如果說區塊鍊是生產關係的革新優化，AI 就是生產力的躍升。
作者： 0xmin，深潮 TechFlow
封面： Photo by Jr Korpa on Unsplash
最近，閒來無事，問一些在矽谷的互聯網投資者，重點關注什麼領域？
本以為又是 “Saas”、“Web3” 等老名詞，結果出乎意料，“AI” 成為了高頻關鍵詞，眾多一線矽谷 VC 開始瞄準 AI 初創公司，巨額融資不斷浮出水面。
比如，Meta（原 Facebook）工程師 Lin Qiao 離職之後，開始基於開源的深度學習框架 PyTorch 進行創業，為諸如 Stable Diffusion 之類的 AI 圖像創建工作提供支持。
眾多一線 VC 競相追逐，儘管只有一個 PPT，一個夢想，但是該項目最終以上億美元的估值完成了千萬美元融資，Benchmark 和紅杉資本均有參與。
這只是 AI FOMO 下的一個縮影。
10 月 17 日，英國開源人工智能公司 Stability AI 宣布獲得 1.01 億美元融資，估值高達 10 億美元，躋身獨角獸行列，由 Coatue、Lightspeed Venture Partners 和 O'Shaughnessy Ventures LLC 參與投資。
如果聊到最近大火的 AI 生成藝術一定離不開這家公司，StabilityAI 於今年發布了深度學習文字轉圖像模型 Stable Diffusion，主要用於根據文字的描述產生詳細圖像，Stable Diffusion 的誕生讓 AI 繪畫這個領域愈發火爆。
根據最新 Tiger 致投資者信中的內容，他們已然悄悄投資了 AI 領域巨頭 OpenAI。
一場 AI 颶風席捲科技創投界，這股 Fomo 浪潮也和紅杉資本的一篇文章有關。
2022 年 9 月 23 日，紅杉美國官網發表了最新一篇題為《生成式 AI：一個創造性的新世界》的文章，認為 AIGC（AI-Generated Content 人工智能生成內容）會代表新一輪 Paradigm shift（範式轉移）的開始。
原文作者是紅杉的兩位合夥人，Sonya Huang 和 Pat Grady，有趣的是第三位作者，赫然還寫著 GPT-3，OpenAI 旗下基於深度學習原理的語言預測模型，簡單理解就是基於上下文的生成 AI 系統。
當你向 GPT-3 提供提示或上下文時，它可以填寫其餘內容，也就是說你給 GPT-3 提供素材，他幫你撰寫文章。
此外，這篇文章插圖也是用 Midjourney 生成的，輸入關鍵詞，即可得到一張精美的插畫，這也讓眾多繪畫師感到憂心忡忡，甚至在微博上有了 “繪畫會被 AI 替代嗎” 的熱搜，引得眾多畫師下場討論。
文字、圖片可 AI 生成，音頻和視頻同樣不在話下。
在 Podcast.ai 推出的第一集播客裡，已故的蘋果創始人喬布斯竟然成為首位嘉賓，與美國知名播客主持人 Joe Rogan 進行了一場長達 20 分鐘的交流，討論了喬布斯對大學、計算機的看法以及工作狀態、信仰等。
人死不能複生，這背後當然是 AI 作祟。
Podcast.ai 是一個完全由 AI 生成的播客通過喬布斯的傳記和收集網絡上關於他的所有錄音，用 Play.ht 的語言模型大量訓練，最終生成了這段 “假 Joe Rogan 採訪喬布斯” 的播客音頻內容。
以上種種都是 AIGC（人工智能生成內容），以前 AI 還只是輔助內容創作的工具，今天 AI 已經可以成為內容創作的主體，能夠獨立完成寫作、設計、繪畫、視頻製作等創意性工作。
從 PGC 到 UGC，內容產業得到了極大的繁榮，而 AIGC 的興起，則將給內容產業帶來革命性突破，甚至影響到社會的歷史進程。
Play.ht 表示，“我們相信在未來，所有內容創作都將由人工智能生成，但由人類指導，而最具創造性的工作將取決於人類將他們想要的創作表達到模型中的能力。”
AIGC 與元宇宙
談到 AIGC 與 Web3 的結合，筆者首先想到的是元宇宙，道理很簡單，一個真正的元宇宙是需要海量的優質 “內容” 進行填充。
在 PGC 的商業模式下，生產內容與變現的權利掌握在少數人手中，並且人力是有限的，很難滿足大規模的元宇宙內容生成。
UGC 讓人人皆可成為創作者，在一定程度上解決了產能瓶頸，中心化，滿足用戶多樣性的需求的問題，但是內容創作質量良莠不齊，大量的 “垃圾內容” 反而是損害，仍然難以滿足元宇宙對於內容的需求。
只有 AIGC 才能讓人類突破生產力枷鎖，高效率生成高質量內容，讓人類進入到真正的元宇宙之中。
拿最落地的一個場景遊戲舉例，遊戲中的美術、配音、文案等理論上都可以由 AI 輔助或者自主完成，比如，最近 B 站 UP 主 “拔絲檸檬製作組” 利用 AI，花了 6 小時製作了一個簡單的二次元 galgame 遊戲 Demo。
這一領域的成長速度將遠超大多數人的預期。
站在 AI 與 Web3 的交叉口
如果說 Web3 的內核是 “去中心化”，那麼現在的 AIGC 毫無疑問是中心化的。
過往，AI 模型往往開源存在，但是在過去的幾年裡，大型模型變得越來越封閉，以及和互聯網巨頭綁定愈發緊密。
