区块链与人工智能的结合:自然需求

'区块链与人工智能的结合:需求'

AI与区块链:相互需求的融合之路

从长远来看,人工智能(AI)对区块链的需求是一种自然而然的需求。虽然要实现这种融合还有很长的路要走。今年以来,AI的热度远远超过了区块链,但加密世界并不必气馁。我们如何理解区块链未来的机遇呢?

首先,区块链是人类历史上最重要的趋势之一。从web2信息互联网演化到web3价值互联网,区块链的出现是生产力提升的需求。尽管区块链发展只有短短十多年,但它已经成为仅次于AI的第二大技术。AI和区块链是有融合需求的,尽管进展不会很快。

区块链可以帮助AI的方面

1. 计算

众所周知,AI对计算能力的需求是巨大的。如何利用闲置计算能力来满足AI的需求是一个问题。然而,由于训练AI模型需要进行密集型计算,非常昂贵,因此目前来看,区块链在通用AI计算方面能够提供的帮助还很有限。

当前,主要有以下三个问题被诟病: 1. 需要专用GPU硬件的支持。 2. 数据交换延迟存在。 3. 去中心化计算任务的验证问题。

首先,AI训练是一种密集型的大规模计算,模型参数可达数十亿级别,FLOPs更是庞大,只有通过专用硬件(如AI GPU,具有特殊组件如张量处理单元等)进行训练才能达到更好的效果。此外,为了达到最佳效果,所有GPU最好是同构计算的,级别相同的GPU更加易于进行数据交换和继续计算。在去中心化网络中,对参与者的GPU存在一定的要求。然而,对要求越高,门槛也越高,这不利于去中心化发展和利用闲置算力。

其次,AI GPU需要频繁地进行数据交换。如果存在网络延迟,利用分布式算力进行AI训练也不利。

最后,如何去中心化地验证计算任务的完成也是一个具有挑战性的问题。

这些问题是去中心化计算与AI结合的难点,也是目前AI和区块链结合较为困难的方面。然而,从蓝狐笔记的角度来看,随着更多参与者的探索,这些障碍将逐步被清除,但这需要较长时间才能实现。

接下来,我们可以探讨一些可能逐步解决的方面。当前加密领域很难从通用AI角度入手,但可以从特定领域的AI切入。而这种特定领域的AI也与当前AI计算任务紧密相关。

2. 特定领域的AI

在特定领域(如法律、医学、投资、教育、数据分析等)的AI可能更适合于专注于特定领域的分布式计算网络。尽管完成计算任务并不困难,但如何去中心化地验证任务的完成情况是一个挑战。目前有一些项目正在试图解决这个问题,例如Gensyn和Together。

Gensyn结合了一些学术界的研究成果,如概率学习证明和基于图形的精确定位协议,同时借鉴了Truebit项目的激励和制衡模型。Gensyn将整个过程分解为八个阶段,包括AI任务提交、剖析、训练、证明生成、验证证明、挑战、仲裁和结算。其中,“概率学习证明”用于构建验证者的验证基础,基于图形的精确定位技术用于监督验证者的验证执行情况,而Truebit的博弈模型使相关方能够以理性为导向。类似Truebit的链下计算项目也有望向这个方向演化,并获得更多的商业机会。当然,这需要团队对机会进行评估。

相对于去中心化网络计算的实施难度,AI模型分享和AI数据分享是更容易落地的领域。

3. 模型共享和数据共享

通过代币激励,可以鼓励模型的共享,从而实现更好的模型。甚至这些模型可以部署到链上,由任意参与者共同训练,推动模型的发展。此外,随着AI模型的复杂化,对推理的信任也变得至关重要。链上的可信推理能够在这个方面发挥作用。

在模型微调和推理领域,Giza、ChainML、Bittensor和Modulus Lab等正在进行探索。例如,Giza推出了链上模型市场,在链上部署简单模型,进行链上推理,模型所有者可以在模型被使用后获得相关的费用收入。Modulus提出了zkML的概念,认为由于成本问题,在链上运行推理模型是不现实的,因此它的解决方案是在链下运行推理模型,然后生成zkSNARKs证明,将证明上链,并通过智能合约发挥作用。

