去中心化AI的風(fēng)險(xiǎn)、挑戰(zhàn)與未來(lái)發(fā)展方向

引言

去中心化AI雖然具有諸多優(yōu)勢(shì)，但也面臨著不少風(fēng)險(xiǎn)與挑戰(zhàn)。作為這個(gè)系列的第三篇文章，本文將為您分析這些挑戰(zhàn)，并展望去中心化AI的未來(lái)發(fā)展方向。

我們也歡迎這個(gè)方向的創(chuàng)業(yè)者和項(xiàng)目方與我們聯(lián)系。

AI Agent的發(fā)展機(jī)遇

AI Agent是大模型的自然進(jìn)化，通過(guò)引入記憶機(jī)制、任務(wù)分解和規(guī)劃能力，AI Agent能夠感知環(huán)境、自主決策并執(zhí)行復(fù)雜任務(wù)。

現(xiàn)有的大模型雖然能夠生成文本并解決問(wèn)題，但還不具備完整的任務(wù)規(guī)劃和執(zhí)行能力。AI Agent將補(bǔ)足這一缺陷，提升AI在復(fù)雜任務(wù)中的表現(xiàn)。

如果說(shuō)AI是核能，那么它不應(yīng)該只掌握在少數(shù)人手中。去中心化的AI Agent將通過(guò)區(qū)塊鏈和加密技術(shù)，確保AI技術(shù)的公平性和透明性。

在未來(lái)的代理社會(huì)中，去中心化的AI將成為必然趨勢(shì)，以解決現(xiàn)有集中化AI系統(tǒng)面臨的問(wèn)題。

數(shù)據(jù)標(biāo)注的發(fā)展機(jī)遇：

數(shù)據(jù)準(zhǔn)備包括數(shù)據(jù)采集、清洗、標(biāo)注和增強(qiáng)，AI對(duì)數(shù)據(jù)的多樣化需求增加了對(duì)高精度和強(qiáng)定制的數(shù)據(jù)標(biāo)注的依賴(lài)，數(shù)據(jù)標(biāo)注冗長(zhǎng)的工作周期和高昂的人力成本限制了AI行業(yè)的發(fā)展。

Web3可通過(guò)經(jīng)濟(jì)激勵(lì)機(jī)制，接觸到大量的全球各個(gè)地區(qū)的AI數(shù)據(jù)收集和標(biāo)注工作人員，能夠讓其從數(shù)據(jù)貢獻(xiàn)中獲得收益。

案例：數(shù)據(jù)交易市場(chǎng) Ocean Protocol

運(yùn)作機(jī)制

? 提供者（Providers）：數(shù)據(jù)提供方可以發(fā)行和出售自己的數(shù)據(jù)通證，從而獲得收入。

? 消費(fèi)者（Consumers）：購(gòu)買(mǎi)或賺取所需的數(shù)據(jù)通證，從而獲得訪(fǎng)問(wèn)權(quán)。

? 市場(chǎng)（Marketplaces）：指由 Ocean Protocol 或第三方提供的一個(gè)開(kāi)放、透明和公平的數(shù)據(jù)交易市場(chǎng)，它可以連接全球范圍內(nèi)的提供者和消費(fèi)者，并提供多種類(lèi)型和領(lǐng)域的數(shù)據(jù)通證。

? 網(wǎng)絡(luò)（Network）：指由 Ocean Protocol 提供的一個(gè)去中心化的網(wǎng)絡(luò)層。

? 策展人（Curator）：指一個(gè)生態(tài)系統(tǒng)中負(fù)責(zé)篩選、管理、審核數(shù)據(jù)集的角色，他們負(fù)責(zé)審核數(shù)據(jù)集的來(lái)源、內(nèi)容、格式和許可證等方面的信息，以確保數(shù)據(jù)集符合標(biāo)準(zhǔn)，并且可以被其他用戶(hù)信任和使用。

? 驗(yàn)證人（Verifier）：指一個(gè)生態(tài)系統(tǒng)中負(fù)責(zé)驗(yàn)證、審核數(shù)據(jù)交易和數(shù)據(jù)服務(wù)的角色。

總結(jié)：AI Agent和去中心化數(shù)據(jù)標(biāo)注是DeAI目前比較熱門(mén)的兩個(gè)方向，也有很多創(chuàng)業(yè)團(tuán)隊(duì)在這其中進(jìn)行開(kāi)發(fā)。

