一級標題
一級標題
一級標題
AI 與Web 3 的現狀：失控的蜂群與熵增
在《失控：機器、社會與經濟的新生物學》裡，凱文·凱利曾提出過一個現象：蜂群會按照分佈式管理，以群舞的方式進行選舉決策，整個蜂群跟隨在本次群舞中最大規模的蜂群成為一次事件的主宰。這也是墨利斯·梅特林克提到的所謂“蜂群的靈魂”——每一隻蜜蜂都可以做出自己決定，引導其他蜜蜂進行證實，最後形成的決定真正意義上都是群體的選擇。
熵增無序的規律本身就遵循熱力學定律，物理學上的理論具象化是把一定數量的分子放入空箱，測算最後的分佈概況。具體到人，由算法生成的群氓雖有個體的思維差異也能展現出群體規律，往往是因時代等因素被限制在一個空箱中，最後會做出共識性的決策。
當然，群體規律未必是正確的，但是可以代表共識，能夠以一己之力拉起共識的意見領袖是絕對的超級個體。但大多數情況下共識也並不追求所有人人完全無條件的同意，只需要群體具有普遍的認同性。
很多人說，AI 和Web 3 是兩回事，沒有任何联系——前半句是對的，這是兩個不同的賽道，但後半句是有問題的，利用分佈式技術限制人工智能的壟斷終局，以及利用人工智能技術促進去中心化共識機制的形成，簡直是天然的事情。
一級標題
一級標題
一級標題
底層推演：讓AI 形成真正的分佈式群體共識機制
人工智能的核心還是在於人本身，機器和模型不過是對人思維的揣測和模仿。所謂群體，實際上很難把群體抽像出來，因為每日所見的還是真實的個體。但模型就是利用海量的數據進行學習和調整，最後模擬出的群體形態。不去評價這種模型會造成什麼樣的結果，因為群體作惡的事件也並非一次兩次發生。但模型確切代表了這種共識機制的產生。
一個全球性的智能大腦可以使得原本相互獨立且功能單一的AI 算法模型相互配合，在內部執行複雜的智能算法流程，就可以不斷增長的形成分佈式群體共識網絡。這也是AI 對Web 3 賦能的最大意義所在。
一級標題
一級標題
一級標題
隱私與數據壟斷？ ZK 與機器學習的結合
人類不論是對於AI 作惡還是基於對隱私的保護、對數據壟斷的畏懼，都要針對性的進行防範。而最核心的問題在於我們並不知道結論是如何得出，同樣的，模型的運營者也並不打算對這個問題解惑答疑。而針對於上文中我們提到的全球性智能大腦的結合就更需要解決這個問題，不然沒有數據方願意拿出自己的核心去和別人共享。
ZKML(Zero Knowledge Machine Learning) 是將零知識證明用於機器學習的技術。零知識證明(Zero-Knowledge Proofs，ZKP)，即證明者（prover）有可能在不透露具體數據的情況下讓驗證者（verifier）相信數據的真實性。
以理論案例為引。有一個9 × 9 的標準數獨，完成條件是需要在九個九宮格里，填入1 到9 的數字，讓每個數字在每個行、列及九宮格里都只能出現一次。那麼佈置這道謎題的人如何在不洩露謎底的情況下向挑戰者證明該數獨有解呢？
只需要在填充處用答案蓋住，然後隨機讓挑戰者抽取幾行或者幾列，把所有的數字打亂順序然後驗證是否都是一到九即可。這就是一個簡單的零知識證明體現。
零知識證明技術具有完備性，正確性和零知識性三個特點，即證明了結論又不需要透露任何細節。其技術來源更是可以體現簡約性，在同態加密的背景下，驗證難度要遠遠低於生成證明難度。
機器學習（Machine Learning）則是使用算法和模型來讓計算機系統從數據中學習和改進。通過自動化的方式從經驗中學習，可以使系統根據數據和模型自動進行預測、分類、聚類和優化等任務。
這種狀況會不會帶來小型數據庫對大型數據庫的白嫖呢？當你考慮到治理問題的時候，就又回到我們Web 3 的思維中了，Crypto 的精髓在於治理。不論是通過大量的運用或者是共享都應該獲得應有的激勵。不論是通過原有的Pow、PoS 機制還是最新出現的各種PoR（聲譽證明機制），都是在為激勵效果提供保證。
一級標題
一級標題
一級標題
分佈式算力：謊言與現實交織的創新敘事
去中心化算力網絡一直是加密圈熱門提到的一個場景，畢竟AI 大模型需要的算力驚人，而中心化的算力網絡不單會造成資源浪費還會形成實質上的壟斷——如果比到最後拼的就是GPU 的數量，那未免太沒有意思了。
因此，儘管去中心化算力網絡具有很多優勢和潛力，但依照目前的通信成本和實際運行難度來看發展道路仍然曲折。在實踐中，實現去中心化算力網絡需要克服很多實際的技術問題，不論是如何確保節點的可靠性和安全性、如何有效地管理和調度分散的計算資源，還是如何實現高效的數據傳輸和通信等等，恐怕都是實際面臨的大問題。
一級標題
一級標題
一級標題
尾：留給理想主義者的期待
回歸當商業現實之中，AI 與Web 3 深度結合的敘事看上去如此美好，但資本與用戶卻更多地用實際行動告訴我們這注定是場異常艱難的創新之旅，除非項目方能像OpenAI一樣，在自身強大的同時抱住一個強有力的金主，否則深不見底的研發費用與尚不清晰的商業模式將把我們徹底擊碎。
