揭秘中国公益广告的本质

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>AI 需(xu)要(yao) Web3

作(zuo)者(zhe)：Catrina Wang

編(bian)譯(yi)：Catrina SevenUp DAO

來(lai)源(yuan)：Coin Time

圖(tu)片(pian)来源：由(you)無(wu)界(jie) AI工(gong)具(ju)生(sheng)成(cheng)

直(zhi)到(dao)最(zui)近(jin)，初(chu)創(chuang)企(qi)業(ye)壹(yi)直引(yin)領(ling)技(ji)術(shu)创新(xin)的(de)道(dao)路(lu)，因(yin)為(wei)它(ta)們(men)具有(you)速(su)度(du)快(kuai)、敏(min)捷(jie)、创业文(wen)化(hua)以(yi)及(ji)擺(bai)脫(tuo)組(zu)織(zhi)慣(guan)性(xing)的自(zi)由。然(ran)而(er)，在(zai)快速增(zeng)長(chang)的 AI 時(shi)代(dai)中(zhong)，情(qing)況(kuang)發(fa)生了(le)變(bian)化。到目(mu)前(qian)为止(zhi)，像(xiang)微(wei)軟(ruan)旗(qi)下(xia)的 OpenAI、英(ying)偉(wei)達(da)、谷(gu)歌(ge)甚(shen)至(zhi)是(shi) Meta 這(zhe)樣(yang)的大(da)型(xing)科(ke)技巨(ju)頭(tou)一直主(zhu)導(dao)著(zhu)(zhe)突(tu)破(po)性的 AI 產(chan)品(pin)。

那(na)麽(me)出(chu)了什(shen)么問(wen)題(ti)？为什么这一次(ci)“Goliaths”勝(sheng)過(guo)了“Davids”？雖(sui)然初创企业可(ke)以编寫(xie)出很(hen)棒(bang)的代碼(ma)，但(dan)由於(yu)幾(ji)個(ge)挑(tiao)戰(zhan)，它们往(wang)往无法(fa)與(yu)大型科技巨头競(jing)爭(zheng)：

1、計(ji)算(suan)成本(ben)仍(reng)然極(ji)高(gao)；

2、AI 存(cun)在一个叫(jiao)做(zuo)“反(fan)向(xiang)阻(zu)塞(sai)”（reverse salient）的问题：缺(que)乏(fa)必(bi)要的監(jian)管(guan)措(cuo)施(shi)，會(hui)因對(dui)社(she)会影(ying)響(xiang)的擔(dan)憂(you)和(he)不(bu)確(que)定(ding)性而阻礙(ai)创新；

3、AI 是黑(hei)盒(he)子(zi)；

4、已(yi)經(jing)擴(kuo)展(zhan)的參(can)与者（大型科技公(gong)司(si)）的數(shu)據(ju)鴻(hong)溝(gou)为新興(xing)竞争对手(shou)設(she)置(zhi)了障(zhang)碍。

那么，这与區(qu)塊(kuai)鏈(lian)技术有什么關(guan)系(xi)，它在何(he)處(chu)与人(ren)工智(zhi)能(neng)相(xiang)交(jiao)？虽然不是萬(wan)能的，但在 Web3中，DePIN（去(qu)中心(xin)化物(wu)理(li)基(ji)礎(chu)網(wang)絡(luo)）可以通(tong)过解(jie)決(jue)上(shang)述(shu)挑战来提(ti)高 AI 技术。在本文中，我(wo)將(jiang)解釋(shi)如(ru)何利(li)用(yong) DePIN 背(bei)後(hou)的技术，從(cong)四(si)个維(wei)度增強(qiang)人工智能：

1、降(jiang)低(di)基础设施成本；

2、驗(yan)證(zheng)制(zhi)作者身(shen)份(fen)和人性；

3、註(zhu)入(ru)民(min)主和透(tou)明(ming)度到 AI 中；

4、为数据貢(gong)獻(xian)安(an)裝(zhuang)激(ji)勵(li)機(ji)制。

在本文的語(yu)境(jing)中，

1、“Web3”被(bei)定義(yi)为下一代互(hu)聯(lian)网，其(qi)中区块链技术是其中的一个重(zhong)要部(bu)分(fen)，還(hai)包(bao)括(kuo)其他(ta)現(xian)有技术；

