去中心化的 AI 可能开启一个后稀缺社会，0G Labs 的 CEO 表示

数据困境：质量、来源和信任

围绕人工智能（AI）的讨论已经发生了根本性的转变。问题不再是其相关性，而是在其应用于各个领域变得普遍之际，如何使其更可靠、透明和高效。

目前以集中式“黑箱”模型和庞大专有数据中心为主导的AI模式，正面临来自偏见和垄断控制的担忧的巨大压力。对于Web3领域的许多人来说，解决方案不在于对当前系统进行更严格的监管，而在于彻底去中心化基础设施。

这些强大AI模型的效能，首先是由其训练数据的质量和完整性决定的——为了防止系统性错误和AI幻觉，这一因素必须是可验证和可追踪的。随着金融和医疗等行业的风险增加，为AI建立一个无信任和透明的基础变得至关重要。

Michael Heinrich，一位连续创业者和斯坦福大学毕业生，是那些领导建立这一基础的人之一。作为0G Labs的CEO，他目前正在开发他所描述的第一个最大AI链，其任务是确保AI成为一种安全和可验证的公共产品。在此之前，他创立了Garten，一家由YCombinator支持的顶尖公司，并曾在Microsoft、Bain和Bridgewater Associates工作，现在，Heinrich正在应用他的专长于去中心化AI（DeAI）的架构挑战。

Heinrich强调，AI性能的核心在于其知识基础：数据。他解释说：“AI模型的效能首先由其训练的数据决定。”高质量、平衡的数据集会带来准确的响应，但劣质或代表性不足的数据将导致质量低劣的输出，并增加幻觉的可能性。

对于Heinrich来说，维护这些不断更新和多样化数据集的完整性需要从现状根本上进行改变。他指出，AI幻觉的主要原因是缺乏透明的来源。他的解决方法是加密的：

我相信所有数据都应锚定在链上，具有加密证明和可验证的证据链，以保持数据的完整性。

这种去中心化、透明的基础，加上经济激励和持续微调，被认为是系统性消除错误和算法偏差的必要机制。

除了技术修复，Heinrich这位福布斯40岁以下40位杰出人士之一，拥有一个宏观的AI愿景，相信它应该迎来一个丰裕的时代。

“在一个理想的世界中，它有望创造出一个资源丰富的后稀缺社会，在那里没有人再需要担心从事单调的工作，”他指出。这种转变将让人们“专注于更具创造性和休闲性质的工作”，从本质上使每个人都能享有更多的自由时间和经济安全。

关键的是，他认为，去中心化的世界在推动这一未来方面具有独特优势。这些系统的美丽之处在于它们的激励机制是一致的，创建了一个自平衡的计算资源经济。如果资源需求增加，满足这些需求的激励自然会上升，直到这些需求得到满足，从而以一种平衡、不需许可的方式满足计算资源的需求。

保护AI：开源和激励机制设计

为了防止AI遭到恶意使用——如语音克隆骗局和深度伪造——Heinrich建议结合以人为本和架构解决方案。首先，应重点教育人们如何识别用于假冒和虚假信息的AI骗局和伪造品。Heinrich指出：“我们需要教会人们如何识别或指纹AI生成的内容，以便他们能够保护自己。”

立法者也可以通过制定AI安全和伦理的全球标准发挥作用。虽然这不太可能消除AI的滥用，但存在这样的标准“可以在一定程度上对此起到遏制作用。”然而，最有效的对策是融入去中心化设计之中：“设计激励一致的系统可以显著减少AI的故意滥用。”通过在链上部署和管理AI模型，诚实的参与将受到奖励，而恶意行为则通过链上惩罚机制遭受直接的经济后果。

虽然一些批评者担心开放算法的风险，但Heinrich向Bitcoin.com新闻表示，他对此表示热情支持，因为这提供了对模型工作原理的透明性。“可验证的训练记录和不可改变的数据链可被用来确保透明度并允许社区监督”，直接对抗与专有的、封闭源代码“黑箱”模型相关的风险。

为实现这一安全且低成本的AI未来愿景，0G Labs正在构建第一个“去中心化AI操作系统（DeAIOS）”。

该操作系统旨在提供可验证的AI来源——一个高度可扩展的数据存储和可用性层，使得将海量AI数据集存储在链上成为可能，使所有数据都可验证和可追踪。对于在受监管部门中运作的AI代理，这种安全性和可追溯性是必不可少的。

此外，该系统具有一个不需许可的计算市场，以竞争性的价格民主化了计算资源的访问。这直接回应了与集中的云基础设施相关的高成本和供应商锁定问题。

0G Labs已经通过Dilocox展示了一项技术突破，这是一种使超过1000亿参数的LLM在1 Gbps去中心化集群上进行训练的框架。通过将模型分割成更小且独立训练的部分，Dilocox展示了一个与传统分布式训练方法相较，提高357倍的效率，使得大规模AI开发在集中数据中心之外变得经济可行。

AI更光明便宜的未来

最终，Heinrich看到了去中心化AI的光明未来，参与和打破采用的障碍在其中占据重要地位。

“这是一个人们和社区一起创建专家AI模型的地方，确保AI的未来由更多的人而非仅仅几个集中的实体来塑造。”他总结道。随着专有AI公司面临提价的压力，DeAI的经济学和激励结构提供了一个引人注目的、更加实惠的替代方案，能够以更低成本创建强大的AI模型，为一个更加开放、安全，最终更有益的技术未来铺平道路。

常见问题

• 当前集中式AI的核心问题是什么？ 当前的AI模型由于其集中式“黑箱”架构存在透明性问题、数据偏见和垄断控制。
• Michael Heinrich的0G Labs正在构建什么解决方案？ 0G Labs正在开发第一个“去中心化AI操作系统（DeAIOS）”，以使AI成为安全、可验证和的公共产品。
• 去中心化AI如何确保数据完整性？ 数据完整性通过用加密证明和可验证证据链锚定所有数据在链上，以防止错误和幻觉。
• 0G Labs的Dilocox技术的主要优势是什么？ Dilocox是一种使大规模AI开发显著更高效的框架，与传统分布式训练相比，展示了357倍的效率提升。