AI代理个性化最重要的基础设施：Nillion

核心要点

• 市场对人工智能（AI）和加密货币融合的兴趣正在迅速增长。然而，它们的技术局限性仍然很明显，其中最主要的挑战之一是“如何个性化这些技术？”为了使代理更具个性化，他们需要访问个人的敏感信息，这对个人隐私构成了严重威胁。

• 为了使人工智能进一步渗透到我们的日常生活中，我们需要能够处理敏感数据同时保护个人隐私的基础设施。Nilion 网络就是专门为这种盲计算而设计的基础设施。

• Nilion 的盲计算技术可以实现代理个性化之外的各种用例。例如，在需要访问敏感信息的场景中，如医疗诊断或公司间数据利用，它是必不可少的。此外，它还可以弥补区块链透明度固有的缺点。

• 当然，盲计算绝非易事，未来 Nilion 如何更有效地扩展这项盲计算技术将非常有趣。

目前，区块链行业正在热烈讨论人工智能和加密货币的融合。这场对话的核心人物是硅谷知名风投公司 Andreessen Horowitz (a16z) 的管理合伙人 Marc Andreessen。Andreessen 向一个名为 Terminal of Truth 的人工智能项目捐赠了价值约 50,000 美元的比特币，表面上是为了帮助他们构建更好的硬件、改进算法和开发社区平台。该项目因发现并积极推广一种名为 '$GOAT' 的模因币而备受关注，该模因币一度达到了超过 10 亿美元的市值，对市场产生了重大影响。

GOAT 和 Terminal of Truth 仅仅是个开始。由 GOAT 引发的人工智能代理热潮蔓延到了诸如 ACT（另一个由 Andreessen 支持的项目）和 ai16z（一个受 a16z 启发的去中心化人工智能基金）之类的项目。值得注意的是，ai16z 的代理框架 Eliza 持续受到关注，而在 Base 生态系统中，Virtuals 及其正在开发的代理也获得了极大的关注，成功地将 'AI x Crypto' 确立为一种新的市场趋势。

一些怀疑论者质疑这种 AI x Crypto 的趋势是否仅仅是在搭乘快速增长的人工智能产业的便车，而没有实质性的用例。然而，这种趋势正在超越模因，创造出切实的应用程序。像 TAO 这样促进去中心化人工智能的基础设施正在兴起，以及对人工智能计算至关重要的去中心化 GPU 市场。因此，我们不应将这种趋势仅仅视为炒作，而应认真考虑如何将区块链技术和人工智能（特别是代理）整合起来。

目前，代理在市场分析、交易执行和社交媒体用户沟通方面都表现出了能力。然而，为了使代理实现更大的可扩展性，他们需要访问更广泛的信息。例如，为了使代理能够代表个人行事，通过了解他们的偏好、爱好和价值观，就需要处理与个人隐私相关的数据。即使对于非个性化的应用程序，代理也需要访问通常难以获得的敏感数据，以便渗透到生活的各个方面。

然而，代理是学习实体。将敏感数据暴露给他们会引发严重的隐私问题。是否应该限制代理仅从受限的数据集中学习？如果这些代理能够在不直接访问敏感数据的情况下从中学习呢？换句话说，如果可以在不解密的情况下对加密信息执行计算呢？这将使代理能够从庞大的数据集中学习，而不会泄露敏感信息。

令人惊讶的是，有一个项目正在尝试做这件事：Nillion。本文将探讨 Nillion 如何在不解密的情况下实现对加密数据的计算，并研究可以通过 Nillion 实现的潜在代理用例。

1. Nillion 到底是什么？

本质上，Nillion 是“一种盲计算网络，可以在不解密的情况下实现数据存储和计算”。在结构上，Nillion 网络由两层组成：利用隐私增强技术的 PETnet（ORCHESTRATION LAYER），以及 Nil Chain（COORDINATION LAYER），PETnet 使用的区块链网络进行协调。

在深入研究 Nillion 网络之前，理解盲计算至关重要。什么是盲计算，它的核心原则是什么？

1.1 什么是盲计算？ - PETnet 解释

Nillion 的 PETnet 由多个节点组成，这些节点可以传输、存储和计算数据，而无需直接访问它。例如，这些节点可以代表你签署交易。虽然传统计算需要你的私钥来进行交易签名，但盲计算会将你的私钥分成称为“份额”的碎片，分配给各个节点。通过加密协议，持有不同份额的节点可以共同签署交易，而无需重建私钥，从而防止任何信息泄露。这就是盲计算。

