API/RSS

Social

ChatGPT引爆AI热点，区块链技术如何与AI核心要素融合？

DeBox研究院

23-02-27 13:59

阅读本文需 20 分钟

AI 总结

看总结

原文标题：《 ChatGPT 引爆 AI 热点，区块链技术如何与 AI 核心要素融合？》

原文作者：Crypto Ming，DeBox 研究院

ChatGPT 是由 Open AI 开发的人工智能聊天机器人，在推出仅两个月后，它在 2023 年 1 月末的月活用户已经突破了 1 亿，成为史上用户增长速度最快的消费级应用程序。2023 年开年，微软正在考虑向 ChatGPT 的开发公司 OpenAI 投资 100 亿美元，与此同时，OpenAI 的估值将达到 290 亿美元。ChatGPT 已经引爆全世界范围的 AI 热点，OpenAI 获得大额融资消息更是让所有涉及 AI 概念的加密货币都得到了推动。截止 2 月底，AGIX、DBC 等带 AI 概念的加密货币的价格在 2 个月内涨幅均超过 500% 以上。

区块链技术和 AI 早已有融合的应用案例，这些早期区块链项目是 AI 融合路上的探索和实践者。本文就以这些案例为核心，来分析讨论区块链技术与 AI 融合的现状与发展前景。

一、AI 的核心要素-算法，数据，算力

大部分人对 AI 的认知停留在 AIGC 等创作应用上，在进行下一步讨论之前，我们先需要了解 AI 的核心要素是什么？

图 1 AI 三大核心要素

首先，算法是 AI 的核心。因为人工智能的目标是让计算机能够模拟人类的智能和思维能力，而算法是计算机实现这一目标的基本工具。机器通过使用特定的深度学习算法分析数据，从中学习并自动归纳总结成模型，最后使用模型做出推断或预测。经过迭代优化的算法可以有效地提高 AI 的精度和效率，因此算法的发展一直是 AI 领域的热点和难点。

其次，数据是支撑 AI 的基础。因为数据是训练机器学习算法和人工神经网络的基础。在人工智能的应用过程中，需要大量的数据来训练模型和算法，数据的质量和多样性对人工智能的性能有着至关重要的影响。因此，数据的获取、处理和管理一直是 AI 领域的重要议题。

最后，算力是实现 AI 的重要保障。人工智能需要大量的计算资源和存储能力来处理和分析大量数据，以及训练机器学习模型和人工神经网络。随着 AI 模型的复杂度和规模的不断增加，算力的要求也在不断提高。因此，算力的发展一直是 AI 领域的重要瓶颈和挑战。

总之，算法、数据和算力是 AI 实现不可或缺的三个核心要素。只有不断提升和优化这三个要素，才能保证 AI 发展的可持续性。

二、AI 的核心要素与区块链融合应用案例

接下来我们来看看区块链与 AI 三个核心要素算法、数据、算法融合的应用案例。

1. 算法+区块链

目前 AI 算法会依据应用场景和领域的不同进行选择，以实现最优解。AI 算法不断突破创新持续提升了算法模型的准确率和效率，并在各个细分领域应用落地。AI 算法有很多分类，包括决策树、神经网络、遗传算法等，其技术层面过于抽象，本文不一一赘述，仅讲述 AI 算法具体应用在区块链的典型案例，并简单分析。

SingularityNET（Token AGIX）

SingularityNET 的愿景是建立一个去中心化的 AI 平台，让各种 AI 算法和工具可以互相协作和交流，以推动 AGI（通用人工智能)。AGI 能够像人类一样灵活地学习和适应新的情境，并且可以自主地进行推理和决策。尽管目前的人工智能技术已经取得了很大的进展，但是要实现真正的 AGI 还需要克服许多技术难题和伦理问题。SingularityNET 认为，只有在各种 AI 算法和工具之间实现有效的协作和互联互通，才能够加速 AGI 的实现并推动整个人工智能领域的发展。所以目前大家能在 SingularityNET 官网看见其平台支持的很多 AI 应用项目，尽管部分生态项目甚至已经停止运行了。另外，SingularityNET 也表示要开发自己的 AGI 项目 OpenCog，但是这个项目上一次更新其官网新闻是在 2020 年，不过好消息是 OpenCog 的官方推特还在运营。

