DLT 将重建对 AI 的信任

以下是一篇由HBAR Foundation首席执行官Charles Adkins撰写的客座文章。他曾任Hedera Hashgraph, LLC的总裁。Charles是一位有多年区块链和加密货币领域经验的领导者，曾在Polygon Labs和Aptos工作。

我们需要治理机制确保人工智能服务于人类，而不是伤害人类。但是，人工智能发展的规模和复杂性已经超出了人类的能力范围。分布式账本技术（DLT）的出现——一个在多个节点上记录和验证数据的去中心化系统。DLT为人工智能带来透明性、问责制和完整性，促进信任，防止垄断控制，鼓励道德创新。

破解人工智能的“黑箱”

人工智能常常像一个黑箱，依赖于隐藏决策过程的秘密数据。这种不透明性削弱了信任，特别是在像医疗保健和金融这样的行业中，其中透明性是不可谈判的。通过DLT，没有秘密。DLT通过在一个不可更改的账本上记录所有数据和更新——一个永久的数字记录，确保每一次更改都是可追溯的，改变了游戏规则。

例如，ProveAI使用DLT来保护和追踪人工智能训练数据和更新，确保遵循欧洲AI法案等伦理标准和法规。这种方法让人工智能模型负起责任，为其结果的信任和公平性奠定基础。

通过DLT提升数据质量

可惜，数据质量差仍然是人工智能开发中持续存在的挑战。2024年Precisely的调查显示，64%的企业认为人工智能由于数据未经验证或有偏见而不可靠。DLT通过将实时数据锚定到去中心化网络，确保其准确、透明和不可更改，从而解决了这一问题。

对于像利用检索增强生成（RAG）来通过外部数据增强响应的AI模型而言，DLT确保仅使用已验证、防篡改的信息。这最小化了虚假信息或偏见渗入输出的风险，推进了伦理人工智能治理。

Fetch.ai和Ocean Protocol展示了这种创新的潜力。Fetch.ai使用预言机访问实时外部数据，优化Web3生态系统中的物流和能源效率。同样，Ocean Protocol则确保了代币化数据共享，使AI系统能够访问高质量的数据集，同时保护用户隐私。

用DLT解决虚假信息问题

这些功能对于解决像虚假信息这样的日益严重的挑战尤其重要，特别是在深度伪造不断增多的情况下。Ofcom最近披露，2024年上半年，43%的16岁以上的人遇到过至少一个深度伪造。区块链平台如Truepic已经在通过结合区块链与图像认证、时间戳记和媒体验证来应对这个问题。在媒体创作的时刻进行验证。通过将已验证的数据和媒体集成到RAG工作流程中，AI系统可以更有效地核查输出，增强对其生成信息的信任。

去中心化治理以实现人工智能伦理

集中治理模式往往难以管理人工智能发展的速度、复杂性和伦理挑战，阻碍负责任的创新。Precisely的全球调查显示，62%的组织认为缺乏足够的治理是AI采用的主要障碍。

去中心化自治组织（DAO），由DLT提供技术支持，可能提供解决方案。DAO通过智能合约自动化治理和决策，使开发者、用户和监管者可以透明地对提案进行投票。每个决策都记录在区块链上，防止单方面控制，使决策与集体利益一致，并确保问责和包容。

SingularityNET展示了这一潜力，使用DAO框架将AI项目与伦理原则对齐。这种去中心化的方法不仅促进包容性，还确保治理反映公众利益，为大规模、伦理AI开发奠定基础。

全球标准与前行之路

随着人工智能越来越依赖跨境数据，像DLT这样的安全透明系统将在大规模建立信任方面必不可少。许多组织已经在探索其潜力。例如，MediLedger Network使用DLT来防止制药供应链中的数据篡改，而欧洲区块链服务基础设施（EBSI）利用DLT进行安全信息分发，可能为帮助欧盟组织遵守最近的欧洲人工智能法案提供框架。

但我们需要更进一步。

全球监管一致性对于防止碎片化和建立普遍标准至关重要。政府、企业和民间社会必须合作开发优先考虑公众利益的治理框架。DAO也必须发展以在人工智能技术发展时提供灵活的集体监督。

现在不是自满的时候。若不立即采取行动，人工智能的风险将无限增长，让我们无法应对。伦理人工智能的未来取决于今天的大胆决定。DLT可以成为这个未来的基础——透明、负责，并与人类的最佳利益保持一致。