Grayscale：AI時代，加密用例如何大展拳腳？
原文作者：Will Ogden Moore
原文編譯：Luffy，Foresight News
相關閱讀：
人工智慧(AI) 是本世紀最有前景的新興技術之一，它有望成倍提高人類的生產力並推動醫學突破。雖然人工智慧已然嶄露頭角，但它未來的影響力會越來越大。普華永道估計，到2030 年，它將發展成為一個價值15 兆美元的龐大產業。
然而，這項前景光明的技術也面臨挑戰。隨著人工智慧技術變得越來越強大，人工智慧產業變得極為中心化，權力集中在少數幾家公司手中，這是對整個人類社會潛在的威脅。人工智慧也引發了人們對深度偽造、偏見和資料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其中一些問題提供了潛在的解決方案。
下面，我們將探討由中心化引起的問題以及去中心化人工智慧如何幫助解決一些弊病，並討論當前加密貨幣和人工智慧的交叉領域，重點介紹該領域已顯示出早期採用跡象的加密應用。
中心化人工智慧的問題
如今，人工智慧的發展面臨著一定的挑戰和風險。人工智慧的網路效應和密集的資本需求非常顯著，以至於大型科技公司以外的人工智慧開發者，如小型公司或學術研究人員，要么難以獲得開發所需的資源，要么無法商業化。這限制了人工智慧的整體競爭和創新。
因此，對這項關鍵技術的影響力主要集中在OpenAI 和谷歌等少數幾家公司手中，引發了人們對人工智慧治理的嚴重質疑。例如，今年2 月，Google的人工智慧圖像產生器Gemini 揭露了種族偏見和歷史錯誤。此外，去年11 月，由六人組成的董事會決定解僱OpenAI 執行長Sam Altman，揭露了少數人控制著這些公司的事實。
隨著人工智慧的影響力和重要性日益增強，許多人擔心，一家公司可能會掌握對社會產生巨大影響的人工智慧模型的決策權，它可能會設置護欄，閉門操作，或操縱模型為自己謀利。
去中心化人工智慧如何提供幫助
去中心化AI 是指利用區塊鏈技術以提高透明度和可訪問性的方式分配AI 所有權和治理權。 Grayscale Research 認為，去中心化AI 有潛力將這些重要決策從封閉的製度中解放出來，並交接到公眾手中。
區塊鏈技術可以幫助開發者更多地接觸人工智慧，降低獨立開發者開發和商業化的門檻。我們相信這可以幫助改善人工智慧產業的創新和競爭，小公司與科技巨頭之間實現某種平衡。
此外，去中心化AI 有助於實現AI 投資的民主化。目前，除了少數科技股之外，幾乎沒有其他方式可以獲得與AI 發展相關的財務收益。同時，大量私募資本被分配給了AI 新創公司和私人公司（2022 年為470 億美元， 2023 年為420 億美元）。因此，只有一小部分創投家和合格投資者可以獲得這些公司的財務收益。相較之下，去中心化的AI 加密資產對每個人都是平等的，所有人都能擁有AI 未來的一部分。
這個交叉領域發展到了哪一步？
加密貨幣和人工智慧的交叉領域仍處於早期階段，但市場反應令人鼓舞。截至2024 年5 月，AI 概念加密資產（註：Grayscale Research 定義的一個加密貨幣投資組合，包括NEAR、FET、RNDR、FIL、TAO、THETA、AKT、AGIX、WLD、AIOZ、TFUEL、GLM、PRIME、 OCEAN、ARKM 和LTP。此外，根據數據提供者Kaito 的數據，與DeFi、Layer 2、Memecoin 和現實世界資產等其他主題相比，人工智慧目前是社交平台上最熱門的「敘事」。
最近，一些知名人士開始擁抱這個新興交叉領域，致力於解決中心化人工智慧的缺陷。今年3 月，知名人工智慧公司Stability AI 的創辦人Emad Mostaque 離開公司，轉而探索去中心化人工智慧，他表示「現在是時候讓人工智慧開放和去中心化了」。加密貨幣企業家Erik Vorhees 最近推出了Venice.ai，這是一款專注於隱私的人工智慧服務，具有端到端加密功能。
圖1 ：今年以來，AI 領域的表現幾乎優於所有加密貨幣細分領域
我們可以將加密貨幣和人工智慧的整合分為三個主要子類別：
基礎設施層：為AI 開發提供平台的網路（例如NEAR、TAO、FET）；
人工智慧所需的資源：提供人工智慧開發所需的運算、儲存、資料等關鍵資源（例如RNDR、AKT、LPT、FIL、AR、MASA）；
解決AI 問題：試圖解決AI 相關的問題，例如機器人和深度偽造的興起以及模型驗證（例如WLD、TRAC、NUM）。
圖2 ：人工智慧與加密貨融合的專案版圖，資料來源：Grayscale Investments
AI 基礎設施網絡
第一類是提供無需許可的開放式架構的網絡，專為AI 開發而建置。這些網路不專注於某一種AI 產品或服務，而是為各種AI 應用創建底層基礎設施和激勵機制。
