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議題之一—人工智慧(AI)。在過去的一年裡，由於OpenAI 的ChatGPT 3.5 的推出引發了人工智慧成為討論的焦點。該發布展示了人工智慧巨大的經濟潛力。這引發了全球對其未來、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管機構敲響警鐘。隨著人工智慧的迅速崛起和模糊的監管框架，它呼應了加密貨幣領域的早期。這兩個產業之間存在相似之處，凸顯了web3 的去中心化性質，這似乎補充了人工智慧潛在的中心化力量。很快，第一季幾乎所有web3 VC 討論都集中在人工智慧的變革潛力上。 （有一次，我想知道我是否參加了web3 或AI 活動。）在這一年中，我們也看到一些創投公司轉向AI或將其納入其投資任務。

現在，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慧領域，重新審視這一領域。本文簡要概述了人工智慧的演變以及它如何達到目前的流行程度。然而，文章的敘述發生了明顯的轉變，從傳統的關注人工智慧如何影響web3 轉向探索相反的方向——web3 如何影響人工智慧。在這次探索中，我們深入研究了去中心化和web3 如何作為催化劑，解決人工智慧當前面臨的挑戰。

AI概述及ChatGPT 3.5的突破

與最近圍繞人工智慧的炒作相反，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慧的基礎。儘管早期很樂觀，但20 世紀70 年代，由於計算障礙和無法滿足即時需求，熱情有所下降，迎來了「人工智慧冬天」。 20 世紀80 年代，專家系統利用知識資料庫模擬人類專業知識，重振了人工智慧。這個時代也見證了聯結主義的復興和循環神經網路的興起。

然而，專家系統在知識獲取和即時分析方面面臨挑戰，導致20世紀90年代衰退。個人電腦的表現導致其相關性逐漸減弱。多年來，人工智慧領域取得了長足的發展，已擴展到機器學習、自然語言處理、電腦視覺、語音辨識等不同的技術領域。這些發展使得人工智慧從簡單的問題解決發展到複雜應用領域的深度學習。

在其發展過程中，人工智慧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。從那時起，大量的GPT 出現在這個領域，例如雙向「BERT」GPT和OpenAI 團隊的GPT。 ChatGPT 之後出現了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（通用人工智慧）。

GPT 的炒作幫助人工智慧從學術界進入了數十億人的視野。發布後2 個月內，OpenAI 創下了每週活躍用戶數達到1 億的最快用戶群記錄。麥肯錫最近的一項研究顯示，目前，科技業約51% 的專業人士在工作中一定程度地利用了人工智慧。

人工智慧現實：應對集中式人工智慧的社會認知與實際限制

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慧進步的情緒，擔心出現壟斷版本。

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，大多數人沒有意識到，雖然GPT 模仿了人類交互，但它不是AGI。

GPT 每次產生輸出時，都會在統計上發生變化，缺乏一致性和事實準確性保證。 GPT也面臨其他限制，但最突出的缺點在於無法進行邏輯推理，尤其是在數學方面。

鑑於圍繞人工智慧的無數擔憂以及有效管理大型人工智慧模型的現有挑戰，探索Web3 的整合成為緩解人工智慧面臨的挑戰的潛在途徑。利用Web3 固有的去中心化和分散式運算原則有助於解決人工智慧系統當前面臨的問題。

去中心化人工智慧之路：概述、潛力與挑戰

人工智慧功能集中在中心化系統中，引起了人們對資料存取、模型相關性和人工智慧應用的整體可持續性的擔憂。集中式人工智慧系統面臨重大障礙。特別是對於通常是專有的專有大型資料集。

這導致了基於每次查詢的貨幣化，並且X.com 上每日限制帖子瀏覽量。不久，Grok，X.com GPT 的發布，允許用戶即時存取X.com 資料。這種模式造成了經濟障礙，並引發了有關人工智慧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，如果沒有持續的數據更新，已發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。目前，ChatGPT 3.5 訓練資料構成截至2022 年1 月的資訊。 Llama 2也接受了2023 年1 月至2023 年7 月期間的資料訓練。

為了應對這些挑戰，DAI 成為一個有前景的範例，為中心化的限制提供了潛在的解決方案。

去中心化人工智慧提供了另一種軌跡來解決中心化模型固有的挑戰。 Janbi 等人最近發表的一篇統合分析論文。作為一個綜合指南，將DAI 分為五個主要領域。

DAI 的挑戰

DAI 帶來了人工智慧開發中令人興奮的轉變，並提供了許多優勢。然而，承認這些進步帶來的挑戰至關重要。

結論

總而言之，去中心化人工智慧之旅正以巨大的潛力展開。去中心化人工智慧的全部力量的實現依賴於在現有人工智慧用戶池的推動下達到臨界質量。由於供應商和用戶有限，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慧的潛在後果，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。在更廣泛的範圍內，web3 和AI 社群的創新者可以透過重新定義AI 工作流程、重新構想基礎設施、採用創新範式、高效管理以及開發符合去中心化原則的應用程式來應對挑戰。當我們繼續沿著這條道路前進時，協作、包容性和道德考量將成為塑造真正造福人類的去中心化人工智慧模式的關鍵。