区块链与AI的融合：天然需求

原文作者：蓝狐笔记

原文来源：mirror

区块链同样是最重要的趋势之一

今年以来，AI的火爆远超区块链。不过，加密世界也不必气馁，如何理解区块链未来的机会？先说一下想法：

• 区块链是人类历史上最重要的趋势之一，从web2信息互联网演化到web3价值互联网同样也是生产力提升的需要。才短短十多年，还有数十年的演化。其底层影响目前看是仅次于AI的第二大技术。
• AI和区块链是有融合需求的，虽然进展不会很快。

今天简单说说第二点：AI和区块链的融合需求。

区块链可以帮到AI的地方

*计算

大家都知道，AI对算力的需求是巨大的。如何将闲置算力为AI算力所用，需求是有的。不过目前看，由于训练AI模型属于密集计算，非常昂贵。在通用AI计算方面，目前区块链能够帮忙的地方还不多。

其中被诟病的主要有三点：一是，需要专用GPU硬件的支持；二是，数据交换延迟；三是，去中心化计算任务的证明。

• 上面也提到，AI训练属于密集型的大规模计算，LLM这些训练具有数十亿级别以上的参数，训练这些模型的FLOPs更是庞大，只有专用硬件（AI GPU，具有特殊组件，如Tensor Processing Units等）来执行这些训练才能达到更好效果；此外，为了达到最佳效果，所有GPU最好是同构计算，级别相同的GPU更易步调一致进行数据交换和继续计算。在去中心化网络，这对参与者的GPU是存在要求的。不过，要求越高，门槛越高，不利于去中心化，也不利于利用闲置算力。
• AI GPU需要不断交换数据。如果存在网络延迟，对于AI利用分布式的算力来进行训练也不利。
• 如何去中心化地验证计算任务的完成需要有相对高效和低成本的解决方案。

以上所提到的都是目前去中心化计算跟AI结合的难点，这也是目前AI和区块链结合相对不容易的地方。不过，从蓝狐笔记角度，随着更多参与者的探索，这个方面的障碍会一步步得到清除，当然也需要较长时间才能实现。

下面来说说，有可能逐步得到解决的方面。如果在通用AI角度，目前加密领域还很难切入。那么，可以从特殊领域的AI领域切入。而这个切入点，也跟目前AI的计算任务密切相关。有两个地方：一是，推理任务在目前的AI计算需求中占据了多数；二是，一些微调和推理任务对资源要求较小，通过去中心化计算来实现也有机会。这两点意味着去中心化算力的可能的潜在机会。

特定领域，比如法律、医学、投资、教育、数据分析等专业领域的AI可能在早期更适合这种专注于特定领域的分布式计算网络。上面也提到，为AI提供去中心化的算力服务，困难的不是完成计算任务，而是如何去中心化地验证任务的完成情况。目前一些项目正在试图解决这个问题，比如Gensyn和together等。

Gensyn融和了一些学术界的研究成果，如概率学习证明、基于图形的精确定位协议，也借鉴了Truebit项目的激励和制衡模型。Gensyn将整个过程分解为八个阶段，从AI任务提交、剖析、训练、证明生成到验证证明、挑战、仲裁以及结算。其中“概率学习证明”用以构建基线距离阀值，为验证者提供验证基础；“基于图形的精确定位”技术用以监督验证者验证执行的情况；Truebit的博弈模型则使得相关方以理性为导向。具体的过程可参考Gensyn的白皮书。这里顺便提及一下，像Truebit类似的链下计算项目，也有机会向这个方向演化，或许获得更多的业务机会。当然，这需要团队评估其机会。

相对于去中心化的网络计算的落地难度，AI模型分享和AI数据分享是有机会更快落地的领域。下面的两个方面，可能是AI跟区块链结合在早期更容易取得突破的地方：去中心化的模型共享和去中心化的数据共享。

* 模型

通过代币激励来鼓励模型的共享，从而实现更好的模型。甚至，这些模型还可以部署到链上，由任意参与者共同训练，推动模型发展。此外，随着AI模型的复杂化，对于推理的信任也变得关键。这也是链上可信推理可以发挥作用的地方。

