我們要在 AI 的背景下運用 Web3 的原則，因為 AI 技術過於強大，不能任憑少數企業擺佈。像 Uniswap 這樣的 DeFi 平台已向人們展示了一個分佈式的、社區擁有的基礎設施以及中心化的同類方案都是可行的。
原文：Generative AI and Web3:When abundance meets scarcity（Decentralised.co）
作者：Joel John
翻譯： ChatGPT
校譯：malatang.eth
譯者註：生成式 AI（Generative AI）被簡體中文圈稱為 AIGC
封面： Photo by Steve Johnson on Unsplash
生成式 AI 和 Web3：當富足遇到稀缺
自 2022 年底 OpenAI 面向公眾推出 ChatGPT 以來，人工智能一直是熱門話題。人類提前收到了聖誕禮物，擁有了一個能回答大多數問題的機器！它是最快發展到一億用戶的應用，就像許多風險投資支持的創業公司一樣，它每天在燒掉數百萬美元。
但這麼燒錢也不是啥大問題，因為微軟剛剛向 OpenAI 投資了 100 億美元。加上 Azure 的硬件和 Bing 的流量分發（這是我從未想到的），ChatGPT 的流行度已經跨越了成見的鴻溝。
不過，參與競爭的不僅僅是微軟。谷歌母公司 Alphabet 的生成式 AI 產品的 demo 版失敗後，股票市值損失了 1000 億美元。阿里巴巴和亞馬遜分別宣布了他們入局，與 ChatGPT 爭奪人工智能的主導地位。而蘋果很可能會把 Siri 作為進入該市場的前鋒產品。
人工智能工具的這種爆炸式增長，源於人們現在發現人工智能真正有用了。當加密貨幣、無人機或自動駕駛汽車這樣的趨勢在市場上興起時，它們的進入門檻很高。但你現在就可以用人工智能來作弊幫你完成家庭作業，ChatGPT 甚至立馬可以讓你在交友網站 Bumble 上看起來超有吸引力。而對於加密貨幣，你只能購買一個代幣（指 NFT——譯者註），並假裝它是你個性的全部。
阿瑟·克拉克（Arthur C. Clarke）曾經說過，“任何足夠先進的技術都似乎和魔法無異。” 人工智能已經演進到到足以讓社會中的大部分人相信它是魔法。僅 2022 年第二季度，就有 170 億美元的資金投入到與人工智能相關的公司中。來自 FAANG 公司、風險投資基金和散戶投資者的興趣匯合在一起，使得該技術似乎已經準備好吸引散戶的注意。
在過去的幾周里，我們一直在努力理解該行業正在發生的事情，以及它在未來十年可能產生的重大影響。本文總結了我們對該行業（有限的）理解，以及為什麼我們認為區塊鍊和人工智能將在未來十年內相互融合。但在之前，讓我們重溫一下經濟學的一些基礎知識。
注意：在本文中，我會在 AI 模型和模型之間進行切換。為了方便閱讀，任何地方提到 “模型” 一詞都指生成式 AI 模型。
消失的稀缺性
人類作為一個物種的歷史，是由我們與稀缺性的抗爭來界定的。人們相信，人類在數万年前開始遷徙，以尋找更加青翠的牧場。一旦人類學會利用火和農耕的力量，我們的祖先就繁榮了起來，整個文明也應運而生。之後人類越走越遠，開始跨洋貿易，以確保社會擁有所需的資源。
一旦一個文明不再需要擔心食物或保護自己免受自然環境的影響，人類就會專注於爭奪地位。中國長城、埃及金字塔、印度泰姬陵和歐洲文藝復興時期的大教堂，就其本身而言，都是地位的象徵，它們在各自時代的社會經濟結構中起著重要作用。而人類之所以能追求需要耗費數万人數十年勞動的事業，是因為不需要擔心這星期能否吃上飯。
隨著人類過渡到追求地位的社會，技能和服務變得稀缺。除了政治領域外，到了 14 世紀，人類對戰爭英雄的讚頌減少了，而開始更多地欣賞藝人、藝術家和發明家。
看看莎士比亞、米開朗基羅或班克斯的作品。這些藝術家有著獨特的解讀世界的方式，需要長時間地深入文化體驗中。如果沒有長時間浸淫其中，人類就無法創造文化。
稀缺性變得不再只是人類為物質生活而消耗的商品，而是那些激躍我們精神的東西。需要幾十年時間才能出現一位 “一代巨匠”，因為產生他們的環境是很難復制的。即使有幾百人在 1990 年代的紐約布朗克斯區有著同樣的生活經歷，也只有一人變成了身價數十億美元的說唱大亨 Jay-Z。而很少有人知道這些天賦異禀的人出現在哪里或如何出現。
