人工智慧（“AI”）是本世紀最具前途的新興技術之一，有潛力指數級提高人類生產力和推動醫學突破。儘管AI今天可能很重要，但其影響力只會不斷增長，普華永道估計到2030年，它將成為一個價值15萬億美元的產業。[1]

然而，這項有前途的技術也面臨著挑戰。隨著人工智能技術日益強大，人工智能行業也變得極度集中，將權力集中在少數公司手中，可能對社會造成潛在的危害。它還引起了人們對深度偽造、內在偏見和數據隱私風險的嚴重擔憂。幸運的是，加密貨幣及其去中心化和透明的特性為這些問題提供了潛在的解決方案。

以下，我們探討了中心化所帶來的問題，以及去中心化人工智能如何幫助解決其中的一些問題，並討論了加密貨幣和人工智能的交集，重點介紹了在這個領域中展示出早期採用跡象的加密貨幣應用。

中央集權人工智慧的問題

如今，AI 的发展存在着一定的挑战和风险。AI 的网络效应和资本需求非常巨大，以至于许多 AI 开发人员（如小公司或学术研究人员）无法获得所需的 AI 开发资源或无法将其工作货币化。这限制了整体的 AI 竞争和创新。

因此，對這一關鍵技術的影響力主要集中在少數公司手中，如OpenAI和Google，這引發了關於人工智能治理的嚴重問題。例如，就在今年二月，Google的人工智能圖像生成器Gemini揭露了種族偏見和歷史錯誤，這說明了公司可以操縱其模型。[2]此外，一個由六個人組成的委員會決定在去年十一月解雇了OpenAI CEO Sam Altman，揭露了少數人控制著開發這些模型的公司的事實。[3]

隨著人工智能的影響和重要性不斷增長，許多人擔心一家公司可能在對社會具有重大影響的人工智能模型上擁有決策權力，可能在幕後操作，或者操縱模型以獲取自己的利益，但卻以社會的利益為代價。

如何去中心化的人工智能可以幫助

去中心化人工智慧是指利用區塊鏈技術來分配人工智慧的所有權和治理，以增加透明度和可訪問性的人工智慧服務。Grayscale Research認為，去中心化人工智慧有潛力將這些重要決策從封閉的園地中帶入公眾所有權。

區塊鏈技術可以幫助開發者更容易地接觸人工智能，降低獨立開發者構建和盈利的門檻。我們相信這可以幫助提升整體人工智能創新和競爭，並提供與科技巨頭開發的模型相平衡的機會。

此外，去中心化人工智能可以幫助實現人們投資人工智能的民主化訪問。目前，除了通過一些科技股票之外，幾乎沒有什麼方式可以獲得與人工智能開發相關的財務上行。與此同時，大量的私人資本已被配置給人工智能初創企業和私人公司（2022 年為 470 億美元，2023 年為 420 億美元）。[4]因此，這些公司的財務上行僅適用於少部分風險投資人和獲得認可的投資者。相比之下，去中心化的人工智能加密貨幣對於所有人都是可利用的，讓所有人都能擁有人工智能未來的一部分。

這個十字路口今天處於什麼位置？

如今，加密貨幣和人工智能的交集在成熟度上仍然早期，但市場對此作出了鼓舞人心的回應。2024年5月，加密貨幣資產的人工智能領域[5]在加密貨幣部門中，除了貨幣部門（圖表1）之外， Gate 的回報率達到了20％，超越了其他每個加密貨幣部門。此外，根據數據提供商 Kaito 的數據，人工智能主題目前在社交平台上佔據了最多的“敘事份量”，而不是其他主題，例如去中心化金融，第二層解決方案，迷因幣和現實世界資產。[6]

最近，一些知名人士已經接受了這個新興交叉領域，專注於解決集中式人工智能的不足之處。今年三月，一家名為Stability AI的知名AI公司的創始人Emad Mostaque離開了該公司，轉而追求去中心化的人工智能，他表示「現在是確保人工智能保持開放和去中心化的時候了。」[7]此外，加密貨幣企業家Erik Vorhees最近推出了Venice.ai，一個以隱私為重點的具有端到端加密的AI服務。[8]

圖1：AI Universe在今年迄今幾乎所有加密貨幣行業中表現優異

今天，我們可以將加密貨幣和人工智能的交叉領域分為三個主要子領域:[9]

1. 基礎設施層：提供人工智能開發平台的網絡（例如NEAR、TAO、FET）
2. AI所需資源：提供AI開發所需的關鍵資源（計算、存儲、數據）的資產（例如RNDR，AKT，LPT，FIL，AR，MASA）
3. 解決AI問題：試圖解決AI相關問題，如機器人和深度偽造的崛起以及模型驗證的資產（例如WLD，TRAC，NUM）

圖2：AI和加密貨幣市場地圖

來源：Grayscale Investments。所包括的協議只是舉例。

提供人工智能開發基礎設施的網絡

第一類涉及提供適用於人工智慧服務的無許可、開放式架構的網路。這些資產不專注於一個人工智慧產品或服務，而是專注於為各種人工智慧應用創建基礎架構和激勵機制。

Near 在這個類別中脫穎而出，因為它是由「Transformer」架構的共同創始人創立的，該架構驅動著像 ChatGPT 這樣的 AI 系統。[10]然而，最近它加強了其人工智慧專業知識，揭示了開發「用戶擁有的人工智慧」的努力。[11]通過其研發部門，該部門由一位前OpenAI研究工程師顧問領導。[12]在2024年6月底，Near推出了其人工智能孵化器計畫，用於開發Near原生基礎模型、AI應用程序的數據平臺、AI代理框架和計算市場。[13]

