Galaxy：全景解读Crypto+AI赛道

原文标题：《Understanding the Intersection of Crypto and AI》

原文作者：Lucas Tcheyan

原文编译：律动小工，BlockBeats

目录

介绍

核心观点术语解释

人工智能+加密货币全景图

去中心化计算

概述

去中心化计算

垂直领域

通用计算

二级市场

去中心化机器学习训练

去中心化通用人工智能

构建用于 AI 模型的去中心化计算堆栈

其他去中心化产品

展望

智能合约与零知识机器学习（zkML）

零知识机器学习（zkML）

基础设施与工具

协处理器

应用

展望

人工智能代理

代理提供商

比特币和人工智能代理

展望

结论

介绍

区块链的出现可以说是计算机科学历史上最重要的进步之一。同时人工智能的发展将会，而且已经在我们的世界产生深远影响。如果说区块链技术提供了一种新的交易结算、数据存储和系统设计范例，人工智能则是计算、分析和内容生产的革命。这两个行业的创新正在解锁新的用例，这些用例可能会在未来几年加速两者的应用落地。本报告探讨了加密货币和人工智能的集成，重点关注试图弥合两者之间差别、利用两者力量的新用例。具体而言，本报告研究了去中心化计算协议、零知识机器学习（zkML）基础设施和人工智能代理的项目。

加密货币为人工智能提供了一个无需许可、无需信任、可组合的结算层。这解锁了更多用例，例如通过去中心化计算系统使硬件更容易获得，构建可以执行需要价值交换的复杂任务的人工智能代理，以及开发身份和来源解决方案来对抗女巫攻击和深伪技术（Deepfake）。人工智能为加密货币带来了许多好处，正如已经在 Web 2 中看到的那样。这包括通过大型语言模型（例如 ChatGPT 和 Copilot 的专门训练版本）增强了用户和开发者的用户体验（UX），以及显著提高智能合约功能和自动化的潜力。区块链是人工智能所需要的透明、数据丰富的环境。但区块链的计算能力也受到了限制，这是直接集成人工智能模型的主要障碍。

加密货币和人工智能的交叉点正在进行的实验和最终采用背后的驱动力，正是推动加密货币许多最有前景的用例的驱动力——一个无需许可、无需信任的协调层，更好地促进价值转移。鉴于其巨大潜力，该领域的参与者需要理解这两种技术相交的基本方式。

核心观点：

在不久的将来（6 个月到 1 年），加密货币和人工智能的集成将由人工智能应用程序主导，这些应用程序可以提高开发者的效率、智能合约的可审查性和安全性以及用户的可使用性。这些集成并非特定于加密货币，而是增强了链上开发者和用户的体验。

正如高性能 GPU 严重短缺一样，去中心化计算产品正在发展人工智能定制的 GPU 产品，这为其采用提供了有力支持。

用户体验和监管仍然是去中心化计算客户的障碍。然而，最近 OpenAI 的发展以及美国正在进行的监管审查突显了无需许可、抗审查、去中心化人工智能网络的价值主张。

链上人工智能整合，特别是能够使用人工智能模型的智能合约，需要改进 zkML 技术和其他验证链下计算的计算方法。缺乏全面的工具和开发人才以及高昂的成本是采用的障碍。

人工智能代理非常适合加密货币，用户（或代理本身）可以创建钱包以与其他服务、代理或个人进行交易。这在传统金融渠道下目前不可能实现。为了更广泛的采用，需要与非加密产品进行额外的集成。

术语解释：

人工智能（Artificial Intelligence）是利用计算和机器模仿人类的推理和问题解决能力。

神经网络（Neural Networks）是一种用于 AI 模型的训练方法。它们通过一系列算法层处理输入数据，不断优化直到产生所需的输出。神经网络由具有可修改权重的方程组成，可以修改权重以改变输出。它们可能需要大量的数据和计算来进行训练，以确保其输出准确。这是开发 AI 模型最常见的方式之一（例如，ChatGPT 使用基于 Transformer 的神经网络过程）。

训练（Training）是神经网络和其他 AI 模型开发的过程。它需要大量的数据来训练模型，以正确地解释输入并产生准确的输出。在训练过程中，模型方程的权重将不断修改，直到产生令人满意的输出为止。训练成本可能非常昂贵。例如，ChatGPT 使用数以万计的 GPU 来处理其数据。资源较少的团队通常依赖于像亚马逊网络服务（Amazon Web Services）、Azure 和谷歌云服务（Google Cloud Providers）等专用计算提供商。