一個技能稀缺的社會獎勵卓越的才華，給予高昂的報酬。我們常聽到歐洲文藝復興時期建造大教堂的藝術家們一旦被委以重任，任期就會長達數年。但在過去幾個世紀的大部分時間裡，經濟產出與能量的投入呈線性關係。我們要么燃燒能源（為工廠提供動力），要么讓人類消耗勞力來從事生產。
財富的創造主要依賴於能調用的人力（或資源）的數量。這就是為什麼人類歷史上有奴隸制這樣痛苦的經歷。財富的增長呈線性軌跡，並往往依賴於掠奪。
代碼和服務器改變了 20 世紀的發展路徑。突然之間，人們不再需要入侵遠方的土地或者迫使他人服從你的命令。正如納瓦爾所說，代碼和媒體是新的槓桿。寫代碼使你能擁有一支機器人軍隊服務於你。想一想 Instagram 或 Tiktok：
這些平台僱用的人數往往與用戶數量不成正比。通過添置硬件，就可支撐更多的用戶，從而擴大規模。
這個富足的時代，可能首先以 1990 年代初互聯網的誕生為標誌。例如，垃圾郵件是通信成本暴跌的結果。Limewire 和 Napster 是數字存儲和帶寬價格暴跌的產物。遊戲和社交網絡是數百萬人聚會的數字城鎮，但我們不再關心容納這些活動的 “空間” 的稀缺性。
只要是以數字方式提供的服務，容納更多需求的邊際成本就會急劇下降。互聯網的大部分是 “免費” 的，象徵著我們的世界逐漸數字化，稀缺性作為一個概念逐漸消失。納瓦爾在下面的視頻中解釋了這種新發現的 “豐饒性”。
開發人員類似於文藝復興時期的熟練工匠。他們掌握獲得槓桿並為自己製造工具賺取大量收益的能力。但這正在慢慢改變。而微軟在同一周既解雇了 1 萬名員工，又投資了 100 億美元到 ChatGPT 背後的 OpenAI，反映了這種鮮明對比。
我不是要引起恐慌，暗示開發人員很快就會變得多餘。他們不會。但我們將迎來一個由 AI 賦能的新型勞動時代。這正是今天風光無限的生成式 AI。
創造富足
我們生活在一個富足的數字消費時代，流量傳播不再需要花費很多。當我寫就本文的時候，把它分發給 1000 個或 10 萬個讀者的成本是一樣的。Substack 不按瀏覽量收費，因為為分發所依賴的基礎設施可以快速擴展。不過，儘管有將內容分發給更多人的渠道，但規模的兩端都帶有稀缺性，這是由人類註意力的局限所決定的。
作為一名作者，我的創作產出受時間限制。作為讀者，你只想從我這裡讀到有意義的內容。
我們之所以看到 ChatGPT 和生成式 AI 等概念的爆發，是因為生產和消費的單位經濟學正在被顛覆。人們最後一次看到如此深遠的影響可能是在印刷術出現時。書籍降低了人類思想的存儲和傳播成本。在英國，識字率從 5% 上升到 50% 花了四個世紀的時間，但人們現在每天的閱讀時間已長達~2 小時。
這種知識行為的變化直接推動了啟蒙時代的到來，這是一個以科學和哲學的快速發展為標誌的時期，康德、伏爾泰、笛卡爾和亞當·斯密等人永遠改變了我們的世界觀。每當人類找到存儲、分享和發展思想的新方法時，就會做出相當酷的事情，無論是在洞穴壁畫還是在谷歌文檔中。
讓我們先了解一下生成式 AI 現在可以做些什麼，看看它如何降低生產和消費成本。目前，像 ChatGPT 和 Midjourney 這樣的應用程序僅有一個目的：基於它們所接收的數據，創建出令人信服的輸出。這些數據通常來自於已公開的信息。
OpenAI 的 ChatGPT 使用來自書籍、維基百科和期刊的數據以創建其文本回复。Stable Diffusion 是一項生成藝術作品的服務，最初依賴於庫存圖片。Github 的 Copilot 使用平台上數十億行代碼來輔助開發人員。
本質上，生成式 AI 會取用公開信息，對其進行合成，並根據用戶上下文予以處理。這裡的上下文可以是 “用五歲孩子的語言解釋比特幣” 或 “展示加密貨幣在迪拜下雨”。AI 平台會根據這些提令，在幾分鐘內創造機器生成的回复。
通常情況下，輸出的結果往往並不足以令人信服，但經過適當的調整，你最終會得到一些像人類產出一樣的東西。只要主題是通用的，並且你不期望有個性化的元素。
那麼我們現在進展到了什麼程度呢？紅杉博客上的上圖很好地展示了當前的現狀。AI 模型現在可以接受文本輸入，實時編輯並改變語氣，這同樣適用於圖片和代碼。其原因是有大量的數據集可用於訓練生成式 AI 模型。如果我們以前需要花大量時間，而今只需要其中的一個小零頭，就可以閱讀和處理來相同數量書籍的知識，或創作相同的藝術作品，那麼我們將不可避免地達到一個過度飽和的狀態。對於更複雜的任務，比如電影或音樂的編輯，需要更多的人力參與。但是 AI 確實使這個過程更加高效。
