在今天的文章中，我们将介绍去中心化人工智能 (DeAI) 的世界。我们将讨论：

• 人工智能的发展生命周期
• 去中心化人工智能的需求
• DeAI 的实际应用
• 加密 x 人工智能领域的增长催化剂
• 有远见的人引领前线
• DeAI 的不足之处
• 以及加密 x AI 的未来

不过，在开始之前，我们要感谢今天帖子的赞助商Nim Network。

Nim Network 正在加密领域构建人工智能游戏和消费者应用的未来，在其链中创建一个将所有权与开源人工智能和应用程序的资金联系起来的生态系统。

人工智能简介

我认为可以肯定地说，人工智能 (AI) 将改变世界。想象一下，一个孩子通过看图片、学习动物的名字和记住动物的特征来学习识别动物。随着时间的推移，孩子识别动物的能力会提高。

人工智能的运作方式类似，利用数据进行学习，并随着时间的推移提高其性能。

目前已经有许多利用人工智能构建的突破性应用，其中包括👇

• ChatGPT：能够进行类似人类的对话。
• Perplexity AI：提高搜索准确性。
• Jasper AI：作为您内容写作的副驾驶。
• DALL-E：根据文本描述生成图像。
• Pika Art：根据文本制作高清视频。

这个清单可以很长，这里有一个很棒的列表，可以帮助您跟踪这个不断发展的 AI 生态系统。

这些工具正在成为我们日常生活的一部分，使任务变得更轻松、更高效。人工智能不仅仅是一个未来概念；它积极解决我们今天面临的重大问题。

人工智能的发展正在改变许多行业，例如：

• 帮助医生更快地诊断疾病
• 使自动驾驶汽车能够安全行驶
• 为用户提供个性化的在线购物体验

资料来源：斯坦福大学人工智能指数报告

原则上，人工智能方法可分为三大类：

• 集中式人工智能：由单一实体或企业控制。
• 去中心化人工智能：专注于分布式控制、透明度和激励。
• 开源人工智能：强调促进协作和透明度。

在今天的研究中，我们将专门探索“分散式人工智能”。

人工智能的发展生命周期

在深入了解细节之前，让我们先了解一下构成人工智能开发生命周期的不同组成部分。

这将使我们更容易理解权力下放如何促进每个步骤。

人工智能的创新需要多年的进步、持续的反馈、培训和参与。

来源：AI Lifecycle

开发 AI 模型涉及几个关键阶段，以确保稳健的端到端运营流程。以下详细介绍了生命周期的关键阶段：

问题陈述的识别和设计🎯

• 一切都始于识别业务问题和定义要解决的目标。
• 数据收集是最关键的步骤之一，确保模型使用相关且准确的数据。

数据收集和探索

• 此阶段涉及汇总来自各种来源的数据并评估其质量。
• 初步数据分析有助于了解模式和趋势，从而制定数据预处理和特征工程[数据改进]的计划。

数据整理和准备

• 数据预处理包括清理原始数据并将其转换为丰富、可用的数据集。
• 使用特征工程从现有数据中创建新特征以增强模型的性能。

模型开发

• 此阶段涉及根据问题陈述和收集的数据选择最适合的机器学习实践。
• 下一步是训练和测试模型，以确保它能够做出准确的预测。
• 最后是优化，涉及提高模型的效率

模型部署

• 将模型部署到实际环境中，可以开始进行预测、建议或任何经过训练的操作。您可以使用计算提供商将其投入生产。
• 持续监控确保模型保持准确性和有效性。
• 偏见检测确保决策的公平性。