1.2 为什么我们需要盲计算？

除了代理个性化之外，盲计算是一项关键技术。为了使 Web3 服务与 Web2 的功能相匹配，它们必须安全地处理私人数据。Web2 和 Web3 之间的关键区别在于“可访问的数据范围”。Web2 在私有数据库上运行，限制了个人信息的暴露。然而，Web3 的区块链透明度允许通用访问链上数据，从而造成了重大挑战。虽然 Web3 需要解决包括可扩展性在内的各种问题，但数据隐私保护对于实现 Web2 级别的服务仍然至关重要。

这并不是说 Web2 服务在所有方面都优于 Web3。从历史上看，我们未经保护地将个人数据交给了 Web2 公司，授予了他们不受限制地访问私人信息的权限。在剑桥分析公司丑闻之后，2018 年 Facebook 在参议院的听证会——数百万用户的个人数据未经同意被收集——揭示了用户数据管理是多么的粗心。区块链作为解决这些问题的提议方案而出现。

然而，区块链也不是一个完美的解决方案。虽然它可以解决数据所有权问题，但其固有的透明性自相矛盾地限制了其用例，因为它阻止了私人数据链上存储。这就是盲计算变得至关重要的地方。

除了简单的加密数据存储之外，在不解密的情况下对数据进行计算的能力使我们能够同时：1) 通过区块链技术解决用户数据所有权问题，以及 2) 通过盲计算克服由于区块链透明度引起的数据导入限制。

1.3 它是如何工作的：介绍 PETnet。

我们已经探讨了什么是盲计算以及为什么需要它。现在，让我们来看看这种复杂的盲计算实际上是如何通过 Nillion 的 PETnet 工作的。PETnet 使用各种隐私增强技术（函数秘密共享、零知识证明、全同态加密、可信执行环境）来实现盲计算，但本文将重点介绍 Nillion 的多方计算技术。什么是多方计算 (MPC)，Nillion 的 MPC 协议与传统方法有何不同，它是如何工作的？

1.3.1 简而言之，什么是多方计算

多方计算 (MPC) 是一种密码协议，允许多个参与者共同执行计算，而无需透露他们的秘密输入。该技术确保计算准确性，同时保护参与者的隐私，即使在恶意行为者存在的情况下也是如此。MPC 的运作方式是将每个参与者的输入分成“份额”，使用这些份额执行分布式计算，然后重建结果。由于这些特性，MPC 被广泛应用于包括隐私保护数据分析、安全拍卖系统、秘密投票、生物特征认证和区块链等各个领域，作为一种在保持数据机密性的同时实现复杂计算的创新技术而备受关注。

1.3.2 用于高效非线性运算的协议：Curl

Nillion 与 Meta 和加州大学欧文分校合作开发了一种名为 Curl 的 MPC 协议，以实现复杂运算的高效评估。Curl 特别有趣的一点是，它超越了许多 MPC 协议传统采用的线性秘密共享方案 (LSSS) 格式，即使在输入和输出之间的关系不是线性的情况下，也能实现高效运算（他们将从线性秘密共享方案开始，并计划从此扩展）。传统的基于线性秘密共享的 MPC 协议擅长简单的运算，例如添加秘密或将秘密乘以公共常数（例如，当输入加倍时，输出加倍）。然而，它们在更复杂的运算中经常面临挑战。相比之下，Nillion 的 Curl MPC 方法支持复杂计算（例如除法、平方根、三角函数和对数）的高效评估，使其具有高度的可扩展性，更适合于对输出不一定与输入呈线性比例缩放的实际问题进行建模。这种扩展的能力使 Nillion 的协议成为一种用于高级数据处理的多功能且强大的框架。例如，在隐私保护人工智能模型中，其中用户输入（例如大型语言模型中的提示）需要保持机密，Nillion 的 Curl 协议加速了围绕非线性函数（如激活函数和归一化层）评估的主要瓶颈，从而实现安全高效的计算，而不会影响性能。

