去中心化的人工智能可能會開啓一個後稀缺社會，0G Labs CEO表示

關於人工智能的討論已經從質疑其相關性演變爲關注如何提高其可靠性和效率，因爲其使用變得越來越普遍。邁克爾·海因裏希設想了一個未來，在這個未來中，人工智能促進了一個後稀缺社會，使個人擺脫瑣碎的工作，能夠追求更多的創造性活動。

數據困境：質量、來源與信任

關於人工智能(AI)的討論已經發生了根本性的變化。現在的問題不再是它的相關性，而是如何使其在各個行業的應用變得更加可靠、透明和高效。

當前的人工智能範式，由集中式的“黑箱”模型和龐大的專有數據中心主導，面臨着來自偏見和壟斷控制擔憂的日益壓力。對於許多Web3領域的人士來說，解決方案不在於對現有系統的更嚴格監管，而在於對基礎設施的完全去中心化。

這些強大的人工智能模型的有效性，首先由它們所訓練的數據的質量和完整性決定——這是一個必須可驗證和可追溯的因素，以防止系統性錯誤和人工智能幻覺。隨着金融和醫療等行業的風險增加，建立一個無信任和透明的人工智能基礎變得至關重要。

邁克爾·海因裏希是一位連續創業者和斯坦福大學畢業生，他在推動建立這一基礎方面處於領先地位。作爲0G Labs的首席執行官，他目前正在開發他所描述的首個也是最大的AI鏈，目標是確保人工智能成爲一種安全且可驗證的公共產品。在創辦了一個頂級的YCombinator支持的公司Garten，並在微軟、貝恩和橋水基金工作後，海因裏希現在正在將他的專業知識應用於去中心化人工智能的架構挑戰(DeAI)。

海因裏希強調，人工智能性能的核心在於其知識基礎：數據。他解釋道：“人工智能模型的有效性首先取決於它們所訓練的基礎數據。”高質量、平衡的數據集能夠產生準確的響應，而劣質或代表性不足的數據則會導致輸出質量差，並增加幻覺的可能性。

對於海因裏希而言，維護這些不斷更新和多樣化的數據集的完整性需要對現狀進行徹底的改變。他認爲，導致人工智能幻覺的主要元兇是缺乏透明的來源。他的解決方案是加密的：

我相信所有數據都應該通過鏈上錨定，使用加密證明和可驗證的證據鏈以維護數據的完整性。

這個去中心化、透明的基礎，加上經濟激勵和持續的微調，被視爲系統性消除錯誤和算法偏見的必要機制。

除了技術修復，海因裏希（Heinrich）作爲福布斯40位40歲以下傑出人物之一，擁有宏觀的人工智能願景，認爲人工智能應該引領一個繁榮的時代。

“在一個理想的世界裏，希望能夠創造出一個後稀缺社會的條件，在這個社會中，資源變得豐富，沒人再需要擔心做日常工作，”他說。這一轉變將使個人能夠“專注於更具創造性和休閒的工作”，從而實質上使每個人都能享受更多的自由時間和經濟安全。

關鍵是，他認爲去中心化的世界獨特地適合推動這個未來。這些系統的美在於它們的激勵機制是對齊的，爲計算能力創造了一個自我平衡的經濟體。如果資源的需求增加，提供它們的激勵自然會上升，直到滿足該需求，以平衡和無權限的方式滿足對計算資源的需求。

保護人工智能：開源與激勵設計

爲了保護人工智能免受故意濫用——例如語音複製詐騙和深度僞造——海因裏希建議結合以人爲本和架構的解決方案。首先，重點應放在教育人們如何識別用於冒充和虛假信息的人工智能詐騙和僞造品。海因裏希表示：“我們需要教人們能夠識別或指紋化人工智能生成的內容，以便他們能夠保護自己。”

立法者也可以通過建立全球人工智能安全和倫理標準來發揮作用。雖然這不太可能消除人工智能的誤用，但這樣的標準“可以在一定程度上起到抑制作用。”然而，最有效的對策是融入去中心化設計：“設計激勵對齊的系統可以顯著減少故意的人工智能誤用。”通過在鏈上部署和治理人工智能模型，誠實的參與者將獲得獎勵，而惡意行爲則通過鏈上削減機制承擔直接的經濟後果。

雖然一些批評者擔心開放算法的風險，但海因裏希在接受Bitcoin.com News採訪時熱情支持這一觀點，因爲它提供了模型工作方式的可見性。“可驗證的訓練記錄和不可篡改的數據軌跡可以用來確保透明度，並允許社區監督，”這直接反駁了與專有的、封閉原始碼的“黑箱”模型相關的風險。

爲了實現安全和低成本的人工智能未來的願景，0G Labs 正在構建第一個“去中心化人工智能操作系統 (DeAIOS)。”

該操作系統旨在提供可驗證的人工智能來源——一個高度可擴展的數據存儲和可用性層，使得能夠在鏈上存儲大量人工智能數據集，確保所有數據可驗證且可追溯。這種安全性和可追溯性對於在受監管行業中運作的人工智能代理至關重要。

此外，該系統具有無權限的計算市場，使得用戶能夠以具有競爭力的價格獲得計算資源，從而實現了資源的民主化。這直接回應了與集中式雲基礎設施相關的高成本和供應商鎖定問題。

0G Labs已經展示了在Dilocox上的技術突破，這是一種能夠在去中心化的1 Gbps集羣上訓練超過1000億參數的LLM框架。通過將模型拆分爲更小且獨立訓練的部分，Dilocox在效率上比傳統的分布式訓練方法提高了357倍，使得大規模AI開發在去中心化數據中心之外的經濟可行性得以實現。

一個更光明、更實惠的人工智能未來

最終，海因裏希對去中心化AI的未來充滿信心，認爲這個未來將由參與驅動，並打破採用的障礙。

“這是一個人們和社區共同創造專業AI模型的地方，確保未來的AI由許多人而不僅僅是少數集中實體塑造，”他總結道。隨着專有AI公司面臨提價壓力，DeAI的經濟學和激勵結構提供了一種引人注目的、更實惠的替代方案，在這裏可以以更低的成本創建強大的AI模型，爲一個更加開放、安全，最終更加有利的技術未來鋪平道路。

常見問題

• 當前集中式人工智能的核心問題是什麼？ 目前的人工智能模型由於其集中式“黑箱”架構，存在透明度問題、數據偏見和壟斷控制。
• 邁克爾·海因裏希的0G Labs正在構建什麼解決方案？ 0G Labs正在開發第一個“去中心化人工智能操作系統(DeAIOS)”，旨在使人工智能成爲一個安全、可驗證和公共的好處。
• 去中心化人工智能如何確保數據完整性？ 數據完整性通過將所有數據錨定在鏈上，並使用加密證明和可驗證的證據鏈來維護，以防止錯誤和幻覺。
• 0G Labs的Dilocox技術的主要優勢是什麼？ Dilocox是一個框架，使大規模AI開發顯著更高效，展現出比傳統分布式訓練提高了357倍的效率。