2、“区块链”是指(zhi)分散(san)和分布(bu)式(shi)賬(zhang)本技术；

3、“加(jia)密(mi)貨(huo)幣(bi)”是指使(shi)用代币作为一種(zhong)激励和分散机制。

第(di)一，降低基础设施成本（计算和存儲(chu)）

基础设施可負(fu)担性的重要性（在 AI 的语境下，是计算、傳(chuan)遞(di)和存储数据的硬(ying)件(jian)成本）在卡(ka)洛(luo)塔(ta)·佩(pei)雷(lei)斯(si)（Carlota Perez）的“技术革(ge)命(ming)”框(kuang)架(jia)中得(de)到了突出體(ti)现。該(gai)框架提出，每(mei)一次技术突破都(dou)有兩(liang)个階(jie)段(duan)：

1）安装阶段以大量(liang) VC 投(tou)資(zi)、基础设施建(jian)立(li)和“推(tui)動(dong)”上市(shi)（GTM）方(fang)法为特(te)征(zheng)，因为客(ke)戶(hu)对新技术的價(jia)值(zhi)主張(zhang)还不清(qing)晰(xi)。

2）部署(shu)阶段以基础设施供(gong)應(ying)的迅(xun)速增加为特征，这降低了新進(jin)入者的門(men)檻(kan)，同(tong)时以“拉(la)动”GTM 方法为特征，表(biao)明客户渴(ke)望(wang)更(geng)多(duo)尚(shang)未(wei)建立的产品並(bing)且(qie)存在强烈(lie)的产品-市場(chang)契(qi)合(he)度。

虽然 ChatGPT 已经有了明确的产品——市场契合度和巨大的客户需求(qiu)，人们可能認(ren)为 AI已经进入了部署阶段。

然而，仍然缺少(shao)一件事(shi)情：过剩(sheng)的基础设施供应，使其价格(ge)便(bian)宜(yi)到足(zu)以滿(man)足价格敏感(gan)型的初创企业进行(xing)構(gou)建和實(shi)验。

1、问题问题在于，物理基础设施领域(yu)當(dang)前的市场动態(tai)主要是垂(chui)直一体化寡(gua)头壟(long)斷(duan)，其中像 AWS、GCP、Azure、Nvidia、Cloudflare 和 Akamai 这样的公司享(xiang)有高額(e)利潤(run)。例(li)如，AWS 在商(shang)品化计算硬件上估(gu)计有 61% 的毛(mao)利润。

2、解决方案(an)DePIN 网络（例如 Filecoin、Bacalhau、Render Network 和 ExaBits）可以通过以下三(san)个杠(gang)桿(gan)，实现 75%-90% 以上的基础设施成本節(jie)省(sheng)。这些(xie)网络是自 2014 年(nian)以来集(ji)中于積(ji)累(lei)規(gui)模(mo)化互联网硬件用于分散数据存储的先(xian)驅(qu)，而 Bacalhau、Render Network 和 ExaBits 則(ze)是協(xie)調(tiao)層(ceng)，将需求与 CPU/GPU 供应进行匹(pi)配(pei)。（聲(sheng)明：作者曾(zeng)是 Protocol Labs 的員(yuan)工和 ExaBits 的顧(gu)问）

1）推高供应曲(qu)線(xian)，创造(zao)更具竞争性的市场

DePIN 使硬件供应商能夠(gou)成为服(fu)務(wu)提供商，民主化了硬件供应商的準(zhun)入。它通过创建一个市场，讓(rang)任(ren)何人都可以加入网络作为“礦(kuang)工”，提供他们的 CPU/GPU 或(huo)存储能力(li)以換(huan)取(qu)財(cai)务獎(jiang)励，从而給(gei)这些既(ji)得利益(yi)者帶(dai)来竞争。

虽然像AWS这样的公司在用户界面、操(cao)作卓(zhuo)越(yue)性和垂直整(zheng)合方面无疑(yi)享有 17 年的领先優(you)勢(shi)，但 DePIN 解鎖(suo)了一个以前被中央(yang)化提供商定价过高的新客户群(qun)体。就(jiu)像 Ebay 不会直接(jie)与 Bloomingdale 竞争，而是引入更经濟(ji)实惠(hui)的替(ti)代品来满足類(lei)似(si)的需求一样，DePIN 网络不会取代中央化提供商，而是旨(zhi)在为更注重价格的用户群体服务。

