原文標題：《AI in Web3: Navigating AI's Future with Web3》

原文作者：DWF Labs Research

原文編譯：Sharon、Luccy，BlockBeats

編者按：

在過去的一年中，ChatGPT 3.5 的推出，引發了人們對AI 的擔憂與熱烈討論，Vitalik 也在他的文章中指出許多人擔心出現壟斷版本的AI，因此傾向於延遲其進展。 DWF Labs Research 深入剖析 ChatGPT 3.5 的突破對 AI 在 Web3 時代的影響，揭示了 AI 面臨的挑戰，以及 DAI（去中心化 AI）的潛力。 BlockBeats 將原文編譯如下：

在年末之際，我們將探討今年最熱門的議題之一－人工智慧（AI）。過去一年，AI 成為討論的焦點，源自於 OpenAI 推出的 ChatGPT 3.5。這項發布展示了 AI 的巨大經濟潛力，引發了全球關於其未來、影響和相關風險的討論。

隨著樂觀情緒的增長，懷疑論也隨之而來，潛在的後果開始引起監管機構的警覺。由於 AI 的迅猛崛起和模糊的監管框架，它讓人想起加密貨幣領域的早期階段。人們將這兩個產業進行了比較，突顯了 Web3 的去中心化特性，似乎與 AI 的潛在中心化力量相輔相成。

很快，幾乎每個Q1 的Web3 創投討論都集中在AI 的變革潛力上（有時我會思考自己是參加的是Web3 活動還是AI 活動）。在這一年中，我們也看到一些創投公司轉向 AI，或將其納入其投資版圖中。

隨著炒作的熱情逐漸消退，DWF Ventures 現在希望以公正的視角重新審視 AI 領域。本文簡要概述了 AI 的演進過程以及它如何達到目前的熱度。然而，文章的敘述方式有所不同，我們將從傳統關注 AI 如何影響 Web3 轉向探討相反的問題——Web3 如何影響 AI。在這個探索中，我們深入探討了去中心化和 Web3 如何作為催化劑，解決 AI 目前面臨的挑戰。

AI 簡單概述及ChatGPT 3.5 的突破

圖源：Khan, Pasha, & Masud, 2021

與最近圍繞AI 的炒作熱情相反，其歷史可追溯到上世紀30 年代。圖靈在 1950 年的工作，比如圖靈測試，為 AI 奠定基礎。儘管早期對 AI 有樂觀情緒，但由於計算障礙和無法滿足即時需求，進而引發了 70 年代的「AI 寒冬」。在 1980 年代，專家系統使 AI 煥發活力，利用知識資料庫來模擬人類專業知識。這一時代也見證了連結主義的復興和遞歸神經網路的興起。

然而，專家系統在知識獲取和即時分析方面面臨挑戰，導致在上世紀90 年代出現了衰退，個人電腦的性能也導致其相關性逐漸減弱。多年來，AI 領域發展迅速，分支出機器學習、自然語言處理、電腦視覺、語音辨識等各種技術領域。這些發展使得 AI 從簡單的問題解決，逐漸發展到在複雜應用領域中進行深度學習。

圖源：Mukhamediev et al., 2022

在發展過程中，AI 經歷了各個子領域的融合。其中，機器學習和大語言模型（LLM）領域，在轉換垂直領域取得了重大進展。 Ashish Vaswani 等人的論文《Attention is All You Need》明顯啟發了生成式預訓練轉換器（GPT）模型。

此後，大量的 GPT 模型出現，如雙向的「BERT」GPT 和 OpenAI 團隊的 GPT。在 ChatGPT 之後，出現了開源的替代方案，如 Falcon 和 LLaMA2，加劇了對下一代 GPT 迭代的競爭，潛在地更接近人工通用智慧（AGI）。

GPT 的炒作有助於將 AI 從學術界解放出來，並獲得數十億人關注。在發布後的兩個月內，OpenAI 創造了每週活躍用戶 1 億的最快的發展速度。根據麥肯錫最近的一項研究，目前約有 51% 的科技業專業人士在他們的工作中使用 AI。

AI 現實：在中心化AI 中引導社會認知及其限制

Vitalik Buterin 在他的文章中進行的最新調查表明，許多人擔心出現壟斷版本的AI，因此傾向於延遲其進展。

圖源：My techno-optimism

最近對AI 的擔憂激增可以追溯到ChatGPT 迅速走紅，其人類化的答案是推動因素。然而，大多數人沒有意識到，雖然 GPT 模仿人類互動，但它並不是通用 AI（AGI）。

每次 GPT 產生一個輸出時，它在統計上是變化的，其缺乏一致性和事實準確性的保證。此外，GPT 還面臨其他限制，但其最突出的缺點在於無法進行邏輯推理，尤其在數學方面十分明顯。

圖源：《GPT 語言模型的限制在於其在「少樣本學習」方面的能力較弱」< /a>

鑑於圍繞AI 存在的眾多關切，以及高效管理大型AI 模型所面臨的現有挑戰，探索將Web3 與AI 整合成為緩解AI面臨挑戰的潛在途徑。利用 Web3 中固有的去中心化和分散式運算原則，有望協助解決當前 AI 系統面臨的問題。

DAI（去中心化AI）之路：概述、潛力和挑戰

由於AI 能力在中心化系統中的集中，引發了對資料存取、模型相關性以及AI 應用的整體可持續性的擔憂。中心化的 AI 系統面臨重大的障礙，尤其是對於專有的大型資料集。

來源: Elon's tweet

這導致了按查詢計費，X 設定了每日有限的貼文檢視次數。不久後，Grok、X GPT 的發布使用戶能夠即時存取 X 的數據。這種模式創建了經濟屏障，並引發了有關 AI 利益可及性和包容性的問題。

此外，由於已發布模型快速過時，如果沒有持續的數據更新，將在保持相關性和準確性方面面臨重大挑戰。目前，ChatGPT 3.5 的訓練資料包含截至 2022 年 1 月的資訊。 Llama 2 也是在 2023 年 1 月至 2023 年 7 月的資料上進行訓練的。

針對這些挑戰，DAI 嶄露頭角，為中心化的限制提供了潛在解決方案。

來源: (Janbi et al., 2023)

DAI 呈現了一種替代軌跡，以應對中心化模式固有的挑戰。 Janbi 等人最近發表的一篇統合分析論文作為一份全面指南，詳細介紹了 DAI 的五個主要領域。

來源: (Janbi et al., 2023) + DWF Ventures

DAI 的挑戰

DAI 帶來了AI 發展中的一場令人興奮的變革，提供了諸多優勢。然而，要認識伴隨這些進步而來的挑戰至關重要。

來源: +DWF Ventures

結論

總的來說，邁向DAI 的旅程展現出巨大的潛力。實現 DAI 的全部潛能依賴於達到關鍵質量，這受到現有 AI 用戶群的推動。由於供應商和用戶有限，開源替代方案面臨一些障礙，而 ChatGPT API 為大眾市場提供了實際而經濟的選擇，提供了便利和可靠性。

然而，考慮到獨佔性通用AI 可能帶來的潛在後果，個體在選擇與行動中應重新權衡便利性與去中心化之間的取捨。在更廣泛的層面上，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、擁抱創新範式、高效管理，以及開發符合去中心化原則的應用程式來應對這些挑戰。在我們繼續這條道路的同時，合作、包容和道德考慮將是塑造一個真正造福人類的 DAI 景觀的關鍵。

「原文連結」

欢迎加入律动 BlockBeats 官方社群：

Telegram 订阅群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方账号：https://twitter.com/BlockBeatsAsia