值得关注的 7 个最佳去中心化人工智能平台

自 2022 年 11 月 ChatGPT 首次亮相以来，人工智慧 (AI) 创新取得了巨大的发展。然而，尽管人工智慧正在走向主流，但一些重大瓶颈仍然减缓了人工智慧的发展和应用——这个新兴产业面临的最大挑战之一是数据品质和控制。

根据 Epoch AI 估计，人类产生的公共文字资料的有效总量约为 300 兆代币；这些资料很可能在 2026 年至 2032 年间被语言模型充分利用进行训练。这种迫在眉睫的数据稀缺性，加上对透明度和成本的担忧，主要是由于大多数人工智慧数据管道的集中化所造成的。

从正面的一面来看，去中心化基础设施在解决这些痛点方面展现出了巨大的价值。本文将重点放在七个顶尖的去中心化人工智慧平台，它们正在创造一个更公平的竞争环境。这些新兴平台使人工智慧开发者和企业能够获取可验证的、社群驱动的资料集，而无需依赖中心化的中介机构。

OORT：去中心化人工智慧的完整资料云

OORT是一个端到端的去中心化 AI 解决方案，旨在使企业和个人能够收集、处理 AI 资料并从中获利。

与集中式人工智慧资料云相比，OORT 最突出的特点在于其全球社群模式；OORT 没有依赖不透明的资料收集流程，而是引进了一个名为 OORT DataHub 的去中心化全链资料收集平台。该平台利用全球社群的贡献，提供多样化、高品质且可验证的资料集，以解决人工智慧资料品质和控制方面存在的现有缺陷。

OORT DataHub 的支援来自去中心化网路 OORT Edge，它透过边缘节点硬体设备 Deimos 为收集的资料提供储存和处理功能。

因此，OORT生态系统用户有机会透过为资料中心做出贡献或透过Deimos设备托管节点加入边缘网路来获得可变现的奖励。目前，这个去中心化的AI生态系统拥有超过33万名资料贡献者、8.3万多个节点和1万多名日活跃用户。

Bittensor：去中心化智慧网络

Bittensor是另一个有趣的去中心化 AI 平台；从本质上讲，这个基于区块链的生态系统支援链上数位商品的生产，包括 AI 推理、训练和相关基础设施。

那么，它是如何运作的呢？ Bittensor 利用子网的概念，建构能够以具有竞争力的价格生产这些数位商品的社群。这基于一种激励模型，其中表现最佳的矿工（贡献者）会因完成特定任务而获得奖励。人工智慧子网路中的一些任务可以包括训练、预测或专门的推理等服务。

Bittensor 网路也包含验证者，其职责是验证矿工的工作成果。这确保只有高品质的服务才能透过 Bittensor 的激励机制获得奖励——为此，该生态系统每天发行 7200 个 TAO 代币。子网路内的代币分配分为三类：子网路创建者 (18%)、验证者 (41%) 和矿工 (41%)。

Bittensor 的去中心化子网正在改变集中式 AI 训练流程，在这种流程中，大型科技公司垄断了资料收集和其他 AI 服务。

Ocean Protocol：人工智慧资料的交易平台

Ocean Protocol是这一新兴创新领域中已确立地位的参与者之一。作为一个去中心化协议，该平台为人工智慧发展所需的两大关键要素——数据和计算——提供了支持。

此技术堆叠包含三个主要部分：资料令牌（Datatokens）、Ocean 节点和计算到资料（Compute-to-Data）。借助资料令牌， Ocean Protocol用户可以将他们的私有资料令牌化，并在保护隐私的同时将其用于模型训练。这种方法被称为“令牌门控”，资料拥有者可以透过去中心化的存取控制模型在Ocean Protocol市场上发布资料服务。

至于海洋节点，它们能够将闲置的运算资源货币化。世界各地的设备所有者可以将闲置的运算能力用于支援海洋网络，从而获得生态系统奖励。

计算到资料是该生态系统的标志性特征；它允许消费者（模型训练者）购买资料集，并在不泄露提供者隐私的情况下运行模型。这使得Ocean Protocol作为去中心化的「人工智慧就绪资料市场」具有优势。

SingularityNET：去中心化人工智慧服务的先驱

SingularityNET是去中心化人工智慧领域的先驱；该计划于2017年启动，在短短一分钟内就完成了3,600万美元的ICO。此后，它发展成为一个信誉卓著的区块链平台，用户可以在该平台上创建、分享人工智慧服务并从中获利。

与专注于资料集和原始运算的同类平台不同， SingularityNET专注于人工智慧服务，例如 API、模型和代理，开发者可以透过购买或变现这些服务来支援其开发专案。这可以透过平台的原生代币 $ AGIX来实现，参与者可以使用 $AGIX 为人工智慧服务付费。

SingularityNET 的基础架构模型也高度重视互通性，使不同的服务能够相互呼叫。这创建了一个支援人工智慧的生态系统，独立的贡献者可以在其中建立复杂的管道。