2）通过加密经济设计平衡(heng)这些市场的经济

DePIN 创建了一种補(bu)貼(tie)机制，以引导硬件供应商参与网络，从而降低終(zhong)端(duan)用户的成本。为了理解它的工作原(yuan)理，让我们首(shou)先比(bi)較(jiao)一下 AWS 和 Filecoin 中存储供应商的成本和收入。

A、DePIN 网络可以为客户降低费用：DePIN 网络创建了竞争性市场，引入 Bertrand-style的竞争，从而为客户降低费用。相比之(zhi)下，AWS EC2 需要中間(jian) 50% 的利润率(lv)和 31% 的總(zong)利润率来维持(chi)運(yun)营。

B、通过发行代币奖励/区块奖励作为新的收入来源，DePIN 网络可以提供更多优惠。在Filecoin 的上下文中，托(tuo)管更多实際(ji)数据意(yi)味(wei)着存储提供商賺(zhuan)取更多的区块奖励（代币）。因此(ci)，存储提供商有动力吸(xi)引更多客户和贏(ying)得更多的交易(yi)以最大化收入。几个新兴计算 DePIN 网络的代币結(jie)构仍然保(bao)密，但可能会遵(zun)循(xun)类似的模式。这些网络的示(shi)例包括：

Bacalhau：一种协调层，将计算带到数据存储的地(di)方，而无需移动大量数据

ExaBITS：一种專(zhuan)门針(zhen)对人工智能和计算密集型应用程(cheng)序(xu)的分散计算网络

3）降低開(kai)銷(xiao)成本：

DePIN 网络，如 Bacalhau 和 ExaBITS 以及 IPFS/內(nei)容(rong)尋(xun)址(zhi)存储的好(hao)处包括：

A、从潛(qian)在数据中创建可用性：由于传輸(shu)大型数据集的高带寬(kuan)成本，存在大量未开发的数据。例如，体育(yu)场館(guan)产生大量事件数据，目前未被使用。DePIN 項(xiang)目通过在现场处理数据并僅(jin)传输有意义的输出来解锁此类潜在数据的可用性。

B、通过本地攝(she)入数据降低运营成本，如数据输入、传输和进口(kou)/出口。

C、最小(xiao)化共(gong)享敏感数据的手动过程：例如，如果醫(yi)院(yuan) A 和 B 需要合并各(ge)自的敏感患(huan)者数据进行分析(xi)，他们可以使用 Bacalhau 协调 GPU 功(gong)率直接在本地处理敏感数据，而不是通过繁(fan)瑣(suo)的行政(zheng)程序与对方处理 PII（个人可識(shi)別(bie)信(xin)息(xi)）交换。

D、消(xiao)除(chu)重新计算基础数据集的需求：IPFS/内容寻址存储具有内置屬(shu)性，可以去重、跟(gen)蹤(zong)血(xue)統(tong)并验证数据。以下是有关IPFS带来的功能和成本效(xiao)益的进一步(bu)閱(yue)讀(du)。

3、总结AI 需要 DePIN 以獲(huo)取负担得起(qi)的基础设施，而当前市场上由垂直一体化寡头垄断。DePIN网络如 Filecoin、Bacalhau、Render Network 和 ExaBits 通过民主化硬件供应商的准入并引入竞争、通过加密经济设计平衡市场经济以及降低开销成本等(deng)方式，可以提供 75%-90%+ 的成本节省。

第二，Creatorship & Humanity 验证

1、问题最近的一项调查(zha)顯(xian)示，50% 的人工智能科學(xue)家(jia)认为，人工智能导致人类毀(hui)滅(mie)的可能性至少有 10%。

这是一个令(ling)人警(jing)醒(xing)的想(xiang)法。人工智能已经引起了社会混(hun)亂(luan)，我们目前缺乏监管或技术保障架构——所(suo)謂(wei)的“反向跳(tiao)板(ban)”。

不幸(xing)的是，人工智能的社会影响遠(yuan)不止于假(jia)的播(bo)客辯(bian)論(lun)和图像：

1）2024 年的总统選(xuan)舉(ju)周(zhou)期(qi)将是其中之一，这是一个由深(shen)度偽(wei)造的人工智能生成的政治(zhi)竞选活(huo)动，很難(nan)与真(zhen)实的竞选活动区分开来。