Nillion 的 Curl MPC 协议由两个主要阶段组成：

1. 创建份额的预处理：此阶段通过将随机性分成多个份额并在处理实际信息之前将其分发给参与者（计算实体）来为将来的计算准备随机性。虽然此过程独立于输入值本身，但它取决于输入的总数和参与者，因为这决定了在计算之前需要创建多少份额。

2. 非线性运算的高效计算：此阶段涉及对秘密共享数据的实际计算，包括三个子阶段：

• 输入阶段。用户将输入的份额分发给参与计算的参与者。每个参与者接收每个输入值的一个份额。

• 评估阶段。参与者使用 Nillion 的 Curl 协议高效地计算输入份额的运算。

• 输出阶段。参与者公开他们本地计算的结果，然后将这些结果聚合以生成最终结果。

总之，Nillion 通过 MPC 技术，特别是由其非线性方法增强的技术，实现了在不解密的情况下对加密数据的计算，从而实现了更复杂的操作。

1.4 Nillion 的第二个支柱：Nil Chain

然而，到目前为止，我们所探讨的只是 Nillion 的一个支柱。Nillion 的盲计算的最终目的是什么？它是创建利用这项技术的各种用例。这些用例将在区块链网络上实现，这就是 Nil Chain 的用武之地。

Nil Chain 是一个基于 Cosmos SDK 的区块链网络，充当 Nillion 网络中的协调层。用户通过 Nil Chain 支付费用，如果没有来自 Nil Chain 的费用支付验证，用户将无法从 PETnet recibed 盲计算结果。Nil Chain 协调 Nillion 网络中的所有操作，并且无需智能合约即可运行。

1.4.1 没有智能合约怎么办？

如何在没有智能合约的情况下使用 Nillion？有两种主要方法：1) 仅使用 Nillion 的纯链下应用，以及 2) 利用 Nillion 的盲计算同时使用现有区块链的应用。

对于方法 1)，诸如密码管理器或 AI 推理应用之类的应用可以直接在 Nillion 上实现，而无需智能合约。对于方法 2)，在需要智能合约的情况下，现有区块链（如 Arbitrum、NEAR、Avalanche 或 Solana）可以处理交易结算，同时利用 Nillion 处理与隐私相关的方面。

让我们看看如何使用 Nillion 的具体示例。

2. Nillion 用例 - 解决现实世界的问题

正如整篇文章始终提到的一样，Nillion 在不解密的情况下对数据进行计算的独特能力为敏感数据操作带来了新的可能性。Nillion 有望解决的不仅仅是 Web3 的挑战，还有更广泛的社会问题。让我们探讨具体的用例。

2.1 AI 代理

正如简介中提到的，为了使 AI 充当处理个人日常任务的个人助理，它需要访问高度私密的数据。如果没有盲计算，实际上没有安全的方式来训练 AI 处理个人数据。因此，Nillion 的盲计算可能成为完美地个性化 AI 助理的关键基础设施。

Nillion 生态系统正在迅速扩展，在基础平台和致力于在该领域构建网络的创新应用方面都取得了重大进展。领先的 AI 基础设施平台，如 Virtuals、Capx、Ritual 和 Skillful 已签署协议或承诺集成 Nillion。在应用方面，诸如 Pindora（个人社交代理）、Fulcra（代理健康顾问）和 Space of Mind（代理心理健康顾问）之类的终端用户解决方案正在 Nillion 上积极构建，以构建其应用。

2.2 医疗保健

在医疗保健领域，数据隐私提出了一个重大挑战。虽然医疗保健数据受到严格的法律和监管框架的保护，但这些相同的保护措施经常会妨碍有效的数据共享和分析。医疗专业人员和研究人员在试图访问和分析敏感信息的同时保持患者机密性方面面临着相当大的障碍。

这就是 Nillion 介入的地方，它为医疗保健隐私提供了一种突破性的方法。他们的技术使各个组织能够存储、处理和分析敏感的医疗保健数据，同时保持其完全加密。通过其去中心化的架构，医疗保健机构可以有效且安全地进行协作，从而在个性化医疗、预测性医疗保健分析和广泛的医学研究中开辟新的领域。

一些创新公司已经在医疗保健领域使用 Nillion 的技术。例如，MonadicDNA 已经开发了一个安全的个人基因组学平台，使用 Nillion 的基础设施来保护整个数据生命周期中的敏感基因信息。这使他们能够提供有价值的健康和祖先见解，同时保持对数据泄露和未经授权访问的强大保护。