模型维护和再训练

• 维护模型涉及定期更新和使用新数据重新训练。
• 重点是收集尽可能多的反馈并将其发送回模型以进行调整和增强。

如今，这些模型大多来自研究机构、私营公司或少数开源组织。谷歌、OpenAI、IBM、AWS 和微软等公司是其中的主要参与者。

这是来自不同垂直行业参与者的 GenAI 模型的市场地图🗺️

资料来源：Strategy Deck 的 GenAI 市场地图

快速概览一下多年来人工智能技术栈的演变

来源：这些年来技术是如何发展的

去中心化人工智能的需求

集中式人工智能存在问题。想想看：单点故障意味着一次入侵就可能危及一切。

另一方面，去中心化人工智能 (DeAI) 通过将数据分布在多个节点上来改变游戏规则，使系统更加安全。如果一个节点受到攻击，其余节点仍可继续顺利运行。这种设置还使用户能够更好地控制其数据，从而降低隐私风险，尤其是在利用全同态加密 (FHE) 和零知识机器学习 (ZKML) 等技术时。

审查制度是中心化系统的另一个重大问题。一个实体可以控制和操纵信息。另一方面，去中心化人工智能将控制权分散，使任何单一实体都更难主导叙事。这确保了信息仍然可访问且不受不当影响。

我认为透明度是一个关键因素。开源模型、激励机制和协作工作流管理意味着任何人都可以随时检查和验证决策。这种程度的开放性解决了人们对集中式系统中隐藏的偏见和不透明流程的担忧。此外，它还允许更多人加入并做出贡献。例如，拥有未使用计算空间的人现在可以通过 Akash 和 Render 等分散式计算提供商将其出租。

去中心化模式还限制了中央实体的权力，防止滥用人工智能用于不正当目的。通过促进协作和知识共享，它充分利用了集体智慧和更广泛的治理，从而实现更强大、更开放、更准确的系统。

加密货币充当了这一推动者，将两全其美的优势结合在一起。它提供了对顶级服务、计算、模型和数据的访问，同时还为每个利益相关者提供了激励循环、安全性和隐私性。这种协同作用确保了 DeAI 不仅有效，而且公平安全。

DeAI 的实际应用

以下是 DeAI 领域的一些关键应用：

来源：ChainML的web3需要ai blo g

行业方面

🏥 医疗保健

• DeAI 通过在医疗机构之间实现安全、私密的数据共享来增强医疗保健。
• 人工智能算法可以分析匿名数据以识别模式、预测疾病爆发并制定个性化治疗方案。例如，患者可以私下与医院共享其数据，并确保只有他们自己拥有这些数据，而其他人无法拥有。

💹 财务

• 去中心化金融（DeFi）是 web3 最大的子生态系统之一。AI 可以帮助增强风险管理和交易。
• 这些协议使用人工智能来评估风险、预测资产价格并优化交易策略。例如，许多项目正在开发有效资产管理工具、人工智能驱动的自动做市商 (AMM) 等。

🛡️ 安全和欺诈检测

• 人工智能算法可以通过分析交易数据的模式和异常来帮助系统检测和防止欺诈。
• 这增加了 web3 协议的安全性。例如，在 NFT 生态系统中，AI 可以帮助识别假冒资产，确保完整性。

🖌️ 内容/情感生成

• 可以利用人工智能来创建故事情节、传说、游戏机制等。
• 例如，web3 游戏可以使用 AI 根据文本描述生成游戏内容，并由智能合约来管理角色肖像和物品等资产的所有权。
• 此外，了解用户对类别、问题或市场的看法也非常有价值。Kaito 和 Nansen 等工具旨在提供这种情报

🤖 人工智能代理和自动化

• 有一些项目正在为各个领域的任务构建自主人工智能代理，从客户服务到供应链管理。
• 任何人都可以创建这些代理，也可以通过协作的方式创建，所有利益相关者都可以以自动化的方式无缝地获得奖励。

🌐 用户体验

• 用户体验在 web3 中并不是最好的，但模型可以通过个性化推荐和行为预测来帮助增强这一点。
• 去中心化的社交网络就是一个很好的例子，它允许用户选择内容推荐的算法或根据自己的喜好来管理他们的信息。

生态系统管理水平

🎁 激励结构

• 利益相关者可以通过提供数据、计算能力或开发算法获得奖励（赚取代币）
• 其动机是，人们有强烈的需求驱动力，聚集在一起，合作解决难题，同时也为他们付出的时间和努力获得合理的回报

