Skip to main content

White paper

注意：本文档是英文原版的自动翻译。

DecAIHub：去中心化人工智能的验证注册中心

版本 1.0

摘要

人工智能 (AI) 与区块链技术的交汇催生了一个快速扩张的生态系统，伴随而来的是普遍存在的“AI-washing”（人工智能清洗）和“onchain-washing”（链上清洗）——即对 AI 能力和区块链依赖性的战略性夸大。缺乏标准化、可验证的披露造成了严重的信息不对称，迫使市场参与者依赖营销叙事而非实质性证据。DecAIHub 提出了一个严格的验证注册中心，旨在弥合这一差距。通过引入结构化的“项目护照”（Project Passport）和分层的证据框架，DecAIHub 系统地将可验证的事实与信息噪音分离开来。本白皮书概述了该注册中心的架构原则，详细说明了我们的分类法、证据分类、必要性评估以及 DecAI Fit 指数的数学基础。类似于密码学证明如何确保网络状态的安全，我们的框架确保了 AI-加密生态系统信息状态的安全，提供了对抗操纵的强大防御机制和为利益相关者提供可靠的筛选机制。

1. 引言

去中心化人工智能 (DeAI) 领域正遭受严重的验证危机。随着 AI-加密项目市场的扩大，“去中心化 AI”一词经常从一组可验证的技术属性被简化为缺乏可验证实质内容的营销叙事。项目频繁声称深度的 AI 集成和严格的区块链必要性，而证实这些断言所需的底层工件可能并未公开提供。这种不受约束的自我报告环境加剧了项目内部人员与外部利益相关者（包括投资者、研究人员和监管机构）之间的信息不对称。

核心问题不仅仅是缺乏信息，而是缺乏可比较的、经过验证的信息。现有的市场聚合器和去中心化金融 (DeFi) 追踪器依赖于反映商业定位而非技术实质的元数据。因此，生态系统面临“AI-washing”（基本的 API 集成可能被定位为专有 AI 模型）和“token-washing”（代币可能在没有已证明功能需求的情况下被整合到生态系统中）的风险。

为了解决这个问题，生态系统需要一个权威的可验证声明清算中心（clearinghouse）。DecAIHub 作为验证注册中心运作，而不是传统的百科全书。它建立在这样一个前提之上：没有可验证工件的声明与营销噪音无异。我们的方法将评估范式从“信任白皮书”转变为“验证证据链”，提供项目与去中心化 AI 论点真正一致性的快速、严格且可比较的信号。

2. 验证框架

DecAIHub 架构的核心是“项目护照”（Project Passport）——一个统一的、结构化的实体，作为验证的基本单位（类似于区块链网络中的交易）。护照将不同的项目数据标准化为一个机器可读的数据合约，包含标准化的元数据、规范链接，以及至关重要的证据层（Evidence Layer）。

为了系统地分离信号与噪音，DecAIHub 采用了分层证据分类系统，根据其独立可验证性对来源进行排名：

  • Tier-1（主要证据 - 最高权重）： 可直接、独立验证的工件。这包括链上事实（已验证的智能合约、区块链浏览器数据）、具有活跃发布历史的官方公共存储库（例如 GitHub）、正式的技术文档以及发布的第三方安全审计。Tier-1 来源是注册中心信任的基础构建块。
  • Tier-2（背景证据 - 中等权重）： 提供背景支持但不能作为技术声明的独立证明的次要来源。这包括来自成熟聚合器（CoinGecko、CoinMarketCap）、生态系统目录和链上分析仪表板的数据。
  • Tier-3（信息噪音 - 最低权重）： 第三级来源，如社交媒体帖子、影响者推广、新闻稿和未经验证的社区声明。这些来源在很大程度上被排除在正式的验证评分过程之外。

该框架进一步区分了架构嵌入式透明度（AET，由于底层技术而默认存在的信号，如链上交易日志）和自愿产生的透明度（VPT，需要刻意的组织投资，如安全审计和综合文档）。战略捆绑主要在自愿边际运作，作为项目实质的可信指标。通过保守的裁决协议，任何缺乏 Tier-1 支持的声明默认归为“未验证”（unverified），从而限制假阳性风险，并确保对选择性披露和模糊注入等对抗性策略具有抗操纵的评估。

