Grayscale：AI和加密货币将在三大领域协同发展

2024/01/22 14:16

关注

来源：Grayscale；编译：松雪，金色财经

最近，随着现货比特币 ETF 在美国获得批准，比特币占据了中心舞台，但人工智能相关加密资产的优异表现提醒人们，公共区块链用例的适用性和相关性正在扩大，超越了支付形式。
Grayscale Research 认为，人工智能和加密货币交叉的发展可能会缓解未来与人工智能相关的社会问题，例如深度造假的兴起、对数据隐私的担忧以及权力集中。
虽然许多代币可能只是顺应了“人工智能炒作浪潮”，但与人工智能项目开发相关的加密协议已经获得了采用的早期迹象。具体而言，按市值计算的四大人工智能相关加密代币[1]（TAO、RNDR、AKT、WLD）去年上涨了 522%，同期表现优于公用事业和服务加密行业 (+86%) 。

去年 11 月，OpenAI 的六人董事会宣布更换公司首席执行官 Sam Altman，这在科技界和商业界引起了震动。尽管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) 治理的讨论仍然存在，甚至成为今年瑞士达沃斯世界经济论坛年会上的一大话题。

OpenAI事件凸显了对关键技术的中心化控制的潜在危险。 对于灰度研究来说，这引出了一个关键问题：我们如何确保人工智能开发是可访问的、有竞争力的和透明的？这些难道不是区块链技术的核心租户吗？灰度研究公司相信这一点，业内其他人也开始讨论类似的话题。 CCI 的 Sheila Warren 表示[2]，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[3] 认为人工智能和加密货币是“同一枚硬币的两面”，“web3 将帮助我们信任人工智能”。

尽管许多用例还处于起步阶段，但市场似乎对这种技术交叉应用的重要性持乐观态度。根据 Coingecko 网络流量，人工智能是 2023 年最受欢迎的“加密货币叙述[4]”。此此外，富时罗素灰度加密行业指数反映了部分与人工智能相关的加密资产相对于公用事业和服务行业以及整个加密生态系统的表现优势（图1）。

在本报告中，我们试图解释人工智能和加密技术在以下领域的协同发展方面取得的进展：验证内容真实性、减少模型偏差以及改善人工智能开发中的准入和竞争。

图 1：2023 年大型 AI 代币的表现优于各个加密货币行业

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虚假信息的泛滥。这在未来几个月尤为相关，因为顶级人工智能专家担心深度伪造视频将试图影响2024年美国总统选举[5]。公共区块链及其透明且防篡改的账本固有特性为应对这一更广泛的威胁提供了潜在的解决方案。

一个致力于解决这个问题的重要举措是一个名为Worldcoin的加密协议。由Sam Altman共同创办，Worldcoin的目标是通过生物特征扫描注册全球每个人，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。自大约六个月前推出以来，Worldcoin已在全球注册了290万人[6]。此外，去年12月，Worldcoin宣布正在寻求通过额外的5000万美元私人融资进行扩张[7]。

另一个解决这个问题的举措是数字内容溯源记录（DCPR）标准，由Arweave和Bundlr团队首创。DCPR标准利用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[8]。

减少人工智能模型中的偏差

随着人工智能模型越来越融入我们的日常生活，人们对于过度依赖这些系统以及它们可能展现的固有偏见感到越来越担忧。考虑这样一种情景，即一个由人工智能驱动的聊天机器人可能通过推动消费者向特定产品倾斜或支持特定政治信仰来影响消费者的选择。类似地，这种技术可能在雇佣筛选中显示出对候选人的人口特征产生影响的偏见。由此导致的信任崩溃带来了连锁效应。根据一项研究，“AI检测器”本身可能对非英语母语的自然写作存在偏见。

Bittensor，一个新颖的去中心化网络，试图通过激励多样的预训练模型竞争最佳响应来解决人工智能偏见问题，验证者奖励表现出色的模型并淘汰表现不佳和带有偏见的模型。通过在各种模型和数据集之间培育开放和协作的人工智能创新环境，Bittensor有可能推动人工智能的发展，同时试图减轻偏见带来的负面影响[9]。

尽管Bittensor的发展仍处于初期阶段，但这个去中心化网络已经在专门用途的32个子网络上取得了初步进展，包括聊天机器人、图像生成、价格预测和语言翻译等[10]。值得注意的是，在OpenAI领导层冲突之后的短期内，Bittensor和其他两个市值最大的与人工智能相关的加密资产的价格显著上涨（图2）。我们认为这可能表明市场认为这些资产可能是对主要现有人工智能公司所带来的中心化风险的潜在对抗手段。

图 2：自 OpenAI 取得重大进展以来，与人工智能相关的加密资产表现良好

改善人工智能开发的机会，加剧竞争

除了模型偏见的风险之外，围绕人工智能的另一个关切是其发展过于中心化。随着人工智能模型规模的增长，与计算和存储相关的高昂成本威胁着将竞争排除在外，使得人工智能开发主要掌握在少数几个负担得起的科技巨头手中[11]。在过去的一年里，对人工智能和计算资源的需求增加导致大型计算服务提供商限制GPU（人工智能开发所需的专用处理器）的可用性[12]，尽管存在过剩的计算能力[13]。

去中心化计算市场如Akash和Render的设计目的是解决GPU资源低效使用的问题，通过将GPU所有者与寻求计算能力的人工智能开发者连接起来。该系统允许全球的个人和组织将其闲置的计算资源变现。同时，它为人工智能开发者提供了灵活的计算资源访问。由于区块链剔除了追求利润和开销的中间人，这些网络可以以中心化巨头提供的费用的一小部分（例如通过Akash提供的费用的大约五分之一[14]）提供服务。

例如，去年秋天，一名哥伦比亚大学的学生试图进行人工智能开发，但通过亚马逊网络服务难以获得计算资源；相反，他通过Akash租用GPU，每小时仅需1.10美元[15]。

最近，一些这些去中心化市场已经获得了初步的关注。例如，自从在九月推出GPU部署以来，Akash已经增长到超过70个活跃的GPU租赁[16]。值得注意的是，在Akash上提供其闲置GPU计算资源之一的组织是Foundry[17]，这是最大的加密矿业公司之一。此外，Render，一个用于3D图像渲染的GPU市场，在2023年经历了使用量的大幅增长[18]。

图 3：提高去中心化市场 Akash 的 GPU 利用率[19]

结论

今天，在这个交叉领域的大部分进展都发生在通过去中心化GPU市场帮助实现人工智能开发的加密协议的背景下。其他机会可能存在于以下领域：

零知识证明验证人工智能模型输出的完整性，并确认它是基于其所声称的数据集产生的[20]。加密作为支付轨道，实现与人工智能代理的无缝自动化和互动[21]。在加密游戏中使用人工智能生成的内容，以及虚拟存在作为非同质化代币（NFT）。这种协同作用仍处于初期阶段，但它显示出在2024年及以后可能积聚动力的迹象，特别是如果市场参与者继续将这些资产视为对抗未来类似OpenAI这样的大型中心化参与者巩固的一种平衡手段。无论人工智能和加密是否本质上相互关联，这两种快速发展的技术都有潜力在用例范围和对更广泛公众的相关性方面相互支持彼此的增长。