具有諷刺意味的是，AI 已經被用於總結和提供大量工作的關鍵洞見。這裡的挑戰在於缺乏歸屬權和可驗證的來源。例如，ChatGPT 可能會在缺乏公共領域信息的情況下給我錯誤的答案。它不說明用於生成響應的數據來源。這就是目前生成式 AI 的危險所在。
我們可以創作無數的作品，卻找不到什麼或誰是它的靈感來源。而在某個時候，我們要依賴這些源頭來處理無無窮無盡的內容，並告訴我們其中的重要信息。
如果沒有追踪來源的基礎設施或驗證人工智能模型的機制，生成式 AI 將無非是今日互聯網的翻版而已。一大堆由算法驅動的假新聞，根據用戶偏好來推送內容來提升留存率。雖然生成式 AI 可以使每個人成為藝術家，但可能會讓最初製作出 AI 模型用於自我訓練的人被邊緣化。這將是富足時代中的一項關鍵挑戰：當每個人都從中受益時，如何確保使用的作品（以藝術、文本或代碼的形式存在）被正確歸屬和有效地商業化？
互聯網已經為這個問題提供了答案。像 Instagram 的 Reels 和 Tiktok 這樣的平台極大地依賴第三方藝術家的音樂。用戶 “混剪” 音頻，製作出朗朗上口、時尚、短小的片段，內容從舞蹈動作到烹飪無所不包。TikTok 發布了 SoundOn 來幫助藝術家上傳作品和變現。在這些情況下，平台有責任獲得授權並支付版稅。當媒介相同（音頻）且分發渠道由平台擁有時，這是一個簡單的任務。
您可能已經讀到一半就感到疲憊，這篇文章很長。因此，在繼續閱讀本文更複雜的部分之前，休息一下，看看我最近在 Instagram 上看到的這個混剪作品。它是一件甜美的藝術作品，也是版權律師的噩夢。
這也是數字媒體使身處不同地點的人共同混搭一個作品的文化 “融合” 的優秀例子。
好了，言歸正傳吧。
如果涉及到多個作品的混剪二創，那麼情況就變得複雜起來——尤其是如果這些混合作品是由平台外的用戶製作的。還記得我之前提到的用莎士比亞的風格改寫《哈利·波特》嗎？這還比較簡單，因為你只需要處理兩個人的作品。但如果我們要用《權力的遊戲》的情節，以莎士比亞的風格改寫《哈利·波特》呢？這裡就涉及到三個人要分享版稅了。
目前，生成式 AI 面臨的挑戰是，需要使用幾百人的作品來創建成千上萬個輸出，但這些作品沒有被識別、歸屬或追踪。
通常情況下，製作這些作品並不需要付出成本。我可以在 ChatGPT 上每天運行數百個指令，直到得到滿意的輸出。當今的社交媒體網絡與賭場老虎機有很多相似之處。用戶花費數小時尋找能夠帶來巨大多巴胺刺激的內容。
隨著生成式 AI 的出現，我們正在激勵人們隨意運行指令，直到得到理想的輸出。但是有一種方法可以解決這個問題，那就是強制實施成本。在 NFT 領域我們有關於此的一些早期嘗試。
可驗證的真相
20 世紀 70 年代以來，複製粘貼功能就已經存在了。翻閱年輕一代的 Instagram 標題，你就會意識到人們在大量使用這項功能。一項簡單的技術，改變了我們對複制的看法：NFT。
當然，你可以復制一張無聊猿的圖像！但只有一種方式可以擁有它，通常意味著在獲得它時要支付一筆錢。即使可以輕鬆複製，擁有獨特的資產仍然變得令人嚮往，這種變化是由區塊鏈引起的。區塊鏈使得實時全網驗證你真正擁有的資產成為可能。
有人可能會說，這項技術在現實生活中並沒有很多的應用場景。但如果生成式 AI 和區塊鏈這兩種工具融合在一起呢。生成式 AI 的大部分內容不久將嚴重依賴於版權。像迪士尼或 Netflix 這樣的大型製片廠擁有我們在童年和青少年時期喜愛的角色的版權。
人工智能將使這些製片廠（工作室）能夠創建定制的和個性化的派生品，通過觸及受眾最深厚、珍貴的記憶來與他們溝通。如果鋼鐵俠可以教孩子數學呢？如果天行者達斯·維德能給出約會建議又如何？沒准許多人能靠這些脫單呢。
當然，製片廠可以擁有並發布這些人工智能生成的聊天機器人或互動角色的產品。但是，結合區塊鏈將使得他們能夠跟踪、驗證和收取版稅。他們可以設立一個開放的市場，任何人都可以來創作，而不是將創作的應用程序的種類局限於在製片廠工作的開發人員的能力邊界。實際上，任何持有大量 IP 的公司都可以通過允許派生作品而過渡成為規模化的平台。
讓我解釋一下這意味著什麼。想像一下，我決定讓 Linkin Park 的 Chester Bennington（已故）來朗讀我為您寫的這篇長文，持有他 IP 的遺產繼承人和持有他聲音合成版本的工作室很快就可以讓我獲得授權。但這將是一個冗長而費力的過程，涉及到律師和驚人數量的文書工作。這似乎很愚蠢，但圍繞已故名人和 IP 權利已經有一整個產業。
