HodlX 客座文章 提交您的帖子

人工智能正在以惊人的速度发展，自主代理现在能够分析市场、诊断疾病、编写代码和做出招聘决策。

但随着能力的增长，更深层次的不安感也随之而来–谁来管理这些代理？遵循什么规则？

少数几家公司控制着访问、性能和协调。这种情报数据的集中化引发了人们的怀疑和信任的缺失。

对人工智能 (AI) 的信任不仅仅在于它是否有效，还在于谁控制着它，它如何发展，以及它的行为是否可以被审计、质疑或改进。

在集中式系统中，这些问题的答案（如果有的话）都是在闭门进行。

区块链和 Web 3.0 技术提供了一个引人注目的替代方案–以去中心化作为设计原则。

我们不是信任一家公司，而是验证其系统。我们不是依赖善意，而是依赖协议。

中心化人工智能中的信任问题

专有人工智能模型的黑箱特性限制了透明度。它们的训练数据、优化策略和更新周期都是不透明的。

更糟糕的是，这些模型通常在高风险环境中运行，做出影响人们的财务、健康或权利的决策。

如果不清楚这些决定是如何做出的，信任就会变得盲目。

此外，基础设施也较为集中。高级人工智能的计算资源、数据管道和部署渠道主要集中在私有数据中心。

这就产生了故障点并加剧了权力不平衡，最终用户成为他们无法塑造或询问的情报的被动消费者。

激励机制使问题更加复杂。传统的人工智能开发缺乏奖励可验证贡献或惩罚有害行为的机制。

行为不当的代理不会遭受任何损失，除非其所有者进行干预，而所有者可能会优先考虑盈利能力而不是道德。

区块链带来什么

区块链提供了一种无需信任的架构，其中人工智能系统可以以透明、可编程的方式进行管理、审计和激励。

它实现的最深刻的转变之一是能够将责任直接嵌入到人工智能堆栈中。

声誉变得可量化。例如，ABT（AgentBound Tokens）是一种不可转让的加密凭证，旨在追踪 AI 代理的行为。

如果一个代理想要执行高风险的行动，它必须以自己的声誉为赌注。不当行为会导致惩罚，而良好的表现则会增强其可信度。

这使得代理人的激励和人类的期望之间产生了经济一致性。

区块链还引入了可审计性–通过在链上记录数据来源、训练历史和决策日志，利益相关者可以验证模型做出特定选择的方式和原因。

同样重要的是基础设施的去中心化。如今，人工智能的发展受到集中式数据中心的物理和经济限制。

随着 DePIN 和 IPFS 等去中心化存储系统的兴起，AI 工作负载可以分布在全球参与者之间。

这降低了成本，提高了弹性，也打破了谁有权构建、训练和部署模型的垄断。

多智能体系统需要共享轨道

自主代理不是孤立的实体–他们必须日益互动，无论是协调物流、定价服务还是优化供应链。

如果没有共享协议和可互操作的标准，这些代理将只能局限于各自的孤岛内，无法进行组合或协作。

公有区块链为代理之间的协作提供了轨道。智能合约允许代理制定可执行的协议。代币化的激励机制协调了跨网络的行为。

服务市场应运而生，代理商可以在这里购买计算、出售数据并协商结果–无需依赖中心化中介机构。

今天，我们可以看到原型生态系统框架，其中代理半独立地运作，质押代币，验证彼此的输出并基于共享的经济逻辑进行交易。

它是互联网原生的机器协调覆盖网络。

无中央大脑的联邦学习

在不汇集敏感数据的情况下，跨不同方协作训练人工智能是一个重要的前沿领域。

FL（联邦学习）通过将数据保存在本地并仅共享模型更新来实现这一点。

但大多数 FL 实现仍然依赖中央服务器来协调聚合–潜在的瓶颈和攻击面。

DFL（去中心化联邦学习）消除了这个中间人。

以区块链作为协调层，更新可以点对点共享，通过共识进行验证并进行不可变的记录。

每个参与者都为集体模型做出贡献，但不会放弃控制权或隐私。

代币激励高质量更新并惩罚毒害企图，确保训练过程的完整性。

这种架构非常适合医疗保健、金融或任何数据敏感性至关重要且利益相关者多元化至关重要的领域。

链上人工智能的风险与权衡

任何系统都存在挑战。区块链带来的延迟和吞吐量限制可能会限制其在实时人工智能系统中的应用。

治理代币可能会被操纵，设计不良的激励方案可能会产生不良行为。

链上逻辑–一旦部署–改变起来颇具挑战性，如果缺陷未被发现，就会带来风险。

此外，还存在安全隐患。如果人工智能依赖于链上预言机或协调机制，那么对底层区块链的攻击可能会引发人工智能行为的连锁反应。

此外，像 ABT 这样的声誉系统需要强大的抗女巫攻击能力和隐私保护措施来防止操纵。

这些都不是避免区块链的理由–但它们强调了精心设计、正式验证和持续改进的必要性。

人工智能的新社会契约

区块链的核心是为人工智能提供治理基础–一种编码规范、分配权力和奖励一致性的方法。

它将“谁控制人工智能”的问题重新定义为“如何编码、执行和验证控制？”

这在政治上比在技术上更重要。缺乏去中心化的人工智能开发很可能会从开放实验走向企业合并。

区块链提供了将智能系统构建为公共产品而非专有资产的机会。

挑战在于将技术层、数据、模型、激励和控制融合成一个连贯的堆栈。

但路径是可见的–开放的协议、透明的激励机制和去中心化的监管。人工智能不仅需要区块链作为基础设施，还需要它来确保其合法性。

在自主代理的世界里，信任不能成为副产品- 我必须进行工程化设计。区块链为我们提供了实现这一目标的工具。

Roman Melnyk 是德克斯.

生成的图像：DALLE3