在当今的科技领域，人工智能（AI）与区块链的结合已经成为热门话题。这不仅仅是一个科技趋势，它还具有更深远的影响。本系列文章将深入探讨区块链技术和理念如何解决AI所带来的集中化和权限问题，从而为社会创造更加积极的总和效应。

AI与区块链的融合：基本原因

在本系列的第一篇文章中，我们将探讨AI与加密货币之间的基本原因。我们将审视当前技术协调的格局，探索加密货币如何促进自下而上的协调，并分析这种模式如何在AI价值链的各个环节中应用——从数据收集到推断。

全程协调：从自上而下到自下而上

1. 协调的两种方式

协调是指让个人或群体能够顺畅高效地共同合作。它是维系社会、公司和社区的粘合剂。协调主要有两种方式：自上而下和自下而上。

• 自上而下的协调：层级结构中，顶层的决策影响整个群体。类似于传统公司结构，决策由高层决定，逐级传递给管理者，最终影响到广大员工。

• 自下而上的协调：网络化结构中，个体或群体共同参与决策过程。类似于一个社区，每个人都有发言权，决策由所有参与者的集体输入产生，权力分布在所有参与者之间。

2. 当前科技领域的自上而下协调

当前科技领域主要采用自上而下的协调模式，少数几家公司决定资源分配，设定影响数十亿用户的技术政策。尽管这种模式在资源分配和创造财务回报方面效率高，但也导致了权力的高度集中，用户在体验和奖励方面的自由度受到限制。

3. AI领域的集中化风险

在AI领域，我们看到类似的集中化趋势。少数中央集权的实体控制技术政策，大量资本投入竞赛以建立最大、最好的模型。用户数据被用来训练AI模型，但用户并未从中受益。这样的提取式关系使得用户的利益被边缘化。

4. 加密货币实现自下而上的协调

比特币引入了抗审查的货币概念，区块链技术提供了新的自下而上协调模式。通过密码学、网络与分布式系统以及博弈论的结合，加密货币实现了不可变账本、个体层面的所有权和去中心化。

人工智能中的自下而上协调方式

为了理解加密的自下而上协调模型如何有助于人工智能，我们来审视人工智能价值链——创造和部署的不同阶段，并比较每个阶段的自上而下和自下而上的协调方式。

1. 数据：人工智能的基础

在自上而下的协调模型中，AI公司通常假定可以使用网上抓取的数据，而无需补偿数据创建者。然而，在由加密经济机制促成的自下而上协调模型中，用户可以在区块链上注册并将其数据、内容和知识产权进行Token化，从而决定是否希望因提供数据而获得补偿。

2. 训练：构建AI模型

在自上而下的协调模型中，AI的资金主要来自大型科技公司和机构投资者。在由加密技术驱动的自下而上协调模型中，用户可以通过使用加密Token帮助资助AI模型的创建，并从这些AI模型所创造的价值中获利。

3. 推断：将AI投入实际运用

在自上而下的协调模型中，私有模型是不透明的系统，不提供用户或社区对模型参数的洞察。在由加密技术驱动的自下而上协调模型中，模型的透明度更高，用户可以了解和参与模型的开发和改进。

结论

AI与区块链的融合为解决集中化和权限问题提供了新的思路。通过自下而上的协调模式，用户可以在AI的开发和应用中获得更多的控制权和收益，从而实现更加公平和高效的科技生态系统。