Blockchain for AI

作者：Rajarshi Gupta、Vijay Dialani

发布时间：March 8, 2024

摘要：區塊鏈可以為人工智慧生態帶來許多潛能，這篇博客介紹了這個領域的一些具體機會和用例。Coinbase 是一家致力於推動基於區塊鏈的數字資產和去中心化平台的領先公司，同時，我們也對與人工智慧領域的參與者建立合作從而共同實現這些新興機會充滿興趣。

在過去的一年裡，我們目睹了人工智慧的能力和應用的爆炸式增長。這包括文本到圖像模型 (text-to-image)、大型語言模型的成熟度的顯著提高，以及它們在搜索和推薦、促進軟體開發和大數據分析諸多業務用例中的應用。據預測，到 2032 年，僅生成式 AI 就將形成一個 1.3 萬億美元的市場規模，在未來十年裡，複合年增長率 (CAGR) 將達到42%。

當我們研究區塊鏈和人工智慧的交匯點時，有兩個主要的方面需要考慮。首先是使用 AI/ML 模型和方法來增強區塊鏈平台、去中心化應用、以及數字鏈上資產的交易。第二，也是本文的主要的關注點，即利用區塊鏈的能力為 AI/ML 產品和服務的開發者和用戶提供價值。

區塊鏈能力的基本面

有許多基本的區塊鏈能力可用於 AI 模型的開發、部署和運行。這些能力涵蓋了加密原語、區塊鏈協議和智能合約。它們具備以下基本屬性，這些屬性都與 AI 用例高度相關，我們將在以下部分進行討論：

• 數據安全性：幫助 AI 以防篡改和不可變的方式存儲數據，並通過使用不容易受到攻擊、操縱、審查和拒絕服務的去中心化伺服器實現高可用性。
• 數據可考性、可追溯性、可審計性：以不可變和透明的方式記錄交易和資產，便於跟蹤數據的來源、所有權、出處以及帶有數字簽名和時間戳的協議。這也提供了可審計和可驗證的能力。
• 去中心化決策：在他們之間或與中央實體之間沒有已經存在的信任關係的情況下，使決策能夠由多個實體或直接在雙方之間做出決策。
• 自主和透明的代碼執行：使程序能夠作為智能合約執行，這些智能合約對所有相關方都是透明的，並且不需要依賴可信和中心化的中介機構便可自主運行。
• 去中心化身份：提供安全的數字身份機制，允許用戶在不洩露隱私的情況下與服務進行互動。
• 小額支付：提供一種安全、輕便的支付方式，降低支付環節的摩擦。

1. 區塊鏈如何讓人工智慧受益

如上圖所示，AI 生態系統擁有多元化的利益相關者，他們在數據、模型和計算基礎設施方面相互交互。由於行政區域和經濟邊界的原因，這些可能的利益相關者之間形成了一定的分隔，因此這些交互過程中所面臨的信任問題和支付問題是需要解決的，而區塊鏈恰恰可以幫助解決這兩個問題。

我們可以將區塊鏈對人工智慧的潛在優勢效應，以及可以開發的相應產品和服務分為四大類，如下圖所示。在下文中，我們將逐一討論這些類別。

2.1. 數據和模型完整性

區塊鏈可用於開發解決方案，幫助用戶和開發者確保數據和模型不會在他們不知情的情況下被修改。例如，基於API 的服務可以允許數據所有者和 AI 開發者記錄數據集和模型的時間戳哈希值，以確保其完整性，並記錄模型開發過程和使用的數據集的整個過程，以跟蹤整個生命週期，這種方式允許第三方審計或監管機構調用。該系統甚至可以直接集成到 ML 開發工具中，例如 Pytorch。這可以通過使模型的開發過程更加透明和安全來幫助提高模型的完整性和可信度。也許還可以在區塊鏈上記錄相關的 "荒廢的" 特定數據的證明，以向監管機構證明某個提供商的數據已從給定模型中移除。記錄鏈上數據和模型輸出的哈希值也有助於對抗深度偽造。例如，應用程序可能能夠通過檢查與鏈上數據源相關的數字簽名來確保所用數據的真實性，或者可以設計和實現一個區塊鏈上的去中心化版本 "Snopes.com" 來標記深度偽造。

2.2. 數據和模型的使用和訪問權限管理

非同質化代幣 (NFT) 可以證明某人對任何給定數字內容或數據的所有權。根據用例，所涉及的內容可以是模型輸入，例如對生成式 AI 工具的提示，可以是用於訓練模型的數據，可以是模型的參數，也可以是模型的輸出。NFT 將允許用戶或開發者維護他們的所有權，並進一步將相應數字資產的所有權轉讓給他人。還可以設想一種基於區塊鏈的數據和模型訪問控制機制，例如，基於給定用戶地址列表允許/限制訪問的智能合約。或者，它可以與去中心化的身份解決方案集成（可能使用最先進的加密技術，如零知識證明），以允許基於某些已證明的屬性進行訪問（例如，允許基於證明用戶足夠老或僅從某些地理位置進行訪問），同時保護用戶的隱私。

