去中心化人工智能的关键挑战与创新：来自新加坡AI/ALL峰会的专家见解
2024年10月16日
AI/ALL 峰会 - 新加坡 展示了一些关于 AI 未来的前瞻性讨论，重点关注构建成功的去中心化 AI 未来所必需的技术、经济和治理变化。今年的论坛专注于基础设施、隐私、代币经济学和去中心化系统中的治理等关键领域，强调针对 AI 集中化所带来的挑战的实际解决方案。
在下方，您可以探索小组讨论录音及其关键要点。
构建去中心化 AI 基础设施的关键挑战
小组讨论“构建去中心化 AI 基础设施的关键挑战”汇聚了来自 DeAI 生态系统各个背景的专家，探讨创建可扩展的去中心化 AI 系统所面临的障碍和机遇。讨论深入探讨了分布式网络中的信任和验证、数据隐私以及专业硬件的不断变化的角色等关键问题。还研究了去中心化治理的重要性及其对用户对 AI 模型偏见控制的影响。该小组为必须解决的技术和结构性挑战提供了深入的分析，以释放去中心化 AI 的全部潜力。
小组成员：
主持人 – Anish Mohammed（首席技术官兼首席科学家，Panther Protocol）
Ben Fielding（联合创始人，Gensyn）
Greg Osuri（创始人，Akash Network）
David Johnston（创始人，Morpheus）
关键要点：
信任与验证：去中心化 AI 中的一个核心挑战是如何在不依赖中央权威的情况下在分布式网络中建立信任。传统方法通常需要一个可信的中介来验证任务，但在去中心化环境中并不适用。小组强调需要加密解决方案，特别是零知识证明 (ZK)和其他验证技术，以确保任务正确完成并确保用户可以信任系统。这些解决方案允许去中心化网络安全地运作，即使参与者不被信任，依然可以在不透露敏感信息的情况下验证计算任务。
数据隐私：去中心化 AI 中最大的挑战之一是如何在保持隐私的同时在敏感数据上训练模型。获取高质量的敏感数据（例如医疗或财务数据）对有效的 AI 至关重要，但在不妥协隐私的情况下，很难获取。小组讨论了隐私保护技术，如同态加密和联邦学习，这些技术允许在不暴露实际数据的情况下使用数据进行 AI 模型训练。去中心化 AI 有潜力以安全的方式释放有价值的数据集，但需要进一步的隐私技术进展才能充分实现这一潜力。
硬件专业化：去中心化 AI 基础设施必须克服当前的硬件限制，以便高效扩展。小组指出，正如ASIC通过针对特定任务优化硬件来革新比特币挖矿一样，去中心化 AI 将需要专业化硬件来处理训练和运行 AI 模型的计算要求。通过减少对传统云服务提供商的依赖，去中心化系统可以利用全球多样化的硬件资源，降低成本并提升扩展性。
AI 模型中的偏见：AI 模型固有地受到训练数据的影响，而在集中式系统中，用户往往对这些偏见有很少的控制能力。小组成员指出，去中心化 AI 提供了解决方案，允许用户选择或创建反映其期望偏见的模型。在去中心化系统中，多样化的模型选择带来了更大的透明度和问责制，因为用户可以选择符合其需求的模型或创建新模型。这使得 AI 体验更加可定制，降低了困扰集中式模型的根深蒂固偏见的风险。
去中心化治理：治理是去中心化 AI 系统的一个关键组成部分，但也带来了自身一系列的挑战。当前的加密治理模型往往是资本驱动的，持有最多代币的人拥有最多影响力。小组成员主张应优先考虑参与而非资本的治理模型，确保那些使用和贡献于系统的人有更大的发言权。然而，仍然存在挑战，尤其是在问责制方面，因为在去中心化系统中的匿名性可能使得难以追究用户对有害决策的责任。去中心化治理的未来在于平衡透明度、参与和问责，同时避免传统集中控制的陷阱。
构建开放、协作的 AI 经济
小组讨论“构建开放、协作的 AI 经济”探讨了去中心化 AI 如何创造一个更加公平、透明和可及的生态系统。重点关注医疗、教育和治理等领域，讨论了在构建开放 AI 基础设施时面临的机遇和挑战。数据主权、治理模型和开源框架在确保去中心化 AI 能够为公众利益提供服务的过程中至关重要，同时避免集中技术巨头的陷阱。
