人工智能（AI）市场预计到2025年将达到2437亿美元，这反映了对AI进展的大规模金融支持。

大型科技公司如亚马逊、谷歌、Meta和微软计划在今年投资约3200亿美元于AI，这并不令人惊讶。

谷歌首席科学家杰夫·迪恩表示：“AI现在生成了谷歌集成代码的25%。”

谷歌已经在其内部代码库上训练了Gemini模型，以帮助开发者，这虽然不能涵盖所有内容，但通过将代码集成到其参数中，提高了AI辅助编码的效果。

然而，越来越多的担忧在于数十亿资金流入那些由少数主导者控制的集中化、闭源AI模型。

集中式AI的安全和伦理风险

少数集中化实体主导着AI的发展，提出了安全和伦理上的担忧。

Layer-1网络Minima的首席执行官兼联合创始人雨果·费勒告诉《Cryptonews》，集中式AI系统将大量敏感数据和计算资源聚合在单一中心，产生了相当大的脆弱性。

他表示：“这样的系统是网络犯罪分子的有吸引力目标，安全漏洞可能导致敏感信息的泄露，甚至更令人担忧的是，允许恶意个人操控AI算法。”

他指出，由于主要科技公司对AI开发保持控制，集中式AI系统中的偏见仍然是一个问题。

去中心化数据如何增强AI的完整性

随着AI发展的进展，对可信、安全数据的需求不断增长。

行业专家认为，去中心化数据将在确保AI创新的数据完整性方面发挥关键作用。

Filecoin基金会生态和社区负责人波特·斯托威尔解释说，去中心化数据存储在分布式网络中的多个节点上。

“与依赖少数大型提供商的传统云存储不同，去中心化数据确保没有任何一方对访问、可用性或安全性拥有单方面的控制，”斯托威尔表示。

他还补充道，区块链通过提供一个透明和不可更改的账本来跟踪数据存储和检索，发挥了关键作用。

“在Filecoin网络的情况下，区块链技术通过使用加密证明如存储证明和时空证明，确保数据得到可证明存储，使其防篡改且可验证。”

萨比恩公司的首席执行官罗温·斯通告诉《Cryptonews》，虽然并非所有数据都需要去中心化，但这一概念发挥着重要作用。

例如，斯通指出，银行巨头摩根大通单独持有近120 PB的数据。

“这与开放互联网数据（如OpenAI的GPT-4o模型训练的1 PB数据）相比是巨大的，”斯通说道。“如果我们量化人类前沿知识的总和，那么它将接近55亿PB，数量级上远超今天公共AI模型训练的数据。”

斯通进一步阐明，访问数据并不困难，而是高效地策划和结构信息。

“集中式系统难以扩展，缺乏灵活性去激励合适的专家在AI开发要求的速度下验证、标记和优化数据。去中心化解决了这个问题。”

去中心化数据在AI领域的影响

许多公司正在努力确保去中心化成为常态，特别是在AI模型训练中。

去中心化AI公司FLock.io的创始人兼首席执行官贾昊·孙告诉《Cryptonews》，关于去中心化数据集存在可扩展性、数据验证和互操作性等担忧。

“区块链网络可能面对处理大规模数据时的瓶颈，”孙表示。“而且，去中心化数据可能来自多个未经验证的来源。此外，许多区块链网络在孤岛中运行，使数据共享复杂。”

孙指出，实行去中心化预言机、声誉系统和AI驱动验证的解决方案可以提高数据的可靠性。

跨链协议和去中心化数据市场也有助于弥合区块链网络之间的差距。

然而，真正的担忧仍然在于监管和合规问题。孙指出，政府仍在努力如何监管AI领域及去中心化数据。

“未来需要一个平衡的方法，应包括随着技术创新演变的合规框架，”孙评论道。

尽管如此，斯通仍然相信AI模型将很快从数据稀缺转变为通过去中心化网络全球获取多样数据。

“区块链将使无信任的AI系统能够拥有透明、可验证的数据轨迹，减少偏见并增强问责制，”他说。“我们将看到激励知识经济的兴起，个人积极贡献于AI培训以获得奖励。最终，自主的AI代理将利用实时、众包的专业知识，重塑数据的创建、验证和共享方式。”

集中式模型长期以来主导着数据流动，但越来越多的脆弱性和偏见显示出对不同方法的需求。

去中心化策略将数据定位为一种共同资产——一种可以共同策划、验证和改善的资产。

分布式模型有可能通过提高数据透明度和完整性来重新定义AI的期望。