探索人工智慧革命 Web3：去中心化人工智慧、資料所有權及未來之路

2 月 XNUMX 日，杜拜舉辦 黑客季節會議 ，頂尖專家齊聚一堂，探討人工智慧浪潮如何重塑區塊鏈開發和用戶互動。由聯合創辦人兼執行長 Tomer Sharoni 領導 可尋址的 ，面板 featured 包括來自 Fluence網絡 ，Mark Rydon 來自 埃瑟爾 ，Ramkumar 來自 Openledger 以及 Michael Heinrich 0G實驗室 。討論涵蓋了自主代理的興起、人工智慧驅動的去中心化應用程式 (dApp) 以及安全和數據分析方面的進步，強調了人工智慧如何改變 Web3 基礎設施和治理，並研究這種融合的未來前沿。

其中一個核心問題是目前集中式人工智慧模型的主導地位，這種模型依賴於封閉的資料、封閉的運算資源和受限的激勵。發言者認為權力下放是克服這些限制的一種手段。 

他們指出了當今人工智慧的關鍵問題，並強調 Web3 可以透過實現更具包容性的資料收集和標記過程來促進人工智慧發展。收集眾多資源並讓人們能夠使用他們所需的資源的能力是另一個需要關注的問題是。跨人工智慧組件的可驗證性也帶來了挑戰，以及對人們提供的數據缺乏獎勵。在這種情況下，加密原生激勵措施是透明獎勵貢獻者的潛在機會。同時，一個關鍵的基礎設施挑戰是對人工智慧的關鍵引擎 GPU 的存取有限，這強調了實現運算存取民主化以確保更廣泛參與的緊迫性。

去中心化基礎設施是通往透明、可驗證、可信賴的人工智慧系統的途徑

恢復對人工智慧系統的信任是另一個關鍵問題，特別是在決策越來越不透明的情況下。因此，去中心化使資料和模型行為都變得可見。 

例如，分散儲存層可以從資訊進入系統的那一刻起建立資料來源，從而允許使用者追蹤其來源和修改。在操作方面，透過基於區塊鏈的激勵和懲罰機制（例如削減）進行即時模型調整，為動態治理人工智慧行為提供了途徑，創建了可驗證且適應性強的系統。

解鎖人工智慧的下一個前沿：去中心化人工智慧模型中的所有權

討論的另一個重點是資料歸屬和品質保證。雖然當今大多數大型語言模型 (LLM) 都是基於公開抓取的資料進行訓練的，但小組成員強調，最有價值的資料集掌握在擁有特定領域知識的個人和企業手中。

例如，Openledger 旨在利用這些專門的資料集，讓個人和組織為醫療保健和電子商務等領域建立客製化模型。他們的框架允許貢獻者在獲得歸屬和獎勵的同時保留對其資料的所有權。值得注意的是，Openledger 提供了一種機制來追蹤哪些數據對特定的 AI 輸出做出了貢獻，這種透明度是大多數當前 LLM 所不具備的。

從自動化鏈上交易到推動加密原生經濟：未來會怎麼樣？

當被問及預計在不久的將來實現的人工智慧領域最有趣的想法時，發言者強調了使用人工智慧代理執行各種人類任務的潛力。討論的一個例子是人工智慧對齊節點，它能夠透過檢測資料中毒和後門攻擊充當自然警察力量。此外，小組成員強調了人工智慧在將人類從日常工作中解放出來並提高效率方面的作用。

講者預測，在未來三到五年內，很大一部分鏈上交易可以由自主人工智慧代理執行——這對於以快速投機和交易為特點的加密貨幣領域來說是一個尤其重要的發展。

另一個值得注意的想法是，人工智慧可以用來優化從軟體開發到去中心化金融的一切（DeFi) 策略。隨著人工智慧的不斷發展，由人工智慧本身編寫和優化的演算法驅動的全新加密原生組織和金融模型的潛力越來越大。在這個新興的典範中，加密貨幣不僅可以作為投機工具，還可以作為人工智慧驅動經濟的本土資本。