小组成员：
主持人 – Haseeb Qureshi（国会议员，Dragonfly）
Emad Mostaque（创始人，Schelling.ai）
关键要点：
公共利益的开放 AI：去中心化 AI 基础设施应优先为公众服务，涉及医疗、教育和政府等领域。这些系统避免了大型科技公司控制的不透明“黑箱”模型的陷阱，确保更大的透明度和社会效益。
去中心化治理：有效的去中心化 AI 治理对于创建公平和透明的系统至关重要。通过防止少数大型公司控制，去中心化模型降低了偏见、审查和在 AI 开发中垄断权力的风险。
数据主权和隐私：在利用数据进行 AI 训练的同时保护数据隐私仍然是一个重大挑战。隐私保护技术如联邦学习和同态加密提供了潜在解决方案，允许在不暴露数据的情况下使用敏感数据，确保数据主权得以维护。
协作智能和专业化模型：去中心化 AI 可以促进为特定行业（例如医疗保健或教育）量身定制的专业化模型的创建。这些模型可以在去中心化平台上进行协作微调和部署，提供更多透明度和行业特定的能力。
开源和分布式基础设施：强调开源模型的重要性，去中心化 AI 可以使 AI 资源的获取民主化。这种分布式基础设施使 AI 系统能够有效扩展，同时促进互操作性和协作，允许去中心化 AI 挑战并有可能超越集中系统。
去中心化 AI 的经济学：货币化所有权和贡献
小组讨论“去中心化 AI 的经济学：货币化所有权和贡献”专注于在去中心化 AI 生态系统中创建可持续的商业模式和经济激励措施。讨论涉及治理、代币经济学、数据所有权和协作创建 AI 模型等关键主题。通过解决隐私、资源管理和贡献者激励的问题，小组强调去中心化 AI 系统如何使个人能够拥有自己的数据并货币化其贡献。
小组成员：
主持人 – Haseeb Qureshi（国会议员，Dragonfly）
Sean Ren（首席执行官，Sahara AI）
Alex Skidanov（联合创始人，NEAR）
Ethan Sun（联合创始人，MyShell）
关键要点：
去中心化 AI 与开源 AI：小组明确了去中心化 AI 与开源 AI 的区别。开源 AI 关注于公开可用的代码和模型，而去中心化 AI 超越了这一点，结合了分布式数据处理、部署、代理编排和用户拥有的治理。去中心化 AI 旨在使用户能够完全控制他们的数据和与之交互的 AI 模型，从而确保更大的隐私和对贡献的所有权。
用户拥有的 AI 和所有权权益：用户拥有的 AI 的概念意味着用户对自己的数据和与之交互的 AI 模型拥有完全控制权，而不必依赖集中实体。这确保了数据不会被第三方利用，并允许用户货币化他们的数据贡献。然而，在实现真正所有权方面仍然存在挑战，特别是当模型在第三方基础设施上部署时，社区正在探索新的方式来去中心化 AI 部署。
代币经济学和经济激励：小组讨论了代币经济学如何激励 AI 开发，特别是对于计算能力、数据和模型创建等供应侧资源。然而，产生去中心化 AI 服务需求的挑战仍然存在。关键在于建立可持续的商业模式，使数据提供者、模型开发者和计算贡献者能够得到公平补偿，并且用户可以直接受益于 AI 资产的货币化。
模型创建中的协作：尽管创建基础 AI 模型的专业知识集中在少数公司手中，但去中心化 AI 开辟了更多协作和专业化模型的机会。小组成员指出，去中心化 AI 允许创建者为特定任务（如图像生成或语音合成）微调模型，而不需要深入的技术专业知识。这降低了参与的门槛，使社区的更广泛贡献成为可能。
归属及公平价值分配：去中心化 AI 中一个关键挑战是如何在模型构建过程中为贡献者（包括数据提供者、计算资源和开发者）分配公平的价值。小组成员强调，尽管数据归属仍然是一个复杂问题，但记录用于训练模型的哪些数据集并通过智能合约确保透明的货币化机制可能提供一种解决方案。然而，解决数据所有权和归属问题可能需要去中心化治理和法律框架的结合。
