Ben Goertzel 博士表示，依賴採礦設備的全球分佈式人工智能網絡將很難受到政府控制。
隨着人工智能（AI）迅速在經濟的各個領域發揮其複雜的魔力，對計算資源的需求也越來越迫切，爲所有機器智能提供動力。
訓練一個像 ChatGPT 這樣的模型需要花費 500 多萬美元，而運行早期的 ChatGPT 演示（即使在使用率達到目前的水平之前）每天的成本也高達 10 萬美元左右。而且人工智能不僅僅是文本生成；將人工智能應用於多個行業的實際問題需要對多種數據類型（醫療、金融、客戶信息、地理空間等）進行訓練的類似大型神經模型。要超越當前神經網絡人工智能的限制，轉向具有更高水平的通用人工智能系統，幾乎肯定會需要更多的計算資源。
很自然地，越來越多加密礦工正在研究如何利用自己的計算基礎設施來推動人工智能革命。
比特幣挖礦仍然是一項利潤豐厚的業務。挖掘其他加密貨幣仍然可以賺錢，但這是一個瞬息萬變的行業。例如，去年年底，當以太坊網絡從工作量證明轉向權益證明時，以太幣礦工遭受了重大打擊。
過去兩年加密領域的經濟和技術狀況促使越來越多的加密挖掘組織探索利用其設施用於其他用途的潛力，例如高性能計算，特別是人工智能。
高性能計算 (HPC) 或 AI 處理所需的特定計算硬件通常與加密貨幣挖礦的最佳硬件不同。但購買服務器通常不是建立採礦場最困難的部分。安裝電力、冷卻、安全和其他物理基礎設施是一項巨大的成本和工作量，無論是託管適合 ETH 挖礦的 RAM 輕型 GPU 還是適合 AI 模型學習的 RAM 重型 GPU，所有這些都大致相同。
礦業公司 Hut 8 率先採用了這一技術，利用其以前專門用於礦業的計算設施進行機器學習和其他 HPC 應用。Hive Blockchain 也一直在做同樣的事情，在其服務器上安裝了處理器卡，“除了流體動力學的科學建模外，還可用於雲計算和人工智能應用、工程應用的渲染”。
也許最有趣的是，礦工有可能將他們的計算資源轉移到人工智能上，而這種方式完全在區塊鏈領域內——通過使用它們來運行託管在去中心化區塊鏈網絡中的人工智能進程。許多與自己的山寨幣相關的人工智能項目提供了這一機會，例如 Fetch.ai (FET)、Ocean (OCEAN) Matrix AI Network (MAN)、Cortex (CTXC) 和我自己的項目 SingularityNET (AGIX)，以及它的各種生態系統項目，例如 NuNet (NTX) 和新的無賬本區塊鏈 HyperCycle。隨着市場逐漸認識到去中心化人工智能軟件的潛力，與人工智能相關的山寨幣在 2023 年上半年表現良好。
早在比特幣白皮書發佈之前，人們就已經清楚地認識到，分佈式計算、強加密和去中心化控制的融合具有廣泛的應用領域，而不僅僅是金融領域。這就是爲什麼我們在幾乎所有垂直市場都有區塊鏈項目——醫藥、供應鏈、遊戲、機器人等等。隨着這些業務領域逐漸被人工智能主導，去中心化人工智能底層軟件和硬件將成爲全球經濟去中心化的關鍵方面。將一部分加密挖礦硬件重新用於運行人工智能處理，其中一些被包裹在面向人工智能的加密網絡中，將日益成爲故事的一部分。
如果全球人工智能處理中很大一部分最終在加密採礦設施上完成，這可能會產生超出金融範圍的影響。加密採礦設備位於不同的法律管轄區，由各種不同的各方擁有。對於政府或其他各方來說，遍佈加密採礦設備的全球分佈式人工智能網絡將比以大型科技公司擁有的服務器羣爲中心的人工智能網絡（目前人工智能的默認設置）更難以集中控制。從人工智能倫理角度來看，這是好事還是壞事，取決於你對大型科技公司和大政府特徵的評估。
#加密貨幣 #挖礦 #技術 #採用 #硬件 #比特幣挖礦#AI#GPU
