xTAO創始人表示，Bittensor希望成為AI領域的Bitcoin

xTAO創辦人兼執行長Karia Samaroo，這家唯一致力於Bittensor生態系統的上市公司，解釋為何AI需要去中心化。

人工智能已經以前所未有的方式捕獲了公眾的想像力。然而，在其潛力之下隱藏著對權力和控制集中的嚴重擔憂。目前，最受歡迎的AI模型是幾家大型科技公司的專屬財產，這些公司對其設計和使用擁有完全控制權。

Crypto.news採訪了Karia Samaroo，他是xTAO的創辦人兼執行長，這是一家致力於Bittensor (TAO)去中心化AI生態系統的上市公司。Samaroo解釋了為何需要一個替代模型，使AI更加開放、去中心化，並符合用戶的需求。

crypto.news：區塊鏈為AI帶來什麼，Bittensor扮演什麼角色？

Karia Samaroo：中心化是AI最大的問題。隨著AI成長為人類有史以來創造的最強大工具，僅由少數公司控制它會造成巨大的集中風險。我經常將Bittensor與Bitcoin進行比較。Bitcoin解決了圍繞貨幣的中心化問題：它不會通膨，任何人都可以使用它，並且沒有看門人。Bittensor將相同的理念應用於AI。

在中心化AI中，如OpenAI，一個權威決定模型如何訓練、使用什麼數據、有什麼偏見以及審查什麼內容。他們還可以隨時切斷訪問權限。這是一個大問題。Bittensor使用Bitcoin的模型來為AI解決這個問題。

CN：公司如何將去中心化引入AI？

KS：有一些去中心化AI解決方案的好例子。Grass激勵數據收集，儘管它專注於AI堆疊的一部分。Render是一個去中心化計算網絡，這也非常重要。

Bittensor更廣泛。我稱它為「AI的全球網絡」。它不僅僅專注於數據或計算等一個領域。它有多個子網絡，每個子網絡解決AI堆疊中的不同問題，它們都是相互連接的。

CN：為什麼公司選擇在Bittensor上構建，而不是使用像OpenAI這樣更成熟的模型？

KS：我認為有幾個原因。一個是哲學上的。許多在Bittensor上構建的人看到了為去中心化網絡和去中心化AI使命做貢獻的價值。這絕對有很大的吸引力。

另一個是技術上的。去中心化網絡在可擴展性方面有優勢。例如，Bitcoin通過其激勵機制創建了世界上最大的計算機。它分佈如此廣泛，永遠不會被關閉，因為有許多節點在不同地方、不同網絡和電源上運行。

然後還有開放創新的概念。任何人都可以在沒有看門人的情況下實驗、迭代和將他們的模型貨幣化。如果你是一名AI工程師，通常你必須申請工作、參加面試、被錄用，然後最終在公司內部從事非常特定的任務。在Bittensor上，你可以選擇想要挖礦的子網絡，構建你的模型，與他人競爭，並立即獲得報酬。

CN：大型科技公司運行的AI模型受益於大量數據，比如Grok擁有Twitter。去中心化AI如何競爭？

KS：我認為Grass是一個很好的例子，Bittensor上也有類似的項目。這個想法是眾包數據並激勵人們收集和整理它。該網絡已經顯著增長。這就是去中心化網絡如何帶來同等甚至更好質量數據集的方式。大型科技公司今天控制著最豐富的數據，但有了正確的激勵，去中心化系統可以競爭。

另一個大問題是，當Meta或Twitter擁有你的數據時，你什麼也得不到。作為貢獻者，你沒有獲得獎勵。去中心化網絡改變了這一點。它們將激勵與創作者和貢獻者對齊，這才是應該的方式。如果你拍照，你應該得到認可。如果你發帖，你應該從中受益。

CN：去中心化AI如何解決其模型的安全性和社會影響問題？

KS：安全性有幾個方面。一個是訓練數據。如果它有偏見、有毒或包含敏感信息，那就是一個問題，這對中心化和去中心化系統都是如此。這是人們每天都在努力解決的問題。

另一個是模型的輸出。如何防止有害輸出？在Bittensor中，這由驗證者處理。他們負責檢測有害或低質量的輸出，他們做得越好，獲得的獎勵就越多。這已經融入了網絡設計中。

基金會也有一些監控政策，但目標是逐步淘汰這些政策。隨著時間的推移，安全和治理真正成為驗證者的工作。

CN：你是否擔心這些模型未來會受到審查，無論是來自政府還是作為對有偏見輸出的反應？

KS：這是一個好問題。我會將其比作中心化或國有媒體，在那裡單一決策者可以選擇展示或不展示什麼。如果他們受到壓力或只是內部決定，他們可以改變輸出的樣子。

這是一個大問題。我們已經在社交媒體上看到了這一點。如果Meta想推動某種敘事，他們就會這樣做。這不一定是邪惡的——這只是激勵機制的運作方式。

去中心化AI更能代表人民。它不是完美的，但如果Bittensor上的子網絡或產品變得過於偏頗，網絡中的參與者可以投票並調整激勵機制。這意味著表現不佳的會獲得更少的獎勵。

這個想法是，如果系統反映了人口，人們將支持感覺公平和透明的產品。而且它更可審計——你可以看到激勵結構，你可以看到代碼。在封閉系統中，你做不到這一點。這就是人們對中心化AI擔憂的原因。