该计划的另一个突出特点是创办人 Ben Goertzel 博士的愿景，即推进通用人工智慧 (AGI) 的发展——在那个时代，人工智慧将拥有执行人类可以执行的任何任务的能力，并有可能在多个领域超越人类智慧。

Fetch.ai：去中心化代理商和资料经济

Fetch.ai是另一项创新技术，它依赖于由人工智慧代理商驱动的新兴代理商经济。该专案设计为多代理平台，允许自主软体代理代表使用者、组织或设备进行互动、协商和资料交易，同时利用区块链技术来保障通讯管道的安全。

此生态系的主要组成部分之一是代理框架（AEA）。它负责资料收集和分析、与其他代理程式或资料来源互动、决策、交易以及参与机器学习或任务优化等功能。可以将其视为代表使用者执行操作的数位孪生体。

Fetch.ai 的突出之处在于它实现了自主代理之间的即时动态资料流。这与传统的 AI 管线相比是一项进步，后者不仅集中式，而且本质上是静态的。例如，由于代理商的经济模型，繁忙城市的交通管理系统可以利用 AI 代理商从城市感测器购买即时交通数据。

Gensyn：用于人工智慧训练的去中心化计算

麦肯锡最近的一份报告显示，预计全球资料中心将需要6.7兆美元才能满足日益增长的运算能力需求。 Gensyn透过其专注于机器学习计算的去中心化协议来应对这一迫在眉睫的成本风险。

Gensyn 的核心在于将全球运算资源聚合到单一的网路中。这得益于其去中心化的框架，该框架允许任何拥有闲置运算资源的用户将其贡献给网络，从而为人工智慧创新者提供全球可用的计算资源，供他们租用以扩展大型模型的训练规模。

Gensyn的生态系统由四个基础组件组成：一致的机器学习执行、无需信任的验证、点对点通讯和去中心化协调。所有这些方面协同工作，在全球范围内实现去中心化、可验证的机器学习。

值得一提的是，该专案仍处于早期阶段，目前仅提供测试网。它包含三个可供用户试用的应用程式：RL Swarm、BlockAssist 和 Judge。

Grass：去中心化资料群众募资网络

很多时候，我们付费使用网路服务后，最后却无法用完所有分配的频宽。 Grass （前身为 Grassdata）推出了一项创新理念，让全球网路使用者充分利用闲置的频宽。

该计划透过其分散式模型将这一理念付诸实践，任何人都可以透过简单的步骤做出贡献并获得奖励，从而将闲置频宽转化为人工智慧训练的宝贵资源。简而言之，Grass 作为一个去中心化的实体网路 (DepIN) 运行，用于存取网路数据，使用者可以在其日常设备上运行节点，作为人工智慧和网路智慧的资料来源。

这种无需许可的分散式方法不仅彻底改变了人工智慧模型训练，也改变了日常数位资源的利用方式。使用者可以作为资料提供者，建立一个开放的网络，与目前由少数几家大型科技公司控制的中心化网路爬虫和资料聚合器竞争。

结论

如同引言所述，人工智慧的发展和应用并非一帆风顺，它面临著许多独特的挑战，包括资料控制、品质以及日益增长的运算成本。然而，如本文所列举的案例所示，去中心化人工智慧创新领域已取得了显著进展。这些项目展现了去中心化架构能为人工智慧带来的益处，反之亦然；这对区块链和人工智慧创新而言都是双赢的局面。

去中心化人工智慧平台比较表

常见问题解答

什么是去中心化人工智慧？

去中心化人工智慧指的是建构在分散式生态系统（例如区块链或点对点基础设施）上的人工智慧系统。全球社群承担数据、计算和模型训练的角色，这与大型企业控制所有这些功能的集中式模式截然不同。

去中心化人工智慧与传统人工智慧平台有何不同？

与依赖集中式资料中心和不透明资料收集技术的传统人工智慧不同，去中心化人工智慧将资料来源、运算能力和模型训练分配给不同的生态系统参与者。这提高了透明度、安全性和包容性。

为什么数据品质控制对人工智慧开发至关重要？

数据品质直接影响人工智慧模型的准确性和公平性。因此，人工智慧资料管道需要具备可验证性，资料来源符合伦理规范，且共享过程必须安全可靠。

参与者如何在去中心化的人工智慧生态系统中获利？

从这些生态系中获利的方式有很多种，包括贡献资料和运算能力等宝贵资源。大多数去中心化人工智慧（DeAI）平台都设有激励机制，使用者可以从中获得可变现的奖励。

目前哪些去中心化人工智慧专案处于领先地位？

主要参与者包括 OORT（资料云）、Bittensor（人工智慧网路）、 Ocean Protocol （人工智慧就绪资料市场）、 SingularityNET （人工智慧服务中心）、 Fetch.ai （代理经济）、Gensyn（去中心化运算）和 Grass（资料众包网路）。

这篇文章《值得关注的 7 个最佳去中心化 AI 平台》最初发表于元宇宙 Post 。