众包所有权和利润分享：通过社区驱动的模型货币化 AI
小组讨论“众包所有权和利润分享：通过社区驱动的模型货币化 AI”探讨了去中心化 AI 平台如何使创作者构建和从他们的 AI 应用中获利。讨论涵盖了从简单聊天机器人到更复杂的 AI 驱动应用的演变、开源 AI 模型的关键作用，以及区块链技术如何促进货币化。它强调社区驱动的 AI 平台如何促进创新，同时让创作者和贡献者分享他们帮助创造的价值。
小组成员：
主持人 – José Macedo（合伙人，Delphi Digital）
Ethan Sun（联合创始人，MyShell）
关键要点：
AI 应用演变：去中心化 AI 平台使创作者能够构建更复杂的应用，而不仅仅是简单的聊天机器人。凭借图像生成、数据处理和推理等先进的 AI 功能，创作者现在可以使用无代码工具设计互动体验，例如视觉小说和迷你游戏。这降低了技术门槛，促进了 AI 驱动内容创作的创新。
开源 AI 的重要性：开源 AI 模型对于扩大 AI 工具的获取至关重要。然而，随着模型复杂性和成本的增加，担心公司可能限制对最佳性能模型的访问，仅保留劣质版本为开源。与区块链和社区驱动生态系统相关的去中心化 AI 模型提供了更可持续的解决方案，通过实现 AI 资产的透明所有权和利润分享。
创作者的货币化：去中心化平台为创作者提供了更便捷的货币化途径。通过区块链，创作者可以将 AI 应用或数据贡献进行代币化并出售，消除传统中介的需求。这一去中心化开辟了新的收入渠道，尤其适合业余爱好者和独立创作者，同时促进了对 AI 经济的更广泛参与。
激励 AI 贡献：社区驱动的模型可以通过货币化数据和模型贡献来激励 AI 开发。通过整合区块链，开源 AI 项目的贡献者可以为他们的贡献获得补偿，从而建立一个更公平的利润分享系统。这种结构确保创作者和贡献者都能从他们在去中心化 AI 生态系统中产生的价值中受益。
平衡隐私与可接近性：隐私在 AI 中仍然是一个挑战，特别是对于敏感数据。尽管存在加密解决方案，但它们增加了成本和复杂性。在面向消费者的 AI 应用中，用户通常更优先考虑免费的访问而非隐私，但随着 AI 模型变得更加个性化，隐私问题需要得到解决。嵌入式计算和本地化 AI 解决方案可能提供在不牺牲可及性的情况下增强隐私的方法。
全民 AI：使去中心化获胜所需的条件
小组讨论“全民 AI：使去中心化获胜所需的条件”探讨了去中心化 AI 的未来，关注实现其主导范式所需的挑战和里程碑。来自各个领域的专家讨论了去中心化系统在 AI 基础设施中扮演的关键角色、可验证性的重要性以及 AI 模型训练的未来。讨论涉及去中心化 AI 如何克服当前限制，并将其自身定位为集中模型的可行替代方案，强调在去中心化生态系统中的协作、创新和可扩展性。
小组成员：
主持人 – Kaweepol Panpheng（合伙人，SCB 10x）
Kartin Wong（首席执行官，ORA）
Ben Finch（AI 产品负责人，Sentient）
Mark Rydon（联合创始人，Aethir）
Jasper Zhang（联合创始人，Hyperbolic）
关键要点：
可验证性对去中心化 AI 中的信任至关重要：去中心化 AI 中的一个核心挑战是确保 AI 计算能够在链上进行验证，而不依赖集中实体。正在开发多种验证方法，包括概率检查、乐观机器学习和零知识证明，以确保 AI 输出的可靠性，同时保持效率和安全。
民主化 AI 需要可访问的计算能力：开放访问 GPU 资源对于去中心化 AI 开发至关重要。聚合全球 GPU 的去中心化网络使小开发者能够获取构建 AI 模型所需的计算能力，平衡当前由集中云提供商主导的行业。
模块化 AI 架构可能超越单体系统：去中心化 AI 系统可能采用模块化架构，专门的 AI 代理协同工作，而不是依赖于集中式的单体 AI 模型。这种方法可能提供更灵活和高效的解决方案，尤其是在大规模 AI 训练不切实际的情况下。
