FX168财经网_全球视野外汇黄金加密货币NFT资讯网

晚间必读5篇 | 我们需要怎样的比特币生态？

机器学习 (zkML) 基础设施和人工智能代理的项目。点击阅读 4.坎昆升级之后以太坊L2的Gas费真的会降低10倍以上吗？坎昆升级之后，对于Rollup L2们来说，新增的3个Blob区块，相当于新增的3块公地。按照科斯的公地理论，在以太坊Blob空间完全自由竞争的市场环境下，大概率会出现目前处于领先地位的头部Rollup L2们滥用Blob空间的现象。这样可以一方面确保他们的市场地位，另一个方面可以挤压竞争对手的生存空间。点击阅读 5.后铭文时代我们需要怎样的比特币生态？在加密货币行业，对于技术类型的项目，我们常常需要区分短期叙事和长期价值，来辨别什么样类型的项目是属于炒作类的泡沫资产，什么样的项目是技术上有长期价值的，当然好的项目也可以兼具热门叙事与长期价值，而炒作类的泡沫资产并不是毫无价值。这篇文章主要论述未来比特币生态的炒作逻辑，但在此之前，我们先来借鉴在炒作之路上走的最成功的以太坊是如何发展其叙事的。点击阅读来源：金色财经

金色财经2024-02-18

Crypto x AI 生态最全大盘点

的提案的各个方面，或者使人类能够与人工智能代理就其后续影响进行辩论。先进的协调系统 MakerDAO 也曾详细讨论过类似话题，以最少的人力投入实现自主治理决策的目标。他们完成了 Atlas 的概述，它描绘了一个包含所有与 Maker 治理相关的实时数据中心。这些数据单元以文档树的形式组织，可提供上下文以防止误读。Atlas 将采用 JSON 格式并标准化，以方便 AI 和编程工具使用它。 Atlas 可以被各种人工智能治理工具 (Governance AI Tools, GAIT) 使用，这些工具通过自动化交互和确定参与者任务的优先级来参与治理。示例用例包括：项目投标：GAIT 可以通过处理文书工作和确保提案符合战略目标来简化生态系统参与者对项目投标的流程。监控违反规则的行为：GAIT 可以帮助监控可交付成果和规则遵守情况，标记潜在问题以供人工审查。专业建议整合：GAIT 可以将专业建议转化为格式化的提案，弥合治理和专业知识之间的差距。数据集成：GAIT 可以轻松地集成新数据和经验，帮助 DAO 学习和适应新状况而不会重复错误。语言包容性：GAIT 可以充当翻译器，使治理以多种语言进行，从而营造一个多元化和包容性的环境。 SubDAO：Atlas 和 GAIT 可以应用于 SubDAO，允许实验和快速开发，并能够从失败中吸取教训。 ? <> ? 我尤为兴奋的 Crypto x AI 的领域是游戏。该领域有很多新颖的游戏可供探索，例如程序内容游戏、生成式虚拟世界、基于 LLM 的叙事、AI 代理相互合作的合作游戏等等。虽然 web2 中有很多关于新游戏的好例子，但在这里我们将重点介绍 web3 的例子。值得一提的是这篇学术文章《Generative Agents: Interactive Simulacra of Human Behavior》唤醒了许多人对多人工智能代理游戏环境的可能性探索。来自斯坦福大学和谷歌的研究人员通过将 LLM 应用于沙盒游戏环境中的代理展示了这种潜力。由 LLM 驱动的代理表现出令人印象深刻的行为包括传播派对邀请，建立友谊，约会，以及协调大家按时参加聚会等等，所有这些都基于单一的用户指定建议。该方法利用了一种架构，该架构扩展了 LLM 以存储和合成更高级别的反馈，从而让代理能够实现更为动态的行为规划。这项研究是迄今为止 web3 中探索最多 (但仍处实验阶段) 的游戏的基础。核心思想是我们如何在模拟环境中使用具有高度自治性或特性的 AI 代理，并围绕它们打造有趣而富有趣味性的游戏。 Parallel TCG 团队的 Parallel Colony 通过让 AI 代理在游戏中为玩家收集资源和代币来探索这一概念。使用 ERC-6551 标准，AI 代理是可以代表用户在游戏中进行交易的 NFT 钱包。AI 代理可以创建、铸造和存储新的游戏道具，并且还具备由团队创建的微调 LLM 所定义的个性，使他们具有非标准化的行为和特质，这些行为和特质可以影响他们在游戏中的行动。不过从概念上讲，最引人入胜的基于 AI 代理的游戏是 Upstreet。Upstreet 是一个虚拟世界项目，具有一些疯狂的创意，例如 AI 代理 SDK、程序任务、浏览器 + VR、拖放互操作性以及一个名为 “The Street” 的环境中的社交功能，玩家可以构建自己的体验并在其中互动。除了玩家之外，还有人工智能代理，开发人员 (及玩家) 可以部署影响游戏环境的个性和目标。最有趣的是他们对 AI Director 的研究和开发，这是一个 AI 代理，它决定一个目标，例如 “从最高的建筑物跳伞” 或 “开始一个新的宗教”，用户和代理作为挑战者参与其中。Director 会在每一个回合结束时确定获胜者，用奖品、代币和 NFT 奖励玩家和代理。这可能会导致非常有趣且复杂的代理与玩家的交互，我们非常高兴看到其发展，特别是，它可以直接导致高价值的 3D 环境研究和数据，为将来的更先进的模型提供更多的数据，OpenAI 似乎也对收购开源 Minecraft 风格的游戏颇感兴趣。