探索區塊鏈與人工智慧的融合

探索區塊鏈與人工智慧的融合

在 OpenAI DevDay 過去後的幾週,AI 領域一直熱鬧非凡,其中幾項重大公告震撼了整個產業。 Web2 巨頭們正在進行軍備競賽,隨著 Sam Altman 經歷解僱又被重新聘用擔任 OpenAI CEO 職位、X.ai 推出 Grok、Google 宣布推出 Gemini 並向 Anthropic 投資 20 億美元,我們正在見證將重新定義人工智慧下一篇章的策略行動。

區塊鏈也進入了 AI 領域,並為我們正在見證的巨頭之戰提供了一個令人信服的替代方案。但在 Microsoft、Amazon、Google 和 Nvidia 等公司正在利用其整個企業資源和大量資金來構建中心化 AI 超級電腦的世界中,鬥志旺盛的區塊鏈新創公司實質上還有什麼希望呢?

讓我們一探究竟。

AI 是否真的需要區塊鏈?

如果你曾經仔細閱讀過 Web3 頭條新聞,你可能會相信區塊鏈和人工智慧是理想的組合,缺一不可。然而,以 AI 為重點的期刊似乎認為,人工智慧在不需要區塊鏈的情況下也能蓬勃發展。這究竟是怎麼回事?

讓我們來解析一下這些區塊鏈 AI 項目一般採用的商業模式——市場。這些開放市場旨在促進個人用戶、人工智慧開發者和運行複雜 AI 模型所需運算資源所有者,三者之間在經濟上基於供需的直接連結。

此方法與 DeFi 非常相似,也就是降低產業進入門檻的同時,確保更多的市場參與者透過去中心化資源獲得公平的價值。這種精神的問題在於其根本上不如中心化那麼高效,因為 AI 始終在企業硬體運行的中心化伺服器集區中具有最高的效能。

因此,如果假設以上論述是真的,我們還不能確定 AI 是否真的不需要區塊鏈。

Web3 AI 可以達成那些 Web2 AI 達不到的事?

隱私

Web2 的中心化方法並不適合現今 AI 日益多樣化的需求。舉例來說,隱私是一個巨大的問題。人們已經對大型科技公司透過其強大數據收集能力和黑盒演算法形成的影響力產生了極大的不信任感。這讓大眾開始為提供大型企業更多資料,並讓他們將資料混合到一個更大、更黑的自學習盒的事情感到擔憂。

然而,透過區塊鏈,用戶可以完整的保護數據和使用隱私。他們可以在分布式運算網路上運行 AI 工作負載量,沒有一個節點能夠完全了解特定工作負載量的用途。

Data-shopping

基於 Web 3 的市場也促進了用於人工智慧模型訓練的有價值資料集的開放和安全交換。

資料集提供者將開始獲得經濟獎勵,以促進其將有價值的資料變現,否則這些資料集在 Web2 世界中大部分都是私有的。另一方面,由於區塊鏈獨特地支援基於 zk 的身份驗證,需要此類資料集的 AI 開發者可以從來源充滿信心地購買這些資料集。

Ocean 即為此類開源協議,它透過允許企業和個人盈利和交換他們的資料和基於資料的服務來實現這一目標。這對 AI 產業而言別具意義,因為它確保資料所有者獲得公平的使用補償,同時透過 Compute-to-data 保護隱私。

更不用說,這種交換可以以無需信任的方式匿名完成,還能同時確保沒有任何一方或平台在任意時刻都可以完全存取資料集,這在 Web2 是無法實現的。

彈性定價

基於 Web3 的市場可以在靈活的定價基礎上,按需求存取人工智慧運算能力,並根據網路當前的供應和需求進行動態調整。

與 AWS 或 Microsoft Azure 等 Web2 雲端平台相比,運算積分通常以固定價格出售,對於運行時間敏感度較低的工作負載的 AI 愛好者來說,使用其的成本效益要低得多。

Akash 在這個領域掀起了波瀾,它是一個建立在 Cosmos 區塊鏈上的去中心化雲端運算平台。從較高層面來看,Akash 利用閒置的雲端容量來提供比中心化替代方案更有效率且更具成本效益的雲端運算服務,據說在某些情況下便宜了高達 85%。

Akash 的優點在於它允許部署任何雲端原生應用程式,使其成為集中式雲端平台的直接競爭對手。進一步來看,它提高了去中心化應用程式的性價比和規模,並允許企業參與去中心化雲端運算市場。

閒置算力變現

擁有強大 GPU 的硬體擁有者還可以享受新的盈利途徑,降低擁有硬體的整體成本並縮短看到正投資回報率的時間。 Render 在此領域開闢了一條道路。

Render 透過在對等 P2P 網路上有效地分配複雜的渲染任務來解決當前中心化模型的低效率問題。然而,RNDR 可能面臨的問題與先前其他人面臨過的問題相同 —— 缺乏產品與市場的契合度。如 Golem 早在 2016 年就推出了類似類型的運算市場,但未能真正找到重大吸引力。

