Bankless:为什么 AI 需要 Crypto 的技术?

原文标题:《Why AI Needs Crypto’s Values

撰文:Arjun Chand,Bankless

编译:Chris,Techub News

原文来自香港Web3媒体:Techub News

人工智能革命的梦想一直是一把双刃剑。

释放人工智能的潜力可以解决人类面临的挑战,但也可能导致权力集中并带来危险。

这时候,加密货币技术和区块链的作用就显现出来了。加密货币技术的核心价值观同样适用于改进人工智能。这些价值观可以为人工智能的未来打造一个更公平、更安全、更开放的环境。

去中心化、无需许可的创新、开源系统、隐私、透明度、用户所有权,这些不仅仅是空洞的词汇,它们还能帮助揭开人工智能的黑箱。

以下是为什么人工智能行业需要加密货币技术的原因。

构建包容开源的人工智能生态系统

人工智能和加密货币之间的协同作用。

来源:The promise and challenges of crypto + AI applications

目前,少数几家大型科技公司控制了绝大部分的计算能力,并在其 AI 研究领域筑起了高墙,形成了一个「AI 黑手党」。这种垄断扼杀了创新和竞争,限制了整个行业的发展速度。

然而,去中心化的出现为这一现状带来了转机。在去中心化的人工智能模式中,计算能力和人工智能研究是无需许可即可访问的。人工智能成为每个人的工具,打破了人工智能黑手党设立的障碍,使知识、工具和资源的获取更加民主化。

这种共享资源的模式意味着更多的人可以参与到 AI 的研究中,解决最具挑战性的问题。参与者越多样化,算法的偏见就越少,从而为每个人带来更公平的结果。这种多元化的建设者群体不仅推动了技术进步,也为社会带来了双赢的局面。

然而,开源开发的模式一直难以盈利,如果无法从中获利,如何激励人们创造出伟大的作品?这种困境常常迫使公司选择闭源模式以实现盈利。

有一个解决方案是「加密货币驱动的去中心化 AI」。

加密货币技术为开源 AI 提供了新的途径。它为 AI 开发创建了一个开放性的市场,确保可以开源访问的前提下,通过代币进行激励。

例如,在 Bittensor 等去中心化 AI 网络中,开发人员在不同的 AI 应用程序中使用他们的机器学习模型时可以获得 TAO 代币。

这种机制通过代币化激励吸引顶尖人才,形成了一个在闭源、中心化模型中无法实现的可持续价值链。

确保用户数据的隐私

我们生活在一个数据驱动的世界,每个人都希望利用你的数据来了解你的喜好,从而向你推销产品。人工智能系统需要大量数据才能正常工作。大型 AI 公司通常会存储整个对话历史来训练他们的模型,但这会带来巨大的隐私问题。

想象一下,你所有的个人信息,购物习惯、浏览历史,甚至健康记录都被存储在一个巨大的 AI 数据库中。你不一定信任这些公司不会滥用或出售这些数据,对吧?

为了真正赢得用户信任,AI 需要采用隐私保护技术。建立信任需要透明度和可验证性,而零知识证明可以帮助实现这一点。

加密货币领域的 AI 项目还以其他方式采用隐私保护技术。例如,Venice.ai 仅在用户的浏览器中存储对话历史记录,并确保用户请求已加密。GPU 提供商会处理这些请求,但没有服务器可以看到整个对话历史记录或知道用户的身份。

通过整合这些加密方法和价值观,我们可以创建尊重用户隐私和数据所有权的 AI 系统。

使用合成数据训练 AI 模型

我们如何在保护用户隐私的同时训练 AI 模型?如果没有足够的数据,AI 无法很好地理解现实世界,从而导致「AI 幻觉」,即 AI 生成错误的输出。

这时合成数据就派上用场了。合成数据是使用算法模拟真实数据生成的,具有隐私保护特性,因为它不会泄露个人信息。所有主要的 AI 公司都在使用它,这是一个新兴的研究领域。

加密货币可以激励创建用于训练 AI 模型的合成数据集。用户可以通过贡献经过验证的数据点来获得代币,从而解决训练数据不足的问题。

例如,像 Synthetic AI 这样的项目构建了用于创建合成数据的工具,允许用户贡献合成数据并获得 SAI 代币。确保这些数据集的质量可以显著加快生成用于训练 AI 模型的数据的过程,同时保持用户数据隐私。

结束语

人工智能的未来尚不确定,但有一件事是肯定的:它需要建立在信任和透明的开源基础上。

加密货币专注于分散所有权、无需许可的访问和隐私,弥补了这些缺失的部分。工具已经存在,是时候用它们书写人工智能发展的下一章了。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/26097.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

springboot3一些听课笔记

文章目录 一、错误处理机制1.1 默认1.2 自定义 二、嵌入式容器 一、错误处理机制 1.1 默认 错误处理的自动配置都在ErrorMvcAutoConfiguration中,两大核心机制: ● 1. SpringBoot 会自适应处理错误,响应页面或JSON数据 ● 2. SpringMVC的错…

【算法篇】无重复字符的最长子串

无重复字符的最长子串 题目描述:给定一个字符串 s ,请你找出其中不含有重复字符的最长子串的长度。 示例 1: 输入: s “abcabcbb” 输出: 3 解释: 因为无重复字符的最长子串是 “abc”,所以其长度为 3。 示例 2: 输入: s “bbbbb” 输出…

深入解析ETL与ELT架构:数据集成技术的演进与发展

摘要:随着大数据时代的到来,数据集成成为企业信息化建设的重要环节。本文将深入探讨ETL与ELT两种架构,分析它们在数据处理、性能、可扩展性等方面的差异,为企业数据集成提供技术指导。 一、引言 在大数据时代,企业需要…