2）对参議(yi)员伊(yi)麗(li)莎(sha)白(bai)·沃(wo)倫(lun)进行修(xiu)改(gai)的視(shi)頻(pin)，使其看(kan)起来像沃伦在说共和黨(dang)人不应该被允(yun)許(xu)投票(piao)（已被揭(jie)穿(chuan)）。

3）仿(fang)冒(mao)拜(bai)登(deng)批(pi)評(ping)跨(kua)性别女(nv)性的声音(yin)克(ke)隆(long)。

4）一群藝(yi)术家对 Midjourney 和 Stability AI 提起集体訴(su)訟(song)，指控(kong)未经授(shou)權(quan)使用艺术家的作品来训练侵(qin)犯(fan)这些艺术家商標(biao)并威(wei)脅(xie)他们生计的 AI 图像。

5）一首名(ming)为“Heart on My Sleeve”的深度伪造人工智能生成的原声带，由 The Weeknd 和Drake 演(yan)唱(chang)，在被流(liu)媒(mei)体服务下架之前廣(guang)受(shou)关注。圍(wei)繞(rao)版权侵犯的争议是一个预示，当一项新技术进入主流意识之前沒(mei)有必要的规则时，可能会出现的復(fu)雜(za)情况。换句(ju)話(hua)说，这是一个反向跳板问题。

如果我们可以在 Web3 中通过加密证明对 AI 进行一些保護(hu)怎(zen)么样？

2、解决方案1）通过区块链上的加密源头证明，证明创作者身份和人类身份。

这就是我们可以利用区块链技术的地方——作为包含(han)区块链上不可篡(cuan)改記(ji)錄(lu)的分布式账本。这使得可以通过檢(jian)查其加密证明来验证数字(zi)内容的真实性。

2）数字簽(qian)名证明创作者身份和人性

为了防(fang)止深度伪造，可以使用数字签名生成加密证明，该数字签名是唯(wei)一的原始(shi)内容创建者的签名。此签名可以使用私(si)鑰(yao)创建，只(zhi)有创建者知(zhi)道，可以使用公钥验证，所有人都可以使用。通过将此签名附(fu)加到内容上，可以证明内容是由原始创作者创建的，无论他们是人还是 AI，并且对此内容进行了授权/未经授权的更改。

3）使用 IPFS 和 Merkle 樹(shu)证明真实性

IPFS 是一种去中心化协议，使用内容寻址和 Merkle 树引用大型数据集。为了证明文件内容的更改，将生成 Merkle 证明，该证明是显示特定数据块在 Merkle 树中的哈(ha)希(xi)列(lie)表。每次更改时，会生成一个新的哈希并更新 Merkle 树，提供文件修改的证明。

这样的加密解决方案可能会面臨(lin)激励与奖励的问题：

畢(bi)竟(jing)捕(bu)捉(zhuo)深度伪造生成器(qi)不会产生像减少负面社会外(wai)部性那样多的财务代价。責(ze)任很可能落(luo)在主要的媒体分发平台，如 Twitter、Meta、Google 等身上，他们已经在进行标记。

那么为什么我们需要区块链呢(ne)？答(da)案是这些加密签名和真实性证明更有效、可验证和确定性。今(jin)天，检測(ce)深度伪造的过程主要是通过机器学習(xi)算法（例如 Meta 的“Deepfake Detection Challenge”、“Google 的不对稱(cheng)数字系统”（ANS）和 c2pa）来识别视覺(jiao)内容中的模式和異(yi)常(chang)，这有时不准确，并且正(zheng)在落后于越来越复杂的深度假货。通常需要人工審(shen)核(he)的幹(gan)预来评估真实性，这既低效又(you)昂(ang)貴(gui)。

想象(xiang)一个世(shi)界，在这个世界中，每个内容都有其加密签名，以便每个人都能可验证地证明创作的来源并标记操縱(zong)或伪造——一个新的勇(yong)敢(gan)世界。

3、总结人工智能对社会构成了重大威胁，深度伪造和未经授权使用内容是主要问题。Web3 技术，如数字签名证明创作者身份和人性和使用 IPFS 和 Merkle 树证明真实性，可以通过验证数字内容的真实性和防止未经授权的更改来为 AI 提供保障。

第三，AI 中注入民主

1、问题如今，人工智能是由专有数据和专有算法组成的黑匣(xia)子。这种大型科技公司的封(feng)閉(bi)性导致了“AI 民主”的不可能性，即(ji)每个开发者甚至用户都应该能够为 LLM 模型贡献算法和数据，并从模型的未来利润中获得一部分（如本文所討(tao)论的）。