数据共享也是一个重要的方面。通过代币经济激励用户对模型进行反馈,并激励用户收集更高质量的数据。通过提供分布式数据获取高质量数据,尤其是特定领域的数据,对于AI的发展具有重要意义。同时,可以结合零知识证明(ZKP)技术,实现数据背后隐私的保护。但难点在于如何证明数据本身的质量。

高质量的数据和去中心化的AI模型的结合将为AI的发展带来更多有趣的可能性。

4. 防伪

随着深度学习模型的出现,由AI生成的图像、音频和视频等越来越难以分辨真假。在AI生成时代,内容的真实性和防篡改性变得越来越重要。区块链成为解决这一问题的重要技术手段。

加密数据身份和签名可以确保内容创造的真实性,而不是伪造的。尤其是在AI工具被滥用后,这个问题变得尤其严重。区块链是对抗伪造内容的重要技术手段。在以假乱真的时代,需要通过加密技术来辨别真伪。此外,也需要借助区块链技术进行确权,例如,在AI生成和NFT图像之间很难从表面区分。这时,区块链发挥作用。

5. 更具韧性的AI

通过与区块链融合,AI可以获得在计算、模型、数据、带宽和存储等方面的支持,从而获得去中心化的基础设施。此外,区块链领域的加密支付和价值流通也可以为AI的演化提供支持。

只有在完善的区块链基础设施建立之后,AI才能获得更多的自我演化能力。换句话说,更去中心化的AI也是AI自身发展的需求,利用区块链的分布式特性来发展AI,也是AI自身发展的诉求。如果只有微软、谷歌等巨头垄断了AI,对AI的自我演化也是不利的。AI天生具有去中心化发展的需求,这是AI实现更具韧性的自身需求。AI与区块链融合所能带来的力量可能远超人们的想象。

AI推动区块链的地方

1. 人工智能和链上数据融合

通过运用AI分析链上的动态数据,可以获得预测的能力,例如投研等。其中最令人兴奋的应用是通过嵌入AI,智能合约可以实现动态的自主决策。例如,DeFi根据实时数据进行调整等。一个动态而不是静态的智能合约将使区块链产生更多的应用场景和用户需求。

2. 人工智能为加密应用带来新可能性

人工智能为DeFi、Web3游戏、Web3社交以及Web3应用(如交通、住宿、旅游等)带来了新的可能性。例如,AI与Web3游戏相结合可能会产生前所未有的游戏模式;AI、物联网和加密支付相结合可能会产生更智能的网络。

3. 零知识证明(ZKP)的重要性

为了保证计算任务的隐私和完成度,需要引入零知识证明技术。零知识证明的成熟将使AI上链成为可能,并提供隐私保护和可验证的机器学习。

总体来说,区块链可以通过去中心化的模式为算力、数据和模型的协议提供一种协作架构,最终促进AI的发展。在这个过程中,仍有许多细节需要完善,例如需要验证参与者(无论是算力、数据还是模型)的贡献。只有以低成本解决了这些问题,区块链才有机会帮助AI,否则一切只是空中楼阁。

当然,从趋势上看,AI对区块链有天然的需求,AI需要区块链为自己的发展提供真正的韧性。与此同时,AI对区块链应用的进化也会有助益。无论是DeFi、游戏还是其他应用,都有可能诞生更智能化的加密应用。这可能就是未来的大叙事,即便在下个周期中还不成熟,下下个周期或许也有这样的机会。

以上只是部分讨论,内容并不完整。随着时间的变化,AI与区块链的相互影响将会有所增减。也欢迎大家在留言中进行补充。


以上所述内容,是对原文所提内容的进一步扩展和解读。AI与区块链的融合是一种相互促进的趋势,对于两者的发展都具有重要意义。随着技术的不断进步和创新,这种融合势必会产生更广阔的应用前景。各行各业都将受益于AI和区块链的相互交融,推动着人类社会的进步与发展。