去中心化AI：应用场景及主要项目盘点

作者：Casey，Paradigm出资合伙人；翻译：金色财经xiaozou

我信赖开放带来创新。近年来，人工智能已完成腾跃式发展，具有全球功效和影响力。由于核算能力随着资源的整合而增加，人工智能自但是然会催生中心化问题，核算能力更强的一方将逐渐占有主导地位。这将阻碍咱们的创新脚步。我以为去中心化和Web3是坚持人工智能开放性的有力竞争者。

1、用于预训练和微调的去中心化核算

众包核算（CPUs + GPUs）

支撑定见：airbnb/uber的众包资源形式有可能扩展到核算范畴，搁置核算资源将聚合为一个商场。这可能处理如下问题：为某些用例（处理某些停机/延迟毛病）供给本钱更低的核算资源；运用具抗查看特性的核算资源来训练可能将在未来遭到监管或被撤销的模型。

对立定见：众包核算无法完成规划经济；大多数高性能GPU都不是由顾客具有的。去中心化核算完全是一个悖论；它实际上站在了高性能核算的对立面……不信能够问一下任何一个基础设施/机器学习工程师！

项目示例：Akash、Render、io.net、Ritual、Hyperbolic、Gensyn

2、去中心化推理

以去中心化方式运转开源模型推理

支撑定见：开源（OS）模型在某些方面正越来越挨近闭源模型，并取得越来越多的选用。大多数人运用HuggingFace或Replicate这样的中心化服务运转OS模型推理，从而引入了隐私和查看问题。有一种处理方案便是经过去中心化或分布式供应商运转推理。

对立定见：没有必要对推理进行去中心化，局部推理将会成为终究赢家。现在正在发布能够处理7b+参数模型推理的专用芯片。边际核算是咱们在隐私和抗查看方面处理方案。

项目示例：Ritual、gpt4all (hosted)、Ollama (web2)、Edgellama (Web3, P2P Ollama)、Petals

3、链上AI智能体

运用机器学习的链上apps

支撑定见：AI智能体（运用AI的应用程序）需求一个和谐层来进行交易。关于AI 智能体来说，运用加密钱银进行付出顺理成章，由于它本身便是数字技能，并且显然智能体是无法经过KYC认证开设银行账户的。去中心化人AI智能体还不存在渠道风险。例如，OpenAI能够忽然决议改动他们的ChatGPT插件架构，这会破坏我的Talk2Books插件，但却没有事前通知。这是真实发生的。在链上创建的智能体就没有这样的渠道风险。

对立定见：署理还没有为生产做好准备……完全没有。BabyAGI、AutoGPT等都是玩具!此外，关于付出，创建人工智能署理的实体能够运用Stripe API，不需求加密付出。关于渠道风险的争论，这是加密钱银的一个陈词滥调的用例，咱们还没有看到它发挥出来……为什么这次不同?

项目示例：AI Arena、MyShell、Operator.io、Fetch.ai

4、数据和模型来历

对数据和机器学习模型的自主管理及价值搜集

支撑定见：数据的所有权应该归于生成数据的用户，而不是搜集数据的公司。数据是数字年代最名贵的资源，但是却被大型科技公司垄断，并且金融化体现欠佳。高度个性化的网络行将到来，这就要求可移植的数据和模型。咱们将经过互联网将咱们的数据和模型从一个应用程序带到另一个应用程序，就像咱们让自己的加密钱包流通于不同的dapp之间相同。数据来历是一个巨大问题，尤其是造假现象越来越严峻，就连拜登也承认了这一点。区块链架构很可能是处理数据来历谜题的最佳处理方案。

对立定见：没有人在乎是否具有自己的数据或隐私。咱们现已从用户偏好上一次又一次地看到了这一点。看看Facebook/Instagram的注册量吧！终究，人们会信赖OpenAI供给他们的机器学习数据。让咱们面对现实吧。

项目示例：Vana、Rainfall

5、代币鼓励Apps（如陪伴类apps）

想象Character.ai具有加密代币奖赏

支撑定见：加密代币鼓励对发动引导网络和行为非常有用。咱们将看到大量以人工智能为中心的应用程序选用这一机制。AI伴侣是一个引人注目的商场，咱们信赖该范畴将是一个数万亿美元规划的AI原生商场。2022年，美国人在宠物身上花费了1300多亿美元；AI陪伴类app便是宠物2.0。咱们现已看到AI陪伴类app已完成产品商场契合度，Character.ai的平均会话时长为1小时以上。假如看到一个加密鼓励渠道在这一范畴和其他AI应用程序笔直范畴占有商场份额，咱们并不会感到惊讶。

对立定见：这只是加密钱银投机狂热的延伸现象，并不会持久。代币便是Web 3.0的获客本钱，难道咱们还没有从Axie Infinity身上吸取教训吗？

示例项目：MyShell、Deva

6、代币鼓励的机器学习操作（如训练、RLHF、推理）

想象ScaleAI具有加密代币奖赏

支撑定见：加密鼓励能够在整个机器学习作业流程中运用，以鼓励比如优化权重、微调、RLHF等行为——由人类判断模型的输出以进一步微调。

对立定见：MLOps（机器学习操作）是加密钱银奖赏的一个糟糕用例，由于质量太重要了。尽管加密代币在熵没问题的情况下长于鼓励顾客行为，但在质量和准确性至关重要的情况下，它们并不利于和谐行为。

项目示例：BitTensor、Ritual

7、链上可验证性（ZKML）

证明哪些模型可在链上有用运转并插入加密国际

支撑定见：链上模型可验证性将解锁可组合性，也就意味着你能够在DeFi和加密范畴中使用组合输出。5年后，当咱们有运转医生模型的智能体为咱们查看身体，而不需求去医院看医生时，咱们将需求有一些方法来验证他们的常识，以及确诊详细运用的是什么模型。模型的可验证性就好比是智能的名誉。

对立定见：没有人需求验证运转的是什么模型。这是咱们最不关心的事。咱们这是在舍本求末。没有人运转llama2却害怕后台运转的是其他模型。这是加密技能（零常识证明）有意要寻觅一个问题来处理，以及零常识证明（ZK）大肆炒作取得大量风出资金的结果。

示例项目：Modulus Labs、UpShot、EZKL

此时快讯

【AirDAO获DWF Labs提供的50万美元资助】1月24日消息，管理Layer1网络Ambrosius的去中心化自治组织AirDAO获DWF Labs提供的50万美元资助，用于生态系统发展。
此前报道，2023年10月3日，DWF Labs已向AirDAO投资750万美元（为期一年的锁定期和36个月解锁期）。