用于创建虚拟世界的生成工具是增强游戏的另一个领域。例如，Today 让玩家设计自己的虚拟岛屿并照顾 AI NPC 同伴。尤为独特的是他们使用生成创意工具来促进游戏内 UGC 的开发。由于游戏主要基于这些用户创建的岛屿，因此，为没有 3D 游戏开发或艺术技能的玩家提供丝滑的资产开发机会非常重要。可以说，围绕元宇宙风格的游戏玩法之所以低迷，很大程度上是因为缺乏内容，而从短期来看，恰恰可以通过使用生成工具来补救这一点。 AI 代理需要训练，而训练本身可以成为一个有趣的游戏供玩家探索。AI Arena 提供了一种新颖的 AI 代理训练方式，让玩家玩 Super Smash Bros 风格的游戏，通过模仿训练慢慢教 AI 代理参加比赛。由于 AI 代理不需要休息，因此它可以全天候地与始终活跃的竞争对手池进行竞争性锦标赛以获得奖品，同时玩家可以异步微调其游戏风格。这将培训变成了一种游戏，并通过代币经济学放大它的效用。人类与强大的人工智能玩家进行大规模的合作游戏在过去是可以做到的，但随着代币经济学的融入，它被提升到了一个新的高度。来自 Modulus Labs 的 Leela vs. the World 是此类游戏形式的实验。在这个实验中，Modulus 采用了 Leela 国际象棋引擎，并通过 zk 电路验证它的输出。玩家可以投入资金押注人类与人工智能的对弈，从而形成一个有趣的预测市场。虽然考虑到目前 zk 的状态，该模型的验证时间会很长，但它无疑开辟了基于大规模协作的电子竞技预测市场和可验证且复杂的 AI 玩家治理机制的可能性挑战。最后，纯链游或自主世界也将通过人工智能得到增强。关于该主题最引人注目的是大型知识模型 (Large Lore Models)，它着眼于使用 LLM 协议层来创建持续的知识，这些知识可以在可修改和相互关联的游戏环境中进行互操作，玩家的行为在自主世界中同时影响多个游戏环境，因此应该携带更高维度的知识来促进故事情节。这非常适合构建在多链游戏环境中的抽象 LLM 层。基础设施 AI x Crypto 基础设施本身就值得用一篇单独的文章介绍，但在这里我将简要介绍我们看到的一些正在形成想法。分布式计算要理解加密经济系统对计算的需求，首先要理解核心问题。迄今为止，GPU 容量存在极大的瓶颈，最好的硬件，如 H100，等待时间长达一年。与此同时，初创公司正在筹集巨额资金来购买硬件，政府正在争先恐后地为国防目的而采购，即使是像 OpenAI 这样资金最充裕的团队也因为计算能力有限而不得不暂停功能发布。很多专注于去中心化计算和 DePIN 的团队在这里看到了机会：引导无许可的集群来满足需求，同时提供加密激励和最低利润，使网络在定价上与 web2 同行具有高度竞争力，同时为硬件供应商提供更好的回报。机器学习大致可分为四个主要的计算工作量：数据预处理：准备原始数据并将其转换为可用的格式。训练：让 ML 模型在大型数据集上进行训练，以学习数据中的模式和关系。微调：可以使用较小的数据集进一步优化 ML 模型，以提高特定任务的性能。推理：运行经过训练和微调的模型以进行预测。我们已经看到了像 Render 和 Akash 这样更通用的计算网络转向服务于更专业的计算，如 AI/ML。例如，Render 已经利用建立在他们网络之上的提供商如 io.net 来更直接地服务 AI 客户，而像 Akash 这样的供应商已经开始引入拥有需求的硬件供应商，并通过直接训练他们自己的模型来展示网络的力量，第一个案例是一个仅在无版权材料上训练的 Stable Diffusion fork。Livepeer 也正在专注于 AI 视频计算，因为他们已经有一个庞大的服务于视频转码用例的网络。此外，一种专门针对 AI 计算的网络正在形成，这让我们认识到围绕协同和验证的核心挑战可以通过围绕 AI 构建链或模型来更直接地解决。Gensyn 是其中比较值得注意的例子，它构建了一个基于基板的 L1，专为并行化和验证而设计。该协议使用并行化将较大的计算工作负载拆分为任务，并将它们异步推送到网络。为了解决验证问题，Gensyn 使用了概率学习证明 (probabilistic proof-of-learning)、基于图的 pinpoint 协议以及基于 staking 和 slashing 的激励系统。尽管 Gensyn 网络尚未上线，但该团队预测，其网络上等效 V100 GPU 的每小时成本约为 0.40 美元。储存之外，替代训练模型也在兴起，例如联合学习 (federated learning)，在意识到区块链可以更适当地激励这些模型后，它在 web3 中复兴。简而言之，联合学习是一种多方独立训练模型的方法，并定期批处理更新并将其发送到全局模型。有很多实践案例，比如谷歌的键盘文本预测算法。在 web3 中，FedML 和 FLock 正在尝试将联合学习方法与代币激励相结合。同样值得注意的是，像 Filecoin 和 Arweave 这样的去中心化数据存储，以及像 Space and Time 这样的数据库，可以在数据预处理方面发挥重要作用。