去中心化的融资模式和代币化：对 AI 模型和基础设施进行代币化可以实现社区驱动的创新，用户可以贡献资源或资金来开发 AI 模型，作为回报获得所有权和奖励。这种资金结构可以去中心化 AI 开发，减少对大型企业投资者的依赖。
克服去中心化 AI 的瓶颈：去中心化 AI 的最大障碍在于匹配集中系统的速度和效率，特别是在大规模 AI 训练方面。然而，未来在电力和数据可用性方面的瓶颈可能推动去中心化网络发挥更重要的角色，因为它们可以更有效地利用分布式资源。
在区块链上管理 AI 模型生命周期
小组讨论“在区块链上管理 AI 模型生命周期”探讨了 AI 和区块链技术的交叉，以及它们如何结合以去中心化 AI 模型管理。讨论强调去中心化 AI 生命周期的关键方面，包括数据收集、训练、部署和治理的重要性。通过利用区块链，小组强调去中心化如何为 AI 模型管理带来透明度、问责制和效率，同时为一个未来铺平道路，在这个未来中，AI 代理可以自动化和简化链上操作。
小组成员：
主持人 – Momir Amidzic（高级董事，IOSG Ventures）
Mike Hanono（首席执行官，Talus Network）
Ron Chan（联合创始人，Inference Labs）
Ron Bodkin（联合创始人，Theoriq）
关键要点：
去中心化 AI 的必要性：去中心化 AI 被视为应对 OpenAI、谷歌和 Facebook 等科技巨头日益集中化的解决方案。集中式 AI 系统对数据、计算和创新拥有巨大的控制权，造成了垄断权力和缺乏透明度的重大风险。区块链提供了去中心化 AI 的工具，通过将权力和控制重新分配给社区，促进更开放和透明的 AI 生态系统。去中心化不仅使 AI 的获取民主化，还允许抵制审查、数据主权和 AI 应用程序中的可组合性，这对于公平和包容的 AI 开发至关重要。
区块链在 AI 模型生命周期管理中的作用：区块链为 AI 模型管理提供了新的透明度和问责制水平。AI 生命周期的关键组成部分——如数据收集、训练、部署、升级和治理——可以去中心化并在链上追踪。这种去中心化模型允许更具社区驱动的改进，确保最佳模型和数据得到充分利用。区块链还支持模型升级的透明决策流程，确保 AI 系统以对所有利益相关者有利的方式发展，而不仅仅是少数控制实体。
AI 代理：区块链交互的未来：预计 AI 代理将在未来五年内在区块链生态系统中发挥关键作用。这些代理将自动化链上交易、协调任务并进行高级知识工作，使其成为去中心化应用的核心组成部分。区块链为这些代理提供了理想的互动框架，因为它确保了其操作的透明度、可验证性和问责制。随着代理变得越来越先进，它们可能在链上的交互中超过人类驱动的交互，从而创造一个处理跨行业复杂任务的更高效和可扩展的方式。
培训后的 AI 和持续模型改进：小组强调了 AI 模型在部署后改进方式的转变。后期训练技术，如微调和持续学习，越来越受到重视，使 AI 模型能够动态实时适应和改进。基于区块链的去中心化框架可以通过使较小的专业化模型或代理之间的协作成为可能，来支持这些过程。这种分布式的模型改进方法可能超越集中模型，提供更灵活和可扩展的 AI 演变解决方案。
培育去中心化 AI：风险投资家的见解
该小组汇聚了领先的风险投资家，审视去中心化 AI 与区块链的融合，深入探讨投资环境和新兴趋势。讨论集中在去中心化 AI 如何解决集中模型所面临的透明度、控制和可扩展性等关键挑战。关键主题包括区块链在 AI 基础设施中的不断演变、去中心化 AI 训练的兴起，以及边缘计算在进一步去中心化 AI 方面的潜力。小组还讨论了 AI 开发者采用的障碍以及围绕 AI 和加密交叉的估值热潮，提供了对该领域可持续增长的前瞻性观点。
小组成员：
主持人 – Emma Cui（创始人 & 国会议员，LongHash Ventures）
