AI 的未来：去中心化人工智能

来源：AI 的未来：去中心化人工智能

原文标题：《AI in Web3: Navigating AI’s Future with Web3》撰文：DWF Labs Research编译：Carl，Techub News   在过去的一年里，OpenAI 推出的 ChatGPT 3.5 让人工智能成为讨论的焦点，ChatGPT 展示出了人工智能巨大的经济潜力，同时也引发了全球对其带来的影响和风险等方面的讨论。 随着乐观情绪的增长，怀疑也随之而来。潜在的后果开始给监管机构敲响警钟。人工智能的迅速崛起和模糊的监管框架，与处于早期的加密货币领域相呼应。两个行业似乎就像两条平行线一样，去中心化的 Web3 与人工智能潜在的中心化力量形成互补。在今年的第一季度里，几乎所有 Web3 VC 都在讨论人工智能的变革潜力（有一次，我都在疑惑自己参加的活动主题到底是 Web3 还是 AI）。在这一年中，我们还看到一些风险投资机构转向 AI 或将其纳入其投资任务。 来源：web3 VC space 现在，随着时间的推移，对 AI 的炒作逐渐消退，DWF Ventures 希望以公正的视角来重新审视人工智能领域。本文概述了人工智能的演变以及它如何达到目前的流行程度。然而，本文的叙述有一个明显的不同：将从普遍关注的人工智能如何影响 Web3 转向探索相反的方向——Web3 如何影响人工智能。在本文中，我们深入研究了去中心化和 Web3 如何充当催化剂，解决人工智能当前面临的挑战。 

AI 发展史和 ChatGPT 的突破

 资料来源：（Khan、Pasha & Masud，2021） 人工智能的历史可以追溯到 20 世纪 30 年代。1950 年代的图灵机，包括图灵测试，正式奠定了人工智能的基础。尽管早期很乐观，但由于计算障碍和无法满足实时需求，人们在 20 世纪 70 年代对人工智能的热情有所下降，迎来了「人工智能冬天」。20 世纪 80 年代，专家系统利用知识数据库模拟人类专业知识，又一次重振了人工智能，并出现了联结主义的复兴和循环神经网络的兴起。 然而，专家系统在知识获取和实时分析方面遇到了挑战，这导致人工智能在 20 世纪 90 年代又一次衰落。此后经过多年的发展，人工智能领域取得了很大的进展，已扩展到机器学习、自然语言处理、计算机视觉、语音识别等不同的技术领域。这些发展使得人工智能从简单的解决问题发展到复杂应用领域的深度学习。 资料来源：Mukhamediev et al.，2022 在发展过程中，我们看到了人工智能各个子领域的融合。在这些领域中，机器学习和大语言模型（LLM）领域取得了重大进展。Ashish Vaswani 等人的论文启发了基于 transformer 的生成式预训练模型（GPT）。此后，大量的 GPT 出现，例如「BERT」GPT 和 OpenAI 团队的GPT。ChatGPT 之后，还出现了 Falcon 和 LLaMA2 等开源替代方案，加剧了开发更接近 AGI（通用人工智能）的下一代 GPT 的竞争。 GPT 的炒作帮助 AI 从学术界进入了数十亿人的视野。ChatGPT 发布后 2 个月内，创下了每周活跃用户数超过 1 亿的最快记录。麦肯锡最近的一项研究显示，目前，科技行业约 51% 的专业人士在工作中使用 AI。 

人工智能的社会认知和限制

 Vitalik 最近进行的一项民意调查显示，人们担心出现 AI 垄断版本，普遍倾向于推迟 AI 进步。 资料来源：My techno-optimism ChatGPT 让 AI 受到的关注度激增，然而，大多数人没有意识到，虽然 GPT 模仿了人类交互，但它还不是 AGI。 GPT 每次在输出时，都会发生统计上的偏差，无法保证一致性和事实准确性。GPT 还面临其他限制，其最突出的缺点是无法进行逻辑推理，尤其是在数学方面。 

资料来源：Limitations of GPT in Language Models are Few-Shot Learners 鉴于围绕人工智能的无数担忧和有效管理大型人工智能模型的挑战，Web3 成为缓解这些挑战的潜在途径。Web3 固有的去中心化和分布式原则，有助于解决人工智能系统当前面临的问题。 

去中心化人工智能

 人工智能功能集中在中心化系统中，引起了人们对数据访问、模型关联性和整体可持续性的担忧。中心化人工智能系统面临重大障碍，特别是对于具有排他性的专有大型数据集。  如上图，马斯克在 X 上表示：「这并不奇怪，因为我刚刚得知 OpenAl 可以访问 Twitter 数据库进行训练。我暂停了它。需要更多地了解未来的治理结构和收入计划。OpenAl 最初是开源和非营利性的，现在来看两者都不是。」 此后，X.com 开始对查询数据收费，并限制了用户的每日帖子浏览量。不久后，X.com 的 GPT「Grok」发布，允许用户实时访问 X.com 的数据。这形成了经济屏障，并引出人工智能的可访问性和包容性问题。 此外，如果没有持续的数据更新，已发布的大模型很快会过时，这对保持实用性和准确性构成了巨大的挑战。目前，ChatGPT 3.5 的训练数据是截至 2022 年 1 月的信息，而 Llama 2 则是在 2023 年 1 月至 2023 年 7 月之间。 为了应对这些挑战，去中心化人工智能（DAI） 成为一种有前途的范例，为中心化的局限性提供了潜在的解决方案。 资料来源：（Janbi 等人，2023） DAI 提供了一种替代路径，以应对中心化模型固有的挑战。Janbi 等人最近的一篇论文进行了全面的分析，并将 DAI 分为以下五个主要领域。 

资料来源：（Janbi 等人，2023）+ DWF Ventures 

DAI 的挑战

 DAI 为人工智能带来了令人兴奋的转变和众多优势，然而，承认仍然存在的挑战至关重要。 

资料来源：（Eduardo, L., & Hern, C.，1988） + DWF Ventures 

结论

 总之，DAI 正以巨大的潜力展开。由于供应商和用户有限，开源替代方案面临困难，而 ChatGPT API 为大众市场提供了实用且经济的选择，提供了易用性和可靠性。 然而，考虑到垄断的通用人工智能的潜在后果，个人应该重新权衡其选择和行动中的便利性和去中心化。在更广泛的范围内，Web3 和 AI 社区的创新者可以重新定义 AI 工作流程、重新构建基础设施、采用创新范式、高效管理以及开发符合去中心化原则的应用程序来应对挑战。当我们继续沿着这条道路前进时，协作、包容性和道德规范将成为塑造真正造福人类的 DAI 格局的关键。

作者：TechubNews；来自链得得内容开放平台“得得号”，本文仅代表作者观点，不代表链得得官方立场凡“得得号”文章，原创性和内容的真实性由投稿人保证，如果稿件因抄袭、作假等行为导致的法律后果，由投稿人本人负责得得号平台发布文章，如有侵权、违规及其他不当言论内容，请广大读者监督，一经证实，平台会立即下线。如遇文章内容问题，请联系微信：chaindd123