💸 成本效益

• DeAI 平台可通过利用分布式网络中的未使用资源大幅降低成本。它们消除了对昂贵数据中心的需求，并确保资源得到最大限度的利用。
• 例如，Akash Network、Aethir 和 Render 等项目允许用户出租未使用的计算能力用于 AI 任务，从而提高效率。

🏛️ 治理

• DeAI 还可用于改进治理流程，尤其是对于协议和 DAO。
• 人工智能可以自动化声誉管理和奖励，例如确保在 DAO 中公平地承认贡献。

加密 x 人工智能领域的增长催化剂

加密技术与人工智能的交汇有几个强大的催化剂推动其增长。让我们来看看其中的几个。

首先，生态系统中的资金一直在增加。在过去的一年中，136 轮融资共投入 10.2 亿美元，平均每轮 750 万美元。Hack VC、Variant、Paradigm 和 Polychain 等知名投资者一直在进行大量投资。这些资金的涌入正在推动该领域的研究和创新。

其次，该技术旨在提供一种比集中式系统更具成本效益的替代方案。它可以将潜在运营成本降低近 50%，高效处理大量数据，同时提供安全性和隐私性。例如，Akash 声称与 AWS、GCP 和 Azure 相比，其计算能力可降低 85%。

来源：Akash 定价

第三，按市值计算，该领域的领先项目，如 Bittensor、Akash、Render 和 Worldcoin，在过去一年中在二级市场上表现优异。这些项目一直是整个 web3 中表现最好的资产之一。根据 Coinbase 的报告，Crypto x AI 类别在类别层面也表现优异。

来源：Coinbase 报告

第四，NVIDIA 在 2024 年 4 月的最新业绩确实不错。新闻中的一些数字：

• 他们报告称，2024 年第一季度的收入为 260 亿美元，比 2023 年第四季度增长 18%，比一年前增长 262%。
• 2024 年第一季度 GAAP 每股摊薄收益为 5.98 美元，较上一季度增长 21%，较去年同期增长 629%。

来源：NVIDIA博客

这些都是热门数字🔥

第五，最近所有中心化服务都同时瘫痪，包括 Google.com、Chatgpt、Perplexity - 但另一方面，所有 web3 服务都完好无损，运行良好。Akash Network 的创始人在此次事件发生时发布了这条推文。

资料来源：Greg 的推特

由于这些以及许多其他类似的举措、活动和创新，该领域正在快速发展。

前瞻者引领前行

由于一些关键行业人物的支持和参与，该生态系统正在获得发展动力。

• 艾里克·沃希斯
• ShapeShift 的创始人和 Twitter 名人，推出了 Venice AI ，旨在创建 ChatGPT 等流行 web2 LLM 的无许可替代方案
• 威尼斯注重用户隐私和非审查，利用开源技术提供未经审查的、公正的信息。
• 埃玛德·莫斯塔克
• Stability AI 创始人兼前首席执行官已辞职，全身心投入 DeAI 业务——他正在创建 Schelling AI
• 他认为，随着人工智能变得越来越重要、透明和分布式，治理将变得至关重要。
• 尼拉吉·潘特
• 曾任Polychain Capital GP，现正在打造Ritual.net 。
• 该平台旨在构建人工智能的主权执行层，实现人工智能模型的开放和无需许可的创建、分发和改进。
• Ritual.net 的第一阶段 Infernet 允许开发人员通过智能合约在链上和链下访问模型。

什么地方不太好？

去中心化人工智能虽然有很多好处，但也面临着值得关注的重大挑战。以下是目前面临的关键问题：

🚧初始设置成本和挑战

建立 DeAI 网络面临相当大的困难。建立必要的基础设施和吸引参与者需要大量的时间和资源。这个冷启动问题凸显了需要强有力的激励措施来吸引早期采用者。然而，如果没有达到临界规模，网络就很难获得吸引力。

🧩增加协调要求

管理去中心化网络非常复杂。同步多个节点和利益相关者、确保数据一致性、维护安全性以及经济高效地运营需要付出巨大努力。虽然这种协调体现了加密 x AI 的本质，但有时它会变得效率低下且繁琐。

