Ben Fielding 是一位研究员、技术专家和企业家，专门从事人工智能 (AI)、机器学习 (ML) 和计算机视觉领域。他是 Gensyn 的联合创始人兼首席执行官 (CEO)，该公司致力于开发用于训练机器学习模型的去中心化基础设施。他的工作主要是受到他在学术界遇到的计算资源限制的驱动。 ^[1]​

教育

Fielding 毕业于诺桑比亚大学，并于 2015 年获得计算机科学理学学士 (BSc) 学位。他继续在同一所大学深造，并于 2019 年获得计算机科学博士学位。他的博士研究侧重于人工智能、机器学习和计算机视觉，特别强调进化和基于群体的方法在神经网络设计和训练中的应用。在攻读博士学位期间，他还于 2016 年至 2018 年担任演示员，为计算机科学本科生讲授实验室和课堂课程。 ^[2]​

职业生涯

Fielding 于 2013 年开始了他的职业生涯，在 CDL (Cheshire Datasystems Ltd) 担任初级数据库管理员，负责 Oracle 数据库管理、Linux 服务器维护、环境配置、ETL 流程和数据库性能优化。2015 年，他曾短暂担任高级研究助理，参与一个工业合作项目，该项目侧重于使用机器学习和计算机视觉的健康和福祉应用。从 2015 年到 2019 年，Fielding 在诺桑比亚大学担任博士研究员，从事人工智能、机器学习和计算机视觉领域的研究，重点是进化和基于群体的方法在神经网络设计和训练中的应用。在此期间，他还于 2016 年至 2018 年担任演示员，为计算机科学本科生讲授实验室和课堂课程。

在 2017 年至 2020 年初，他担任 Research Analytics 的董事，提供机器学习和计算机视觉咨询服务。从 2018 年底到 2020 年初，Fielding 共同创立了 Fair Custodian 并担任首席执行官，该公司专注于个人数据管理，同时从 2019 年底到 2020 年初，他还担任 Ricochet AI 的机器学习顾问。2020 年，他参加了在英国举办的 Entrepreneur First LD14 队列。从 2020 年开始，Fielding 共同创立了 Gensyn 并担任首席执行官，致力于开发用于机器智能的分布式基础设施。从 2022 年起，他还担任天使投资人，为早期科技公司提供支持。 ^[3]​

访谈

去中心化 AI 基础设施

在 2025 年 5 月的 DWebDecoded 播客的一次访谈中，Fielding 讨论了 Gensyn，这是一家几年前成立的去中心化 AI 公司，最初专注于为金融机构提供保护隐私的机器学习。他描述了该公司在底层机器学习基础设施方面的工作，包括执行、通信、验证和协调框架，旨在支持去中心化计算。Fielding 回顾了面向消费者的 AI 工具如何改变了公众对人工智能的看法，并解释了他从学术界转向工业界的原因，是为了应对机器学习中的可扩展性和资源限制。他指出，去中心化 AI 仍然面临技术和采用方面的挑战，但正在逐步解决实际用例，他还讨论了人才招聘方法、AI 工具在支持人类工作中的作用，以及相对于中心化系统而言，去中心化 AI 的早期阶段。 ^[6]​

Gensyn 与 AI 互联网

在 2025 年 3 月的 The Delphi Podcast 的一次访谈中，Fielding 讨论了他在 Gensyn Network 上的工作，以及该公司对人工智能的去中心化计算基础设施的关注。他描述了 AI 领域快速的波动性，并概述了一种以构建底层、模型无关的基础设施为中心的方法，该基础设施即使在技术和架构发生变化的情况下仍然具有相关性。Fielding 解决了随着 AI 工作负载的扩展，中心化数据中心的局限性，并解释了去中心化的点对点通信框架如何支持分布式机器学习，而无需依赖中央机构。他还讨论了强化学习群的概念，其中模型迭代地评估和相互学习，以及对开源与封闭模型、监管压力以及可以持续发展的 AI 系统的长期看法。 ^[8]​

构建 Gensyn

在 2024 年 9 月与 a16z Crypto 的一次访谈中，Fielding 和 Harry Grieve 讨论了他们作为 Gensyn 联合创始人的工作，以及去中心化机器学习计算协议的开发。他们回顾了他们在计量经济学、深度学习和数据隐私方面的背景。他们描述了 2020 年通过 Entrepreneur First 加速器相遇的情景，当时他们各自独立地遇到了机器学习中的计算约束。Fielding 和 Grieve 解释说，Gensyn 的成立是为了解决中心化云提供商施加的限制，通过创建一个开放的机器学习计算市场，重点是去中心化训练而不是推理。他们还讨论了自动化在未来机器学习系统中的作用、在监管日益加强的情况下审查阻力和个人能动性的重要性、他们对早期机器学习团队作为主要用户的关注，以及他们决定以小型、非等级团队结构运营的决定。 ^[4]​

演示

Gensyn 的机器智能

在 2024 年 10 月的 DePIN Founders Day 的一次演讲中，Fielding 回顾了他在机器学习研究方面的背景，包括深度学习和神经架构搜索，并描述了他在攻读博士学位期间遇到的计算资源访问受限的情况。他解释说，Gensyn 的开发是一种机器学习计算协议，旨在连接全球具有机器学习能力的设备，并将访问范围扩大到 AWS 和 Google 等中心化云提供商之外。Fielding 概述了一个用于租赁计算资源的无需信任的 点对点 网络的 设计，该网络由 权益证明 共识模型和一个链下、加密安全的验证系统支持，以验证贡献的工作。他还讨论了正在进行的关于提高分布式资源效率的研究，并提出了一个更长远的观点，即机器学习作为一种持续压缩现实世界数据的机制，改变了知识的组织方式。演讲最后讨论了机器能动性、管理机器访问资源的协议的需求，以及 Gensyn 支持机器智能的去中心化基础设施和大规模数字世界表征的愿景。 ^[7]​

AI 与加密货币

在 2024 年 2 月的 ETHDenver 的一次演讲中，Fielding 介绍了自己是 Gensyn 的联合创始人，并将会议定位为关于为什么人工智能受益于加密和去中心化系统的互动讨论。他回顾了他在机器学习方面的学术背景，并描述了他在攻读博士学位期间遇到的计算短缺，这是由于资本和计算资源访问受限造成的。Fielding 解释说，Gensyn 的开发是一种去中心化机器学习计算协议，旨在将工程师与可用的硬件连接起来，降低成本，并减少对 AWS 和 Google 等主要云提供商的依赖。他认为，去中心化解决了中心化市场中的寻租行为，并实现了未来机器学习模型自主地与计算资源交互的场景。演讲还考察了现有中心化平台的局限性、可扩展性挑战以及去中心化信任和验证的作用，同时讨论了数据隐私技术、公平访问计算硬件以及协议设计需要让研究人员专注于模型开发而不是基础设施约束。 ^[5]​