Bittensor提供了另一個潛在具有吸引力的例子。Bittensor是一個使用TAO代幣經濟上鼓勵AI發展的平台。Bittensor作為38個子網絡（子網）的基礎平台。[14]每个子网都有不同的用例，例如聊天机器人、图像生成、金融预测、语言翻译、模型训练、存储和计算。Bittensor网络通过向每个子网的顶级矿工和验证者提供TAO代币奖励，并为开发者提供无许可API来查询来自Bittensor子网的矿工，从而构建特定的人工智能应用程序。

該類別還包括其他協議，如Fetch.ai和Allora網絡。Fetch.ai是一個供開發者創建複雜AI助手（即“AI代理”）的平台，最近與AGIX和OCEAN合併，總價值約為75億美元。[15]另一個是Allora網路，這是一個專注於將人工智慧應用於金融應用的平臺，包括去中心化交易所和預測市場的自動交易策略。[16]Allora還沒有推出代幣，並在6月進行了戰略融資，使其獲得的私募資金總額達到了3500萬美元。[17]

AI 開發所需資源

第二類別包括以計算、存儲或數據的形式提供人工智能開發所需資源的資產。

人工智慧的崛起帶來了對GPU等計算資源的空前需求。[18]像Render（RNDR）、Akash（AKT）和Livepeer（LPT）这样的去中心化GPU市场可以为需要计算模型训练、模型推断或渲染3D生成AI的开发者提供闲置GPU供应。目前，估计Render提供了约10K的GPU，主要面向艺术家和生成AI，而Akash则提供了400个GPU的容量，主要面向AI开发人员和研究人员。[19].與此同時，Livepeer 最近宣佈了針對 2024 年 8 月的新 AI 子網的計劃，用於文本到圖像、文本到視頻和圖像到視頻等任務。[20]

除了需要大量的計算之外，AI 模型還需要大量的數據。因此，對於數據存儲的需求大幅增加。[21]像Filecoin（FIL）和Arweave（AR）這樣的數據存儲解決方案可以作為去中心化和安全的網絡替代方案，用於將AI數據存儲在集中式AWS伺服器上。這些解決方案不僅提供具有成本效益和可擴展性的存儲，還通過消除單點故障並減少數據洩露風險，提高數據安全性和完整性。

最後，像OpenAI和Gemini這樣的現有AI服務分別通過Bing和Google Search持續獲取實時數據。這使得這些技術公司以外的所有其他AI模型開發者處於不利地位。然而，像Grass和Masa（MASA）這樣的數據抓取服務可以幫助平衡這一局面，因為它們允許個人通過提供應用程序數據來為AI模型訓練賺取利潤，同時保持對個人數據的控制和隱私。

嘗試解決人工智能相關問題的資產

第三類包括試圖解決人工智能相關問題的資產，包括機器人的崛起，Deepfake 和內容來源。

AI加劇了機器人和不實資訊的蔓延，AI生成的深偽已被證明影響了印度和歐洲的總統選舉，[22]專家們完全感到恐懼，他們擔心即將到來的總統競選將涉及大量由深度偽造影響的「虛假信息海嘯」。[23]希望通過建立可驗證的內容來源來幫助解決與深度偽造相關的問題的資產包括 Origin Trail （TRAC）、數位協定 （NUM） 和 Story Protocol。此外，世通元 （WLD） 試圖通過獨特的生物識別標識符證明一個人的人性來解決機器人問題。

AI中的另一個風險是確保對模型本身的信任。我們如何相信我們收到的AI結果沒有被篡改或操縱？目前，有幾個協議正在通過加密學、零知識證明和完全同態加密（FHE）來解決這個問題，包括Modulus Labs和Zama。[24]

結論

雖然這些去中心化的人工智能資產已經取得了初步的進展，但我們仍然處於這個交集的第一個局面。在今年初，知名風險投資家弗雷德·威爾遜表示，人工智能和加密貨幣是“同一枚硬幣的兩面”並且“Web3將幫助我們信任人工智能”。[25]隨著人工智慧行業的不斷成熟，Grayscale研究認為，這些與人工智慧相關的加密貨幣應用案例將變得越來越重要，並且這兩種快速發展的技術有潛力互相支持彼此的增長。

根據許多指標，人工智慧已經在地平線上，並且準備對其產生深遠的影響，無論是積極的還是消極的。通過利用區塊鏈技術的特性，我們相信加密貨幣最終可以幫助減緩人工智慧所帶來的一些危險。

免責聲明：

1. 本文轉載自[灰度]. 所有版權屬於原作者 [Will Ogden Moore]. 如果對此轉載有異議，請聯繫Gate Learn團隊，他們將迅速處理。
2. 責任聲明：本文所表達的觀點和意見僅代表作者本人，並不構成任何投資建議。
3. 文章的翻譯工作由Gate Learn團隊完成。未經許可，禁止複製、分發或抄襲翻譯的文章。