基于共识的 ML 使用区块链的另一种新颖的基础设施形式则是基于共识的机器学习 (ML) 概念。Bittensor 是这一概念的最突出例子：这是一种基于 Substrate 的 L1 区块链，旨在通过使用特定于应用的子网来提高机器学习的效率和协作。每个子网都有自己的激励系统，用于服务各种用例，从 LLM 到预测模型到生成性创新。Bittensor 独特之处在于它如何使用矿工协调优质输出：矿工通过提供他们的 ML 模型的智能输出（由验证者评级）来获得 TAO (其原生代币)。由于矿工因为最佳输出而获得激励，他们会不断改进自己的模型以保持竞争力，从而帮助 Bittensor 完成了在代币经济学的协调下实现更快的学习过程。 TAO 生态系统中最近令人兴奋的发展是动态 TAO 提案，将 Bittensor 过渡到围绕代币排放的更自动化、市场驱动的机制设计，以及推出的 Nous 子网以提供激励模型微调，以便与 OpenAI 等公司竞争。我们可能会看到更多有关此类系统的尝试，例如让 mining 或共识以有利于质量的方式调节模型输出。意图就是您所需要的一切在DeFi中，MEV 领域的最新论点是关于用户意图以及使用经济同性 (economically-aligned) 的解调器来执行这些意图。关于意图的讨论通常百家齐放，但有一点已经变得越来越清晰了：用户的意图需要更高阶的语义上下文才能被解析成可执行代码。LLMs 可能会提供这个语义层。 Propellerheads 提出了迄今为止在意图空间中使用 LLM 的最清晰的愿景：https://www.propellerheads.xyz/blog/blockchain-and-llms。简而言之，LLMs 可以通过语义理解，将接近匹配的意图转化为完全匹配的意图，从而帮助我们找到巧遇需求 (coincidences of wants, CoWs) 的机会。这可以通过向内意图重判 (例如 “购买 LUSD 代替 USDC 可以吗？我找到了一个匹配的限价订单，你将通过这个 CoW 节省 0.3％的交易费用。”) 和向外意图重判 (例如 “我想购买你拥有的这个 BAYC，您愿意以 X ETH 的价格出售吗？”) 来实现。当然还可以有其他结构，这在钱包和多重签名的后账户抽象背景下变得特别有趣。DAIN 和 Autonolas 等项目已经尝试使用代理作为钱包的签名者，例如，出于安全和基于意图的目的，与你的钱包交谈并让它代表你执行交易即将成为现实。同样值得关注的是规模庞大 DeFi 用例，例如基于代理的预测市场、由 AI 管理的经济模型、以及 ML 参数化的 DeFi 应用程序，我的 zkML 文章提供了更为详细的介绍。代理经济迄今为止，我最喜欢的基础设施领域之一是人工智能代理经济。它源自我对世界的愿景，在这个世界中，每个人都有自己的代理，我们雇用那些高质量和训练有素的代理为我们服务，或者让自治代理在复杂的经济行为中实现我们的目标。为了做到这一点，代理必须有一种方式来支付和接收他们的服务费用。传统的支付模式绝对有可能为这些代理开放，但更有可能的是，鉴于其易用性、结算速度和无需许可的性质，代理将以加密货币进行交易。 Autonolas 和 DAIN 是该领域的典型案例。在 Autonolas 中，代理实际上是网络中的节点，致力于实现特定目标，这些节点由服务运营商维护，类似于 Keeper 网络。这些代理可用于各种服务，例如预言机、预测市场、消息传递等。DAIN 采用了类似的方法，使代理能够 “发现、交互、交易和与网络中的其他代理协作”。其他创意除上述内容外，我们还看到：用于微调模型（如 BagelDB）的去中心化向量数据库。用于 API 密钥的钱包和用于 AI 应用程序的 SIWE，例如 Window.ai 数据预配服务索引和搜索工具，如 Kaito 区块浏览器和仪表板，例如 Modulus Labs 的 AI 验证仪表板，它现在正在验证 Upshot 模型的一系列推理。开发助手，如 Dune 的链上 SQL 查询模型模拟代理测试环境用于数据抓取的带宽，如 Grass Network 合成数据和人类 RLHF 平台 DeSci 应用程序，例如 LabDAO 用于蛋白质折叠的分布式 bioML 工具 web3 中涌现出了无数的想法，用于服务于 AI 的各个领域，因此此处仅提供重点内容，但我强烈建议探索上述项目以深入了解其全貌。这一切的交汇 AI 和 Crypto 是协同作用的。两者都倾向于开源、抗审查，并正在创造历史上最大的财富转移。他们需要彼此，并解决彼此的核心挑战。对于 Crypto 来说，AI 解决了用户体验中的问题，促进了更具创造性的链上用例，增强了去中心化组织和智能合约的能力，并在应用和基础设施层解锁了真正的创新。对于 AI 来说，Crypto 解决了真实性和出处问题，加强了围绕开源模型和数据集的协调，有助于引导计算和数据，并使创作者和代理能够更直接地参与到后人工智能经济中去。现在的挑战是加密黑客、团队和项目了解并接受这种转变。创造力是无限的，我们正站在这一切的交汇处。如果你有兴趣了解更多关于这些交汇点的信息，请参加我们在 ETHDenver 举行的 Convergence 会议。来源：金色财经