2.3. 數據、模型和計算資源的激勵和支付

區塊鏈可以使用穩定幣為使用生成型 AI 模型進行低費率的小額支付。智能合約可以允許以去中心化的方式在模型的多個共同所有者之間分享收入。這種共同所有權模式，實際上是一種 "去中心化的 Hugging Face"，它可能允許中小型模型開發商聯合起來，與該領域的大公司競爭。它也可以用於激勵世界各地的數據提供者、數據註釋者、模型開發者或人類反饋提供者加入一個新的去中心化項目，以開發新的生成式 AI 模型或解決方案，同時，有適當的機制來跟蹤貢獻，以便激勵可以被公平地分配。區塊鏈還可用於創建一個去中心化的數據/模型/計算市場，使計算提供商、培訓數據提供商、模型開發者和用戶能夠輕鬆地搜索和相互匹配，提供激勵、付款以及簽訂合同和協議。使用智能合約實施的基於區塊鏈的去中心化審查系統可以將自動化和基於人工審查員納入同一個系統，以激勵對數據和模型進行高吞吐量、徹底、高質量的審查。

2.4. 在鏈上部署 AI

此類別涉及到直接在區塊鏈上運行某些 AI 模型，以獲得更高的透明度和信任度。AI 模型可能直接為終端用戶提供一些推理或生成用例，讓他們确信只有他們打算提供輸入的模型才能接收所述輸入，並生成他們所看到的輸出，而不會受到任何操縱、偽造或審查。或者，可以部署 AI 模型來幫助智能合約調整和優化自己的參數以響應用戶交易。AI 模型也可能是一個智能合約，它使用鏈上的歷史和當前交易數據對數字資產做出買賣/交易決策以獲利。這些模型可以作為智能合約部署在 Layer1 鏈上，也可以通過 Layer2 系統（如 zk-rollups）部署。這些模型可能由私人擁有，也可能以 DAO 的形式去中心化，允許多個個人和實體在給定的鏈上模型中擁有 "股份"。從長遠來看，對於此類應用，鑑於人工智慧應用對數據和計算的要求很高，人們可能會有興趣研究和開發一個全新的平台，以支持 AI 工作流程。

3. 如何提供幫助

Coinbase 的使命是為超過 10 億人的經濟自由助力。隨著 Crypto 使用的增長，我們專注於構建最值得信賴、合規的產品和服務，並為其他建設者提供支持。很明顯，人工智慧區塊鏈匹配該戰略，即，讓那些成為新興生成 AI 生態一員的個人和組織（目前，這幾乎完全基於中心化和不夠透明的 Web2 框架）能夠從區塊鏈和基於鏈的 Crypto 解決方案中獲益，這是廣義上的定義。

我們認為 Coinbase 特別適合成為該領域的主要貢獻者，因為，a) 它在那些區塊鏈資產和服務的零售客戶和機構用戶中均擁有顯著的知名度和品牌影響力；b) 它在幫助彌合新興的 Web3 世界與現有 Web2 系統之間的差距方面有著良好的成功經驗；c) 它擁有一支對不斷增長的生成式 AI 生態以及開發者和其他利益相關者的需求有著深刻理解且強大的 ML 開發團隊。

Coinbase 對探索與志同道合的公司建立合作夥伴關係和整合深感興趣，例如那些在人工智慧解決方案和生態服務方面擁有專業知識，並致力於將想法變為現實的公司。

致謝

我們要感謝南加州大學的 Bhaskar Krishnamachari 博士對本文的貢獻。Krishnamachari 博士是 Coinbase 的付費顧問，並以此身份協助撰寫了這篇文章。

相關內容

• Coinbase Institute 白皮書：區塊鏈和人工智慧 （AI）：可以相互改善的互補技術，2023 年秋季。
• David Duong，《人工智慧與 Crypto 的交匯點：區塊鏈技術可以解決的生成式 AI 中的常見問題是什麼？》，Coinbase Research，2023 年 5 月。
• 人工智慧在區塊鏈中的應用案例，Chainlink 博客，2023年 5 月。
• Steve Vassallo，《AI x 區塊鏈：走向下個高度》，《福布斯數字資產》，2023 年 6 月。
• Salah 等人，《人工智慧區塊鏈：回顧與挑戰》，IEEE Access，2019 年。
• Tian 等人，區塊鏈之於 AI：A Disruptive Integration， IEEE CSCWD 2022.
• Karger 等人，《人工智慧數據區塊鏈，現狀和開放研究》，ICIS，2021。

作者介紹

以下是關於 Rajarshi Gupta 和 Vijay Dialani 的簡單介紹

Rajarshi Gupta 是 Coinbase 的機器學習負責人，為全球的 Crypto 用戶提供智能自動化和保護。在此之前，Rajarshi 是 AWS 的 ML 服務總經理。他還在高通研究部門工作多年，並在那裡創建了 "Smart Protect"，這是有史以來第一個在設備端實現機器學習以實現安全性的產品，並已交付了超過 10 億個驍龍芯片組。Rajarshi 擁有加州大學伯克利分校的 EECS 博士學位，並在人工智慧和區塊鏈的交叉領域具有非常獨特且豐富的專業知識。Rajarshi 是一位多產的發明家，並撰寫了 225 多項已頒發的美國專利。

Vijay Dialani 領導 Coinbase 的機器學習風險和機器學習平台團隊。他曾在 Twitter、Apple、Google 、Microsoft 領導機器學習研究人員和工程師團隊。他的研究成果發表在 WWW、CIKM 和 ICDE 上。發表論文 20 多篇，被引用 550 多次，申請專利超過 17 項。在學術界期間，他創建了數據科學、機器學習和雲計算方面的研究生課程。他曾為幾名研究生提供指導，並擔任過幾名碩士生和博士生的研究生委員會委員。