起初，人工智能 （AI） 和区块链的融合似乎是一对尴尬的流行语——这个概念经常遭到早期采用者的怀疑。但在短短一年的时间里，去中心化 AI 已经从一个晦涩难懂的想法演变为围绕 Web3 环境的对话的核心。这种快速转变的势头归功于几个关键因素：
• AI 的影响：AI 将显著影响我们与世界的互动方式。随着 AI 代理变得越来越复杂，他们将管理金融交易和个人指导等任务。这种演变引发了有关 AI 开发中的控制和治理的重要问题。
• 中心化权力的风险：由少数科技巨头控制的中心化 AI 模型会带来严重的风险，包括偏见、审查和数据隐私问题。这种权力集中扼杀了创新并产生了漏洞，Hugging Face 最近的安全漏洞就凸显了这一点。
• 对包容性 AI 生态系统的需求：去中心化 AI 通过在各种系统中分配计算过程，为实现更公平和可访问的 AI 环境提供了一条途径。主要优势包括：
• 降低成本：降低门槛使较小的开发人员和初创公司能够在 AI 方面进行创新。
• 增强的数据完整性：可验证的数据来源提高了 AI 模型的透明度和信任度。
• 打击审查制度：使 AI 开发与市场需求保持一致可以营造更加民主的技术环境。
这些要点突出了集中式 AI 的替代方法的价值。
去中心化 AI 的支柱
去中心化 AI 包括 3 个支柱：利用用户的闲置计算能力，利用安全的去中心化存储和实施透明的数据标记。
• 去中心化存储：利用 Filecoin 等去中心化存储网络可确保大型数据集的安全和可验证存储。
• 去中心化计算：通过利用个人用户的闲置计算能力并在网络中分配任务，去中心化 AI 使 AI 开发更易于访问且更具成本效益。
• 去中心化数据标记和验证：透明且可验证的数据标记流程有助于确保数据质量并减少偏见，从而培养对 AI 系统的信任。
仔细观察：Filecoin生态系统中的去中心化AI项目
为了仔细研究 Web3 堆栈如何为 AI 领域带来好处，我们将探讨 4 个去中心化 AI 项目正在采用的各种方法。如上所述，这些项目正在利用去中心化 AI 的部分或全部支柱。
源：为 AI 工作负载及其他工作负载解锁去中心化存储 – Vukasin Vukoje
Ramo – 简化去中心化网络参与（融资阶段：种子轮)
Ramo 通过协调资本和硬件，在为 AI 工作负载提供支持方面发挥着至关重要的作用。通过合并来自不同提供商的资源，Ramo 促进了复杂任务的执行，例如存储、SNARK 生成和计算，同时允许跨多个网络共同为硬件资源提供资金。
• 多网络作业：Ramo 支持跨多个网络的作业（例如，从 Filecoin 读取、在 Fluence 上处理、写回 Filecoin），有助于最大化硬件提供商的收入并降低协调复杂性。
源：使用 Swanchain 的 AI 代理实现去中心化商业智能 – Charles Cao
Swanchain – 去中心化 AI 训练和部署（融资阶段：种子轮)
Swanchain 是一个去中心化的计算网络，将用户与闲置的计算资源连接起来，用于模型训练等 AI 任务。Filecoin 作为其主要存储层，确保 AI 数据的安全、透明和可访问存储，符合去中心化 AI 的原则。
• 去中心化计算市场：Swanchain 聚合全球计算资源，为集中式云服务提供经济高效的替代方案。用户可以竞标计算工作，Swanchain 会根据需求将它们与合适的提供商相匹配。
• 用于安全数据存储的 Filecoin 集成：Swanchain 利用 Filecoin 和 IPFS 安全地存储 AI 模型和输出，确保 AI 开发过程的透明度和问责制。
• 支持各种 AI 工作负载：Swanchain 支持各种 AI 任务，包括模型训练、推理和渲染，例如大型语言模型和图像/音乐生成。
源：开放、可验证系统在人工智能中的作用 - Filecoin 和 Lilypad – Ally Haire
Lilypad – 面向 AI 的分布式计算（融资阶段：种子轮)
Lilypad 旨在构建一个无需信任的分布式计算网络，以释放闲置的处理能力，并为 AI、机器学习和其他大规模计算创建一个新市场。通过集成 Filecoin 并利用 IPFS 进行热存储，Lilypad 确保在整个 AI 工作流程中安全、透明和可验证的数据处理，支持开放和负责任的 AI 开发环境。
基于作业的计算匹配：Lilypad 基于作业的模型将用户定义的计算需求（例如 GPU 类型、资源）与提供商相匹配，为开发人员创建一个市场，以便在去中心化的 AI 生态系统中共享 AI 模型并从中获利。
源：bagel.net
Bagel - 人工智能与密码学研究实验室（资助阶段：种子前）)
Bagel 是一个人工智能和密码学研究实验室，创建了一个去中心化的机器学习生态系统，使人工智能开发人员能够利用 Filecoin 等去中心化网络的计算和存储能力来训练和存储模型。其创新的GPU Restake技术通过允许存储提供者（SP）同时为存储和计算网络做出贡献，从而增强了Filecoin对AI应用的实用性，从而扩大了对AI开发者的支持，并为SP创造了新的收入机会。
• 增加 Filecoin 服务提供商的收入：Bagel 帮助存储提供商将存储和计算资源货币化，增加他们的收入并激励更多的网络参与。
• 优化的计算利用率：通过动态路由，Bagel 将 GPU 引导至有利可图的网络，从而最大限度地提高提供商和用户的效率和回报。
综上所述
Filecoin 和 AI 的交集标志着技术发展向前迈出了重要一步。通过将可验证存储与计算网络相结合，我们不仅可以应对当前的挑战，还可以为未来的创新铺平道路。随着这些技术的不断发展，它们对 AI 及其他领域的影响将是深远的，为企业和开发人员提供新的可能性。
往期回顾![]()
IPFS万佳社区
