险费是固定的，索赔是在事件发生后处理的。在这种 AI 增强智能合约中，保费会根据人工智能对天气状况的实时评估进行动态调整。如果人工智能检测到可能损害作物的恶劣天气高风险，受影响保单的保费就会自动向上调整，以反映增加的风险。相反，当人工智能预测到有利的天气条件时，保费可能会降低，激励更多农民购买保险。

自动赔付：

如果 AI 模型检测到符合预定义赔付标准的恶劣天气条件（例如，持续干旱），它就会触发对受影响投保人的自动赔付。人工智能监控赔付是否迅速进行，从而减少了人工索赔处理需求和相关延迟。

（3）链上数据分析：利用机器学习

区块链拥有大量的交易数据，对数据科学家和机器学习爱好者来说是一座金矿。像 CertiK 和 TokenMetrics 这样的公司利用机器学习工具的力量从这些数据中获取有价值的见解，从而增强安全性，改进投资策略，并全面优化区块链效率。

（4）去中心化 GPU 共享：赋能 AI、赚取加密货币

去中心化 GPU 共享是一个全新的概念，它彻底改变了人工智能和机器学习社区中计算资源的使用方式。就像 Filecoin 通过激励用户共享他们未使用的存储空间来颠覆数据存储一样，去中心化 GPU 共享也基于类似原理。

为什么要贡献你的 GPU？

GPU（图形处理器）对于训练和微调复杂的机器学习和人工智能模型至关重要。这些过程需要大量的计算能力，这在个人计算机上是个既耗时又耗资源的过程。通过将你的 GPU 贡献给分散的 GPU 共享网络，你可以将你的计算资源贡献给一个更大的池，任何人都可以访问。作为回报，你将获得加密货币奖励。这种模式允许个人和组织访问高性能 GPU 资源，而无需投入前期成本购买专用硬件或依赖中央云服务。它使 GPU 功能使用民主化，使其对人工智能和机器学习爱好者更具包容性和成本效益。

单位经济学:

• 去中心化 GPU 共享网络中的单位经济学围绕加密货币奖励展开。当你把你的 GPU 借给网络时，你会获得代币作为补偿。
• 你获得的代币数量取决于几个因素，包括 GPU 的计算能力、贡献的持续时间以及网络对 GPU 资源的需求。
• 去中心化 GPU 共享平台通常具有透明和预定义的奖励结构，确保参与的公平性和可预测性。

总体而言，去中心化 GPU 共享不仅使个人和组织能够访问 AI 任务所需的强大计算资源，而且还允许 GPU 所有者有效地将其硬件货币化。这是一个双赢模式，可以促进人工智能和机器学习生态内的协作、成本效益和可访问性。

（5）RLHF 代币模型：连接 AI 和激励

基于人类反馈的强化学习（RLHF）代币模型提供了人工智能和基于代币的激励机制的有趣交集。这一概念在传统的财务奖励可能行不通的专门部门尤其有效。下面提供了全面解释：

在 RLHF 代币模型中，主要思想围绕着使用代币奖励来激励真人用户为 AI 系统提供有价值的反馈和训练。想象一下，一个人工智能系统需要接受特定任务训练，比如社交媒体平台上的内容审核。

传统上，训练 AI 模型通常需要聘请人类训练师来标记数据或微调算法，这一过程可能非常耗费资源。然而，RLHF 代币模型引入了一种更具创新性的方法。它们鼓励用户积极参与 AI 系统，并通过对他们的贡献进行代币奖励来获取反馈。

举个例子，亚马逊（Amazon）的 Mechanical Turk（MTurk）是一个著名的众包平台，人们在这里分别完成一个个小任务换取报酬。在 RLHF 代币模型中，用户基本上扮演了「人工智能训练师」的角色，提供类似于 MTurk 任务完成者为获取报酬执行任务的反馈。关键区别在于，在 RLHF 代币模型中，用户获得代币作为奖励，而不是传统货币。这些代币在生态中具有内在价值，为它们的效用开辟了道路，例如购买 AI 生成内容或访问高级 AI 服务。这种基于代币的激励制度不仅简化了人工智能训练的财务流程，而且还培育了一个动态的生态，在这个生态内，用户积极合作，以增强人工智能系统。

3、关于 AI 和加密融合的担忧

虽然人工智能和加密货币的结合带来了巨大的希望，但也带来了一系列挑战。人工智能模型，尤其是深度学习模型，由于其不透明性，通常被称为「黑盒子」。将这种不透明性与区块链的透明性结合起来，可能会引发对问责制和信任的担忧。解决这些问题对于在这些技术交叉领域建立一个安全可信的环境来说至关重要。

此外，道德考量变得至关重要。随着开源人工智能算法在去中心化网络上的部署，在出现意外负面结果时，必然会出现责任和赔偿相关问题。在创新和道德责任之间获取适当的平衡是一项持续挑战，需要仔细考量。

