0% read

最后更新:

Kartin Wong

Kartin Jiatian Wong 的联合创始人,该协议是一个可验证的 协议,旨在将 AI 和复杂计算引入链上。[1][2][3]

职业生涯

在接受 Alea Research 采访时,Wong 讨论了他参与 的经历。他早在 2011 年高中时期就开始探索 ,当时他用 Python 编写了一个 脚本,并获得了早期收益。后来他移居美国学习天文学。在本科期间,他联合创办了一家 AI 初创公司,利用卷积神经网络对恒星图像进行分类,尽管该项目在商业上并未取得成功。毕业后,他加入 Google 担任软件工程师,从事密码学和 AI 相关工作。2019 年,他通过交易重新进入 领域,随后全身心投入到创办 初创公司中。

他对 AI 的兴趣可以追溯到 2015 年,当时他尝试开发了 RNN 和 LSTM 聊天机器人,但这些机器人的成本高昂且性能不佳。2022 年 ChatGPT 的发布重新激发了他将 AI 与 结合的关注,特别是围绕使 支持更复杂计算的方面。他最初探索使用 在链上运行大规模 AI 模型,但发现这种方法对于拥有数十亿参数的模型来说效率低下。

为了解决这个问题,Wong 及其在 的团队转向了基于 的验证方式。这促成了 OPML(乐观机器学习)的诞生,它将 AI 推理转化为可验证的默克尔结构。该项目于 2023 年开源,并获得了关注和资金支持。在测试了各种用例后,团队在 2024 年转向了 AI 模型代币化。虽然与 代币项目有一定联系,但他们的重点仍然是推进基于模型的 AI 基础设施。[1] [7]

采访

关于 ORA

在 Magnet Labs 的 AI Radioroom 采访中,Wong 讨论了 去中心化 AI 中的作用。他详细阐述了 的两大核心功能:实现受 影响的去中心化 AI,以及促进初始模型发行(IMO)以将 AI 模型代币化,将其转化为链上预言机。他们探讨了使用公开数据训练 AI 模型的伦理影响,并强调了区块链基础设施在防止去中心化应用单点故障方面的必要性。Wong 介绍了用于去中心化推理的 OPML(乐观机器学习证明)技术,以及选择代币化模型的标准。此外,他还介绍了 ORA 启动公平分配系统的策略,利用 AI 使代币分配民主化,旨在提高生态系统的透明度和社区参与度。[8]

演讲

初始模型发行 (IMO)

在 AI x Web3 峰会上,Wong 讨论了初始模型发行(IMO)的概念,强调了人工智能(AI)与 之间日益增长的融合。他概述了过去十年 AI 的演变,强调了其能力的提升以及随之而来的大型科技公司的垄断,这些公司通过闭源模型获利。Wong 将其与历史经济结构进行了类比,指出股票市场如何允许更广泛地参与投资,这与他在 上代币化 AI 模型的提议类似。他介绍了 IMO 的两个关键组成部分:用于代币化 AI 模型的新 标准,以及确保代币持有者之间的收入共享。Wong 解释了乐观机器学习的引入,它能够在 上实现高效且可验证的 AI 模型运行。他还谈到了模型选择过程的重要性,以避免资源浪费。他指出 作为将 AI 集成到 中的 协议所扮演的角色,认为 IMO 是不断发展的市场中至关重要的商业机制。[9]

AI 代理

上,Wong 讨论了可验证 的开发以及在 Aura 追求“世界超级智能”概念的历程。他认为 AI 的进步已经超越了人类智能,特别注意到过去十年神经网络参数的大幅增加。Wong 强调,实现世界智能取决于 AI 系统的互联性,提倡一种不受人类控制的去中心化自主模型。他提出了利用 技术增强 AI 功能和融资的想法,并提出了两个关键组成部分:用于可验证性的乐观机器学习和使用代币系统的新经济模型。Wong 建议,这种去中心化方法最终将使独立的 AI 代理能够在各自的经济生态系统中运行并有效地管理其交互。[10]

圆桌论坛

去中心化 AI

在 Open AGI 峰会上,Wong 参加了名为“开发者去中心化 AI 路线图”的圆桌论坛,该论坛由 Kenzi Wang 主持,嘉宾包括 Alex Rusnak (Maru)、Michael Heinrich (Zero Gravity Labs) 和 Sean Ren (Sahara Labs)。每位嘉宾都分享了他们对各自项目以及将去中心化技术与人工智能结合的方法的见解。他们强调了 在 AI 开发中增强数据可验证性、安全性和所有权的潜力,并强调了创建能够使 AI 能力获取民主化的去中心化模型的重要性。讨论中还提到了挑战,例如对高效数据处理管道的需求,以及去中心化与中心化 AI 训练之间的平衡。对话还深入探讨了 AI 对社会影响的哲学意义,以及 Web 2.0 与 技术之间不断演变的关系。总的来说,该论坛展示了 与 AI 交叉领域内协作与创新的可能性。[11]

AI 的未来

新加坡大会上,Wong 与 Emad Mostaque(, Schelling AI)反思了去中心化系统对技术的影响,特别关注了离开 后 Schelling AI 的发展。他们强调了开源 AI 在教育和医疗等领域的重要性,认为这些系统应建立在分布式账本上,以获得更好的透明度和韧性。对话强调了使 AI 与人类价值观保持一致的必要性,以确保这些技术的安全性和有效性,特别是在医疗等关键领域。他们探讨了将 AI 与 结合的潜在优势,认为这种集成可以促进更大规模的协作和创新,同时避免权力集中。参与者对 AI 的变革潜力表示乐观,特别是在使智能获取民主化和提高生活质量方面。然而,他们也承认了与中心化控制相关的风险以及高级 AI 系统的伦理影响。[12]

代理用例

题为“代理释放——链上与链下交汇处的 用例技术”的圆桌论坛汇集了 AI 和 技术专家,共同探讨各种基础设施项目及其应用。参与者包括 Wong、Zoe Meckbach ()、Daniel Olshansky ()、Stephen King (Indexing.co)、Fran Algaba (Giza) 和 Modulus Labs。他们分享了各自技术与 AI 结合的见解,特别是围绕服务 的挑战和需求。他们讨论了 技术在提高 AI 模型透明度和效率方面的潜力,以及 中数据访问和处理不断变化的需求。论坛展示了几个用例,突出了 AI 在金融系统和游戏中的集成,同时也承认与这些技术相关的成本(特别是关于 )可能非常显著。讨论强调了利用去中心化基础设施管理 并提高 效用的共同兴趣。[13]

发现错误了吗?

参考文献 (13 来源)

首页分类维基MC事件词汇表