开放性促进创新，人工智能（AI）的最新进展展示了其在全球范围内的实用性和影响力。随着计算能力通过资源整合的增加，中心化问题可能会出现，拥有优越计算能力的实体将获得主导地位。这种中心化可能会阻碍创新的速度。分权化和Web3技术提供了维持AI开放性的有希望的替代方案。
预训练和微调的分权化计算
众包计算（CPU + GPU）
支持论点：类似于Airbnb和Uber等平台使用的众包模式可以应用于计算。该模式将闲置计算资源聚集到一个市场中，可能为特定用例提供更低成本的计算解决方案，并为可能面临未来监管或禁令的训练模型提供抗审查的资源。
反对论点：众包计算可能无法实现高性能任务所需的规模经济，因为大多数高性能GPU并非由消费者拥有。分权化计算的概念似乎与高性能计算原则相矛盾。
分权化推理
分布式运行开源模型推理
支持论点：开源模型正在接近闭源模型的能力并得到推广。中心化的服务（如HuggingFace或Replicate）用于模型推理引入了隐私和审查问题。分权化或分布式供应商可以解决这些问题。
反对论点：由能够处理大型参数模型的专用芯片促成的本地推理可能最终会占据主导地位。边缘计算提供了解决隐私和抗审查的方案。
链上AI代理
使用机器学习的链上应用
支持论点：AI代理需要一个事务协调层，可以从加密货币支付中获益，因为它们本质上是数字化的，无法利用传统的银行系统。链上AI代理可以减轻平台风险，例如由OpenAI等实体对插件架构进行的突然更改可能会在没有警告的情况下中断服务。
反对论点：目前的AI代理（如BabyAGI和AutoGPT）尚未准备好投入生产。此外，创建AI代理的实体可以使用Stripe等支付服务，而无需依赖加密货币。关于平台风险的论点以前已被用来证明加密货币的正当性，但尚未实现。
数据和模型来源
数据和机器学习模型的自治管理和价值收集
支持论点：数据所有权应该归属于生成数据的用户，而不是收集数据的公司。由于数据是数字时代的重要资源，其被主要科技公司垄断和不充分的货币化是重要的关注点。更个性化的互联网需要可携带的数据和模型，允许用户在应用程序之间传输数据，类似于在dapp之间移动加密货币钱包。区块链技术可能为数据获取挑战提供可行的解决方案，特别是考虑到不断增加的欺诈行为。
反对论点：数据所有权和隐私问题可能不是用户的优先考虑，正如Facebook和Instagram等平台的高注册人数所证明的那样。对于OpenAI等已建立实体的信任可能会掩盖对数据所有权的担忧。
代币激励应用（例如伴侣应用）
展望加密代币奖励
支持论点：加密代币激励对于促进网络增长和行为参与是有效的。许多以人工智能为中心的应用预计将采用这种模式。人工智能伴侣市场呈现了重大机遇，有潜力成为一个万亿美元的行业。历史数据（例如2022年在美国花费的1300亿美元）表明，人工智能伴侣市场非常强劲。人工智能伴侣应用已经显示出显著的参与度，平均会话长度超过一小时。基于加密货币激励的平台可以在这个和其他人工智能应用领域占据相当大的市场份额。