3. 分类法和范围

界定去中心化 AI 生态系统的边界是进行系统筛选的先决条件。AI-加密领域表现出极端的结构模糊性和标签共现现象；项目经常跨越多个类别，同时作为基础设施、计算提供商和 DeFi 协议运作。

DecAIHub 通过严格标准化的多标签分类法解决这一问题，将项目分类为核心功能部分（例如，基础设施、AI/代理、AI/计算、AI/数据、AI/推理）。然而，我们的诊断分析表明，结构标签的模糊性不同于文档质量的不确定性。一个部分可能边界模糊但文档严谨（例如，AI/计算），或者它可能结构简单但严重缺乏可验证的证据（例如，Meme 代币）。

因此，DecAIHub 验证的范围明确针对AI 现实（AI Reality）和链上必要性（On-chain Necessity）的交集。我们不仅通过自我分配的标签来定义一个有效的去中心化 AI 项目，还通过其展示以下能力来定义：

  1. AI 现实： 真正 AI 能力的存在——无论是模型推理、训练、数据标记还是自主代理——由技术架构、基准测试或可重现的演示支持。
  2. 链上必要性： 超出代币发行的可证明的区块链基础设施需求，通常包括去信任结算、可验证计算、抗审查性或去中心化状态管理。

通过执行这些边界，DecAIHub 过滤掉了无故发行代币的传统 AI 项目，以及肤浅采用 AI 术语的传统加密项目。由此产生的分类法为随后计算 DecAI Fit 指数提供了坚实的支架。

4. 证据和验证

正如工作量证明（Proof-of-Work）依靠计算支出来建立共识一样，DecAIHub 依靠证据经济学（Economy of Evidence）来建立可验证性。在去信任环境（trustless environment）中，项目质量是通过昂贵、难以伪造的工件而不是纯粹的断言来发出信号的。

我们的框架引入了两阶段筛选过程，以评估“证据差距”（evidence gap）——所作声明与 Tier-1 可验证工件之间的差异。这种差距通过区分以下内容进行结构化评估：

  • 架构嵌入式透明度 (AET)： 由于底层技术默认存在的披露，例如可通过公共区块浏览器访问的链上数据。这些是非自由裁量的，结构成本低。
  • 自愿产生的透明度 (VPT)： 需要刻意和昂贵组织努力的披露，例如正式的安全审计、积极维护的 GitHub 存储库和全面的技术文档。

通过测量叙事声明强度和 VPT 工件之间的差距，注册中心系统地标记“低验证风险”项目。验证框架采用保守的裁决协议——模糊或冲突的证据默认归为“未验证”——从而防御诸如选择性披露、模糊注入和声明通胀等对抗性操纵策略。

5. 链上和代币必要性

AI-加密项目的一个决定性特征是复合必要性声明：断言区块链基础设施和原生代币对于系统都是不可或缺的。DecAIHub 通过显式验证测试解开这些断言。

链上必要性与“替换链”测试： 我们评估一个项目是否利用区块链进行实体逻辑（例如，去中心化计算验证、状态管理），而不仅仅是发行代币。最终标准是“替换链”（Replace-the-Chain）测试：移除区块链组件会破坏项目的核心功能或信任模型吗？ 声称具有普遍链上必要性而未找到可验证证据的项目将落入“声称关键”（Claimed-Critical）区域，这可能表明存在潜在的 onchain-washing。

代币效用： 同样，该框架评估原生代币是否发挥了必要的经济或治理功能（例如，质押、网络访问、激励分配），或者它在功能上是否可以被稳定币或基础层资产（例如，ETH）等现有机制替代。高“代币验证赤字”可能表明存在 token-washing，其中代币可能主要作为融资机制，而非已证明的功能性必需品。

6. 治理和开放数据

为了维护系统完整性，DecAIHub 遵守正式的数据治理结构，弥合了项目叙事与可验证现实之间的差距。注册中心的设计强制执行最低可追溯性组件（例如，文档、区块浏览器、存储库），以减轻项目评估中假阳性和假阴性的风险。

至关重要的是，DecAIHub 致力于彻底的透明度和开放数据，坚持 FAIR（可查找、可访问、可互操作和可重用）数据原则。我们平台的基本单元——项目卡片模式（Project-Card Schema）——被形式化为机器可读的 JSON 数据合约，包含三个核心模块：

  1. 护照（Passport）： 描述项目基础设施、AI 组件和代币模型的标准化元数据。
  2. 链接（Links）： 路由到主要来源的规范 URL。
  3. 证据（Evidence）： 显式将声明连接到 Tier-1/2/3 工件的结构化评估表。

