Ben Fielding

Ben Fielding 是一位专注于人工智能 (AI)、机器学习 (ML) 和计算机视觉的研究员、技术专家和企业家。他是 Gensyn 的联合创始人兼首席执行官 (CEO)。Gensyn 是一个去中心化机器学习计算协议，旨在通过连接分布式硬件并在链上验证工作，构建一个开放的“机器智能网络”。^[1]​

教育背景

Fielding 就读于诺森比亚大学 (Northumbria University)，并于 2015 年获得计算机科学学士学位 (BSc)。他继续在该校深造，于 2019 年完成了计算机科学博士学位 (PhD)。在攻读博士期间，他还在 2016 年至 2018 年担任助教，为计算机科学本科生讲授实验课和课堂课程。^[2]​

职业生涯

Fielding 的职业生涯始于 2013 年，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 流程以及数据库性能优化。2015 年，他在一个工业合作项目中短暂担任高级研究助理，该项目专注于利用机器学习和计算机视觉开发健康与福祉应用。2015 年至 2019 年，Fielding 在诺森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，重点关注用于神经网络设计和训练的进化与群体算法。在此期间，他还在 2016 年至 2018 年担任助教，教授本科计算机科学实验和课堂课程。

2017 年至 2020 年初，他在 Research Analytics 担任董事，提供机器学习和计算机视觉咨询服务。2018 年底至 2020 年初，Fielding 联合创立了专注于个人数据管理的 Fair Custodian 公司并担任 CEO，同时在 2019 年底至 2020 年初担任 Ricochet AI 的机器学习顾问。2020 年，他参加了英国 Entrepreneur First LD14 创业营。从 2020 年开始，Fielding 联合创立了 Gensyn 并担任 CEO，致力于开发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，支持早期技术公司。^[3]

采访

去中心化 AI 基础设施

在 2025 年 5 月 DWebDecoded 播客的采访中，Fielding 讨论了 Gensyn，这家成立于几年前的去中心化 AI 公司最初专注于为金融机构提供隐私保护的机器学习。他介绍了公司在底层机器学习基础设施方面的工作，包括旨在支持去中心化计算的执行、通信、验证和协调框架。Fielding 反思了面向消费者的 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 仍面临技术和采用方面的挑战，但正在逐步解决实际应用案例，并讨论了人才招聘方法、AI 工具在支持人类工作中的作用，以及去中心化 AI 相对于中心化系统的早期阶段性质。^[6]

Gensyn 与 AI 互联网

在 2025 年 3 月 The Delphi Podcast 的采访中，Fielding 讨论了他在 Gensyn Network 的工作及其对人工智能去中心化计算基础设施的关注。他描述了 AI 领域的快速波动，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，这种基础设施在技术和架构不断变化的情况下依然保持相关性。Fielding 谈到了随着 AI 工作负载规模扩大，中心化数据中心的局限性，并解释了去中心化、点对点通信框架如何在不依赖中心化机构的情况下支持分布式机器学习。他还讨论了强化学习群体的概念（模型在其中迭代评估并相互学习），以及关于开源与闭源模型、监管压力以及能够持续进化的 AI 系统开发的长期观点。^[8]

构建 Gensyn

在 2024 年 9 月与 a16z Crypto 的采访中，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。他们回顾了自己在计量经济学、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 加速器相识的过程，当时两人都独立遇到了机器学习中的计算限制。Fielding 和 Grieve 解释说，成立 Gensyn 是为了通过创建一个开放的机器学习计算市场来解决中心化云提供商带来的限制，重点是去中心化训练而非推理。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抗审查和个人能动性的重要性、他们对作为主要用户的早期机器学习团队的关注，以及他们决定以小型、非层级化团队结构运营的决策。^[4]

演讲演示

Gensyn 的机器智能

在 2024 年 10 月的 DePIN 创始人日演讲中，Fielding 反思了他的机器学习研究背景，包括深度学习和神经架构搜索，并描述了他在攻读博士期间所经历的计算资源受限的情况。他解释说，Gensyn 被开发为一个机器学习计算协议，旨在连接全球具有机器学习能力的设备，并扩大除 AWS 和 Google 等中心化云提供商之外的访问权限。Fielding 概述了一个用于租用计算资源的无须许可点对点网络的设计，该网络由权益证明共识模型和链下、加密安全的验证系统支持，以验证贡献的工作。他还讨论了提高分布式资源效率的持续研究，并提出了一个长期愿景，即机器学习作为一种压缩现实世界数据的持续机制，改变了知识的策展方式。演讲最后讨论了机器代理、管理机器访问资源的协议需求，以及 Gensyn 支持机器智能去中心化基础设施和大规模世界数字表示的愿景。^[7]

AI 与加密货币

在 2024 年 2 月的 ETHDenver 演讲中，Fielding 介绍了自己作为 Gensyn 联合创始人的身份，并将该环节设定为一场关于人工智能为何受益于加密和去中心化系统的互动讨论。他回顾了自己在机器学习方面的学术背景，并描述了他在博士期间因资本和计算资源有限而遇到的计算短缺问题。Fielding 解释说，Gensyn 被开发为一个去中心化机器学习计算协议，旨在将工程师与可用硬件连接起来，降低成本，并减少对 AWS 和 Google 等主导云提供商的依赖。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与计算资源交互的场景。演讲还探讨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、计算硬件访问的公平性，以及对允许研究人员专注于模型开发而非基础设施限制的协议设计的需求。^[5]