关于人工智能（AI）的讨论已经发生了根本性的转变。问题不再是它的相关性，而是如何在其在各个行业的普遍应用中，使其更加可靠、透明和高效。

当前的AI范式以集中式的“黑箱”模型和庞大的专有数据中心为主，面临着来自偏见和垄断控制的日益压力。对于许多Web3领域的人来说，解决方案不在于对现有系统的更严格监管，而在于对基础设施的完全去中心化。

这些强大AI模型的有效性，首先取决于它们所训练数据的质量和完整性——这一因素必须是可验证和可追溯的，以防止系统性错误和AI幻觉。随着金融和医疗等行业的风险加大，对AI的无信任和透明基础的需求变得至关重要。

迈克尔·海因里希（Michael Heinrich）是一位连续创业者和斯坦福大学毕业生，他正领导着建立这一基础的工作。作为0G Labs的首席执行官，他目前正在开发他所描述的第一个也是最大的AI链，使命是确保AI成为一个安全且可验证的公共产品。海因里希曾创办过Garten，这是一家获得YCombinator支持的顶尖公司，并曾在微软、贝恩和桥水基金工作，现在他将自己的专业知识应用于去中心化AI（DeAI）的架构挑战。

海因里希强调，AI性能的核心在于其知识基础：数据。“AI模型的有效性首先取决于它们所训练的基础数据，”他解释道。高质量、平衡的数据集会导致准确的响应，而糟糕或代表性不足的数据则会导致低质量的输出，并增加幻觉的易感性。

对于海因里希来说，维护这些不断更新和多样化的数据集的完整性需要从根本上改变现状。他认为，AI幻觉的主要罪魁祸首是缺乏透明的来源。他的解决方案是加密的：

我相信所有数据都应该通过链上锚定，配以加密证明和可验证的证据链，以维护数据的完整性。

这种去中心化、透明的基础，加上经济激励和持续的微调，被视为系统性消除错误和算法偏见的必要机制。

除了技术修复，海因里希（福布斯40位40岁以下杰出人物）对AI持有宏观视野，认为它应该开启一个丰盈的时代。

“在理想的世界中，它希望创造一个后稀缺社会的条件，在这个社会中，资源变得丰富，没有人再需要担心做琐碎的工作，”他说。这一转变将使个人能够“专注于更具创造性和休闲的工作”，从而使每个人都能享受更多的自由时间和经济安全。

他认为，去中心化的世界特别适合推动这一未来。这些系统的美在于它们的激励相一致，为计算能力创造了一个自我平衡的经济。如果对资源的需求增加，提供这些资源的激励自然会上升，直到满足该需求，以平衡和无权限的方式满足计算资源的需求。

为了保护AI免受故意滥用——例如语音克隆诈骗和深度伪造——海因里希建议结合以人为本和架构的解决方案。首先，重点应放在教育人们如何识别用于冒充和虚假信息的AI诈骗和伪造内容。海因里希表示：“我们需要教人们能够识别或指纹识别AI生成的内容，以便他们能够保护自己。”

立法者也可以通过建立全球AI安全和伦理标准来发挥作用。虽然这不太可能消除AI的滥用，但这样的标准的存在“可以在一定程度上起到劝阻作用”。然而，最有效的对策则融入了去中心化的设计：“设计激励相一致的系统可以显著减少故意的AI滥用。”通过在链上部署和管理AI模型，诚实的参与者将获得奖励，而恶意行为则通过链上的削减机制承担直接的经济后果。

尽管一些批评者担心开放算法的风险，海因里希告诉Bitcoin.com News，他对此表示热烈支持，因为这提供了模型工作方式的可见性。“可验证的训练记录和不可变的数据轨迹可以用于确保透明度，并允许社区监督，”这直接对抗了与专有、封闭源“黑箱”模型相关的风险。

为了实现安全且低成本的AI未来愿景，0G Labs正在构建第一个“去中心化AI操作系统（DeAIOS）”。

该操作系统旨在提供可验证的AI来源——一个高度可扩展的数据存储和可用性层，使得在链上存储大量AI数据集成为可能，从而使所有数据可验证和可追溯。这种安全性和可追溯性对于在受监管行业中运营的AI代理至关重要。

此外，该系统还具有无权限的计算市场，民主化了对计算资源的访问，价格具有竞争力。这直接回应了与集中式云基础设施相关的高成本和供应商锁定问题。

0G Labs已经通过Dilocox展示了技术突破，这是一种使得在去中心化的1 Gbps集群上训练超过1000亿参数的LLM成为可能的框架。通过将模型分解为更小且独立训练的部分，Dilocox在效率上比传统的分布式训练方法提高了357倍，使得大规模AI开发在集中数据中心之外变得经济可行。

最终，海因里希对去中心化AI的未来充满信心，他认为这个未来将以参与和打破采用障碍为特征。

“这是一个人们和社区共同创建专家AI模型的地方，确保AI的未来由许多人而不仅仅是少数集中实体塑造，”他总结道。随着专有AI公司面临提高价格的压力，DeAI的经济学和激励结构提供了一个引人注目的、更加实惠的替代方案，使得强大的AI模型可以以更低的成本创建，为一个更加开放、安全和最终更有利的技术未来铺平道路。

• 当前集中式AI的核心问题是什么？ 当前的AI模型由于其集中式“黑箱”架构，存在透明度问题、数据偏见和垄断控制。
• 迈克尔·海因里希的0G Labs正在构建什么解决方案？ 0G Labs正在开发第一个“去中心化AI操作系统（DeAIOS）”，以使AI成为一个安全、可验证和公共的产品。
• 去中心化AI如何确保数据完整性？ 数据完整性通过将所有数据锚定在链上，并配以加密证明和可验证的证据链来维护，以防止错误和幻觉。
• 0G Labs的Dilocox技术的主要优势是什么？ Dilocox是一个框架，使得大规模AI开发显著更高效，展示了比传统分布式训练提高了357倍的效率。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。