以 AIGC 之王 OpenAI 為例，成立於 2015 年，由馬斯克發起創立的 OpenAI 從第一天便將自己定位為 “非營利組織”，目標是以安全的方式實現通用人工智能，使全人類平等收益，而不是為公司的股東創造利潤。
但在 2019 年，OpenAI 違背其初衷，成為了一家名為 “OpenAI LP” 的營利性公司，由一家名為 “OpenAI Inc” 的母公司控制。
OpenAI 更改結構數月後，微軟便注資了 10 億美元，附屬條件是微軟有權將 OpenAI 的部分技術商業化，比如 GPT-3 與 Codex。
批評紛湧而至，艾倫人工智能研究所的所長 Oren Etzioni 表示：“我不同意非營利組織不具備競爭力的觀點……如果規模更大、資金更多就代表（這個機構）會發展得更好，那 IBM 就不會被擠下第一名的位置。”
就連 OpenAI 聯合創始人埃隆·馬斯克（Elon Musk）也在 “微軟獲 GPT-3 獨家授權” 的新聞後，給予批評：“這種決定似乎是與'開放' 相悖的。實質上 OpenAI 已經被微軟控制了。 ”（注：馬斯克於 2019 年離開了 OpenAI 董事會）
如果 OpenAI 是生產力的王者，那麼他則是遇到了生產關係的問題，公共產品還是盈利組織，如何長期維繫發展……
在我們看來，Web3 提供了一個開發公共產品和公地範式的機會，過去，公共產品創造了巨大的價值，但沒有一種價值獲取方法來自我維持，Web3 的經濟系統可以幫助公共產品定義新的價值獲取途徑，又可以確保將獲取的價值優化分配給公共產品和公共資源。
首先，AI 模型所需要的數據生產可以通過 Web3 的組織形態進行聚合。
一個成熟且強大的 AI 模型需要被餵養海量的數據進行自我學習，同時也需要外部訓練與調教，因此也產生了人工智能訓練師這樣的職業。
數據天然具有 “壟斷性”，目前海量的數據是被大型科技公司所有，並且幾乎沒有動力開放對其數據的生產或分發的訪問。
但是，我們也看到全球也有一些開源社區正在向全球研究人員開放數據和模型訓練。
Common Crawl，十年互聯網數據的公共存儲庫，可用於一般的 AI 訓練。
LAION，一個非營利組織，旨在向公眾提供大規模機器學習的模型和數據集，並發布了 LAION5B，一個 58.5 億個經過 CLIP 過濾的圖像-文本數據集，一經發布就成為世界上最大的公開訪問的圖像-文本數據集。
EleutherAI，一個去中心化社區，發布了全球最大的開源文本數據集之一，The Pile，一個 825.18 GiB 的英語語言數據集，用於使用 22 個不同數據源的語言建模。
目前，這些組織依然還是非盈利性質，主要靠志願者 “用愛發電”。
那麼，如何用 Web3 對 AI 數據的生產與訪問進行優化？
CoinFund 曾提出自己的一些設想，比如 Token 可以作為一種激勵機制來鼓勵創建開源數據集，根據數據貢獻來進行分配，比如給大型文本-圖像數據集貼標籤進行 AI 訓練等，這樣的一個開源社區也可以轉變為一個 DAO 社區，一個編譯良好的開源數據集對於擴大大型模型的研究可及性和提高模型性能至關重要。
一個優質的大型 AI 模型可以有屬於自己的 Token，而建立在模型之上的產品的下游收入可以累積到 Token 價值中，這樣一來，數據集貢獻者可以獲得合理分配，總之，Web3 可以更好將數據貨幣化以及建設更好的公共產品。
其次，訓練大規模神經網絡需要海量的算力，在過去十年中，訓練人工智能模型的計算需求每 3、4 個月就翻一番。
例如，OpenAI 的 GPT-3 有 1750 億個參數，訓練時間為 3640 petaFLOPS-day，用世界上最快的超級計算機需要兩週時間，而標準筆記本電腦需要一千年以上的時間來計算。
因此，AI 訓練一般需要因數學運算需要而優化的特定硬件，如 GPU、ASIC，這些硬件基本被少數寡頭壟斷的雲服務提供商所控制，如穀歌云、AWS、微軟 Azure 和 IBM。
這可以成為 Web3 去中心化治理/市場模式與 AI 計算的另一個交叉點。
比如，去中心化的治理和激勵系統，可能被用來激勵和分配計算資源，想像一下，一個通過 Token 來眾籌模型培訓的賞金系統，成功的眾籌者將獲得模型的優先計算權。
目前，市場中已有類似的參與者，比如 Gensyn ，使用區塊鏈來驗證深度學習任務是否已正確執行，並通過 Token 觸發支付，將未使用的計算能力貨幣化。
如果說區塊鍊是生產關係的革新優化，AI 就是生產力的躍升，二者的交叉結合或許可以擦出火花，這也成為不少投資機構所關注的領域，比如 CoinFund 投資人 Rishin Sharma 明確表示在尋找 AI 與 Web3 交叉的三類團隊：
1. 以開放人工智能為核心任務的團隊
2. 更好地管理公共資源（如數據和計算）以幫助構建 AI 模型的社區
3. 利用人工智能將創造力、安全性和創新帶入主流應用的產品
免責聲明：作為區塊鏈信息平台，本站所發布文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。文章內的信息僅供參考，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。