第55集《摄大乘论》

《摄大乘论》,和尚尼慈悲、诸位法师、诸位居士,阿弥陀佛!(阿弥陀佛!)请大家打开《讲义》第一八四页,癸三、约甚深佛法释。 我们这一科是讲到增上心学,增上心学主要的宗旨,就是我们应该要如何透…

注解 - @RequestHeader

注解简介 在今天的每日一注解中,我们将探讨RequestHeader注解。RequestHeader是Spring框架中的一个注解,用于将HTTP请求头中的值绑定到控制器方法的参数上。 注解定义 RequestHeader注解用于从HTTP请求头中提取值,并将其绑定到控制器方法的…

13- 函数的定义与使用+形参实参区分

13- 函数的定义与使用形参实参区分 文章目录 13- 函数的定义与使用形参实参区分一、函数的定义与使用1.1 函数的结构1. 函数头2. 函数体 1.2 示例代码例子 1:无参数和无返回值的函数例子 2:带参数和返回值的函数 1.3 函数的基本语法1.4 函数的使用示例例…

Faster-RCNN基本思想和网络结构

简单来说,Faster RCNN RPN Fast RCNN RPN 是指 Region Proposal Network,建议区域生成网络。 Faster RCNN 中用 RPN 来代替了 Fast RCNN 中的SS算法。 算法流程: (1)将图像输入CNN网络得到相应的特征图。 &#x…

多态、虚函数表与动态绑定的深入解析

目录 多态简介 虚函数表与动态绑定 虚函数表 动态绑定机制 内存与性能影响 纯虚函数与抽象类 纯虚函数 抽象类 动态类型转换与typeid操作符 dynamic_cast typeid操作符 虚析构函数的重要性 在面向对象编程中,多态性是一种核心特性,它允许我们…

单机多卡分布式训练策略——MirroredStrategy

前言 分布式训练是一种用于在多个设备或机器上同时训练深度学习模型的技术,它有助于减少训练时间,允许使用更多数据更快训练大模型。分布式训练重点关注数据并行性,本次试验使用的是单机多卡的分布式训练策略,也就是 MirroredStr…

mvn install -DskipTests

mvn install -DskipTests mvn install -DskipTests 不用做测试的打包代码

Task vs Thread

C#中的Task和Thread都是用于实现多线程和并发操作的重要组件,但它们在设计哲学、使用场景和功能特性上存在显著差异,同时也有一些内在的联系。 Task vs Thread 设计理念: Thread: 是操作系统级别的资源,代表了独立的执行路径。它是较为底层…

算法题目学习汇总

1、二叉树前中后序遍历:https://blog.csdn.net/cm15835106905/article/details/124699173 2、输入一棵二叉搜索树,将该二叉搜索树转换成一个排序的双向链表。要求不能创建任何新的结点,只能调整树中结点指针的指向。 public class Solution {private Tr…

多模态AI的挑战与早期壁垒的构建

伴随着Sora、GPT40的推出,多模态AI逐渐成为研究的热点和应用的趋势。然而,多模态AI的发展并非一帆风顺,它面临着诸多挑战和壁垒。 一、多模态AI的难点 多模态AI的核心在于将不同模态的信息(如文本、图像、音频、视频等&#xff…

离线翻译器下载哪个好?这几个翻译器用过的人都说好

面对跨文化交流的挑战,如国际旅行或多元工作环境,语言障碍尤为突出。 特别是在信号弱或无网络覆盖的地区,翻译需求变得更加迫切。此时,一款优质的离线翻译app显得尤为重要。它能够在没有网络支持的情况下提供即时翻译服务&#x…

事实与价值很难对齐的原因

事实与价值的对齐是一个复杂的问题,因为事实通常是客观的、可观察的和基于证据的,而价值则是主观的、个人的和基于信仰或偏好的。事实与价值很难对齐的原因有以下几点: 1、事实的客观性和价值的主观性 事实是客观存在的,而价值则是…

空间数字孪生及应用

空间数字孪生(SDT)本质上是现实世界地理空间对象(例如,建筑物、道路)和系统(例如,环境或交通监控)的镜像表示。地理空间协会正式定义SDT为具有精确位置和维度属性的虚拟表示&#xf…

CF297C Splitting the Uniqueness 题解

CF297C Splitting the Uniqueness 题解 非常好构造题,使我的草稿纸旋转。 解法 我们记输入的数组为 a a a,需要输出的两个数组为 b , c b,c b,c(因为当时起变量名起的)。 考虑利用 a i a_i ai​ 互不相同的性质。 先将 a…

二叉树顺序结构——堆的结构与实现

二叉树顺序结构——堆的结构与实现 一、二叉树的顺序结构二、堆的概念及结构三、堆的实现堆向下调整算法堆的创建建堆时间复杂度堆的插入(堆向上调整算法)堆的删除堆的代码实现(使用VS2022的C语言)初始化、销毁构建、插入、删除返回堆顶元素、判空、返回有效元素个数 四、完整 …

20240610 基于QGIS生成地区示意图的地图shp文件

目录 本文目标前置条件具体步骤1. 创建Project2. 插入世界地图3. 对地区示意图进行地理匹配4. 创建shp文件,勾画轨迹 注意事项 本文目标 基于QGIS生成地区示意图的地图shp文件,此shp文件可以用来学习,但是未经审批不可用于发表。 前置条件 …

Python基础教程(十一):数据结构汇总梳理

💝💝💝首先,欢迎各位来到我的博客,很高兴能够在这里和您见面!希望您在这里不仅可以有所收获,同时也能感受到一份轻松欢乐的氛围,祝你生活愉快! 💝&#x1f49…