去中心化人工智能迸发应用潜力，或给 Web3 带来无限畅想

​

原文：https://www.caseycaruso.com/thoughts/decentralized-ai

作者：Casey｜Paradigm 投资合伙人

编译：TinTinLand

编者注：本文对于去中心化 Web3 技术和人工智能领域之间的交叉应用进行了梳理，并列举了对于各领域可行性的正反方观点和示例项目。TinTinLand 在此基础上添加了部分示例项目的简单介绍，供读者参考。

加密与人工智能之间，有一些有趣的交叉领域。

我相信开放性才能孕育创新。近年来，人工智能已经在全球范围内跨越实用性和影响力的鸿沟。算力随着资源的整合正在不断增长，人工智能却自然而然地推动了中心化的趋势，那些拥有更多算力的人逐渐占据主导地位，这对创新构成了相当的风险。因此我相信，去中心化和 Web3 应是保持人工智能开放性的竞争者。

进行预训练+微调的去中心化计算

即众包计算（CPUs + GPUs）。

支持依据

众包资源的 airbnb/uber 模型可能会延伸到计算领域，闲置的计算资源被聚合到市场中。这将可能会解决：

• 某些用例的更便宜的计算，可以处理一些停机/延迟；

• 抗审查性计算，以训练在未来可能受到监管/取缔的模型。

反对理由

• 众包计算无法实现规模经济；

• 大多数性能最佳的 GPU 并不是由消费者拥有的；

• 去中心化计算完全是一个悖论；

• 这实际上是性能计算的反面…你可以向任何基础设施/ML（机器学习）工程师咨询。

示例项目

Akash、Render、io.net、Ritual、Hyperbolic、Gensyn

去中心化推理

即以去中心化的方式运行开源模型的推理。

支持依据

开源&