Jake Brukhman（创始人 & 国会议员，CoinFund）
Sam Campbell（投资者，Samsung Next）
Sven Wellmann（研究员，Polychain Capital）
关键要点：
AI 和区块链是互补技术：AI 从集中模型中获益，但在透明度、控制和可扩展性方面面临限制。区块链提供了去中心化基础设施，以应对这些问题，支持可验证性、隐私和民主化访问 AI。两者技术的融合将在塑造未来 AI 生态系统中发挥关键作用。
去中心化 AI 训练正在变得可行：长期以来，去中心化 AI 训练被认为是不切实际的观点正在改变。新的研究和去中心化网络使得在分布式系统上训练模型成为可能，挑战谷歌和英伟达等集中公司的主导地位。这一转变对确保 AI 依然开放和可获取至关重要。
边缘计算是去中心化的路径：在设备（例如手机）上本地运行 AI 模型是去中心化的一种关键形式。这减少了对集中数据中心的依赖，改善了隐私并降低了延迟。边缘计算作为缩放去中心化 AI 应用的实用解决方案正悄然兴起。
AI 开发者采纳的挑战：将优秀的 AI 人才从传统的 web2 环境吸引到去中心化 AI 仍然是一个障碍。然而，随着去中心化 AI 项目开始解决隐私和无需许可的访问等现实问题，越来越多的 AI 开发者将被吸引到这个领域。
加密-AI 中的估值热潮：AI 和加密的交集导致许多项目的估值被炒高，这是由于两者领域的炒作。尽管资金流入这个领域，投资者需要保持纪律，专注于长期可持续性，而不是受到短期兴奋的影响。
从用户到利益相关者：重新定义参与去中心化 AI 生态系统
小组讨论“从用户到利益相关者：重新定义参与去中心化 AI 生态系统”深入探讨了去中心化 AI 如何重塑当前由 OpenAI 和谷歌等集中玩家主导的格局。讨论重点关注开发去中心化 AI 系统面临的挑战、在利益相关者中确保公平价值分配以及区块链在将 AI 转变为更开放生态系统中的作用。目标是重新构想 AI 的参与，让各个领域的贡献者能够积极塑造和从生态系统中受益。
小组成员：
关键要点：
去中心化是关于治理，而不是基础设施：虽然去中心化 AI 并不旨在去中心化一切，尤其是物理计算资源，但它专注于去中心化治理和经济。资源分配、收入共享和贡献跟踪等关键领域应当去中心化，以创建一个更公平的 AI 生态系统，但数据中心和其他计算基础设施可以保持集中以提高效率。
区块链作为贡献的记账系统：区块链提供了一种透明和去中心化的方式来记录利益相关者的贡献——无论是数据提供者、计算提供者还是 AI 模型开发者。这允许根据贡献进行公平的收入共享，同时通过受信执行环境（TEE）和乐观机器学习等技术实现对链外操作的无信任验证。
初始模型发行（IMO）和代币化可以使 AI 民主化：通过代币化和初始模型发行，AI 模型开发者可以通过出售其模型的股份快速募集资金，类似于风险投资的运作。这种方法允许更快地获取资源，并支持通过利用去中心化金融（DeFi）生态系统开发专有 AI 模型。
当前生态系统中 AI 开发者的挑战：由于访问资源的有限，AI 开发者面临重大障碍，当前竞争格局由大型集中公司主导。像 Sahara AI 这样的去中心化 AI 生态系统旨在为模型开发者提供新的途径，以获取数据、计算和资金，而不被谷歌或 OpenAI 等科技巨头吸收。
集中式 AI 模型及其对用户的影响：目前，当用户与 AI 模型（如 ChatGPT ）交互时，他们放弃了宝贵的个人数据，这提高了 AI 的质量，但用户对其贡献没有所有权。去中心化的 AI 生态系统能够赋予用户对其数据的所有权，并使他们参与 AI 开发过程，从而确保他们分享创造的经济价值。
加入我们，共同塑造 AI 的未来
要想了解去中心化 AI 的最新进展，并参与这一变革之旅，请确保加入我们的候补名单。获取独家见解、提前接触新发展，以及与推动 AI 和区块链边界的行业领袖互动的机会。
