被忽略的 Web3 暗處的去中心化人工智能_人工智能

撰文：Kyle

來源：WebX實驗室

De-AI（去中心化人工智能）會成為像 Elon Musk 所預言的那樣統治我們生活的人工智能機器人獨裁者，還是會成為豐富且不那么物質化的未來的生產工具？

由加密貨幣的間歇性牛市及其各自的區塊鏈推動的去中心化點對點技術的改進，正在產生可以改善去中心化人工智能（De-AI）的生產環境。

De-AI 的問題就和區塊鏈一樣，一個單一的系統將面臨突然停用該計算機系統的非常艱巨的風險，因此節點將分布在許多國家 / 地區，并且系統中內置了經濟激勵措施，參與 De-AI 網絡的已部署節點將獲得加密貨幣獎勵。與當前許多的 AI 應用程序一樣，De-AI 上將提供 AI 應用程序，但它們不會由單個人類實體控制，而是由受經濟激勵措施引導的驗證者社區控制。

Cynthia Lummis：FTX所發生的事情正是國會需要開始關注加密貨幣的原因:金色財經報道，懷俄明州共和黨參議員Cynthia Lummis表示，FTX 所發生的事情正是國會需要開始關注加密貨幣的原因。Lummis引用了她在2022年初與紐約女議員Kirsten Gillibrand（來自紐約的民主黨人）建立的兩黨法案，并表示美國監管機構需要對該法案給予充分關注，以便發生在該交易所的事情永遠不會再發生。

她表示，FTX 廣泛參與了新數字商品消費者保護法案 (DCCPA) 的制定，該法案得到了參議院農業委員會主席參議員 Debbie Stabenow（密歇根州民主黨人）和共和黨阿肯色州國會議員 John Boozman 等多位立法者的支持。[2023/1/8 11:00:21]

Layer2 區塊鏈被設計為可大規模擴展，是部署機器學習算法的自然目標，但可能需要一種更原生的方法，包括高速計算。Layer2 區塊鏈，如 Optimism、Arbitrum 和 Starkware，有特定的編程語言（最常見的是 Solidity，Cairo 即將出現在 StarkWare），不適合人工智能的高性能計算。

Purpose Bitcoin ETF持倉量較年內峰值已減少逾50%:金色財經報道，數據顯示，自8月中下旬以來，Purpose Bitcoin ETF持倉量總體呈緩慢走低趨勢，持有量現已降至23,488.897枚，較年內峰值47,908.14枚減少了逾50%，正處于7月29日以來低位。此外，據統計，目前各類以BTC為標的資產的證券產品總持倉量達63,834.42枚，價值約19億美元。[2022/10/23 16:35:37]

零知識 (ZK) 是加密生成的簡短證明，證明有一些數據或計算已經完成，而沒有透露數據或計算的所有細節。有用的 ZK 證明還必須在短時間內可驗證。未來零知識技術的高速改進（StarkWare 使用了這種 ZK 技術）將允許對區塊鏈進行高性能計算。

區塊鏈的主要問題是用戶需要任何交易計算都可以由其他節點快速驗證，而 ZK 允許驗證比計算本身快得多。

多家Web3隱私技術公司發起成立通用隱私聯盟，還將設立UPA法律辯護基金:10月13日消息，多家Web3隱私技術公司在以太坊開發者大會DevCon發起成立通用隱私聯盟Universal Privacy Alliance（UPA），這些Web3公司包括Nym、p0xeidon labs(Manta Network)、Orchid、Secret Network（SCRT Labs）和Oasis Network（Oasis Foundation）等。該聯盟將設立UPA法律辯護基金，以捍衛構建和使用全棧隱私工具的權力。[2022/10/13 10:33:11]

我們可以考慮哪些機器學習系統最適合首先遷移到去中心化系統中，這包括：

1）推薦系統：當用戶消費不同的項目時，它被注冊并被評估以建議未來要消費的項目。從技術上講，你需要估計到其他項目的距離。這種類型的技術非常適合將推薦算法數據應用到多個節點中。你不需要將所有用戶偏好、過去消費的項目都存儲在一臺計算機上。