AI 民主=可見(jian)性（能够看到输入到模型中的数据和算法）+贡献（能够为模型贡献数据或算法）。

2、解决方案AI 民主旨在使生成式 AI 模型对每个人都可訪(fang)问、相关且擁(yong)有。下表比较了今天可能的情况和区块链技术在 Web3 中将可能实现的情况。

1）如今

A、对于消费者：

B、对于开发者：

很少可重复性，因为没有数据上執(zhi)行过的 ETL 的可追(zhui)溯(su)性

80% 的数据科学家时间被浪(lang)费在执行低級(ji)别数据清理工作上，因为缺乏可验证共享数据输出的能力

2）区块链将会使之成为可能：

A、对于消费者：

用户可以提供反饋(kui)（例如关于偏(pian)见、内容审查、输出的細(xi)粒(li)度反馈）作为連(lian)續(xu)微调的输入

B、对于开发者：

去中心化数据策(ce)劃(hua)层：眾(zhong)包繁琐和耗(hao)时的数据准備(bei)过程，如数据标注

可见性和能力来组合和微调算法，具有可验证且基于血统（即他们可以看到过去所有变化的防篡改歷(li)史(shi)记录）

数据主权（通过内容寻址/IPFS 实现）和算法主权（例如 Urbit 实现数据和算法的點(dian)对点组合性和可移植(zhi)性）

从开源模型的基本变体中不断湧(yong)现出的创新 LLM 产生了加速创新的推动

通过区块链不可变记录过去 ETL 操作和查詢(xun)的可重复性训练数据输出（例如 Kamu）

可能会有人认为 Web2 的开源平台是一个折(zhe)中方案，但由于本文所述的原因，它仍然远未达到最优狀(zhuang)态。

3、总结大型科技公司的封闭性导致了“AI 民主”的不可能性，即每个开发者或用户都应该能够为 LLM 模型贡献算法和数据，并从模型的未来利润中获得一部分。AI 应该对每个人都可访问、相关且拥有。区块链网络将使用户能够提供反馈，为模型变现贡献数据，并使开发者具有可见性和能力来组合和微调算法，并具有可验证和基于血统的特点。Web3 创新，如内容寻址/IPFS 和 Urbit，将实现数据和算法的主权。通过区块链的不可变记录过去 ETL 操作和查询的可重复性训练数据输出也(ye)将成为可能。

第四，设置数据贡献激励

1、问题如今，最有价值的消费者数据是大型科技平台的专有业务鸿沟。技术巨头没有太(tai)多的激励去将这些数据与外部方共享。

那么，为什么不直接从数据原始发起人/用户获取这些数据呢？为什么不能通过贡献我们的数据并开源它供有才(cai)華(hua)的数据科学家使用，使数据成为公共物？

簡(jian)而言(yan)之，没有激励或协调机制可以实现这一点。维护数据和执行 ETL（提取、转换和加載(zai)）的任务会产生显著的开销。事实上，仅数据存储行业就将在 2030 年成为价值 7770 亿美元的行业，还没有计算计算成本。为什么有人会在没有任何回(hui)報(bao)的情况下承(cheng)担数据管道工作和成本呢？

例如，OpenAI 最初是开源和非(fei)盈利性的，但由于赚錢(qian)不易，陷(xian)入了困(kun)境。最终，在 2019年，它不得不接受微软的注资，并关闭了其算法对公众的开放(fang)性。到 2024 年，OpenAI 预计将创造 10 亿美元的收入。

2、解决方案Web3 引入了一种称为 dataDAO 的新机制，促(cu)进了从 AI 模型所有者到数据贡献者的收入再(zai)分配，为众包数据贡献创建了激励层。

结语

总之，DePIN 是一个令人兴奮(fen)的新类别，在硬件上提供了一种替代燃(ran)料(liao)，以推动 Web3 和AI 创新的复兴。

虽然大型科技公司主导了 AI 行业，但利用区块链技术竞争的新兴参与者也有潜力：

DePIN 网络降低了计算成本的门槛；区块链的可验证和分散特性使真正的开放式 AI 成为可能；创新机制，如 dataDAO，激励数据贡献；区块链的不可变和防篡改属性提供了创作者身份的证明，以应对有关 AI 的负面社会影响的担忧。返(fan)回搜狐(hu)，查看更多

责任编輯(ji)：