金色财经2024-02-15

OpenAI估值已高达1000亿美元部分投资者：太贵了

种子轮投资，并在最近投资了一家开发人工智能代理的公司。这种技术能够执行预订航班或研究商业竞争对手等复杂任务。创始人基金投资人约翰·卢蒂格表示，这些投资之所以具有吸引力，是因为它们处于技术发展的前沿，尚未受到媒体和客户的广泛关注。

金融界2024-02-07

平安银行取得人工智能服务监测专利，降低服务设计难度

制平面，并为每个人工智能服务分配对应的智能代理sidecar，以使智能代理sidecar监控对应的人工智能服务。由此，本发明基于服务网格的设计模型，使得开发者能着重关注服务本身的逻辑设计，无需关注如通信逻辑等额外功能的设计，从而降低了服务设计难度。

金融界2024-02-07

解码Web3 AI：下一代技术堆栈

b2 时代的人工智能开发，具有用于人工智能代理开发的基本工具和框架，如 Langchain 和 LlamaIndex。BabyAGI、AutoAGI 和 Camel 等平台对于增强代理开发至关重要，为创建和完善提供了专门的环境。总的来说，这些元素丰富了人工智能代理的复杂性和先进功能，标志着这一时期人工智能能力的关键进步。市场机制 HuggingFace 和 GitHub 等平台的出现培育了一个协作生态系统，允许共享和发现人工智能模型和工具。演变：Web3的去中心化AI框架过渡到 Web3，我们对 AI 的探索进入了一个新的维度。基于 Web2 的分层方法，我们进行了更深入的研究，阐明了去中心化和区块链如何重新定义人工智能项目。Web3 的独特属性需要额外的层，特别是隐私和身份验证，展示这些变革性技术如何培育更安全、透明和协作的 AI 环境。这种细致入微的方法揭示了去中心化对人工智能发展的深远影响，为信任、所有权和创新蓬勃发展的未来铺平了道路。计算协作区块链技术正在彻底改变计算协作，从 AWS 等中心化云服务转变为去中心化全球资源网络。Render、Akash 和 Gensyn 等项目证明了这种演变，使参与者能够贡献计算能力，培育更具包容性的生态系统。模型开发与主导 Web2 的 OpenAI 等中心化平台不同，Web3 正在拥抱去中心化的模型构建。这种新方法（以 Bittensor 网络为例）促进了全球社区的集体贡献。数据民主化 Web3 重写了规则。不再有数据被锁定在企业保险库中。相反，想象一个充满活力的社区合作注释数据以进行突破性研究，从医学分析到自动驾驶汽车培训。IPFS 和 Filecoin 等工具可确保安全的分布式存储，使个人能够控制自己的数据并因贡献而获得奖励。这不仅仅是数据——它是一种关于所有权、协作和共享进步的新社会契约。数据隐私区块链成为你信息的盾牌。想象一下，借助先进的加密和零知识证明，在敏感医疗数据上训练人工智能而不暴露患者身份。Privasea 和 Modulus Labs 等公司正在引领潮流，将范式从侵入式、中心化模型转变为隐私优先的人工智能。这是 Web3 的承诺：人工智能能够学习和成长，同时保证你的数据安全并处于你的控制之下。验证 EZKL 和 Worldcoin 等解决方案提供安全、自主主权的身份管理，无需中心化平台来保存你的登录凭据。想象一下，无需依赖 Facebook 或 Google 即可登录人工智能应用程序，从而增强安全性并让你掌控自己的数字身份。 AI驱动的分析 Dune Analytics 和 NumerAI 等平台利用尖端的 AI 算法来转变 Web3 中的数据分析。想象一下，无缝地探索复杂的 DeFi 协议、识别投资机会并做出明智的决策，所有这些都由 AI 在透明且社区驱动的生态系统中提供支持。智能体 Web3 支持 Autonolas 和 Fetch.ai 等智能体的开发，它们能够导航去中心化网络并代表你自主执行任务。想象一下 AI 代理管理你的投资、谈判去中心化交易或跨 Web3 协议优化你的资源分配，从而开启自动化和个性化服务的新时代。最后的想法区块链和AI在 Web3 领域的协同作用预示着创新的新时代，将区块链在数据所有权、透明度和道德治理方面的优势与AI的先进功能相结合。这种集成为增强数据所有权、提高人工智能系统的透明度以及促进直接数据货币化铺平了道路。它还承诺最大限度地减少人工智能的能源足迹并促进道德人工智能发展。来源：金色财经

金色财经2024-02-04

META2023Q4业绩电话会分析师问答

