Nov, 2022

基于区块链的 “人在环路” 人工智能协议

PDF
TL;DR该论文提出了人类智能基元 (HIPs) 的正式定义，并描述了用于在以太坊协议上收集、建模和集成 HIPs 于机器学习工作流程中的设计和实现。
发现论文，激发创造
  • 分层信息网络的新兴人工智能协议

    提出了一种新的基于人工智能的分层模型，用于测量人类智力中的问题解决和决策能力。该模型由 7 个不同的层级组成，可为给定问题提供最佳和可说明性的解决方案。

    Feb, 2023

  • 一种基于区块链的大规模模型可靠推断和训练平台

    提出了一种基于区块链的可靠人工智能网络 (BRAIN)，旨在确保大型模型的可靠推理和培训，通过独特的二阶段交易机制实现了高吞吐量的推理，有效地解决了基于区块链的解决方案对大规模模型的慢速推理和低效的训练验证的问题。

    May, 2023

  • 区块链上的去中心化与协作型人工智能

    本研究提出了一种基于区块链的框架，通过智能合约共同构建数据集并持续更新模型，使其在公共场所免费使用，并采用金融和非金融激励机制以保证数据的准确性。

    Jul, 2019

  • AI 的版权、来源和血统：利用区块链

    通过区块链技术构建的基于数据集、许可证和模型的注册库的人工智能模型训练框架 (IBis)，解决了数据和模型来源、版权合规等问题，实现了迭代模型训练和灵活的许可证检查和续约。

    Apr, 2024

  • opp/ai: 基于区块链的乐观隐私保护人工智能

    人工智能与区块链技术的融合正在重塑数字世界，提供在区块链平台上分散、安全、高效的人工智能服务。Opp/ai 框架作为解决这些问题的先驱解决方案，平衡了隐私保护和计算效率，该框架将隐私的零知识机器学习与高效的机器学习相结合，创建了一个专为区块链人工智能服务量身定制的混合模型。本研究介绍了 Opp/ai 框架，深入探讨了 zkML 的隐私特性，并评估了该框架在不同场景下的性能和可适应性。

    Feb, 2024

  • 训练证明（PoT）：利用加密挖矿能力进行分布式 AI 训练

    该研究提出了一种结合人工智能和区块链技术的证明机制，名为 Proof-of-Training（POt），实现了全球状态同步，评估了去中心化训练网络，具有很高的性能潜力。

    Jul, 2023

  • 区块链的设计原则：SoK of SoKs 的倡议

    本文试图寻求用区块链作为信任引擎的设计原则，通过定性和定量研究的混合方法，讨论了区块链的过去、现在和未来发展方向，并得出了区块链设计原则的三个发现：第一，区块链作为分布式数据库的原始设计原则是否得以实现存在争议；第二，区块链社区的现有分类包括隐私和安全、可扩展性、去中心化、适用性、治理和监管、系统设计及跨链互操作性等方面。在这些分类中，隐私和安全的研究和应用更为突出，其他方面仍有较大的发展机会。最终，我们认为必须通过跨学科综合解决方案来弥合当前区块链设计与真正智能世界信任引擎设计原则之间的差距。

    Jan, 2023

  • 区块链人工智能计算框架

    使用强化学习方法，将矿机运算量更换为训练神经网络的计算，从而降低了公共区块链网络的能耗，同时促进数据共享和解决普遍问题的 AI 模型设计。

    Feb, 2022

  • 去中心化技术用于人工智能中心

    本文旨在探讨去中心化技术，如 Web3 钱包、点对点市场、存储和计算，以及 DAO 相结合，可用于设计和构建去中心化 AI Hub。

    Jun, 2023

  • 利用区块链进行中心数据联邦学习以保障完整性

    提出一种通过区块链和智能合约实现的数据中心联邦学习架构，其中包含一个虚拟的公共市场，提供高质量的数据以供训练，通过激励机制提高数据质量和完整性，该架构有助于提高训练数据集的增长速度和模型准确性。

    Jun, 2022