DWF实验室研究了ChatGPT 3.5对AI在Web3时代的影响。人们对AI的担忧引发了热烈讨论，许多人担心AI的垄断版本，因此推迟其进展。然而，AI在Web3时代面临的挑战和潜力也被揭示了出来。随着AI的迅速发展和监管框架的模糊，Web3的去中心化特性似乎与AI的中心化力量相辅相成。文章概述了AI的演进过程，探讨了Web3如何作为催化剂，解决AI当前面临的挑战。同时介绍了DAI（去中心化AI）的潜力和挑战。

原文标题：《Web3 中的 AI：用 Web3 引领 AI 的未来》

译文作者：DWF 实验室研究

编译：Sharon、Luccy，BlockBeats

推荐阅读 1

长推：未来季度BTC生态将出现价值10亿的珠宝项目，币值脉络已响彻亮。

3小时前 2

2023年比特币的总结和展望

3小时前

编者按：

在过去的一年中，ChatGPT 3.5 的推出，引发了人们对人工智能的担忧和热烈讨论，Vitalik 的文章中也指出许多人担心人工智能出现垄断版本，因此倾向于推迟其进展。DWF 实验室研究深入剖析 ChatGPT 3.5 的突破对 AI 在 Web3 时代的影响，揭示了 AI 面临的挑战，以及 DAI（中心去化 AI）的潜力。BlockBeats 将编译的版本如下：

在年末之际，我们将讨论今年最热门的话题之一——人工智能（AI）。过去的一年，AI成为讨论的焦点，源于OpenAI推出的ChatGPT 3.5。这一发布展示了AI的巨大经济潜力，引发了全球关于其未来、影响和相关风险的讨论。

随着乐观情绪的增长，怀疑论也随之而来，潜在的后果开始引起监管机构的警觉。由于人工智能的迅猛崛起和监管框架的模糊，它让人想起加密货币领域的早期阶段。人们将这行业进行了比较，突出了Web3的两个去中心化特性，似乎与AI的潜在中心化力量相辅相成。

很快，几乎每个 Q1 的 Web3 风投讨论都中心化在 AI 的变革潜力上（有时我会思考自己是参加 Web3 活动还是 AI 活动）。在这一年中，我们还看到了一些风投公司转向AI，或将其纳入其投资版。

随着炒作的热情逐渐消退，DWF Ventures 现在希望以公正的视角重新利用 AI 领域。本文简要概述了 AI 的演进过程以及它如何达到目前的热度。然而，文章的叙述方式有所不同，我们争论传统关注AI如何影响Web3转向探讨的问题——Web3影响AI。在这个探索中，我们深入探讨了去中心化和Web3如何作为催化剂，解决AI当前面临的挑战。

AI 简要概述及 ChatGPT 3.5 的突破

图片来源：Khan、Pasha 和 Masud，2021

与最近围绕AI的炒作热情相反，其历史可以追溯到上世纪30年代。图灵在1950年的工作，比如图灵测试，为AI奠定基础。虽然早期对AI情绪存在Optimism，但由于计算障碍和无法满足实时需求，进而引发了上世纪70年代的「AI寒冬」。上世纪80年代，专家系统使AI焕发活力，利用知识库来模拟人类专业知识。这一时代也见证了连接主义的复兴和神经网络的兴起。

然而，专家系统在知识获取和实时分析方面面临挑战，导致上世纪90年代出现了电脑，个人电脑的性能也导致其相关性逐渐分区。多年来，AI领域发展迅速，分支出机器学习、语言处理、计算机、语音识别等各种技术领域。这些发展使得人工智能从简单的问题解决，逐步发展到在复杂应用领域中进行深度学习。

图片来源：Mukhamediev 等人，2022

在发展历程中，AI经历了各个子领域的融合。其中，机器学习和大语言模型（LLM）领域，在转换垂直领域取得了重大进展。Ashish Vaswani等人的论文《Attention is All You Need》显而易见启发了生成式预训练转换器（GPT）模型。

