觀點：依賴AWS 的區塊鏈不會給人工智能帶來透明度

作者：Dominic Williams，CoinDesk；編譯：松雪，金色財經

人工智能(AI) 的快速發展吸引了全世界，許多人都在詢問這項技術突破的下一步是什麼。 **雖然人工智能已經展示了其改變各個行業的潛力，但它在大規模採用方面面臨著一個主要障礙：缺乏信任和透明度。 **

通過區塊鏈進行去中心化計算可以緩解當前的信任問題，但有一個問題。

多米尼克·威廉姆斯(Dominic Williams) 是DFINITY 基金會的創始人和首席科學家，該基金會是一個非營利性研發組織，也是互聯網計算機的主要貢獻者。

目前，**人們對人工智能模型的洞察力有限，也沒有真正的方法來驗證模型所接受訓練的數據來源，模型究竟收集了什麼數據，以及這些數據如何告知模型及其準確性。 **

在人工智能程序及其所構建的基礎設施的透明度發生根本性變化之前，由於缺乏信任和整體懷疑，各級用戶在利用這些模型時都不會感到安全。

人工智能和區塊鏈技術的交叉應用提供了協同效應，將增強這兩種技術並通過它們的集成推動廣泛採用。

**目前，由於人工智能需要大量的計算資源和數據集，由於計算能力有限，大多數區塊鏈缺乏必要的基礎設施來支持人工智能模型。計算能力的限制部分是由於大多數區塊鏈並不是完全去中心化的。 **

**相反，當今世界上許多最受歡迎的區塊鏈都依賴於集中式雲基礎設施(即谷歌云和亞馬遜網絡服務)，這阻礙了區塊鏈以人工智能所需的速度支持處理和存儲數據的能力。 **

儘管有關當前將人工智能與區塊鏈進行整合嘗試的負面頭條新聞並不像看上去的那樣。當前的集成導致人工智能與區塊鏈一起運行，而不是在區塊鏈上運行人工智能的預期目標。

**這些“區塊鏈人工智能”項目的核心基礎設施和底層技術主要在中心化服務器上運行，並利用插件將中心化人工智能模型連接到中心化云網絡上運行的區塊鏈。這違背了利用區塊鏈技術推進人工智能的目的，因為它沒有解決信任和透明度的根本問題。 **

**完全/全部去中心化的區塊鏈，例如互聯網計算機（ICP），我幫助構建的網絡，提供匹配或超過Web2 雲服務器的計算能力，將允許人工智能模型完全在智能合約內運行。這將使大型語言模型的訓練參數和輸入既開源又防篡改。 ** 為了實現區塊鏈上的人工智能集成，我們需要能夠以與Web2 雲相當的速度處理數據的區塊鏈，而這只能來自完全去中心化。

在區塊鏈上託管人工智能模型本身允許人工智能係統利用固有的去中心化來提高模型各個方面的透明度。因此，區塊鏈上的人工智能是長期成功的下一個合乎邏輯的步驟，因為區塊鏈將增強人工智能的可信度、責任感和安全性，從而增強用戶之間的信任。

然而，人們對這兩種技術究竟如何協同運作存在誤解，在這些誤解被消除之前，人工智能生態系統的增長將無法充分發揮潛力。

**充分發揮人工智能在區塊鏈上的潛力需要一個真正去中心化的網絡。 ** 它必須能夠存儲和處理數據，以便完整的模型可以在智能合約中不受阻礙地運行。這些像ICP 這樣的去中心化系統將使人工智能能夠像自治雲一樣發揮作用，從而改變人工智能開發的格局。

建立真相和信任

例如，考慮為醫療專業人員設計的人工智能模型。該模型被廣泛使用，但最終會產生不可信的反應。這是因為沒有簡單的方法來驗證模型所基於的訓練數據以及如何使用這些數據。

這種集中式模型僅產生輸出，而無法洞察輸入。然而，在去中心化的環境中，人工智能大語言模型可以僅根據著名的醫學教科書和信譽良好的醫學研究論文數據庫來構建。

當醫生與AI交互時，隱藏的過程是完全透明的，密碼學證明保證了AI接受過哪些內容的訓練。因此，生成的響應可以得到驗證，醫生可以信任結果。

這個例子只是證明去中心化對於建立人工智能模型信任至關重要的眾多例子之一。通過在完全開放和公共的環境中運行，區塊鏈上的人工智能確保了數據處理的透明度，使用戶能夠了解他們的數據是如何被利用的。

此外，鏈上人工智能應用程序都可以訪問並貢獻相同的數據集，從而在區塊鏈內創建一個協作生態系統。區塊鏈的防篡改和安全特性確保這些數據也不易被惡意濫用。

人工智能和區塊鏈之間的合作為推進這兩種技術並促進更值得信賴和可靠的信息交換提供了絕佳的機會。