工智能开放式研究。但我认为，与这些人工智能代理有一个明确的产品目标，确实有助于集中工作，并为我们提供一个反馈循环，这将大大提高我们获得的生产力和产出。李婷婷道格，关于你的第二个问题，为什么现在在开始派息方面，将资本返还给股东仍然是我们的首要任务。我们认为，引入股息确实只是对现有股票回购计划的一个很好的补充。股息不会改变我们的回报，也不会改变我们确定资本回报总额的方式。我们预计股票回购将继续成为我们向股东返还资本的主要方式。但是，引入股息只是为我们提供了一个更平衡的资本回报计划，并为我们未来的资本回报方式增加了一些灵活性。罗纳德·乔西马克，我希望你的膝盖好起来。我想问你关于苹果在欧洲开放 App Store 的情况，以及 Meta 在进一步构建 App Store 应用安装广告等方面可能发挥什么作用。Susan，作为之前问题的后续，你提到了商业消息传递和团队的潜力——团队正在做些什么来真正测试WhatsApp和Messenger。只要谈谈你如何看待这一切，也许在AI Studio中，也许时机会有所帮助。马克·扎克伯格我不认为苹果的事情会对我们产生任何影响，因为我认为他们实施它的方式，如果任何开发人员选择进入他们拥有的替代应用商店，我会感到非常惊讶。他们让它变得如此繁重，我认为与欧盟法规的意图不一致，我认为任何人，包括我们自己，都很难真正认真地接受他们在那里所做的事情。苏珊，你想补充什么吗？李婷婷不。我想，我打算回答第二个问题，从货币化的角度来看，这是关于GenAI的一些功能的推出。首先，我想说的是，我们不希望我们的GenAI产品成为2024年有意义的收入驱动力。但我们当然希望，随着时间的推移，他们将有可能成为有意义的贡献者。目前，最近期的变现机会是使用我们的广告创意工具。我们已经讨论了我们一直在广泛推出这些功能的一些地方，现在全球都可用文本变体和图像扩展。我们看到这些工具正在被采用，即使在这个早期阶段，也为广告商提供了真正的价值。我们将继续投资，使这些更有用、更高性能，从而导致更多的广告商采用，这可能是一个良性的反馈循环。在更长的时间范围内，我们将GenAI功能引入业务消息传递，我认为这是您的问题的来源，我们认为这确实代表了一个令人信服的机会。今天，我们正在与一些企业一起在非常小的规模上测试人工智能聊天，但要继续使这些人工智能越来越有用还需要时间。我们从测试它们的企业那里听到了良好的反馈，随着我们进一步扩大测试范围，我们预计今年会取得进展。我想说的是另一件事，就是在消费者方面，我们认为GenAI可以让人们更容易在我们的所有应用程序（包括我们的消息传递应用程序）中制作引人入胜的内容。我们的 AI 助手当然也提供了额外的实用程序。因此，我想说，在所有这些领域，我们都遵循我们典型的测试和调整体验的剧本，直到它们非常好，然后我们将投资于增长并最终探索货币化。罗斯·桑德勒马克，只是好奇你在这个阶段看到了什么 Meta AI。你谈到了快速迭代，因为你有大量的观众。所以，是的，我想，到目前为止发生了什么？Meta AI 提高了应用系列中哪些应用的参与度？您是否认为随着您的 AI 代理或其他一些代理在您的应用程序中获得更多使用，商业活动可能会增加？马克·扎克伯格是的。我认为拥有一个好的助手将是这一代人工智能创造的真正价值之一，它让每个创作者都有机会拥有一个人们可以参与的助手或代理，以及每个企业和代理，也允许人们创造一堆古怪而有趣的东西。但是，是的，我认为 Meta AI 在整个产品中将非常重要。它目前在一些国家/地区的 WhatsApp、Messenger 和 Instagram 中可用。目前正处于我们并没有真正积极主动地推动它的阶段。我们已经让它变得可用了，当人们使用它时，我们正在学习如何——人们想要参与它的基本方式是什么。我们目前正处于这方面的调整阶段。我的意思是，我们开始推出这个，我想，是在 11 月左右，也许是 10 月。我预计，在今年的过程中，我们将开始在我们的应用程序中更突出地推出此功能。这就是我在开场白中所说的与故事的类比，我们进行了一堆实验，把它放在那里，得到反馈，然后最终做了很多集成，甚至到了人们开玩笑说我们把故事放在场景中的地步，作为记录，从未发生过，但我觉得很有趣。所以我认为我们今年将踏上这段旅程。我们现在基本上处于学习和调整阶段。我对进展情况感到满意。我们目前正在研究和规划下一组集成，以及将跨产品提供给人们的地方，我真的很期待。我认为这将是我们24年的一大主题。肯·多雷尔感谢您今天参加我们的会议。感谢您抽出宝贵时间，并期待很快再次与您交谈。 (这份记录可能不是100％的准确率，并且可能包含拼写错误和其他不准确的。提供此记录，没有任何形式的明示或暗示的保证。表达的记录任何意见并不反映老虎的意见)