假設 Chester 的聲音權利是在區塊鏈上的，它可以被授權給全球幾百名個人。當然，也有理由擔心聲音可能被誤用，例如被用於深度偽造或被用於逝者不願意與之相關聯的內容。但是，如果這些權利定價足夠高，進入門檻就會淘汰大多數壞蛋。
這已經在某些地方得到了實踐，那就是在 “梗”（meme）領域。最近我在 Instagram 上看到了一系列由 Stoa 的創始人之一 Raj Kunkolienkar 製作的流行梗圖，這是一種有趣的使用方式，表現出了生成式 AI 的潛力。
梗是文化，是公共財產。曾經有人試圖將它們製作成 NFT。但是，如果我們要用自己的身份 “二次創作” 這些文化，我認為要它們提供可驗證的來源，並且應該能獎勵使用的梗背後的原始面孔。
Raj 是否應該 “授權” 對這些圖像二次創作的權利？文化是否應該可以變現？我不知道。這個人可能只不過是在一個週六早上在美麗的果阿閒逛，但似乎有路徑可以做到這些。
從歷史上看，像那些代表超級英雄和遊戲角色的 IP 被認為很容易與受眾產生親近感。在漫展活動中，人們扮成蝙蝠俠或達斯·維達並不奇怪! 而且我們不太可能發明一個世界，讓粉絲們期望購買授權來扮演他們喜歡的角色。
但確有可能，一部分粉絲群體會眾籌資金，購買合法翻拍和在原作者思想基礎上發布派生作品的權利。
你可能認為這不靠譜，但在 Web3 生態系統中，這已成為現實。去年，一個社區籌集了 4700 萬美元，在蘇富比拍賣會上競拍美國憲法。雖然競拍未能成功，但成千上萬的人成功眾籌了真金白銀。最終，用戶被允許要求退款或選擇持有原生代幣 $PEOPLE。在我寫本文時，約有 17,000 個用戶擁有該代幣，現時交易市值約為 1.4 億美元。
代幣和鏈上溯源使社區能夠集結起來獲得知識產權，這些知識產權可與人工智能一起使用，供粉絲二次創作派生藝術品。
人類聰明才智和機器生成產品的這種結合，已經大規模地發生了。2022 年 6 月，《Cosmopolitan》雜誌發布了使用 DALL-E 製作的雜誌封面。他們製作了一個帶有達斯·維達的封面，但選擇不予發布。
在這種情形下，要構建大型社區，就得依靠 DAO。工作室本身發行代表這些權利的鏈上工具。它可以是社區通過眾籌獲得的單一 NFT。發行代幣的數量與為獲得 IP 而貢獻的資本量成正比。然後由 DAO 決定如何管理和處理如何使用該授權。
社區可以規定使用該授權所需的最低數量的代幣。更複雜的功能，如創作生成性藝術，可能需要 DAO 投票。DAO 可以通過要求將上述 IP 產生的部分收入支付給 DAO 來產生現金流。
由於現有的大型工作室可能沒有足夠的偏好來承擔這種風險，新生藝術家則可接受這樣的商業模式。這可能看起來很離譜，但每當出現了新的分配形式或更好觸達受眾的手段的時候– 藝術家總是第一個擁抱它的人群。在過去十年裡，Spotify 和 Soundcloud 一直是發掘新興藝術家的重要工具。在未來十年裡，藝術家們將鏈上元素實現的金融化與生成性音樂相結合，以加速他們的職業成長。
對產業鏈的再思考
我想了解生成式 AI 產業鏈的哪些部分可能會被打破，哪些部分已顯示出有意義的增長。上圖來自 A16z 的文章 “ 誰擁有平台”（Who owns the platform，https://a16z.com/2023/01/19/who-owns-the-generative-ai-platform/），對過去 18 個月價值累積的情況提出了深刻的見解。
原文摘錄：我們觀察到，目前基礎設施供應商可能是市場上最大的贏家，留住了流經產業鏈的大部分資金。應用程序企業的收入增長非常快，但往往面臨著用戶留存、產品差異化和毛利率等問題。而大多數模型提供商，雖然對該市場的存在具有基石意義，但遠沒達到大規模的商業化。換句話說，創造最多價值的企業，即訓練生成性 AI 模型並將其運用於新應用的企業，並未捕獲其中的大部分價值。預測接下來會發生什麼就更難了。但我們認為，關鍵是要了解產業鏈的哪些部分有真正的差異化和競爭壁壘。這將對市場結構（即橫向與縱向的企業發展）和長期價值的驅動力（例如利潤率和留存率）產生重大影響。到目前為止，在大平台企業的傳統護城河之外，我們很難在產業鏈中找到結構上的競爭壁壘。
該文指出，儘管多個垂直賽道的收入已超過 1 億美元，但仍存在著盈利能力和留存率的隱憂。當像 Stable Diffusion 或 ChatGPT 這樣的基礎 AI 模型供公眾敞開使用時，沒人知道它們的競爭壁壘長什麼樣子。而且，當新奇感消失後，很難準確預測用戶會停留多長時間。