Render 有可能會走同樣的路,但自 2016 年以來,市場動態和對渲染功能的需求有所增加。相較於 2023 年第一季度,2023 年第二季度 Render 網路的使用量持續成長,渲染的幀數量、作業處理量和使用的 RNDR 增加了約 10 %。

Render 近期也從以太坊轉移到了 Solana,尋求利用更快的交易速度和更低的成本來提供更高的效率。隨著生成式 AI 的爆紅、Render 將 GenAI 工作負載引入網路,以及網路使用量的上升趨勢,Render 可能會在 Golem 失敗的地方取得成功。

AI 研究變現

市場也不僅僅適用於硬體所有者。例如,獨立 AI 研究人員可以將他們最新的 LLM 或其他 AI 模型變現。這可能會產生連鎖反應,加速人工智慧的發展,激勵研究員從學術轉向商業,避免最大的發展被隱藏在緊閉的學術大門後。

Bittensor 正在透過其點對點 (P2P) 機器智能市場推動此概念的發展。該市場實現了機器智能的商品化。機器學習演算法因此成為一種可交易的商品,其定價和獎勵是基於提供給其他智能系統的資訊價值。這開啟了神經網路的創新和用例。

對抗 AI 產業中的封閉平台模式

如果獨立開發者和研究人員現在有發揮的空間,這可能會引導 AI 產業遠離 Web2 領域常見的封閉平台模式。

舉例來說,蘋果的應用商店是商店中所有應用程式的法官、陪審團和執行者。用戶在這件事上沒有任何發言權,而蘋果則憑藉其捆綁服務對科技業的各個領域產生了巨大的影響力。

隨著 GPT Store 的推出,OpenAI 似乎也傾向於這個方向。雖然這確實為狂熱的 ChatGPT 用戶提供了一種將他們的秘密武器變現的途徑,但這也意味著 OpenAI 最終會獲得與蘋果相同的控制權。

存取彈性

隨著 AI 逐漸成為網路中最重要的工具,僅依靠中心化 Web2 服務來連接 AI 驅動的服務可能被認為是不明智的。

擅長解決這個問題的區塊鏈具有顯著的優勢。其固有設計明顯的降低了整個伺服器網路同時崩潰的風險,為用戶確保更可靠且彈性的存取能力。

挑戰和考量

雖然這些聽起來都令人興奮,但 AI 和區塊鏈的組合尚未確定。

其中最棘手的問題是用戶體驗的部分,也就是 Web2 實體做的最好的地方。舉例來說,ChatGPT 驚人的成功有部分歸功於其簡易好用的操作介面。

另一方面,區塊鏈項目對於大多數用戶來說體驗相對不友好。除非克服用戶體驗挑戰,否則這些區塊鏈 AI 項目可能在真正開始之前就失敗。這樣做的好處是,它只代表了我們在比賽中落後,而不是直接出局。隨著市場的動態變化,越來越多的人才準備進入 Web3。有了這些人才,使用者體驗就會得到改善,代表雙方差距可能縮小。

在技​​術層面,AI 需要大量資料和運算能力來訓練演算法。對這些資源的存取需要快速、可靠且有效率,這可能與區塊鏈網路的去中心化且有時效率較低的性質相矛盾。

結語

區塊鏈和 AI 的結合,對兩者的發展是個關鍵。

區塊鏈和人工智慧的結合可以讓我們遠離 Web2 典型的提取社群價值,轉向 Web3 所追求的社群賦能。

當然,在過程中需要面對包含用戶體驗、技術限制和需要有效整合等多方面的挑戰。

我們相信這些挑戰值得克服,因為整合成功或將能夠重新定義未來世代的限制。

我們等不及看到此文章中提及的項目完成這個任務,以及看到他們是如何改變這個動態且隨時成長的產業。

請保持關注,因為這可能僅僅是個開始。


▲ 免責聲明:以上內容提供之資料僅供參考,各項內容並非投資及交易策略建議,亦不構成任何產品或服務之要約、要約招攬或建議,僅作為知識性及學術性分享,任何人據此等資料而做出或改變投資操作之決策,須自行承擔結果。文章資訊請依 WOO 官方媒體平台發佈為主。

▲ 本文內容已被翻譯成不同地區語言並在多個平台共享。如因不同語言釋義而導致不一致的內容,請以英文官方網站之版本為準。

We use cookies to improve your experience. To find out more, please read our Privacy Policy. By clicking "Accept", you consent to our cookie and Privacy Policy. Or you may click "Decline" to refuse to consent.