老虎证券2024-02-02

Vitalik对人工智能+加密货币的期望

talik 认为这是高度可行的——人工智能代理参与区块链交易，例如 DEX 交换或套利交易。他引用的一个典型例子是 AIOmen，一个人工智能驱动的预测市场。在这些市场中，人工智能提供了一种强大的工具，可以做出大量小而智能的猜测，从而改善这些市场的运作情况以及我们从市场获得的信息的质量。例如，即使市场上的某个问题对大多数人来说不能引起兴趣，人工智能仍然会研究它，因为它们的目标是预测的整体准确性——提高市场的整体质量。 2. 人工智能作为游戏的接口： Vitalik 说：人工智能的潜力很大，但风险也很大。人工智能可以引导用户进行加密，提供 Metamask 诈骗检测等功能。人工智能可以解释复杂交易的内部运作方式，增强用户的理解和安全性。然而，如果人们可以操纵人工智能防御，就会出现重大风险。 3.人工智能作为游戏规则：最危险的类别。它涉及人工智能执行智能合约或 DAO 的规则——类似于数字法官。同样，这里的风险在于攻击者是否可以利用人工智能漏洞，特别是在模型或其训练数据是透明的情况下。 4. AI作为游戏的目标：从长远来看，这一类别涉及使用区块链来开发和维护人工智能，以完成培训和数据保护等任务。 Vitalik 声称，以这种方式去中心化人工智能可以通过为代理创建自然的终止开关来促进人工智能的安全。过去一年，生成式人工智能的进步促使投资者重新思考该领域如何重塑科技经济，并导致大量投资者将资金投入刚刚起步的人工智能相关的代币。现实情况是，当今将人工智能集成到加密货币中的大多数早期努力仅触及表面。总的来说，Vitalik 显然对人工智能 + 加密货币的这些可能性感到兴奋，尽管他似乎绝对相信这些创新必须谨慎对待——几个月前他在另一篇博客文章中深入讨论了这一点。来源：金色财经