去中心化AI面臨的風(fēng)險(xiǎn)與挑戰(zhàn)

• Web3對(duì)AI賦能的局限性：由于Web3加密用戶(hù)數(shù)量有限，經(jīng)濟(jì)激勵(lì)機(jī)制的輻射范圍較小。這限制了去中心化AI的快速發(fā)展，需要更多的用戶(hù)參與和接受度。

• 零知識(shí)證明技術(shù)的挑戰(zhàn)：量化精度、硬件要求和對(duì)抗性攻擊等問(wèn)題。零知識(shí)證明技術(shù)（ZKP）在實(shí)現(xiàn)模型的可驗(yàn)證性方面具有長(zhǎng)遠(yuǎn)意義，但目前仍面臨技術(shù)難題和實(shí)施挑戰(zhàn)。

• 成本優(yōu)勢(shì)的吸引力：如果市場(chǎng)上算力資源供應(yīng)得到緩解，去中心化算力網(wǎng)絡(luò)的價(jià)值和成本優(yōu)勢(shì)將會(huì)削弱。這要求去中心化AI不斷地提高效率和降低成本，以保持其競(jìng)爭(zhēng)力。

• AI與密碼學(xué)結(jié)合的效率與成本問(wèn)題：使用零知識(shí)證明技術(shù)或完全同態(tài)加密（FHE）技術(shù)執(zhí)行隱私計(jì)算任務(wù)的效率遠(yuǎn)低于明文執(zhí)行。由于AI計(jì)算需求高，加入密碼學(xué)技術(shù)將進(jìn)一步提高成本，可能難以實(shí)際落地。

• AI的深度造假問(wèn)題：AI模型訓(xùn)練中的通信瓶頸問(wèn)題顯著。頻繁交換模型參數(shù)和梯度信息會(huì)消耗大量網(wǎng)絡(luò)帶寬，產(chǎn)生高通信開(kāi)銷(xiāo)。同時(shí)，各節(jié)點(diǎn)的同步問(wèn)題也會(huì)對(duì)訓(xùn)練結(jié)果產(chǎn)生影響，需要頻繁的數(shù)據(jù)校驗(yàn)和同步操作。

• AI的普及導(dǎo)致深度造假風(fēng)險(xiǎn)增加。在Web3與AI交叉賦能的場(chǎng)景中，需防范AI偽造風(fēng)險(xiǎn)。

去中心化AI未來(lái)發(fā)展的方向

模型層：隨著 AI Agent變得更加普遍，未來(lái)用戶(hù)將依靠AI Agent來(lái)幫助自己完成任務(wù)，是連接模型層和應(yīng)用層的鑰匙。模型的多樣化平臺(tái)逐步形成，大模型成本不斷下降，跑出“黑馬級(jí)”應(yīng)用仍然需要時(shí)間。

訓(xùn)練層：去中心化訓(xùn)練AI 模型存在實(shí)現(xiàn)的可能性，但由于推理需求遠(yuǎn)大于訓(xùn)練需求，訓(xùn)練層會(huì)更多依賴(lài)集中式算力。

算力層：去中心化算力有效降低GPU使用成本，企業(yè)級(jí)GPU符合目前算力需求。未來(lái)端側(cè)模型落地，消費(fèi)類(lèi)GPU將有用武之地。

數(shù)據(jù)層：公開(kāi)數(shù)據(jù)獲取難度越來(lái)越大，去中心化的數(shù)據(jù)收集和數(shù)據(jù)標(biāo)注將成為未來(lái)AI模型數(shù)據(jù)來(lái)源和處理的重要途徑。

結(jié)語(yǔ)

去中心化AI作為一種新興的技術(shù)趨勢(shì)，雖然道路充滿(mǎn)挑戰(zhàn)，但其發(fā)展?jié)摿薮蟆ｋS著技術(shù)的不斷進(jìn)步和市場(chǎng)的逐步成熟，去中心化AI有望在未來(lái)發(fā)揮更大的作用。我們需要持續(xù)關(guān)注這些挑戰(zhàn)，并尋找創(chuàng)新的解決方案，以推動(dòng)去中心化AI的發(fā)展。在這個(gè)其中，我們認(rèn)為在模型、訓(xùn)練、數(shù)據(jù)、算力四個(gè)層面，去中心化AI都有其用武之地，尤其是DeAI是一個(gè)最可見(jiàn)，且最能產(chǎn)生價(jià)值的方向之一。