大部分的價值捕獲發生在硬件和雲平台領域。AWS、谷歌云和 Azure 已經花了幾十年時間來完善存儲和計算方面的技術，以合理的單位經濟效益提供大規模硬件設施。Filecoin、Render 和 Akasha 等項目已經成為 Web3 領域內的相應供應商。
然而，在目前的形勢下，硬件眾包很難超越中心化服務提供商所提供的可靠性和規模。根據 A16z 的觀點，價值可以在三個地方累積：實體基礎設施、AI 模型或應用程序。我們認為，在基於 Web3 的人工智能領域，競爭壁壘將圍繞培育垂直用戶（通過代幣激勵）、激勵數據流動和通過社區參與規模化並將模型變現的方式來建立。
我們已經看到有幾個領域發生了這種情況。
垂直用戶
這方面我們已經有了一個基本的 MVP，就是 Numeraire。該代幣背後的企業向研究員發布標準化的股票市場數據集。然後，研究員在數據上運行他們自研的人工智能和機器學習模型，以返回一個 “信號”。這個信號用簡單的語言衡量他們認為的資產價格走勢。信號是根據信號提供者質押的 NMR（原生代幣）的數量來加權的。
提供錯誤信號的用戶的代幣將會被燒毀。由於這些代幣在流通市場上交易，用戶沒有動機犧牲真金白銀而提供錯誤信號。相反，提供準確信號的研究員會得到獎勵。隨著時間的推移，預測準確的用戶可以獲得更多的 NMR 代幣，從而對企業資金的部署產生影響。所有這些可能看起來都是虛幻的。
通過代幣激勵的去中心化研究員團體能夠跑贏市場嗎？事實正是如此。該基金自成立以來的回報率約為 48%。根據該公司網站的數據，價值約 5500 萬美元的 NMR 代幣已獎勵給產出超過 5000 個模型的數據科學家。
在 Numeraire 的例子中，數據本身並不是專有的。信任這個平台、將代幣在平台上質押並分享模型輸出的數據科學家組成的這個網絡才是有價值的。該網絡使用代幣激勵機制創建了一個垂直領域的數據科學家社區。就其價值而言，這本身就是一種護城河。
激勵數據流動
瀏覽器或硬件上的插件，可以用來收集、清洗數據並傳遞給可對其有用的第三方。這是目前互聯網常見的做法。人們的數據被收集並傳遞給那些向我們推銷不需要的產品的企業。
與 Google 或 Facebook 那樣的壟斷平台不同，新型系統將依賴於一個協議，這個協議將收集的數據特性予以標準化，並提供給市場。企業可以通過支付報酬（如高級訪問權），以換取用戶願意分享數據。我們在 Pocket（https://www.pooldata.io/blog/hello-pocket-self-sovereign-id-and-payments-for-web23）看到了這種做法的一個非常早期的嘗試。
該團隊正在創建一個標準化的協議，對用戶數據進行結構化，允許第三方企業向 Pocket 用戶請求以方便企業調用的方式分享數據。用戶可以根據支付的報酬選擇分享的信息。Brave 瀏覽器的 BAT 獎勵是這方面的一個非常早期的嘗試。
模型的變現
Web3 原生產品和人工智能的另一種互動方式是出租人工智能模型。今天在 Ocean Protocol 市場上就有這樣一個早期的嘗試。在這種情形下，去中心化研究團體開發人工智能模型，並授權給第三方，讓他們帶來更多的硬件和數據。。
部分爭論是，在一個模型開源的世界裡，將沒有原生工具來驗證輸出的來源。將 DAO 或代幣等加密經濟基礎設施與開源模型相結合，將得以讓研究員用其工作成果創造現金流，同時還可驗證輸出的來源。
而供應側（人工智能模型）是由一群研究員來維護和更新的，他們分享出租人工智能模型所產生的現金流。在這種情況下，可以將生成式 AI 模型視為 NFT，而研究員就是藝術家。這也可適用於太敏感而無法共享的情況，如醫療健康數據、專有財務數字或用戶數據。在 Hugging Face 和 Replicate 等平台上可以看到早期的嘗試（尚無任何 Web3 元素）。
A16z 發布的文章在價值積累方面給出了一個相關的觀點：目前，在生成式 AI 領域似乎沒有任何系統的護城河。作為簡單的近似歸因，應用程序因使用相似的模型而使產品缺乏過硬的差異化；模型也面臨長遠來看差異化不明確的問題，因為它們在相似的數據集上用相似的架構進行訓練的；雲服務提供商缺乏深層次的技術差異化，因為他們運行相同的 GPU。