金色财经2024-01-31

AI和DePIN将如何改变Web3？

持其诚实并验证其输出呢？我们期望人工智能代理的加密托管和控制成为Web3的核心价值主张。一些市场上的团队正在致力于将加密技术，比如零知识证明（ZK proofs），融入到机器学习模型的计算过程中。这将证明某个特定的机器人确实按照它应该做的事情行动，从而确保您不会被一份电子表格愚弄。有些人正在考虑如何将整个低水平机器学习（LLM）和神经网络堆栈迁移到去中心化基础设施上。由于许多生成式人工智能项目是开源的，就像加密一样，从概念上讲，可以在去中心化的协议上部署和维护众多开源模型，并创造激励提供最佳机器智能服务的机制。尽管有几个才华横溢的团队正在追求这一策略，但这仍然未实现。即使是中心化的人工智能团队也尚未弄清楚需求的形态和盈利的单元经济学。在我们看来，在这个阶段将此类服务的提供分散到协议和DAO中仍然为时过早。 DePIN定义 DePIN，即去中心化物理基础设施。最简单的DePIN使用的是代币协议的激励机制，而不是更现代的代币经济学方法。例如，参与节点将硬件存储、计算、GPU或训练数据提供到网络中，并因在其设备上执行的工作而获得奖励，类似于比特币的工作量证明挖矿。我们认为，像Helium一样，大多数DePIN将摆脱像代币一样运作，并更像是在Peaq、Solana或EVM rollup等计算区块链之上运行的dApp。 Web3利用中心化云服务部署去中心化网络，但我们不确定这对于去中心化人工智能是否有效。中心化的人工智能提供商比首先采用协议的竞争对手更高效、更有组织，而且对计算的需求更大。因此，我们认为可扩展的DePIN将是在链上加密人工智能的重要资源释放。我们喜欢 DePIN 的另一个原因是它将机器接入 Web3，机器将需要 DeFi 及其自动化金融产品，以及获取智能即服务。在遥远的未来，去中心化的车队可能会从 DePIN AI 网络下载最新的自动驾驶模型，由各种 DAO 维护并受到代币激励。此外，用于连接、标准化和管理具有不同目标的人工智能代理群体的框架已经开始出现。 Autonolas 就是这样的项目之一，它生成用于交易市场参与以及在治理程序中部署的机器人。如果你想了解单个代理，请记住 Botto，这是一种生成式 AI 模型，它输出由 DAO 策划的艺术作品，并受到代币反馈循环的激励。或者考虑一下 Numerai，这是一家对冲基金，它为数据科学家举办代币激励竞赛，为交易软件大脑构建人工智能算法。这样的生物有很多——有些简单，有些复杂，有些深不可测。我们要提出的最后一个区别是人工智能服务的范围。在一种情况下，它只是改进应用程序的一项狭隘功能。以数字钱包为例，它现在能够就其持有的代币和投资进行对话。或者，某些 10-K 公司在网站上提交的文件，您可以使用自定义财务 GPT 进行查询。虽然方便，但并没有发生行业结构转型。或者，OpenAI 成为新的 iOS，其 GPT 商店成为新的应用商店。然后，这家科技公司成为访问嵌入其网站的机器智能应用程序的主要对话界面。人工智能不仅仅是一个功能，而是为各种普遍问题提供解决方案的新平台。在这种情况下，一个担忧是人工智能代理从根本上来说是中心化的，并由单一提供商托管，从而在数据、隐私和财务方面造成巨大的个人风险。托管总是会导致委托人/代理人问题，代理人有动机从委托人那里窃取资金，因此法律和法规必须强制执行信托义务。在大型科技世界中，以某种形式保护个人的人工智能监管是不可避免的。人工智能代理和自我托管 Web3 应对这种危险的方法是信息的自我保管和人工智能代理的自我保管。也许我们在集中式平台上生成 GPT，但能够将这些经过训练的模型放入加密钱包中以获得所有权。在一个存在多种成功的开源模型，并且其中一些模型在去中心化基础设施上运行良好的世界中，我们预计 AI 代理的加密托管和控制将成为 Web3 的核心价值主张。另一个例子是附加到图像生成或 LLM 引擎的 NFT 铸币机。这通过 Web3 DeFi 的市场场所支持了机器劳动的成果。然而，如今围绕此类物品的贸易仍然可以忽略不计——无论是由于 NFT 市场的糟糕状况、机器劳动力的质量还是此类数字资产的低效用。无论如何，这对于企业家来说绝对是一个令人着迷的设计空间。来源：金色财经

