Grayscale：人工智能和加密货币协同作用涌现
Grayscale的文章探讨了人工智能和加密货币的协同作用。人工智能技术的发展带来了加密货币的安全性和交易效率的提升，也为加密货币市场带来新的发展机遇。与公用事业和服务行业相比，与人工智能相关的加密货币资产表现优异。人工智能加剧的社会问题可以通过公共区块链和数字内容出处记录标准得到解决。Bittensor通过激励优秀模型和淘汰有偏见模型来解决人工智能模型的偏差和集中化风险。加密协议和人工智能的结合有望推动彼此的发展。
原文作者：WillOgdenMoore
原文标题：TheEmergenceofAIandCryptoSynergies
原文来源：grayscale
编译：Yvonne，火星财经
最近，随着现货比特币 ETF 在美国获批，比特币成为了焦点，但与人工智能相关的加密资产的优异表现提醒人们，公链用例的适用性和相关性在不断扩大，而不仅仅是一种支付形式。
Grayscale Research认为，人工智能与加密货币交叉领域的发展有可能缓解未来与人工智能相关的社会问题，如深度伪造的兴起、对数据隐私的担忧以及权力集中等。
虽然许多代币可能只是搭上了 “人工智能炒作浪潮”的顺风车，但与人工智能项目开发相关的加密协议已经获得了早期采用的迹象。具体来说，市值最大的四种与人工智能相关的加密代币（TAO、RNDR、AKT、WLD）在去年上涨了 522%，超过了同期公用事业和服务加密行业（+86%）的表现。
去年 11 月，OpenAI 的六人董事会宣布撤换公司首席执行官Sam Altman，这在科技界和商界引起了轩然大波。虽然这一决定后来被推翻，Altman重新担任首席执行官，但有关人工智能（AI）治理的话题仍在持续，甚至成为今年瑞士达沃斯世界经济论坛年会的一大话题。
OpenAI 事件凸显了对关键技术进行中心化控制的潜在危险。对于 Grayscale Research 来说，这引出了一个关键问题：我们如何确保人工智能的发展是可访问的、有竞争力的和透明的？这些问题不正是区块链技术的核心要素吗？Grayscale Research 是这样认为的，业内其他公司也开始讨论类似的主题。CCI 的Sheila Warren认为，加密货币将在“制衡人工智能方面发挥关键作用”。同样，风险投资家Fred Wilson认为，人工智能和加密货币是 “一枚硬币的两面”，“Web3将帮助我们信任人工智能”。
尽管其中许多用例还处于起步阶段，但市场似乎对这一交叉领域的重要性持乐观态度。根据 Coingecko 的网络流量，人工智能是 2023 年最流行的 “加密货币叙事”。此外，富时罗素灰度加密货币行业指数（FTSE Russell Grayscale Crypto Sectors indices）反映出，与公用事业和服务行业以及整个加密货币生态系统相比，部分与人工智能相关的加密货币资产表现优异。
在本报告中，我们试图解释人工智能和加密货币在以下重叠领域取得的进展： 验证内容真实性、减少模型偏差、提高人工智能开发的可及性和竞争性。
验证内容真实性
人工智能加剧的一个主要社会问题是机器人和错误信息的扩散。这一点在未来几个月尤为重要，因为顶级人工智能专家担心大量深度伪造的信息会试图影响 2024 年的美国总统大选。公共区块链--以及其固有的透明、防篡改分类账的特性--具有抵御这一广泛威胁的潜力。
解决这一问题的一个重要举措是一个名为 Worldcoin的加密协议。Worldcoin由Sam Altman联合创立，旨在通过生物识别扫描对地球上的每个人进行登记，以便可验证地区分人类和机器人，所有这些都由专用的区块链代币激励。Worldcoin团队一直在积极应对其雄心勃勃的追求。自六个月前推出以来，Worldcoin 在全球注册量达 290 万。此外，Worldcoin 在 12 月宣布，它正寻求获得 5000 万美元的额外私募资金，以扩大其规模。
解决这一问题的另一项倡议是数字内容出处记录（DCPR）标准，由 Arweave 和 Bundlr 团队首创。DCPR 标准使用 Arweave 区块链对数字内容进行时间戳和验证，提供可靠的元数据，帮助用户评估数字信息的可信度。
减少人工智能模型的偏差
随着人工智能模型越来越多地融入我们的日常生活，人们越来越担心对这些系统的过度依赖以及它们可能表现出的固有偏见。考虑到人工智能驱动的聊天机器人可能会左右消费者的选择，将他们推向特定的产品或偏向特定的政治信仰。同样，这种技术也可能在就业筛选中表现出偏见，根据候选人的人口特征做出决定。由此产生的信任危机会带来连锁反应。根据一项研究，“人工智能检测器”本身可能会对非英语母语者的自然写作产生偏见。