另一个挑战在于数据隐私。在某些人工智能应用程序中，平衡区块链的透明性和数据隐私需求可能相当棘手。在确保遵守 GDPR 等规则的同时保持区块链的去中心化精神，这是一个独特的挑战，需要创新性的解决方案。

4、未来前景

随着人工智能和加密技术的不断成熟，二者的融合有望催生前所未有的应用。

（1）zkML（零知识机器学习）：

zkML 的基本功能之一是它能够以加密方式证明特定机器学习模型产生的结果，而不会泄露模型的细节内容，为安全和透明的数据处理提供了新的可能性。zkML 为大企业的创新应用打开了大门，包括：

• 金融服务：金融机构可以使用 zkML 来验证信用评分模型和贷款资格决策的完整性，而无需泄露敏感的客户数据，从而增强借贷流程的信任和准确性。
• 医疗保健：医院和研究机构可以使用 zkML 评估医疗诊断模型的有效性，同时对患者数据保密，确保数据隐私和医疗准确性。
• 合法合规性：zkML 可以帮助公司遵从法规，让公司验证其 AI 驱动的合规性模型遵守行业法规而不会暴露专有算法。
• 智能合约：在基于区块链的应用程序中，zkML 可以确保智能合约准确地执行机器学习模型，为去中心化金融服务、保险等提供信任和透明度。

（2）AI 生成内容的真实性：

通过区块链技术验证 AI 生成内容的真实性，有望重塑内容的创造和分发。这一创新解决了数字时代的一个紧迫问题，即人工智能可以让人信服地模仿人类生成内容，导致人们对错误信息、知识产权和数字媒体信任方面的担忧。通过将内容真实性锚定在区块链上——一个防篡改和透明的分布式账本——消费者、创作者和机构可以轻易确定数字内容的来源和完整性。这不仅有助于发现和减轻恶意深度造假和欺诈性内容，还可以保护创作者的知识产权，并为消费者提供可靠的信息来源。例如，区块链可以在法律诉讼中证明政治演说或视频证据的合法性，从而减轻错误信息风险，并确保问责制。在创意产业中，它可以追踪音乐作品的创作和所有权，确保艺术家得到应有的信任和补偿。在教育领域，它可以验证学术作品的作者身份，防止抄袭，维护学术诚信。在新闻领域，它可以验证新闻文章，帮助读者区分真实新闻和 AI 生成内容。从本质上讲，使用区块链来验证 AI 生成内容的真实性超越了技术范畴——它支撑了人工智能时代数字内容的可信度、透明度和完整性，重塑了信息的创建、消费和信任方式，同时应对了来自现实世界的挑战。

（3）隐私和安全保证：

如今企业面临的紧迫挑战之一就是，当与 OpenAI 等人工智能平台共享其专有数据时，关于数据处理的不确定性。这里就出现了数据隐私问题，包括数据是否用于训练，谁可以访问数据，以及数据是否在整个计算过程中是安全的。虽然存在本地模型、Azure 等云服务和法律协议等非区块链解决方案，但区块链在提供透明和防篡改的数据交互记录方面具有独特优势。它可以使企业验证其数据在计算过程中是否仍然不可读，从而在数据隐私和安全性方面提供更高程度的信心。这种保证对于与敏感信息打交道的行业来说至关重要，例如医疗保健或金融行业，这些行业的数据保密性至关重要。

从本质上讲，区块链创建不可篡改账本的能力可以帮助企业保持对数据的控制，并确保在与人工智能系统交互的过程中保持数据的隐私性和安全性，让企业安心并遵守数据保护规则。

5、现有项目

一群有远见的项目已经率先将加密和人工智能结合起来。

（1）Together.ai

Together 的使命是通过打造一个迎合大型基金模型的开源去中心化云平台，彻底改变人工智能世界。他们已经建立了一个致力于 AI 研究的规模相当大的去中心化云平台，上面有许多开放模型，如 Bloom、OPT、T0pp、GPT-J 和 Stable Diffusion。他们研究工作的一个重点就是创建闭源人工智能系统的可访问替代品，同时加深我们对这些模型性能的理解。通过具有远见的方式，Together 旨在构建一个去中心化超级计算机，无缝连接全域云、挖矿基础设施、游戏硬件和笔记本电脑，所有这些都通过区块链技术进行协调。Together 的愿景包含对人工智能和计算的公平访问，有望对该领域产生变革性影响。

（2）Bittensor

Bittensor 试图开拓去中心化人工智能网络的发展，主要专注于增强智能合约的数据 oracle。这项尖端技术利用区块链创建了一个安全、高效的去中心化框架，用于获取现实世界数据并将其交付给智能合约。Bittensor 独特的去中心化 oracle 方法显著提高了数据 feed 的准确性、速度和可靠性，使其成为加密和人工智能交叉领域的核心参与者。