生成式 AI 企業差異化的唯一途徑是將所有權和控制權移交給用戶。就目前情況而言，數據往往是由眾包得來的。人工智能模型是開源的，價值向下流動以覆蓋硬件成本。
激勵用戶分享數據或人工智能模型可以減少團隊的負債和成本。反過來，當模型由社區而不是獨立的看門人管理時，它可能會大大改善生成式 AI 平台的產出。
這似乎有些離譜，但業內已有團隊將區塊鏈基礎設施（如 NFT）、版權和生成式 AI 結合起來了。我們在 Alethea AI（http://alethea.ai/）中看到了早期嘗試。但在我們講這個之前，先了解一下生成式 AI 共生領域正在發生的事情。
生成式 AI DApps
上週二，Not Boring by Packy McCormick 的 Packy McCormick 發布了一篇關於 Replika 的文章。這是一篇引人入勝的文章，揭示了生成式 AI 產品的用戶在未來幾年將面臨的問題。簡而言之，Replika 是一款允許人們在聊天中浪漫互動的應用程序。不幸的是，驅動該應用程序的 GPT 模型一度允許對用戶進行騷擾，向 13 歲以下兒童發送不良內容。因此，該應用的開發者匆忙禁用了應用中的成人內容，以避免局勢失控。
該應用最初承諾提供陪伴並可以性感對話。用戶抱有這種期望，該應用也履行了承諾，但突然間決定卻不再向用戶兌現承諾。對於許多在現實世界中難以與他人互動或形成親近關係的用戶來說，這是一種重要的遁世之所。然而，突然間，這種遁隱之地消失了。
這反映了生成式 AI 產品的用戶在未來幾年將面臨的挑戰。在這些應用上花費時間的人幾乎不擁有其中的任何創意、模型或內容。一小部分具有先發優勢的企業可以通過利用公域內容獲得巨大利益。
它將權力格局轉向為有利於發布生成式 AI 模型的企業。因此，OpenAI 可開始優先考慮其被投資企業，同時阻擋競爭對手。緩解此風險的一種方法是專注於將模型作為公共產品，保持開源，並將其交由社區來治理。
Alethea AI 一直在朝著這個目標努力。他們將自己定義為 “生成式 AI 經濟的產權骨幹”。假設你已經創建了一個尖端的模型，並且只想讓持有代幣的用戶訪問它。或者，你想嵌入一個具有人工智能的 NFT，將其從無生命的靜態資產轉化為能夠實時對話的交互式智能資產（通常通過與 Alethea 的模型之一進行交互來完成）。Alethea 的協議給予開發者和創作者無需許可的訪問權限來實現這一點。
構建基於區塊鏈的智能 dAPP 和智能 NFT，它們在鏈上具有可追溯性。專門從事細分領域的生成式 AI（如文案撰寫、蛋白質折疊科研或編寫 Python 代碼）的服務提供商可以共享他們的產品，用於訓練 Alethea 的模型。
然後，下游的創作者可以從 Alethea 的模型中插入具有特定技能的 NFT，並訓練其智能 NFT 來提供服務。這樣由 AI 模型、服務提供商和尋求 AI 服務的 NFT 用戶構成了一個交易平台，支撐這個平台的加密經濟激勵機制是由 Alethea 作為協議來管理，並處理所有交易的。
有一些限制條件。生成式 AI 現在所處的階段就如同移動互聯網的 2007 年代。每當有一個新的媒介出現時，需要一段時間才會有更多的人開始發布迭代產品。人們仍在努力創造面向垂直領域的人工智能模型。我很希望做一個生成的人工智能模型，用來分析每週的鏈上活動，並有像無聊猿 NFT 那樣的熱度。但我缺乏這樣技能。
就像我們從金融科技應用逐漸發展到 DeFi 一樣，將會有一段時間是由中心化的、閉源的提供商主導市場。只有當行業意識到將所有權轉移給更大的用戶群體，會以中心化企業無法實現的方式釋放網絡效應和數據源泉時，才會出現更多開源、社區治理的模型。圍繞垂直領域的生成式 AI 模型，形成去中心化團體，加入這個團體（或者獲得 AI 模型的訪問權限），其唯一途徑是上傳您的數據。就如同流動性挖礦一樣，但專用於生成式 AI 時代。
Alethea 去年展示了這個可能的樣子。他們在蘇富比的拍賣會上發布了一款 iNFT（智能 NFT）。它以接近 50 萬美元的價格售出。這款 NFT 是一種可以調用 OpenAI 的 GPT-3 與用戶對話的藝術形式。Web3 原生項目長期以來已經習慣了在中心化平台上建設產品的風險。遊戲、錢包和交易所就經常會被應用商店下架。
