区块链和人工智能之间的协同与冲突

最近这些年，区块链领域锣鼓喧天，人工智能（AI）领域鞭炮齐鸣，但这两大变革性技术却似乎交集不多。但从概念上看，区块链和 AI 有不少互补之处，比如区块链技术固有的去中心化特性也许可以帮助解决 AI 的中心化问题，区块链透明且可验证的性质或许有助于解决 AI 模型的不透明问题。

前段时间，「区块链 X AI」的概念炒作让不少相关加密货币市值大增，整个板块的市值一度超过 200 亿美元，如图 1 所示。这说明市场对这一组合相当看好，投资者也颇有信心。

图 1：不同细分领域的加密货币市值，2024 年 4 月 18 日数据

但是，区块链和 AI 的整合实践中也暴露出了这两者存在的一些冲突之处，比如 AI 需要密集计算和大量存储，而区块链的分布式账本架构则强调冗余——每个节点都会存储和计算同样的信息。

近日，清华大学和 Fraunhofer HHI 等机构的一个研究团队发布了一篇论文《Blockchain and Artificial Intelligence: Synergies and Conflicts》，分析了区块链和 AI 之间存在的技术协同和冲突。值得注意的是，该团队并没有埋头分析理论，而是着眼于加密货币市场，分析了市值超过 1000 万美元的「区块链 X AI」项目和一些特定用例。

下面我们就来看看这篇论文讲了啥，得到了什么有趣或有用的见解。

区块链 X AI：协同与冲突

图 2 展示了区块链和 AI 之间的互补与对立之处。

区块链和 AI 的协同之处

去中心化与中心化。GPT 等当前最佳的大型语言模型（LLM）的训练和维护需要大量算力、电力和数据资源。举个例子，2020 年发布的 GPT-3 的训练过程的计算成本大约为 460 万美元。如此高的成本让 AI 大模型成为了少数几家大型科技公司的角力场——它们也基本上成了 AI 市场的垄断者。这样的垄断可能会妨碍竞争，这也是美国和欧洲等地区的政策制定者经常表达的担忧——这些地区在执行反垄断法方面非常积极，以维持市场平衡以及防止市场被单一实体主导。相比之下，区块链技术则是去中心化的；这样的特性或许能用于解决 AI 系统的中心化问题。只要部署得当，区块链的去中心化特性可防止任何一方控制整个网络。这一特性可帮助在 AI 系统内实现某种监管机制，实现更平衡的权力分布，并促进各方协同合作。因此，整合区块链技术可望解决 AI 领域内有关监管和垄断的争论，使 AI 治理变得更加包容和公平。

透明度与黑箱本质。区块链技术的另一大特点是透明，其上的交易和记录都是可验证且不可篡改的。另一方面，AI 却宛如一个黑箱——人们很难明晰其决策背后的推理过程。也许我们可以使用区块链账本来记录 AI 的决策过程，实现透明的审计跟踪，从而提升 AI 应用的可信度。此外，区块链还能整合先进的加密技术（比如 zk-SNARK 等零知识证明）或使用安全硬件（比如 Trusted Execution Environments/可信执行环境/TEE）。这些技术可帮助验证特定的计算步骤是否被忠实准确地执行。

数据管理和依赖。区块链可通过智能合约与星际文件系统（IPFS）等协议监管数据与数据访问权限。

开源与闭源。区块链可通过加密协议实现共享所有权，进而实现细粒度的隐私配置，从而解决 AI 专有模型的局限性。如果能让共享式 AI 系统（由参与方联合训练和控制）的性能达到商业模型的水平，那么 AI 发展的透明度将会大幅提升。这也能促进人们创造更公正和全面的人工智能解决方案。

区块链和 AI 之间的冲突

尽管区块链和 AI 之间有上述协同共进之处，但它们之间的运营需求却存在重大冲突，妨碍了这两者的整合。

计算成本和负载。对于 GPT-4 和 Llama 3 等大型语言模型（LLM），训练和推理都需要大量计算资源。区块链的共识机制、加密操作和不利的数据结构都会增加计算负担，从而影响可扩展性。

存储限制和数据密集度。区块链的去中心化特性尽管能确保安全和冗余，但也会导致显著的存储需求，这对数据驱动的 AI 系统来说无疑是高成本和低效的。在以太坊等通用区块链系统（GBPS）中，每一个节点都必须存储所有信息，因为冗余能保证该区块链网络的安全性和弹性，但却不利于可扩展性。由于以太坊虚拟机（EVM）上的新数据都会被储存成交易格式，那么 EVM 结构上的常见数据可能会有碍检索的速度。另一方面，AI 应用则会生成和处理大量数据，这就需要高效且可扩展的存储解决方案。