（3）Akash 网络

Akash 网络正在通过其去中心化市场改变云计算，为传统云提供商提供了一个动态的替代方案。它为用户提供了具有成本效益、弹性和抗审查的计算资源访问。Akash 的独特之处在于它对人工智能的潜在影响。通过去中心化云计算，Akash 为人工智能开发人员打开了访问可扩展、安全和高效资源的大门。这一点尤其重要，因为人工智能严重依赖于广泛的计算能力。Akash 的去中心化方法为 AI 项目提供了支持，使其成为人工智能技术发展的关键参与者。

（4）Gensyn 协议

Gensyn 协议为机器学习计算建立了一个去中心化生态。该协议使人工智能研究人员和从业者能够无缝地分配他们的计算工作负载。当求解者（solver）贡献其计算资源，允许访问高性能硬件进行训练和推理时，验证者（veryfier）确保人工智能任务的准确性和完整性，这对于维持人工智能模型的可信度至关重要。此外，Gensyn 通过提供安全映射层和加密训练数据等方法，优先考虑隐私安全，保护 AI 应用程序中的敏感信息。该协议的去中心化特性、高效的可扩展性和全域可访问性让 AI 民主化，使其对用户来说更易访问、更具成本效益。

（5）Nexus AI

Nexus AI 处于金融赋权的最前沿，利用先进的人工智能算法为投资者提供无与伦比的市场趋势洞察。Nexus AI 的与众不同之处在于其坚定不移的去中心化承诺，确保投资者对其资产保持完全控制，不受中心化交易所相关风险的影响。该平台的创新产品之一是一个尖端的 NFT 市场，由人工智能驱动，以强化定价、发现和认证，向投资者分发奖励。此外，由 GPT-3 驱动的 Telegram AI Bot 为所有 Telegram 用户免费提供实时财务建议和市场分析。Nexus AI 通过资产智能（Asset Intelligence）报告进一步支持明智的投资决策，提供对加密资产的全面见解。通过 AI 驱动的解决方案，如质押仪表板和智能投资机器人，Nexus AI 使用户能够自信地进行市场操作，精确高效地实现他们的财务目标。

（6）Modulus Labs

Modulus Labs 推出了一种创新的解决方案，旨在将人工智能集成到区块链技术中。他们推出了一个专为人工智能应用量身定制的零知识（ZK）prover，解决了确保去中心化应用程序（dApps）防篡改 AI 访问方面的挑战。这一方案使智能合约能够在不损害去中心化基本原则的情况下利用强大的 AI 功能。Modulus 正积极致力于通过与 Upshot 和 Ion Protocol 等合作伙伴合作，在以太坊平台上推出重要的 AI 应用程序。此外，他们正在向更广泛的社区开源 ZKML prover。Modulus 设想了这样一个未来：加密问责制可以保障人工智能融入各领域（包括金融和医疗保健）而不会损害安全性。

（7）Render 网络

Render 网络是一个提供去中心化 GPU 渲染功能的平台。这个创新的网络使用户能够通过基于区块链的闲置 GPU 计算资源市场，在全球范围内使用高性能 GPU 节点扩展 GPU 渲染工作。该平台的愿景是使 GPU 云渲染民主化，使其更高效，更可扩展，并可用于下一代 3D 内容创作。它解决了与网络可扩展性、高效基础设施利用、GPU 功耗优化以及沉浸式媒体和人工智能应用的数字版权管理相关的挑战。Render 网络将 GPU 功耗转化为相互连接的 3D 资产去中心化经济，为各行业开发人员提供解决方案，包括媒体、增强现实、虚拟现实、游戏等。

（8）Ritual

Ritual 是一家站在密码学和人工智能交叉口的公司，它彻底改变了开发人员创建、分发和增强人工智能模型的方式。通过利用加密的力量，Ritual 为 AI 提供了一个开放的、模块化的主权执行层。它将分布式节点网络与计算资源和模型创建者连接起来，允许创建者托管他们的 AI 模型。反过来，用户可以通过统一的 API 轻松访问各种 AI 模型，同时受益于可确保计算完整性和隐私性的加密基础设施。该平台的首个产品是 Infernet，标志着全套协议和效用的开始，为开发人员和应用程序与 Ritual 无缝集成，获取对其模型和计算提供商网络的无许可访问。Ritual 的设想是成为 web3 世界中的 AI 中心，推动人工智能世界的创新、可访问性和民主化。

6、结论

AI 和加密的协作不仅是技术的融合，也是可能性的融合。它代表了一个未来，在这样的未来世界里，机器在一个去中心化的、安全的环境中思考、学习和交易。前进的道路充满挑战，但每一个挑战都是诞生创新和进步的机遇。站在这一十字路口的创新者和思想家有可能书写一个重新定义数字时代的篇章。在前行的过程中，我们必须谨慎、明智、富有远见，确保在巧妙应对挑战的同时收获利益，最终为所有人塑造一个更光明美好、更技术先进的未来。