作者：DWF Ventures 來源：medium 翻譯：善歐巴，金色財經
本文將深入探討今年最熱門的話題之一——人工智能 (AI)。在過去的一年里，由于 OpenAI 的 ChatGPT 3.5 的推出引發(fā)了人工智能成為討論的焦點。該發(fā)布展示了人工智能巨大的經濟潛力。這引發(fā)了全球對其未來、影響和相關風險的討論。
隨著樂觀情緒的增長，懷疑情緒也隨之而來。潛在的問題開始向監(jiān)管機構敲響警鐘。隨著人工智能的迅速崛起和模糊的監(jiān)管框架，它呼應了加密貨幣領域的早期。這兩個行業(yè)之間存在相似之處，凸顯了 web3 的去中心化性質，這似乎補充了人工智能潛在的中心化力量。很快，第一季度幾乎所有 web3 VC 討論都集中在人工智能的變革潛力上。（有一次，我想知道我是否參加了 web3 或 AI 活動。）在這一年中，我們還看到一些風險投資公司轉向 AI或將其納入其投資任務。
現(xiàn)在，隨著時間的推移，炒作逐漸消退，DWF Ventures 計劃以公正的視角審視人工智能領域，重新審視這一領域。本文簡要概述了人工智能的演變以及它如何達到目前的流行程度。然而，文章的敘述發(fā)生了明顯的轉變，從傳統(tǒng)的關注人工智能如何影響 web3 轉向探索相反的方向——web3 如何影響人工智能。在這次探索中，我們深入研究了去中心化和 web3 如何充當催化劑，解決人工智能當前面臨的挑戰(zhàn)。
與最近圍繞人工智能的炒作相反，它的歷史可以追溯到 20 世紀 30 年代。圖靈 1950 年的工作，包括圖靈測試，幫助正式奠定了人工智能的基礎。盡管早期很樂觀，但 20 世紀 70 年代，由于計算障礙和無法滿足實時需求，熱情有所下降，迎來了“人工智能冬天”。20 世紀 80 年代，專家系統(tǒng)利用知識數(shù)據庫模擬人類專業(yè)知識，重振了人工智能。這個時代也見證了聯(lián)結主義的復興和循環(huán)神經網絡的興起。
然而，專家系統(tǒng)在知識獲取和實時分析方面面臨挑戰(zhàn)，導致20世紀90年代衰落。個人計算機的性能導致其相關性逐漸減弱。多年來，人工智能領域取得了長足的發(fā)展，已擴展到機器學習、自然語言處理、計算機視覺、語音識別等不同的技術領域。這些發(fā)展使得人工智能從簡單的問題解決發(fā)展到復雜應用領域的深度學習。
在其發(fā)展過程中，人工智能見證了其各個子領域的融合。在這些領域中，機器學習和法學碩士領域在垂直轉型方面取得了重大進展。Ashish Vaswani 等人的論文《Attention is All You Need》 。值得注意的是 GPT（生成式預訓練變壓器）模型的啟發(fā)。從那時起，大量的 GPT 出現(xiàn)在這個領域，例如雙向“BERT”GPT和 OpenAI 團隊的GPT。ChatGPT 之后出現(xiàn)了Falcon和LLaMA2等開源替代方案，加劇了下一個 GPT 迭代的競爭，可能更接近 AGI（通用人工智能）。
GPT 的炒作幫助人工智能從學術界進入了數(shù)十億人的視野。發(fā)布后 2 個月內，OpenAI 創(chuàng)下了每周活躍用戶數(shù)達到 1 億的最快用戶群記錄。麥肯錫最近的一項研究顯示，目前，科技行業(yè)約 51% 的專業(yè)人士在工作中一定程度地利用了人工智能。
Vitalik 在他的文章中最近進行的一項民意調查表明，許多人普遍存在推遲人工智能進步的情緒，擔心出現(xiàn)壟斷版本。
最近關注度的激增可以追溯到 ChatGPT 在其類人反應的推動下迅速名聲大噪。然而，大多數(shù)人沒有意識到，雖然 GPT 模仿了人類交互，但它不是 AGI。
GPT 每次生成輸出時，都會在統(tǒng)計上發(fā)生變化，缺乏一致性和事實準確性保證。GPT還面臨其他限制，但其最突出的缺點在于無法進行邏輯推理，尤其是在數(shù)學方面。
鑒于圍繞人工智能的無數(shù)擔憂以及有效管理大型人工智能模型的現(xiàn)有挑戰(zhàn)，探索 Web3 的集成成為緩解人工智能面臨的挑戰(zhàn)的潛在途徑。利用 Web3 固有的去中心化和分布式計算原則有助于解決人工智能系統(tǒng)當前面臨的問題。
人工智能功能集中在中心化系統(tǒng)中，引起了人們對數(shù)據訪問、模型相關性和人工智能應用的整體可持續(xù)性的擔憂。集中式人工智能系統(tǒng)面臨重大障礙。特別是對于通常是專有的專有大型數(shù)據集。
這導致了基于每次查詢的貨幣化，并且 X.com 上每日限制帖子瀏覽量。不久，Grok，X.com GPT 的發(fā)布，允許用戶實時訪問 X.com 數(shù)據。這種模式造成了經濟障礙，并引發(fā)了有關人工智能效益的可及性和包容性的問題。
作者：DWF Ventures 來源：medium 翻譯：善歐巴，金色財經
此外，如果沒有持續(xù)的數(shù)據更新，已發(fā)布的模型會迅速過時，這對保持相關性和準確性構成了巨大的挑戰(zhàn)。目前，ChatGPT 3.5 訓練數(shù)據構成截至 2022 年 1 月的信息。Llama 2也接受了 2023 年 1 月至 2023 年 7 月期間的數(shù)據訓練。
為了應對這些挑戰(zhàn)，DAI 成為一種有前途的范例，為中心化的局限性提供了潛在的解決方案。
去中心化人工智能提供了另一種軌跡來解決中心化模型固有的挑戰(zhàn)。Janbi 等人最近發(fā)表的一篇薈萃分析論文。作為一個綜合指南，將 DAI 分為五個主要領域。
DAI 帶來了人工智能開發(fā)中令人興奮的轉變，并提供了眾多優(yōu)勢。然而，承認這些進步帶來的挑戰(zhàn)至關重要。
總而言之，去中心化人工智能之旅正以巨大的潛力展開。去中心化人工智能的全部力量的實現(xiàn)依賴于在現(xiàn)有人工智能用戶池的推動下達到臨界質量。由于供應商和用戶有限，開源替代方案面臨障礙，而 ChatGPT API 為大眾市場提供了實用且經濟的選擇，提供了易用性和可靠性。
然而，考慮到壟斷性通用人工智能的潛在后果，個人應該重新考慮其選擇和行動中的便利性和去中心化之間的權衡。在更廣泛的范圍內，web3 和 AI 社區(qū)的創(chuàng)新者可以通過重新定義 AI 工作流程、重新構想基礎設施、采用創(chuàng)新范式、高效管理以及開發(fā)符合去中心化原則的應用程序來應對挑戰(zhàn)。當我們繼續(xù)沿著這條道路前進時，協(xié)作、包容性和道德考慮將成為塑造真正造福人類的去中心化人工智能格局的關鍵。
喜來順財經
