藍狐筆記 | 區塊鏈與 AI 的融合：天然需求
區塊鏈同樣是最重要的趨勢之一
今年以來，AI 的火爆程度遠遠超過區塊鏈。不過，加密世界也不必氣餒，如何理解區塊鏈未來的機會？先說一下想法：
- 區塊鏈是人類歷史上最重要的趨勢之一，從 Web2 資訊網路到 Web3 價值網路同樣也是生產力提升的需要。才短短十多年，還有幾年的系統。其底層影響目前看是 AI 的第二大技術。
- 人工智能和區塊鏈有融合需求，但進展不會很快。
今天簡單說說第二點：AI 和區塊鏈的融合需求。
區塊鏈可以幫助人工智能的領域
* 運算
大家都知道，AI 對算力的需求是巨大的。如何將閒置算力作為 AI 算力所用，需求是有的。不過目前看，由於訓練 AI 模型密集運算，非常昂貴。在通用 AI 運算方面，目前區塊鏈能夠幫忙的程度還不算多。
其中詬病的主要有三點：一是，需要專用 GPU 硬體的支持；二是，數據交換延遲；三是，去中心化運算任務的證明。
- 上面也提到了，AI 訓練屬於密集型的大規模運算，LLM 這些具有密集型的大規模運算，這些模型的 FLOPs 極其龐大，只有專用硬體（AI GPU，特殊組件，如張量處理）單位等來執行這些訓練才能達到更好的效果；另外，為了達到最佳效果，所有 GPU 最好是同構運算，級別相同的 GPU 更容易步調一致進行數據交換和繼續運算。在去中心化網路，這對參與者的 GPU 是存在要求的。但是，要求人口、資金佔用，不利於去中心化，也不利於利用閒置算力。
- AI GPU 需要不斷交換數據。如果存在網路延遲，對於 AI 利用多種運算力來進行訓練也不利。
- 如何去中心化地驗證運算任務的完成需要有相對和亮點的高效解決方案。
以上所提到的都是目前中心化運算跟 AI 結合的難點，這也是目前 AI 和區塊鏈結合相對不易的地方。不過，去藍狐筆記角度，隨著更多參與者的探索，這方面的障礙將會一步得到明確，當然也需要花費時間才能實現。
下面來說說，有可能逐步得到解決的方面。如果在通用 AI 角度，目前加密領域還很難切入。那麼，可以從特殊領域的 AI 領域切入。而這個切入點，也跟目前 AI 的運算任務緊密相關。有兩個地方：一是，推理任務在目前的 AI 運算需求中受到了大多數；二是，一些調節和推理任務對資源要求較小，通過去中心化運算來實現也有機會。這兩點點意味著去中心化算力的可能的潛在機會。
領域，比如法律、醫學、投資、教育、數據分析等專業領域的 AI 可能在早期更適合這種特定領域的運算網路。上面也提到了，為 AI 提供中心化的算力服務，很難完成運算任務，而是如何去中心化地驗證任務的完成情況。目前一些項目正在嘗試解決這個問題，比如 Gensyn 和 together 等。
Gensyn 融和了一些學術界的研究成果，如概率學習證明、基於圖形的準確定位協議，也形成了 Truebit 項目的啟發和衡量模型。Gensyn 將整個過程劃分為八個階段，從 AI 任務、剖析、其中「概率學習證明」建立了構建基線距離閥值，為驗證者提供驗證基礎；「基於圖形的準確定位」技術則監督驗證者驗證執行的情況；Truebit 的博弈模型則使得相關方以理性為導向。具體的過程可參考 Gensyn 的貿易。這裡順便回調一下，像 Truebit 類似的鏈下運算項目，也有機會向這個方向走，可能會獲得更多多的業務機會。當然，這需要團隊評估其機會。
相對於去中心化的網路運算的落地入口，AI 模型分享和 AI 數據分享是有機會更快落地的領域。下面位置的兩個方面，可能是 AI 跟區塊鏈結合在早期更容易取得突破的領域：去中心化的模型共享和去中心化的數據共享。
* 模型
通過代幣激勵來鼓勵模型的共享，從而實現更好的模型。甚至，這些模型還可以部署到鏈上，由任何參與者共同訓練，推動模型發展。此外，隨著 AI 模型的複雜化，對於推理的信任也成為關鍵。這也是鏈上可信推理可以發揮作用的地方。
在模型建模和推理領域，Giza、ChainML、Bittensor、Modulus Lab 等都在探索中。Giza 推出的是鏈上模型市場，在鏈上部署簡單模型，上鏈推理，模型供應商可以在模型被使用後獲得相關費用收入。