此后，大量的 GPT 模型出现，如结构的「BERT」GPT 和 OpenAI 团队的 GPT。在 ChatGPT 之后，出现了开源的替代方案，如 Falcon 和 LLaMA2，增强了对下一代 GPT 迭代的竞争，潜在地更接近人工通用智能（AGI）。

GPT 的炒作有助于将 AI 从学术界解放出来，获得了当前亿人的关注。在发布后的两个月内，OpenAI 创造了每周活跃用户 1 亿的最快发展速度。根据麦肯锡最近的一项研究显示，目前 51% 的科技行业专业人士在他们的工作中使用人工智能。

AI现实：在中心化AI中社会引导认知及其局限性

Vitalik Buterin 在他的文章中进行的最新调查表明，许多人担心人工智能出现垄断版本，因此倾向于推迟其进展。

图源：我的技术Optimism

最近对人工智能的担忧可能会进一步ChatGPT迅速走红，其人类化的答案是推动因素。然而，大多数人没有意识到，虽然GPT模仿了人类互动，但它并不是通用人工智能（AGI）。

另外，GPT 生成一个输出时，它在统计上是变化的，其缺乏一致性和事实准确性的保证。此外，GPT 还面临其他限制，但其最突出的缺点在于无法进行逻辑推理，尤其在数学上方面十分明显。

图片来源：《GPT 语言模型的局限性在于其在「少样本学习」方面的能力较弱》

其次围绕AI存在的群体担忧，以及管理大型AI模型所面临的高效现有挑战，探索将Web3与AI整合成为解决AI面临挑战的潜在途径。利用Web3中固有的去中心化和全局计算原则，幸运帮助解决当前AI系统面临的问题。

DAI（去中心化AI）之路：概述、潜力与挑战

由于AI能力在中心化系统中的中心化，引发了对数据访问、模型相关性AI应用的整体持续性以及的担忧。中心化的AI系统面临着重大的缺陷，尤其是对于母公司的大型数据集。

来源：Elon 的推文

这导致了按查询，X设置了每日有限的帖子查看次数。不久之后，Grok、X GPT的发布使用户能够实时访问X的数据。这种模式创建了经济屏障，并引发了相关AI可及性和对抗性的利益问题。

另外，由于已发布模型快速过时，如果没有持续的数据更新，将在保持相关性和准确性方面面临重大挑战。目前，ChatGPT 3.5 的训练数据包含截止 2022 年 1 月的信息。Llama 2 也在2023年1月至2023年7月的数据上进行训练的。

针对这些挑战，DAI可控露头角，为中心化的局限性提供了潜在的解决方案。

来源：（Janbi 等人，2023）

DAI 提出了一种替代问成交量，以应对中心化模型所面临的挑战。Janbi 等人最近发表的一篇元分析论文作为一份全面指南，详细介绍了 DAI 的五个主要领域。

来源：（Janbi 等人，2023）+ DWF Ventures

DAI 的挑战

DAI 给人工智能发展带来了令人兴奋的变革，提供了致命优势。然而，认识到这些进步带来的挑战至关重要。

来源：（Eduardo, L. 和 Hern, C.，1988）+DWF Ventures

结论

总的来说，迈向 DAI 的历程展现了巨大的潜力。实现 DAI 的全部潜力依赖于实现关键质量，这受到现有 AI 用户群的推动。由于供应商和用户有限，开源替代方案面临障碍，而ChatGPT API为大众提供了实际而经济的选择，提供了便利和可靠性。

然而，考虑到垄断性通用AI可能带来的潜在后果，个体在选择和行动中应重新权衡便利性与去中心化之间的取舍。在更广泛的层面上，Web3和AI社区的创新者通过定义人工智能工作流程、重新构建基础设施、拥抱创新范式、高效管理，以及重新开发符合去中心化原则的应用程序来应对这些挑战。在我们继续这条道路的同时，合作、遏制和道德考虑将是塑造真正造福人类的 DAI 景观的关键。

「原文链接」

Tags：

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处“来源演示站”。