Coinbase: AI 区块链的投资与创业机会lg...

原文标题：Blockchain for AI

作者：Rajarshi Gupta、Vijay Dialani

发布时间：March 8, 2024

摘要：区块链可以为人工智能生态带来许多潜能，这篇博客介绍了这个领域的一些具体机会和用例。Coinbase 是一家致力于推动基于区块链的数字资产和去中心化平台的领先公司，同时，我们也对与人工智能领域的参与者建立合作从而共同实现这些新兴机会充满兴趣。

在过去的一年里，我们目睹了人工智能的能力和应用的爆炸式增长。这包括文本到图像模型 (text-to-image)、大型语言模型的成熟度的显着提高，以及它们在搜索和推荐、促进软件开发和大数据分析诸多业务用例中的应用。据预测，到 2032 年，仅生成式 AI 就将形成一个 1.3 万亿美元的市场规模，在未来十年里，复合年增长率 (CAGR) 将达到42%。

当我们研究区块链和人工智能的交汇点时，有两个主要的方面需要考虑。首先是使用 AI/ML 模型和方法来增强区块链平台、去中心化应用、以及数字链上资产的交易。第二，也是本文的主要的关注点，即利用区块链的能力为 AI/ML 产品和服务的开发者和用户提供价值。

区块链能力的基本面

有许多基本的区块链能力可用于 AI 模型的开发、部署和运行。这些能力涵盖了加密原语、区块链协议和智能合约。它们具备以下基本属性，这些属性都与 AI 用例高度相关，我们将在以下部分进行讨论：

• 数据安全性：帮助 AI 以防篡改和不可变的方式存储数据，并通过使用不容易受到攻击、操纵、审查和拒绝服务的去中心化服务器实现高可用性。

• 数据可考性、可追溯性、可审计性：以不可变和透明的方式记录交易和资产，便于跟踪数据的来源、所有权、出处以及带有数字签名和时间戳的协议。这也提供了可审计和可验证的能力。

• 去中心化决策：在他们之间或与中央实体之间没有已经存在的信任关系的情况下，使决策能够由多个实体或直接在双方之间做出决策。

• 自主和透明的代码执行：使程序能够作为智能合约执行，这些智能合约对所有相关方都是透明的，并且不需要依赖可信和中心化的中介机构便可自主运行。

• 去中心化身份：提供安全的数字身份机制，允许用户在不泄露隐私的情况下与服务进行交互。

• 小额支付：提供一种安全、轻便的支付方式，降低支付环节的摩擦。

1. 区块链如何让人工智能受益

如上图所示，AI 生态系统拥有多元化的利益相关者，他们在数据、模型和计算基础设施方面相互交互。由于行政区域和经济边界的原因，这些可能的利益相关者之间形成了一定的分隔，因此这些交互过程中所面临的信任问题和支付问题是需要解决的，而区块链恰恰可以帮助解决这两个问题。

我们可以将区块链对人工智能的潜在优势效应，以及可以开发的相应产品和服务分为四大类，如下图所示。在下文中，我们将逐一讨论这些类别。

2.1. 数据和模型完整性

区块链可用于开发解决方案，帮助用户和开发者确保数据和模型不会在他们不知情的情况下被修改。例如，基于API 的服务可以允许数据所有者和 AI 开发者记录数据集和模型的时间戳哈希值，以确保其完整性，并记录模型开发过程和使用的数据集的整个过程，以跟踪整个生命周期，这种方式允许第三方审计或监管机构调用。该系统甚至可以直接集成到 ML 开发工具中，例如 Pytorch。这可以通过使模型的开发过程更加透明和安全来帮助提高模型的完整性和可信度。也许还可以在区块链上记录相关的 “荒废的” 特定数据的证明，以向监管机构证明某个提供商的数据已从给定模型中移除。记录链上数据和模型输出的哈希值也有助于对抗深度伪造。例如，应用程序可能能够通过检查与链上数据源相关的数字签名来确保所用数据的真实性，或者可以设计和实现一个区块链上的去中心化版本 “Snopes.com” 来标记深度伪造。

2.2. 数据和模型的使用和访问权限管理

非同质化代币 (NFT) 可以证明某人对任何给定数字内容或数据的所有权。根据用例，所涉及的内容可以是模型输入，例如对生成式 AI 工具的提示，可以是用于训练模型的数据，可以是模型的参数，也可以是模型的输出。NFT 将允许用户或开发者维护他们的所有权，并进一步将相应数字资产的所有权转让给他人。还可以设想一种基于区块链的数据和模型访问控制机制，例如，基于给定用户地址列表允许/限制访问的智能合约。或者，它可以与去中心化的身份解决方案集成（可能使用最先进的加密技术，如零知识证明），以允许基于某些已证明的属性进行访问（例如，允许基于证明用户足够老或仅从某些地理位置进行访问），同时保护用户的隐私。