金色财经2024-01-30

去中心化AI：应用场景及主要项目盘点

T等都是玩具!此外，对于支付，创建人工智能代理的实体可以使用Stripe API，不需要加密支付。对于平台风险的争论，这是加密货币的一个老生常谈的用例，我们还没有看到它发挥出来……为什么这次不同? 项目示例：AI Arena、MyShell、Operator.io、Fetch.ai 4、数据和模型来源对数据和机器学习模型的自主管理及价值收集支持意见：数据的所有权应该属于生成数据的用户，而不是收集数据的公司。数据是数字时代最宝贵的资源，然而却被大型科技公司垄断，而且金融化表现欠佳。高度个性化的网络即将到来，这就要求可移植的数据和模型。我们将通过互联网将我们的数据和模型从一个应用程序带到另一个应用程序，就像我们让自己的加密钱包流转于不同的dapp之间一样。数据来源是一个巨大问题，尤其是造假现象越来越严重，就连拜登也承认了这一点。区块链架构很可能是解决数据来源谜题的最佳解决方案。反对意见：没有人在乎是否拥有自己的数据或隐私。我们已经从用户偏好上一次又一次地看到了这一点。看看Facebook/Instagram的注册量吧！最终，人们会信任OpenAI提供他们的机器学习数据。让我们面对现实吧。项目示例：Vana、Rainfall 5、代币激励Apps（如陪伴类apps）设想Character.ai具有加密代币奖励支持意见：加密代币激励对启动引导网络和行为非常有效。我们将看到大量以人工智能为中心的应用程序采用这一机制。AI伴侣是一个引人注目的市场，我们相信该领域将是一个数万亿美元规模的AI原生市场。2022年，美国人在宠物身上花费了1300多亿美元；AI陪伴类app就是宠物2.0。我们已经看到AI陪伴类app已实现产品市场契合度，Character.ai的平均会话时长为1小时以上。如果看到一个加密激励平台在这一领域和其他AI应用程序垂直领域占据市场份额，我们并不会感到惊讶。反对意见：这只是加密货币投机狂热的延伸现象，并不会持久。代币就是Web 3.0的获客成本，难道我们还没有从Axie Infinity身上吸取教训吗？示例项目：MyShell、Deva 6、代币激励的机器学习操作（如训练、RLHF、推理）设想ScaleAI具有加密代币奖励支持意见：加密激励可以在整个机器学习工作流程中使用，以激励诸如优化权重、微调、RLHF等行为——由人类判断模型的输出以进一步微调。反对意见：MLOps（机器学习操作）是加密货币奖励的一个糟糕用例，因为质量太重要了。虽然加密代币在熵没问题的情况下善于激励消费者行为，但在质量和准确性至关重要的情况下，它们并不利于协调行为。项目示例：BitTensor、Ritual 7、链上可验证性（ZKML）证明哪些模型可在链上有效运行并插入加密世界支持意见：链上模型可验证性将解锁可组合性，也就意味着你可以在DeFi和加密领域中利用组合输出。5年后，当我们有运行医生模型的智能体为我们检查身体，而不需要去医院看医生时，我们将需要有一些方法来验证他们的知识，以及诊断具体使用的是什么模型。模型的可验证性就好比是智能的声誉。反对意见：没有人需要验证运行的是什么模型。这是我们最不关心的事。我们这是在本末倒置。没有人运行llama2却害怕后台运行的是其他模型。这是加密技术（零知识证明）有意要寻找一个问题来解决，以及零知识证明（ZK）大肆炒作获得大量风投资金的后果。示例项目：Modulus Labs、UpShot、EZKL 来源：金色财经

金色财经2024-01-24

Grayscale：人工智能和加密货币将在三大领域协同发展

[20]。加密作为支付轨道，实现与人工智能代理的无缝自动化和互动[21]。在加密游戏中使用人工智能生成的内容，以及虚拟存在作为非同质化代币（NFT）。这种协同作用仍处于初期阶段，但它显示出在2024年及以后可能积聚动力的迹象，特别是如果市场参与者继续将这些资产视为对抗未来类似OpenAI这样的大型中心化参与者巩固的一种平衡手段。无论人工智能和加密是否本质上相互关联，这两种快速发展的技术都有潜力在用例范围和对更广泛公众的相关性方面相互支持彼此的增长。参考资料 [1] AI 相邻是指这些代币中的每一个都在鼓励人工智能发展或解决人工智能相关问题方面发挥着作用。 [2] LinkedIn [3] AVC.com [4] Coingecko [5] Fortune [6] Worldcoin [7] Reuters [8] Github [9] Bittensor 、 Plaintextcapital 、 Blockgeeks [10] Messari [11] CTECH [12] Messari 、 The Information [13] Tech HQ [14]截至2024年1月17日。 [15] Semafor [16] Akash.network [17] Foundry [18] Dune Analytics [19]图表基于 7 天移动平均线。日期范围是从 GPU 在平台上启动到现在。 [20] Worldcoin [21] Substack 来源：金色财经

金色财经2024-01-22

24小时热点