在心理健康领域，Space of Mind 正在利用 Nillion 的技术，通过团体治疗课程提供基于证据的心理健康支持。他们的平台结合了 AI 驱动的工具，同时正面解决了隐私问题 - 例如，在保持用户隐私和信任的同时，可以对日记条目的情绪进行私人分析。

2.3 数据市场（例如，Data-to-Earn）

基于 Nillion 技术构建的数据市场正在彻底改变个人数据的处理和货币化方式。在当今的数字世界中，个人通过其日常数字交互创建大量数据，但是这些信息通常被锁定在孤立的、集中的数据库中。Nillion 提供了底层隐私基础设施，使个人能够整合其数据并保持真正的所有权，同时允许潜在买家安全地分析和利用这些数据。

这种创新的方法为个人创造了从不断扩展的数据经济中受益的新可能性，而无需牺牲对其个人信息的控制权。Nillion 的技术在这些市场中发挥着至关重要的作用，它促进了安全且主动地利用数据，同时保持加密并保护敏感信息免受未经授权的访问。

一些开创性项目已经在利用 Nillion 的功能。ZAP 以其专注于分析用户数据池以创建新的 AI 训练数据集，同时提供有价值的用户见解而脱颖而出。他们的首款产品 A.I. Lingo 已经吸引了近 40,000 名用户。Fulcra 是另一个值得注意的例子，专门用于从智能设备数据中生成集体见解。同时，Humanity 致力于整合跨各种平台（社交、健康和娱乐）的数据，以帮助用户将其个人见解货币化。

该生态系统继续与其他创新项目一起发展，例如 Reclaim Protocol、HealthBlocks 和 Dwinity，所有这些项目都在利用 Nillion 的盲计算技术来创建强大的数据经济，并为用户提供数据所有权和货币化的新机会。

2.4 医疗诊断

由于医疗保健数据固有的敏感性，医疗领域对盲计算有很高的需求。由于患者隐私问题，医疗机构在共享数据或利用外部 AI 系统方面面临着重大限制。公开共享此类数据可能会导致严重的隐私侵犯。

Nillion 的盲计算技术使医院能够利用 AI 进行个性化诊断，同时遵守 HIPAA 和 GDPR 等严格的法规。2024 年，Nillion 与迷幻疗法服务提供商 Maya 合作，使他们能够以加密形式安全地存储和处理敏感的患者数据。这使 Maya 能够分析和研究数据，而无需直接访问个人信息，这标志着医疗保健服务质量的重大进步。

2.5 公司间网络安全协作

IT 公司通常需要分析代码是否存在漏洞，而无需暴露其专有代码。Nillion 的盲计算促进了这一点。例如，当 A 公司有一个用于检测安全漏洞的 AI 模型，而 B 公司想要分析其专有代码库时，盲计算允许双方保护其核心资产（AI 模型和代码库），同时有效地识别安全漏洞。详细信息可在 Nillion 的博客 上获得。

3. 展望未来 - Web3 大规模采用的最关键部分

我认为区块链的透明度是一把双刃剑。虽然它通过透明和可追溯性确保了公平访问，但这种透明性本身阻止了关键机构参与者采用公共区块链。并非所有事物都受益于完全透明。虽然数据隐私可能会被滥用，但我认为 Web3 和区块链大规模采用的主要障碍不是可扩展性或 UI/UX，而是透明性。

世界上最有价值的数据很可能是私有的。虽然这种隐私可能会提高其价值，但需要有人使用这些数据构建服务，以便 Web3 能够与 Web2 服务竞争。凭借能够在分布式环境中在不解密的情况下对加密数据进行计算的基础设施，Web3 可以使用敏感或私有数据创建非常有用的应用程序。

虽然区块链对于在数字世界中实现自我托管意义重大，但如果它在可以处理的数据方面受到限制，那么它只是一项部分创新。如果可以在区块链的无需信任环境中进行私有数据计算，那么我们可以真正期待 Web3 产品的大规模采用。

然而，盲计算并非易事。随着 Nillion 不断推出各种技术来实现更完善的盲计算，他们的进展值得密切关注。谁将成为盲计算市场的赢家？

• 原文链接： 4pillars.io/en/articles/...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～