Bittensor是一个新颖的去中心化网络，它试图通过激励不同的预训练模型争夺最佳响应来解决人工智能的偏见问题，因为验证者会奖励表现优异的模型，并淘汰表现不佳和有偏见的模型。通过在各种模型和数据集之间为人工智能创新营造一个开放和协作的环境，Bittensor 有可能推动人工智能的发展，同时试图减轻偏见的负面影响。
值得注意的是，在 OpenAI 领导层发生冲突后的第一时间，Bittensor 和其他两个市值最大的人工智能相关加密资产的价格大幅上涨（图 2）。我们认为，这可能表明市场将这些资产视为对抗主要现有人工智能公司所带来的集中化风险的潜在手段。
关于【Grayscale：人工智能和加密货币协同作用涌现】的延伸阅读
读懂Binance Launchpool最新项目io.net：连接全球GPU资源，重塑机器学习的未来
io.net是一个基于Solana区块链的去中心化计算网络，通过集成未充分利用的GPU资源，为AI和机器学习领域提供低成本的大量计算能力。平台使用双令牌经济系统激励参与者并确保效率和可持续性。IO Cloud简化了GPU集群的部署和管理，IO Worker和IO Explorer提供账户管理和网络运营洞察。IO币用于支付和奖励，生态系统包括GPU租用者、所有者和IO币持有者。该项目获得3000万美元融资，具有可扩展性和并行训练优势，但仍面临技术复杂性、网络安全和市场竞争挑战。长期成功取决于持续开发和采用能力。
io.net 真实 GPU 数量成迷？去中心化 AI 协议存在哪些问题？
@ionet是建立在Solana上的去中心化算力网络，获得了Mult1C0inCapital和MoonhillCapital的融资，拥有25000个节点，为AI初创公司节省了90%的计算成本。但@MartinShkreli和@rargulati质疑其GPU数量和问题，认为真正答案是320个。去中心化的人工智能协议存在成本高、时间效率低、软件路由算法不佳等问题，需要很长时间解决。所有投标只是梗而已。
改善人工智能开发的机会，加剧竞争
除模型偏差风险外，人工智能的另一个令人担忧的问题是开发特别集中。随着人工智能模型规模的扩大，计算和存储的相关高额资本成本有可能导致竞争价格的下降，从而使人工智能开发在很大程度上掌握在少数有能力的科技巨头手中。在过去一年中，对人工智能和计算资源的需求不断增加，导致大型计算提供商在产能过剩的情况下限制了 GPU（人工智能开发所需的专用处理器）的可用性。
像 Akash 和 Render 这样的去中心化计算市场旨在通过将 GPU 所有者与寻求计算能力的人工智能开发者联系起来，解决 GPU 资源利用率低的问题。该系统允许世界各地的个人和组织将其原本闲置的计算资源货币化。同时，它还为人工智能开发者提供了灵活的计算资源访问途径。由于区块链剔除了中间商的盈利动机和管理成本，这些网络提供的服务有时只需中心化现存者提供的服务费的一小部分（通过Akash，约为其成本的1/5）。
例如，去年秋天，哥伦比亚大学的一名学生想从事人工智能开发工作，却很难通过亚马逊网络服务获得计算资源；相反，他通过Akash租用了 GPU，每小时仅需 1.10 美元。
最近，其中一些去中心化市场已经获得了初步的关注。例如，自 9 月份启动 GPU 部署以来，Akash 的 GPU 租赁活跃用户已超过 70 个。值得注意的是，其中一家在 Akash 上提供闲置 GPU 计算的机构是 Foundry，它是最大的加密挖矿公司之一。此外，用于 3D 图像渲染的 GPU 市场 Render 在 2023 年的使用量也大幅上升。
结论
如今，这一交叉领域的大部分进展都是在加密协议的背景下取得的，加密协议通过去中心化的 GPU 市场帮助民主化和加速人工智能的发展。其他机遇还可能出现在以下领域：
零知识证明，验证人工智能模型输出的完整性，并确认它是根据其声称的数据集生成的。
加密货币作为与人工智能代理无缝自动化和互动的支付轨道。
加密游戏中人工智能生成的内容，以及 NFT 等虚拟存在。
这种协同作用仍处于萌芽阶段，但有望在 2024 年及以后保持增长势头，尤其是如果市场参与者继续将这些资产视为制衡 OpenAI 等大型中心化企业未来发展的力量。无论人工智能和加密货币是否有内在联系，这两种快速发展的技术都有可能在使用案例的范围和对更广泛公众的相关性方面相互支持对方的发展。
免责声明：本文仅代表作者个人观点，不代表链观CHAINLOOK立场，不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险，以及遵守所在国家和地区的相关法律法规。
图文来源：MarsBit，如有侵权请联系删除。转载或引用请注明文章出处！