为了赋予更广泛的研究和分析社区权力，底层方法和数据是开源的。我们的研究存储库（包含完整的验证架构和相关方法）可在 GitHub (https://github.com/DecAIHub/papers) 上获取，并且基础项目卡片数据集已存放在 Zenodo (https://zenodo.org/records/18900950)。这种开放数据基础设施使独立的研究人员、投资者和监管机构能够复制我们的分析，进行跨生态系统比较，并在 DecAIHub 框架之上构建定制的筛选工具。

7. DecAI Fit 衡量标准（计算）

DecAIHub 验证过程的最终输出是 DecAI Fit 衡量标准——一个综合指数（0 到 6 的分级），代表项目与去中心化 AI 原则的一致性，严格受限于证据质量。该指数旨在抵抗通货膨胀，并结合了明确定义的治理上限（caps）。

7.1 组件得分

评估分为四个基础组件，每个组件的得分为 0 到 3：

  1. AI 得分 ($a$)： 基于二进制标志（意图声明、功能描述、演示可用性、基准测试和架构文档）评估 AI 集成的深度。 $a = \min(3, A_0 + A_1 + A_2 + A_3 + A_4)$
  2. 链上得分 ($o$)： 使用合约存在、实质链上逻辑和“替换链”关键性测试的标志来评估区块链依赖性。 $o = \min(3, O_1 + O_2 + O_3)$
  3. 代币得分 ($t$)： 评估代币效用（支付、质押、治理）减去可替代性惩罚。没有代币的项目获得 2 分的中性得分。 $t = \text{clamp}_{[0,3]}(T_1 + T_2 + T_3 - T_4)$
  4. 证据得分 ($e$)： 衡量支持上述组件的 Tier-1 证据的存在与否。 $e = \min(3, E^{AI}{T1} + E^{OC}{T1} + E^{TK}_{T1})$

7.2 基础计算和治理上限

组件的初步总和为 $S = a + o + t + e \in {0, \dots, 12}$。基础得分 ($B$) 然后计算为： $$B = \max\left(1, \lceil S/2 \rceil\right) \in {1, \dots, 6}$$

为了确保数学聚合不会掩盖根本的验证差距，基础得分受到顺序治理上限（caps）的限制。每条规则只能降低最终得分：

  • R0（AI 现实强制归零）： 如果一个项目没有展示出可验证的 AI 能力（$a = 0$），最终得分立即强制为 0。没有经过验证的 AI 能力的项目 ($a = 0$) 在审查日期时不符合去中心化 AI 分类的门槛。
  • R1（信息噪音上限）： 如果一个项目完全依赖 Tier-3 证据，其得分最高上限为 2。
  • R2（缺失核心证据上限）： 如果 AI 或链上维度缺少 Tier-1 证据，得分上限为 3。
  • R3（代币验证上限）： 如果存在代币，但缺乏支持其效用的 Tier-1 证据，得分上限为 4。
  • R4（AI 现实上限）： 最终得分不能超过项目的基础 AI 得分：如果 $a = 1$，上限为 3；如果 $a = 2$，上限为 5。

这种结构性保守主义确保了高分（5 和 6）专属于提供全面、多维、经 Tier-1 验证的披露的项目。

8. 结论

去中心化 AI 生态系统拥有深厚的技术潜力，但目前受到广泛的叙事通货膨胀和不充分的披露规范的破坏。DecAIHub 通过建立一个严格的、具有证据意识的验证框架来解决这种系统性脆弱性。通过将“onchain-washing”等概念操作化，并实施严格限制的 DecAI Fit 指数，该注册中心过滤掉了投机噪音，并突出了由可证明的工程现实支持的项目。

DecAIHub 不是一个财务咨询平台；它是一个专业的信息清算中心。随着生态系统的成熟，对独立的、实证验证的要求只会越来越强烈。本白皮书中概述的方法论和开放数据架构提供了在人工智能和区块链交汇处恢复信任、透明度和问责制所需的基础设施。

参考文献

DecAIHub 框架的实证和方法论基础源自一系列七篇全面的科学论文 (A–G)。这些研究中详细说明的主要数据集、分类规则、项目卡片架构和对抗性验证模型都是开源的，供公众审查和复制。

No comments to display

Back to top