Modulus 則提出了 zkML 的概念，它認為是由於成本問題，在鏈上運行推理模型是不現實的，因此它的解決方案是在鏈下運行推理模型，之後生成 zkSNARKs 證明，證明上鏈，並通過智能契約發揮其作用。
* 數據
通過代幣經濟來用戶對模型進行反饋、激勵用戶收集更高質量的數據。通過提供多個數據獲得高質量的數據，尤其是特定領域，這對於人工智能的發展具有重要的啟發意義。同時，這也可以跟 ZK 技術結合起來，可以不用解密數據背後的隱私。這裡的難點是如何證明數據本身的質量。
高質量的數據和去中心化的 AI 模型結合，對於 AI 的發展會很順利。
* 防偽
目前深度學習模型出現之後，導致 AI 生成的圖像、音檔、影片等變得越來越難以辨別真假。在 AI 生成時代，內容的真實性、防篡改變得越來越重要。是解決這一問題的重要技術手段。
加密數據和身份簽名保證內容創建的真實性，而不是偽造的。尤其是 AI 工具被破解之後，這個問題極其嚴重。這是對抗偽造內容的重要技術手段。在以亂真時代，需要通過假加密技術來辨別真偽。
另外，也需要藉用區塊鏈技術進行確實的權利。例如，同樣是一件藝術品，AI 生成和 NFT 圖像僅從表面上難以估量，這個時候需要區塊鏈發揮它的作用。
* 適應人工智能
AI 通過跟隨區塊鏈融合，獲得在運算、模型、數據、頻寬、儲存等多方面的支持，獲得去中心化的基礎設施支撐，增加自我適應能力。此外，區塊鏈領域的加密、價值普及方面，也可以為 AI 的安裝提供支持。
一個完善的區塊鏈基礎設施建設之後，AI 將獲得更加成熟的自我安裝的能力。換言之，一個更加去中心化的 AI 也是 AI 自我實現的需求，利用區塊鏈的架構特點來發展 AI，也是 AI 自身發展的訴求。
對於 AI 本身來說，如果最後只是被微軟、谷歌等大派對所壟斷，對它本身來說也是不利的。AI 有原生的去中心化發展的需求，這就是 AI 實現了消費的自身需求。AI+區塊鏈所能爆發出來的力量可能遠超人們的想像。
人工智能可以推動區塊鏈的方向
* 人工智能和鏈上數據融合
通過 AI 分析鏈上的動態數據，獲得預測的能力，比如投研等。其中一個最令人興奮的地方是，通過嵌入 AI，智能合約可以實現動態的自主決策。比如，defi 根據實時數據進行調整一個動態的而不是靜態的智能合約，可以讓區塊鏈產生更多的應用場景和用戶需求。
人工智能的發展，可以給加密應用帶來新的可能性。
AI 為 DeFi、web3 遊戲、web3 社交、web3 應用（交通、住宿、旅遊等）帶來了新的可能性。比如，例如 AI+web3 遊戲，有可能誕生出北極的遊戲模式；例如 AI+物聯網+加密支付，有可能催生出更智能的網路。
* ZKP 的重要性
運算任務要保證隱私和完成度，需要 ZKP 加入，形成可驗證的工作證明。ZKP 成熟之後，可實現 AI 上鏈，也可以提供隱私保護以及可驗證的機器學習。
整體來說，區塊鏈可以通過去中心化的模式，為算力、數據和模型的協議提供一種協作架構，最終促進 AI 的發展，在這個過程中，有很多需要完善的地方，比如需要細節證明參與者的貢獻（無論是算力、數據還是模型），只有表面地完成了這些，區塊鏈的貢獻機會才有助於到 AI，否則就是空中樓閣。
當然，從趨勢上看，AI 對區塊鏈有天然的需求，AI 需要區塊鏈為自己的發展提供真正的共識。
同時，AI 對於區塊鏈應用的進化也有幫助，無論是 DeFi、遊戲還是其他應用，都有可能催生更智能化的加密應用。這有可能是未來的大記，延伸到下個週期裡還不成熟，下個週期也許也有這樣的機會。
以上提到的只是部分，並不完整，會隨著時間的變化有增有減，也歡迎各位在留言補充。（兩個月的文章，忘記發布了，今天補發。）
（以上內容獲合作夥伴 藍狐筆記 授權節錄及轉載，原文標題：《區塊鏈與 AI 的融合：天然需求》）
聲明：文章僅代表作者個人觀點意見，不代表區塊客觀點和立場，所有內容及觀點僅供參考，不構成投資建議。投資者應自行決策與交易，對投資者交易形成的直接間接損失作者及區塊客將不承擔任何責任。
這篇文章 藍狐筆記 | 區塊鏈與 AI 的融合：天然需求 最早出現於 區塊客。