⏳ 可扩展性挑战

网络面临着可扩展性问题。在不降低性能的情况下处理不断增长的数据和交易是当前面临的重大挑战。由于节点正常运行时间的变化，去中心化网络可能会遇到延迟和带宽问题，从而影响整体效率。分片等解决方案仍在不断发展，可能无法完全缓解这些问题。

🔧访问资源

公司在获取尖端资源时经常会遇到障碍。大型中心化提供商可以大量投资于最新的硬件和软件，从而获得竞争优势。相反，受资金限制的 DeAI 项目可能会落后，从而影响其性能和能力。例如，由于需求较高，NVIDIA 倾向于优先向 GCP、Azure 和 AWS 等超大规模提供商分配资源，而不是向 web3 提供商分配资源。然而，对于 web3 提供商来说，目前的供应超过了需求，或者他们可能仍处于初期建设阶段。

监管和法律挑战

加密货币在很大程度上处于监管灰色地带。缺乏明确的监管框架可能导致法律风险和不确定性。在去中心化环境中，遵守 GDPR 等法规变得更具挑战性，从而引发了一场持久的全球斗争。

加密 x AI 的未来

加密技术与人工智能的融合有望促进解决现实世界挑战的创新项目和应用。

在我们即将发布的博客中，我们将深入探讨加密的几个关键子类别。我们将通过 Modulus Labs 和 Giza 等项目探索零知识机器学习 (zkML)，这些项目正在开发以模型推理为中心的产品。此外，我们将研究去中心化的云计算提供商，例如 Render、Akash Network 和 Aethir，重点介绍它们在提供可扩展且经济高效的传统云服务替代方案方面所发挥的作用。

许多其他类别，包括 AI 代理、消费者应用和 web3 游戏，都蓬勃发展，Prime、Nim Network 和 AI Arena 等项目都在这个领域运营。虽然这个列表还可以进一步扩展，但我们将留到下一篇博文中进一步探讨。

该领域具有长期存在和成功记录的几个项目包括：

• Bittensor ：该项目正在开发一个去中心化的网络，激励参与者通过区块链共享人工智能模型和数据集，并使用“子网”奖励贡献。
• Fetch ：Fetch 致力于自主 AI 代理市场，提供与 ChatGPT 和 Slack 等顶级服务的集成，通过简单的 API 集成促进协调。
• Akash 网络：Akash 网络专注于构建一个提供云计算资源的去中心化市场，它利用其 AKT 代币进行网络内的治理、安全和交易。

结束语

我坚信，去中心化人工智能（DeAI）将会改变游戏规则，而且我们才刚刚开始见证它在生态系统中的增长。

DeAI 体现了透明、协作和全球影响力的原则。正如我们所讨论的，它正在重塑各个关键领域。

Render、Akash 和 Worldcoin 等项目凭借其显著的吸引力和资金，不仅凸显了这一领域的巨大潜力，而且预示着未来几年它可能经历的大幅增长。

展望未来，我们将深入研究加密 x 人工智能的子类别，继续探索这一动态垂直领域。

未来是光明的，我们才刚刚开始。

感谢阅读！干杯！

参考

• 去中心化人工智能（DAI）——探索 DAI
• 去中心化人工智能——为人工智能代理引入去中心化节点
• 去中心化人工智能投资论文和顶级代币
• Aiwork 的去中心化人工智能
• Endoftheworld.txt：加密 x AI
• Archetype Fund 的 Crypto x AI 日
• 去中心化人工智能的推动者
• Grayscale 的人工智能与加密货币协同效应
• Reflexivity Research 的加密与人工智能的交集
• Elliptic 通过 AI 增强区块链分析
• 了解加密技术与人工智能的交集（作者：Galaxy）
• Omnida 解读 web3 蓬勃发展的 AI
• Web3 需要 AI 通过 ChainML 发挥其潜力
• Ocular 实现人工智能与 Web3 的融合
• Techopedia 对去中心化 AI 的定义
• Coinbase 带来的人工智能与加密货币协同效应
• 集中式与分散式人工智能