在模型微调和推理领域，Giza、ChainML、Bittensor、Modulus Lab等都在探索中。Giza推出的是链上模型市场，在链上部署简单模型，链上推理，模型所有者可以在模型被使用后获得相关的费用收入。

Modulus则提出了zkML的概念，它认为由于成本问题，在链上运行推理模型是不现实的，因此它的解决方案是在链下运行推理模型，之后生成zkSNARKs证明，证明上链，并通过智能合约发挥其作用。

* 数据

通过代币经济来激励用户对模型进行反馈、激励用户收集更高质量的数据。通过提供分布式数据获得高质量的数据，尤其是特定领域，这对于AI发展有重要意义。同时，这也可以跟ZK技术结合起来，可以不用透露数据背后的隐私。这里的难点是如何证明数据本身的质量。

高质量的数据和去中心化的AI模型结合，对于AI发展会很有意思。

* 防伪

目前深度学习模型出现之后，导致AI生成的图像、音频、视频等变得越来越难以分辨真假。在AI生成时代，内容的真实性、防篡改性变得越来越重要。区块链是解决这一问题的重要技术手段。

加密数据身份和签名保证内容创造的真实性，而不是伪造的。尤其是AI工具被滥用之后，这个问题尤为严重。这是对抗伪造内容的重要技术手段。在以假乱真时代，需要通过加密技术来分辨真伪。

此外，也需要借用区块链技术进行确权。例如，同样是一幅画，AI生成和NFT图像仅从表面难以辨别，这个时候需要区块链发挥它的作用。

* 更具韧性的AI

AI通过跟区块链融合，获得在计算、模型、数据、带宽、存储等多方面的支持，获取去中心化的基础设施支撑，更具自我演化能力。此外，区块链领域的加密支付、价值流通方面，也可以为AI的演化提供支持。

一个完善的区块链基础设施构建成熟之后，AI将获得更多自我演化的能力。换言之，一个更去中心化的AI也是AI自我实现的需求，利用区块链的分布式特点来发展AI，也是AI自身发展的诉求。

对于AI自身来说，如果最后只被微软、谷歌等大巨头所垄断，对它自身演化也是不利的。AI有天然的去中心化发展的需求，这是AI实现更具韧性的自身需求。AI+区块链所能爆发出来的力量有可能远超人们想象。

AI可以推动区块链的地方

* 人工智能和链上数据融合

通过AI分析链上的动态数据，获得预测的能力，比如投研等。其中一个最令人兴奋的地方是，通过嵌入AI，智能合约可以实现动态的自主决策。比如，defi根据实时数据进行调整等。一个动态的而不是静态的智能合约，会让区块链生发出更多应用场景和用户需求。

人工智能的发展，可以加密应用带来新的可能性。

AI为DeFi、web3游戏、web3社交、web3应用（交通、住宿、旅游等）带来新的可能性。比如，例如AI+web3游戏，有可能诞生出前所未有的游戏模式；例如AI+物联网+加密支付，有可能诞生出更智能的网络。

* ZKP的重要性

计算任务要保证隐私和完成度，需要ZKP加入，形成可验证的工作证明。ZKP成熟之后，可实现AI上链，也可以提供隐私保护以及可验证的机器学习。

整体来说，区块链可以通过去中心化的模式，为算力、数据和模型的协议提供一种协作架构，最终促进AI的发展，在这个过程中，有很多细节需要完善，比如需要证明参与者的贡献（不管是算力、数据还是模型），只有低成本地完成了这些，区块链才有机会帮到AI，否则就是空中楼阁。

当然，从趋势上看，AI对区块链有天然的需求，AI需要区块链为自己发展提供真正的韧性。

与此同时，AI对于区块链应用的进化也会有帮助，不管是DeFi、游戏还是其他应用，都有可能诞生更智能化的加密应用。这有可能是未来的大叙事，即便下个周期里还不成熟，下下个周期或许也有这样的机会。

以上所提到的只是部分，并不完整，会随着时间的变化有增有减。（两个月的文章，忘记发布，今天补发。）