Delphi Digital联创：为什么加密与AI的结合是必然的

币灵灵财经 2024-11-15 20:49 686

当我首次尝试Midjourney和后来的ChatGPT时，它们的强大能力最初让我感到害怕。我对它们能力的完全不了解引发了一场轻微的存在危机。这让我意识到，虽然目前的LLMs只擅长完善我们的句子，但它们不可避免地更接近于完全发展的AGI，可以深刻地影响我们的思想。

媒体对AGI的描绘通常低估了它真正的影响，将其看作是一个全能的应用程序或iRobot。AGI将渗透到你生活的每个方面，甚至在你没有意识到的情况下。想象一下AI2041，这是对未来的展望，在那里，一个家庭的AI保险应用会演变成基于社会阶层和对真爱的风险分析来限制女儿的恋爱选择。这说明了AI将变得多么深刻、有影响力。

每部科幻电影都描绘了一个充满悲观情感的人工智能未来，因为这样的情节更卖座，而且这是一个现实的终局。无论我们认为OpenAI董事会有多么道德和伦理，由于人类存在的本性，其中存在一些无法让其对建立在这些基础模型之上的所有应用和用例产生负面影响的偏见。你可能喜欢与ChatGPT交流，但如果你在法庭上，你的人工智能陪审团使用面部识别看到你的肤色或你名字的独特拼写，将你送入监狱的时间加倍，你会作何感想？这些影响令人不安。

中心化人工智能是不可避免的。一旦谷歌请求你的许可以访问你的gDrive、gDocs和gmail，你的个性化人工智能将拥有自己的生命。我预计苹果会推出每台设备一个的个性化人工智能，因为他们在全球人工智能竞赛中落后，需要一种利用他们安全品牌的产品。如果OpenAI微调模型，这对社会产生连锁反应，影响到建立在其上的数百万个定制的ChatGPT，你是否感到舒适呢？

我们需要一个替代方案。加密货币是人工智能的完美结合，因为支撑这一运动的透明的全球人类协调可以在全球范围内利用人工智能实现良好的效果。众筹（用现金或 GPU）创建和微调开源模型，任何人都可以实时审核其中的偏见或问题，这是在加速发展的人工智能世界中最安全的前进道路。

我相信我们正走向一个拥有数十亿人工智能模型的世界，无论是下载和个性化每个人的开源模型，还是项目和公司为特定用例构建自己的模型集（想想 Uniswap LP 提供、交易所风险分析、德尔福人工智能）分析师）。

加密和人工智能是一种完美的结合，其基石是我们这一代最强大技术的可审计性、社区所有权和社区导向。无论是利用每个人的GPU来训练模型并为他们在模型中拥有所有权，还是DeFi和智能合约在其用例中利用人工智能以扩展其能力，或者是定制的针对您的个性化人工智能（而不是像Bard那样必须对整个世界进行概括的人工智能），这种结合是合理的。

去中心化人工智能将透明地共享我们这一代最强大技术的内部运作和所有权。而中心化人工智能无法提供这个核心价值。

最终，AGI 将使用加密货币，因为它会信任代码和数学，而不是实体银行分支机构和人性的突发奇想。我们未来进化的人工智能创作将使用加密货币，我们也应该这样做。

加密 x AI 主题和想法

加密朋克的人工智能价值观：

以太坊核心的Cypherpunk价值观，由@VitalikButerin概述，适用于人工智能：不去平台化、开放的全球参与、抵制审查、中立、合作等。我们在 Web2 的中心化幌子下重建人工智能的想法是可笑的。

AGI 和无需许可的货币

AGI 的乌托邦或反乌托邦有利于这样一种思想与未经许可的金钱互动以实现其想法。未来的 AGI 将不会有大通支票账户。它将使用加密技术进一步构建去中心化的人工智能和加密货币，不受美联储或 OpenAI 董事会的控制。

DePin 和 AI 是一个明确的用例

在过去的十年中，我们所有的研究都集中在如何提高超大规模数据中心的性能和效率。在接下来的十年中，我预计技术将大规模利用潜在的 GPU 和用户硬件来为 AI 模型进行训练和推理。 Nvidia 可以出货的 H100 的需求显然有限，而科技公司则掌握着可用的产品。让我们的 Mac Pro GPU 和其他硬件大规模用于训练和推理是一个明显的用例。领导者包括@ionet_official、@akashnet_ 和@gensynai。未来甚至可能有一条道路，Nvidia 转向内部，而不是出售其 H100，而是简单地建立自己最大的集群。

激励新模式创建

建立应用程序级别的创造力，我们需要激励全新模型本身的开发。这包括培训资金、众包特定培训数据以及托管推理模型的激励措施。大型语言模型只是人工智能模型的一种，即使如此，也有数十种领先的模型（Bard、ChatGPT、Claude 等）。世界各地的用户可以提供他们的 GPU、资金或数据来大规模训练和微调模型，并拥有最终模型的一部分。

更智能的应用程序和智能合约与人工智能

不受阻碍的去中心化人工智能将提供更好的应用程序。引用人工智能模型的智能合约可以扩展应用程序的设计空间，并大大增强其逻辑和功能。想象一下 Uniswap 流动性供应受到使用 ZK 的大规模链下模型的影响，以确保模型不被篡改。示例包括 @inference_labs@gizatechxyz 和 @ModulusLabs ，只需看看 @testmachine_ai，它提供了一种掠夺者模式来实时审核您的加密代码并从中学习，而不是等待 6 个月进行昂贵的手动审核。或者通过 @UpshotHQ 查看为 NFT 提供准确定价的大规模机器学习模型。

人工智能让加密货币变得易于使用

在未来，大多数加密货币用户将永远不会看到我们在加密货币领域谈论的各种细枝末节、无尽的首字母缩略词和词汇。他们只需将意图输入到一个低水平机器学习（LLM）中，一个求解器网络将处理他们交易的所有复杂步骤。这个LLM将学习、个性化并简化你的生活。很少有人需要手动桥接资产，那是由求解器赚取费用的。

最佳模型决策者获胜

我相信我们正在走向一个拥有数百万个人工智能模型的世界，无论是每个人都有自己的个人模型，还是每个项目和公司都有自己的模型。我们已经在 Hugging Face 上拥有 49 万多个开源模型，在 OpenAI 应用商店上拥有 300 万个自定义 ChatGPT。当加密服务用户中成熟的人工智能服务成为主流时，我认为能够有效选择针对每种情况使用哪种模型的协议将非常有价值。

就在今天，@NousResearch 发布了新的 Bittensor 子网计划，该子网可以评估开源模型，并使用该评级的逻辑下一步将请求定向到正确的模型。

道德、伦理和法律问题限制了中心化人工智能

中心化参与者不断面临道德和伦理问题的诉讼，并因此对模型进行破坏。想象一下，一个去中心化的低水平机器学习（LLM）通过签署协议向人们支付数据，而不是像纽约时报对@OpenAI提起诉讼那样。与中心化的系统相比，这限制了中心化的发展，而开放系统可以直接发布（例如@bittensor_）。当中心化的参与者因知识产权相关的诉讼以及对发布更智能的人工智能的道德和伦理顾虑而苦苦挣扎时，加密网络可以启动和部署这些网络，无需繁文缛节，轻松取胜。