依賴 OpenAI 的 NFT 存在著同樣的風險。因此，該項目團隊開發了自己的 GPT 模型，名為 CharacterGPT。與今天 ChatGPT 給出的基於文本的回答不同，他們開發的模型可以進行合成語音生成、面部動畫和個性。這裡有一些細微的差別。首先，生成式 AI 模型無法存儲在區塊鏈上。而 Alethea 團隊的好人們也認為，在未來也不可能存儲在區塊鏈上。CharacterGPT 目前是私有的和中心化的。
類似 Alethea 的原生代幣（ALI）可以決定模型在某些情況下的響應方式。這並不意味著模型會避免自我調節。如果社區成員出於自我利益行事，他們可能會拋棄引起麻煩的邊緣用例。但這仍然是一個更為去中心化的過程。即使在我提出 DAO 可以治理生成式 AI 模型的技術前沿，亞當·斯密的無形之手也無所不在。
Alethea 本身僅提供智能合約、CharacterGPT 和將鏈上基礎設施（如 NFT）與生成式 AI 連接起來的協議。人們相信，在某個時候，第三方開發者將會創建 DApps，提供各種各樣的服務。你可以通過一個建立基於 Polygon 的第三方 dApp 來嘗試這一點，它名為 Mycharacter。它可以讓你生成一個人工合成角色，其屬性可以進行調整併可鑄造為鏈上 NFT。你可以在這裡與 Sandeep Nailwal 的數字化代表（帶有驚人的準確語音）交談。
另一個可用來表明 AI 服務可與區塊鏈基礎設施結合的 dApp 是 Noah's Ark（https://noahsark.ai/）。少數經挑選的 NFT 用戶可以使用該產品，並將其託管為人們可以互動的 AI 角色。我來解釋一下它是如何工作的。用戶將其 NFT 與平台上所謂的 pod“融合”。截至撰寫本文時，每個 pod 在 OpenSea 上售價為 300 美元。實際上，pod 是訪問 Alethea 的 AI 服務的門卡。您可以將一個 pod 與一個 NFT 連接起來，以開啟諸如唱歌或天氣播報等功能。
目前這些東西看起來像玩具。當然，沒人會覺得整天與 NFT 交談很有意思。我對消費產品的衡量標準之一是能否激起我用它的興趣。我很喜歡用 PS-VR 設備。但是和一個類似 NFT 的機器人聊天呢？可能不會像用 PS-VR 那樣麼有意思。了解這一點，對創業團隊選擇產品開發的方向很有幫助。
Alethea 的宏大使命不僅僅是構建對話式界面。就目前而言，實際上大多數 Web2 都是用於收集 OpenAI 數據的前端。即使 Chat-GPT 或 Stable Diffusion 的用戶也在不知不覺中促進了它的增長，但並沒有分享其獲得的價值。Alethea 的理念是，未來將會出現多個由用戶擁有的模型。但現在沒有任何協議可以輕鬆地開發它們並嵌入到現有的鏈上基礎設施。這正是 Alethea 要彌補的鴻溝。
但是，這樣的未來將包括什麼？為理解這一點，我們需要回到本文的開頭——在富足時代的稀缺性。
就像在互聯網誕生之初一樣：通過 torrents 種子和 P2P 共享文件，我們將經歷一段盜版猖獗的混亂時期。建立一個類似希特勒的 AI 模型是否符合倫理道德？如果第三方開發者使用工作室所有的知識產權，版稅應該如何分配？在這樣一個時期，將 IP 權利放在鏈上會很有用。現在已經有了實現這一目標的工具。那就是 NFT。
工作室和創作者都將從中受益。突然間，你可以用閒置資產創造現金流。另一方面，生成式 AI 能工具的創作者可以在不必擔心違法的情況下加速增長。Github 的 Copilot 功能已能允許在編碼時使用 AI 來助力。但如果你能複制你最喜歡的開發者的風格呢？如果 Rick Rubin 為你製作的音樂提供意見呢？
有人利用 Paul Graham 的全部文章來建立一款能模仿他答問的機器人。你可在下面的推特中看到它的演示。
在這種情況下，如何確保版權獲取和版稅支付呢？
生成式 AI 的關鍵是人類智慧的可擴展性。文本和藝術是該技術突出的應用場景，因為它們作為媒介是最常記錄和易於獲取的，可用於訓練模型。隨著模型創建的便捷性和可供輸入內容複雜性的提高，我們將看到個人發布自己的 AI 服務。這將減少人們回答基本問題的時間。可能會有一種版本的 AI 向創業者推薦風險投資基金，或解釋與他人合作的危險。
所需的智能和知識模式越稀缺，用戶為服務支付的成本就越高。現實世界也是如此，您需要支付極高的溢價才能訪問日益專業化的服務提供，例如專門從事 Web3 業務的律師或熟諳遊戲行業的風險投資者。
社區還是企業