NEAR 在這一類別中脫穎而出，其創始人是「Transformer」架構的聯合作者之一，該架構為ChatGPT 等AI 系統提供支援。 然而，該公司最近利用其AI 專業知識，透過由前OpenAI 研究工程師顧問領導的研發部門，公佈了開發「用戶擁有的AI」 的工作成果。 2024 年6 月下旬，Near 啟動了AI 孵化器計劃，用於開發Near 原生基礎模型、AI 應用程式資料平台、AI 代理框架和計算市場。
Bittensor 是另一個引人注目的例子。 Bittensor 是一個使用TAO 代幣在經濟上鼓勵人工智慧發展的平台。 Bittensor 是38 個子網路的底層平台，每個子網路都有不同的用例，例如聊天機器人、圖像生成、財務預測、語言翻譯、模型訓練、儲存和運算。 Bittensor 網路以TAO 代幣獎勵每個子網路中表現最佳的礦工和驗證者，並為開發人員提供無需許可的API，幫助開發者建立特定的人工智慧應用程式。
AI 基礎設施網路還包括其他協議，例如Fetch.ai 和Allora。 Fetch.ai 是一個供開發人員創建複雜AI 助理（即「AI 代理」）的平台，最近與AGIX 和OCEAN 合併，總價值約為75 億美元。另一個是Allora 網絡，該平台專注於將AI 應用於金融領域，包括去中心化交易所和預測市場的自動交易策略。 Allora 尚未推出代幣，並於6 月進行了一輪策略性融資，總融資額達3,500 萬美元。
提供AI 所需的資源
第二類是以運算、儲存或資料的形式提供人工智慧開發所需資源的專案。
人工智慧的興起對GPU 形式的運算資源產生了前所未有的需求。諸如Render (RNDR)、Akash (AKT) 和Livepeer (LPT) 之類的去中心化GPU 市場為需要計算進行模型訓練、模型推理或渲染3D 生成式AI 的開發人員提供了閒置GPU 供應。據估計，Render 提供約10, 000 個GPU，專注於藝術家和生成式AI，而Akash 提供400 個GPU，重點是針對AI 開發人員和研究人員。同時，Livepeer 最近宣布了其新的AI 子網計劃，目標是在2024 年8 月完成文字轉圖像、文字轉影片和圖像轉影片等功能。
除了需要大量計算外，AI 模型還需要大量資料。因此，對資料儲存的需求大幅增加。 Filecoin (FIL) 和Arweave (AR) 等資料儲存解決方案可以作為將AI 資料儲存在中心化AWS 伺服器上的替代方案。這些解決方案不僅提供經濟高效且可擴展的存儲，而且還透過消除單點故障和降低資料外洩風險來增強資料安全性和完整性。
最後，OpenAI 和Gemini 等現有AI 服務分別透過Bing 和Google 搜尋持續存取即時資料。這使科技巨頭之外的所有其他AI 模型開發人員處於不利地位。然而，Grass 和Masa (MASA) 等資料抓取服務可以幫助創造公平的競爭環境，因為它們允許個人透過將其應用程式資料用於AI 模型訓練來商業化，同時保持對個人資料的控制和隱私。
解決AI 相關問題
第三類包括試圖解決與人工智慧相關的問題的項目，包括網路機器人和深度偽造氾濫。
人工智慧加劇的一個重大問題是機器人和虛假資訊的氾濫。人工智慧生成的深度偽造內容已經對印度和歐洲的總統選舉產生了影響，專家們「非常害怕」即將到來的總統競選將陷入由深度偽造驅動的「虛假資訊海嘯」。希望透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項目包括Origin Trail (TRAC)、Numbers Protocol (NUM) 和Story Protocol。此外，Worldcoin (WLD) 試圖透過獨特的生物辨識技術來證明一個人的人性，從而解決機器人問題。
人工智慧的另一個風險是確保對模型本身的信任。我們如何相信收到的AI 結果沒有被篡改或操縱？目前，有幾種協議正在努力透過密碼學、零知識證明和全同態加密(FHE) 來幫助解決這個問題，其中包括Modulus Labs 和Zama。
結論
雖然這些去中心化的人工智慧資產已經取得了初步進展，但我們仍處於這一交叉領域的早期階段。今年年初，著名創投家Fred Wilson 表示，人工智慧和加密貨幣是「同一枚硬幣的兩面」，「Web3 將幫助我們信任人工智慧」。隨著人工智慧產業的不斷成熟，Grayscale Research 認為，這些與人工智慧相關的加密用例將變得越來越重要，這兩種快速發展的技術有可能相互支持、共同發展。
許多跡象表明，人工智慧時代即將到來，這將產生深遠的影響，既有積極的，也有消極的。透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輕人工智慧帶來的一些危險。