礦企BIT Mining 2022年第一季度收入為2.967億美元，環比下降40.4%:5月28日消息，礦企BIT Mining發布2022年第一季度收益報告，收入為2.967億美元，環比下降40.4%。該季度實現120萬美元的凈收入，2021年第四季度的凈虧損為410萬美元。其中大部分收入（2.723億美元）來自其礦池業務，比上一季度下降了約42.7%。凈收入的增加是由于一般和管理費用的減少、礦機處置損失的減少以及其他運營費用的減少。BIT Mining開采了166枚BTC，產生了約690萬美元的收入，還開采了5420枚ETH，產生了大約1600萬美元收入。（The Block）[2022/5/28 3:46:38]

2）聚類 / 非結構化分類：鑒于聚類是將數據集分類為自發的新類別的問題，似乎比結構化分類（固定數量的類別）更容易去中心化。如果你將類別想象為地理區域，你會發現沒有必要將所有數據點都存儲在一臺計算機中。特別是廣義聚類算法中的應用于大腦圖像的去中心化聚類算法。

現在人工智能或機器學習中缺少的工具是結構化分類器，基于固定數量的類別，算法必須猜測一條數據屬于哪個類別（例如，這篇文章是用英語還是中文寫的？）。與強化學習密切相關，強化學習就像分類器的閉環，為機器人或游戲生成動作。

深度學習是多層結構化分類器（因此，深度分層）的組合，以獲得更復雜的自動化學習體驗。這種類型的 AI 工具的問題在于，你需要所有訓練數據集的全局視圖，因為輸出使用的是經過訓練的權重或變量形式的數據合成匯總。你需要訓練權重來生成輸出、類別、機器人動作。

矩陣乘法是做大量的數值乘法和加法。海量矩陣乘法是結構化分類器、深度學習和強化學習中涉及的主要操作。正如我們之前提到的，對這些操作的驗證（以避免作弊）是 De-AI 將面臨的主要挑戰。我們為去中心化人工智能 (De-AI) 設想了這三種場景：

1）原生高性能區塊鏈或側鏈：當比特幣被認為是無用的，因為「浪費」了每秒驗證 5 筆交易的無意識計算量，許多有遠見的人提出，區塊的挖掘涉及更多有用的計算。這是區塊鏈難題的圣杯，將幫助人類。

要參與區塊鏈網絡中交易的驗證，你將必須進行矩陣乘法和復雜的機器學習操作，這些操作將由其他節點驗證，并最終被接受為挖礦的一部分加密貨幣。這種方法僅限于特定操作或靜態深度學習架構。Filecoin 和其他存儲區塊鏈可以通過僅存儲數據但沒有太多或沒有轉換的方式在此類別中看到。WekaCoin 解決方案提出了一系列多樣化的機器學習算法參與共識，使挖礦更加智能。

2）更快的 Layer2 區塊鏈：利用現有的高性能和廉價的 Layer 2 區塊鏈，其中大多數基于以太坊網絡協議，是實現去中心化人工智能的自然方法。使用 Solidity 作為編程語言可能不是最快的，但該技術具有構建去中心化 AI 樂高的所有要素。

構建可重復用的機器學習代碼塊，這些代碼是開放且免費的（如果你支付網絡費用）。這種方法的主要限制是區塊鏈通常具有有限的計算能力，可以包含在單個區塊中。然后，如果你分叉像 Arbitrum、Optimism 或 Starkware 這樣的 Layer 2，你必須準備好大量增加最大區塊大小，并準備好為網絡中的驗證器設置最低性能閾值。

3）用于 AI 的專用零知識平臺：這種替代方案類似于前面提到的 StarkWare Layer 2 方法，但也涉及針對矩陣乘法和深度學習的 ZK 智能合約（例如使用 Cairo 編程語言）的特定開發。這可以在智能合約層中完成，例如在 StarkWare 中，或者在較低的共識層中完成。目標是進行大量繁重的計算，可以很容易地被網絡中的其他節點驗證。此外，包括靈活的智能合約操作組合允許不同算法的互操作性。

WebX實驗室

企業專欄

閱讀更多

金色早8點

金色財經

去中心化金融社區

CertiK中文社區

虎嗅科技

區塊律動BlockBeats

念青

深潮TechFlow

Odaily星球日報

騰訊研究院

Tags：區塊鏈人工智能STABIT區塊鏈專業大學排名人工智能幣龍頭STATSbybit交易app下載

ADA