我常常想，為什麼 DeFi 在 2020 年初迅速崛起。回頭來看，原因是人們受加密經濟元素（如代幣）的激勵而投入資本來使用這些產品。歷史上，對於從事交易或借貸的金融科技企業來說，資本的成本，比發行代幣用作獎勵的成本要高得多。
將這些 DeFi 產品的治理交給代幣，反過來讓人們產生了所有權感。這種感覺在私人企業中很難復制。當然，你可以購買股票來獲得所有權，儘管可能賠錢，但這種所有權與通過使用產品獲得的所有權是不同的。
Blur 和 OpenSea 之爭的核心是同樣的主題，只是所處的領域是 NFT。通過代幣激勵來將流動性予以外包，並把治理權交給用戶。Web3 和人工智能發生碰撞的原因也將是相同的。
社區將圍繞購買其崇拜的創作者的 IP 而聚集在一起，成立 DAO 組織。像 Mike Shinoda 和 Snoop Dogg 這樣的創作者已經成為 Web3 生態系統的一部分。我認為 Snoop Dogg 完全有可能將他的聲音予以代幣化並賣給社區。他最近在 Eminem 的視頻中展示了他的無聊猿。
他可以使用 Noah's Ark 等工具將他的聲音與無聊猿糅合在一起。一旦 IP 被代幣化（這裡指的是 NFT 化——譯者註）並上鍊，它就可以嵌入到模型中，而模型又將從普通公眾中獲取數據。
這可能聽起來離奇，但考慮到 Stable Diffusion 是一個開源項目，現在因為使用了 Getty 的庫存圖片而陷入麻煩。如果允許用戶上傳歷年創作的藝術作品，來換取模型的治理權，這未嘗不是一個好主意？
數百萬創作者可以在不被坑的情況下做出貢獻。基於區塊鏈的 Stable Diffusion 可以輕鬆跟踪誰的藝術品被用於生成二創圖像，並向下載作品的人收取費用。然後，版稅可以在對創作做出貢獻的藝術家之間分配。
(我在這裡並不是要種草，但這是下一個類似 OpenSea 的機會。一個由藝術家管理的 Stable Diffusion 的庫存圖片網站。如果你正在建設這樣的網站，請與我們聯繫。)
上面的模型列明了它可能的樣子。它是 A16z 當前所建議的生成式 AI 技術棧的一種混合形式。Web3 原生的 AI 平台可以通過以代幣激勵的形式來眾包數據集（如圖片）。貢獻者，如藝術家，可以分享他們的作品，這些作品可以通過模型運行，並輸出一個特定的藝術風格。
如果查詢者決定使用一件作品，他們可以獲得一個 NFT，顯示所使用的模型和輸入的數據。這樣的生成藝術品將像過去的 NFT 一樣有價值，因為它們的來源是可驗證的。
下一個 OpenSea 可能會將這種形式的生成性藝術、提供數據或運行查詢的貢獻者與證明組成藝術作品組件的鏈上基礎設施相結合。這同樣適用於 AI 模型。維護和優化模型的去中心化團體可以將其出租給市場，用戶可以在其中鑄造 NFT。或者，一個被幾百萬人使用的大型模型可以將自己開源，並以 DAO 來運行。這使得用戶能夠在生成式 AI 工具的維護和擴展方面發揮更大的作用。
你可能認為這並不重要——這是拿著答案找問題。但是，問問 Replika 的用戶們，他們對應用程序中的產品決策沒有徵求他們的意見有何感受。
如今，訓練這些工具只需要少量數據。因此，最初為創建這些工具做出貢獻的藝術家可能會成為多餘的人。確保公平結果的一個方法是根據他們的成果被使用的程度，按比例給他們代幣。
想像一下，如果在 OpenSea 早期，為平台做出貢獻的藝術家獲得了股權或代幣的獎勵，那麼，也許他們就不用像現在這樣擔心版稅問題了。
我試著在下面描繪出 Web2 和 Web3 之間在哲學上如何對待 AI 的差異。
乍一看，Web3 原生 AI 似乎是拿著答案找問題。這也是我過去幾個月的想法。但請注意 OpenAI 在過去幾個月是如何發展的。你就會明白我們多麼需要應對新型平台壟斷的工具。在代幣、NFT 和鏈上溯源之間，產業已經創造出了豐富的工具集來應對即將到來的假新聞和失業潮。這不再是關於加密貨幣。而是關係到如何建立一個強有力的的系統，避免人工智能生產無意義的內容，並造成混亂。
我們要在 AI 的背景下運用 Web3 的原則，因為 AI 技術過於強大，不能任憑少數企業擺佈。當互聯網興起時，我們沒有工具來驗證溯源或管理消耗我們大部分時間的壟斷平台。現在情況不同了。像 Uniswap 這樣的 DeFi 平台已向人們展示了一個分佈式的、社區擁有的基礎設施以及中心化的同類方案都是可行的。在生成式 AI 模型方面，相同情形的出現只是時間問題。
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。