2.3. 数据、模型和计算资源的激励和支付

区块链可以使用稳定币为使用生成型 AI 模型进行低费率的小额支付。智能合约可以允许以去中心化的方式在模型的多个共同所有者之间分享收入。这种共同所有权模式，实际上是一种 “去中心化的 Hugging Face”，它可能允许中小型模型开发商联合起来，与该领域的大公司竞争。它也可以用于激励世界各地的数据提供者、数据注释者、模型开发者或人类反馈提供者加入一个新的去中心化项目，以开发新的生成式 AI 模型或解决方案，同时，有适当的机制来跟踪贡献，以便激励可以被公平地分配。区块链还可用于创建一个去中心化的数据/模型/计算市场，使计算提供商、培训数据提供商、模型开发者和用户能够轻松地搜索和相互匹配，提供激励、付款以及签订合同和协议。使用智能合约实施的基于区块链的去中心化审查系统可以将自动化和基于人工审查员纳入同一个系统，以激励对数据和模型进行高吞吐量、彻底、高质量的审查。

2.4. 在链上部署 AI

此类别涉及到直接在区块链上运行某些 AI 模型，以获得更高的透明度和信任度。AI 模型可能直接为终端用户提供一些推理或生成用例，让他们确信只有他们打算提供输入的模型才能接收所述输入，并生成他们所看到的输出，而不会受到任何操纵、伪造或审查。或者，可以部署 AI 模型来帮助智能合约调整和优化自己的参数以响应用户交易。AI 模型也可能是一个智能合约，它使用链上的历史和当前交易数据对数字资产做出买卖/交易决策以获利。这些模型可以作为智能合约部署在 Layer1 链上，也可以通过 Layer2 系统（如 zk-rollups）部署。这些模型可能由私人拥有，也可能以 DAO 的形式去中心化，允许多个个人和实体在给定的链上模型中拥有 “股份”。从长远来看，对于此类应用，鉴于人工智能应用对数据和计算的要求很高，人们可能会有兴趣研究和开发一个全新的平台，以支持 AI 工作流程。

3. 如何提供帮助

Coinbase 的使命是为超过 10 亿人的经济自由助力。随着 Crypto 使用的增长，我们专注于构建最值得信赖、合规的产品和服务，并为其他建设者提供支持。很明显，人工智能区块链匹配该战略，即，让那些成为新兴生成 AI 生态一员的个人和组织（目前，这几乎完全基于中心化和不够透明的 Web2 框架）能够从区块链和基于链的 Crypto 解决方案中获益，这是广义上的定义。

我们认为 Coinbase 特别适合成为该领域的主要贡献者，因为，a) 它在那些区块链资产和服务的零售客户和机构用户中均拥有显著的知名度和品牌影响力；b) 它在帮助弥合新兴的 Web3 世界与现有 Web2 系统之间的差距方面有着良好的成功经验；c) 它拥有一支对不断增长的生成式 AI 生态以及开发者和其他利益相关者的需求有着深刻理解且强大的 ML 开发团队。

Coinbase 对探索与志同道合的公司建立合作伙伴关系和整合深感兴趣，例如那些在人工智能解决方案和生态服务方面拥有专业知识，并致力于将想法变为现实的公司。

致谢

我们要感谢南加州大学的 Bhaskar Krishnamachari 博士对本文的贡献。Krishnamachari 博士是 Coinbase 的付费顾问，并以此身份协助撰写了这篇文章。

相关内容

• Coinbase Institute 白皮书：区块链和人工智能 （AI）：可以相互改善的互补技术，2023 年秋季。

• David Duong，《人工智能与 Crypto 的交汇点：区块链技术可以解决的生成式 AI 中的常见问题是什么？》，Coinbase Research，2023 年 5 月。

• 人工智能在区块链中的应用案例，Chainlink 博客，2023年 5 月。

• Steve Vassallo，《AI x 区块链：走向下一个高度》，《福布斯数字资产》，2023 年 6 月。

• Salah 等人，《人工智能区块链：回顾与挑战》，IEEE Access，2019 年。

• Tian 等人，区块链之于 AI：A Disruptive Integration， IEEE CSCWD 2022.

• Karger 等人，《人工智能数据区块链，现状和开放研究》，ICIS，2021。

作者介绍

以下是关于 Rajarshi Gupta 和 Vijay Dialani 的简单介绍

Rajarshi Gupta 是 Coinbase 的机器学习负责人，为全球的 Crypto 用户提供智能自动化和保护。在此之前，Rajarshi 是 AWS 的 ML 服务总经理。他还在高通研究部门工作多年，并在那里创建了 “Smart Protect”，这是有史以来第一个在设备端实现机器学习以实现安全性的产品，并已交付了超过 10 亿个骁龙芯片组。Rajarshi 拥有加州大学伯克利分校的 EECS 博士学位，并在人工智能和区块链的交叉领域具有非常独特且丰富的专业知识。Rajarshi 是一位多产的发明家，并撰写了 225 多项已颁发的美国专利。

Vijay Dialani 领导 Coinbase 的机器学习风险和机器学习平台团队。他曾在 Twitter、Apple、Google 、Microsoft 领导机器学习研究人员和工程师团队。他的研究成果发表在 WWW、CIKM 和 ICDE 上。发表论文 20 多篇，被引用 550 多次，申请专利超过 17 项。在学术界期间，他创建了数据科学、机器学习和云计算方面的研究生课程。他曾为几名研究生提供指导，并担任过几名硕士生和博士生的研究生委员会委员。

来源：金色财经