图 2 SingularityNET 生态概览

Fetch.ai（ Token FET）

Fetch.ai 是基于 Cosmos-SDK 构建的 AI 应用链，其愿景是构建一个去中心化的智能世界，通过区块链技术和人工智能算法实现智能自组织、智能合约、智能代理等功能。Fetch.ai 有自己的 AI 代理框架和算法，可以将这个框架应用在不同的领域和场景。目前在 Fetch.ai 在其自身 AI 技术上构建了一系列生态应用，个人感觉值得关注的有 Resonate（Social+AI Feed）、MOBIX（Move to Earn）、Atomix（Defi 协议），这些应用更靠近 C 端用户，容易成为现象级的应用产品。目前，Fetch.ai 一直在 AI 与区块链应用融合方面探索。

图 3 Fetch.ai 部分生态项目

2. 数据+区块链

训练 AI 的模型数据丰富程度、清洗的干净程度一定程度上决定了 AI 算法的优劣。数据对 AI 算法、系统的持续迭代至关重要，在区块链领域也是如此。

Ocean Protocol（ Token OCEAN）

Ocean Protocol，这是一个分布式数据交换协议，旨在为数据提供者和使用者建立一个去中心化的数据市场，以便安全、可靠地交换数据。Ocean Protocol 采用基于区块链的数据市场模型，允许数据拥有者将其数据集发布到该市场，并使用智能合约控制对数据的访问和使用。Ocean Protocol 目前的合作伙伴不仅有 IBM，奔驰等传统行业的巨头，也有很多区块链项目，例如 Balancer（Defi 协议）、Cretik（合约审计）、SingularityNET（区块链 AI）等。其合作内容包括但不限于共同推出基于区块链的数据市场、数据共享、数据隐私保护、数据分析和 AI 应用等。Ocean Protocol 的发展势头良好，吸引了越来越多的数据提供商和合作伙伴，同时也得到了越来越多的认可和支持。

图 4 Ocean Protocol 部分合作伙伴展示

3. 算力+区块链

算力是实现 AI 的重要保障，目前全球 AI 算力主要是以 GPU 芯片为主，随着 AI 应用场景的扩大和算法的不断升级，其他专用芯片如 TPU（张量处理器）、ASIC（专用集成电路）等也在逐渐流行，并在某些应用场景中表现出更好的性能和效率。随着 AI 应用场景的扩大和算法的不断升级，其他专用芯片如 TPU（张量处理器）、ASIC（专用集成电路）等也在逐渐流行，并在某些应用场景中表现出更好的性能和效率。

在 AI 中，GPU 通常用于加速深度学习框架，深度学习是一种需要大量计算的 AI 技术，训练一个深度神经网络需要进行大量矩阵计算，而 GPU 天生具有高并行计算的特点，可以同时处理大量数据和计算任务。除了训练和推理，GPU 在 AI 中还有其他作用。例如，它们可以用于生成逼真的图像和视频，同时也可以用于加速自然语言处理等其他 AI 任务。随着 AI 技术的不断发展，GPU 在 AI 中的作用也将越来越重要。

Deep Brain Chain ( Token DBC)

Deep Brain Chain (DBC) 是一家专注于 AI 计算的区块链公司，旨在通过将 AI 和区块链技术结合起来，连接全球算力，打造分布式高性能算力网络，构建 AI+元宇宙时代的算力基础设施。Deep Brain Chain 在其官网中提到了自身三个重要组成部分，分别是高性能算力网络、区块链主网和 GPU 算力主网。Deep Brain Chain 的核心竞争力是高性能算力网络和 GPU 算力主网，分别对应 AI 核心要素中的算法与算力。这里简单阐述一下 Deep Brain Chain 的架构。

图 5 Deep Brain Chain 愿景

高性能算力网络（AI 算法）指的是 DBC 研发的高性能计算框架，该框架可以将不同的硬件和设备（包括 CPU、GPU 和 ASIC 等）整合在一起，形成一个高效、弹性的计算网络。该网络采用了分布式计算的思想，可以将整个网络划分为多个节点，节点之间可以自由协作，以完成各种计算任务。因此，该高性能算力网络可以提供高速、高效、高质量的计算能力，是实现低成本、高效率 AI 计算的关键。

区块链主网是指 DBC 基于区块链技术构建的主网，主要用于记录交易、管理节点等基础功能，同时支持智能合约的部署和执行。在该区块链主网中，用户可以使用 DBC Token （DBC）支付计算服务费用，并参与到区块链网络的运作中。

GPU 算力主网（AI 算力）则是指基于 GPU 计算能力构建的主网，它是构建高性能算力网络的一部分。GPU 算力主网提供了低成本、高效率的计算服务，用户可以使用 DBC Token 支付费用，同时也可以作为算力提供者参与到主网的计算中。

用户可以把自己的 GPU 服务器加入到 DBC 算力网中，并获得 DBC 收益，截止新加坡时间 2023 年 2 月 15 日，DBC 算力主网内的 GPU 已达 2015 块。同时，用户也可以支付 DBC 去租用算力，目前整体租用率在 89% 左右。除 AI 计算外，DBC 算力主网也在积极构建云游戏，云网吧，云渲染等云平台 Deeplink。根据项目方在其社区公布的 2023 年第九次 DBC 理事会议纪要，团队目前正在积极推进韩国云网吧落地布局。

图 6 Deep Brain Chain 的 GPU 算力租借服务

三、AI 与区块链融合的发展前景

通过以上 AI 与区块链技术融合的案例分析，我们不难发现，目前 AI 与区块链技术的融合仍处于初级阶段，但已经开始展现出一些潜力和前景。

从应用方面来看，目前 AI 和区块链技术的融合应用还相对较少，数据管理、隐私保护、去中心化机器学习、智能合约等方面。同时，一些项目如基于区块链的 AI 计算市场、去中心化的 AI 数据市场、区块链上的 AI 模型市场等也正在快速发展，例如 SingularityNET、Fetch.ai、Ocean Protocol。未来，这种融合将会更加深入，如区块链上的 AI 模型共享、去中心化的 AI 决策、AI 智能合约等应用场景的出现，将会进一步推动 AI 和区块链技术的融合。

从基础设施方面来说，尽管 Deep Brain Chain 已经初现其作为 AI 基础设施的能力，但 AI 与区块链技术融合还需要更完善的基础设施支持，例如需要更多 GPU 加入到算力池，更多细分领域的 ASIC 芯片加入等等。因为，AI 算法需要大规模的计算资源来实现训练和推理，需要更高效的硬件加速器和分布式计算框架；同时区块链技术也需要更高效的共识机制和扩展性方案来满足 AI 应用的需求。

另外，从 AI 和区块链技术的融合的整体发展前景来看，以下是一些可能的主流发展方向，仅供参考：

安全和隐私保护：区块链技术的分布式、去中心化和不可篡改的特性可以提供更高水平的安全性和隐私保护（零知识证明技术），将 AI 算法和数据存储在区块链上，可以防止数据被篡改或泄露。

数据共享和交换：AI 需要大量的数据来训练和优化模型，但是数据的所有者不一定愿意共享数据，区块链技术可以提供一种去中心化、安全的方式来实现数据共享和交换。

去中心化的 AI 应用：区块链技术可以为 AI 应用提供去中心化的基础架构，这将使得 AI 应用更加安全、透明和公正。此外，区块链技术还可以为 AI 应用提供可编程的智能合约，从而实现自动化和可信任的交易。

数据所有权和价值分配：AI 算法所使用的数据往往来自多个数据提供者，区块链技术可以为数据所有权和价值分配提供一个公平、透明和可验证的机制。

去中心化的 AI 模型训练：区块链技术可以实现去中心化的 AI 模型训练，这将有助于解决传统 AI 模型训练中的一些瓶颈问题，例如数据隐私保护、数据集的规模和分布、计算资源的利用等。

总结

人工智能的概念最早可以追溯到上世纪 50 年代，几十年的技术和理论积累，才造就出今天的「AI 盛世」。同时，区块链技术本身也是时代的热点和科技前沿，区块链+AI 两个热点技术融合就必然形成燎原之势。正如 ChatGPT 最快打破 1 亿使用人数记录一样，真正让 AI 出圈的是一款现象级的应用，尽管目前区块链+AI 融合的项目大部分仍处于探索阶段，但在未来一定会有类似 ChatGPT 的现象级区块链+AI 融合应用出现。也许我们不知道未来是哪些应用会爆发，但是类似 Ocean Protocol、Deep Brain Chain 等 AI 数据和算力的基础设施是一定不可或缺的。随着越来越多的项目的涌现，相信 AI 和区块链技术的融合将会为人类社会的发展带来更加积极和深远的影响。