FX168财经网_全球视野外汇黄金加密货币NFT资讯网

OP Research：区块链的AI变局

、教育等领域。通过AI技术，人们可以让机器学习并自主执行一些非创造性任务，这对于某些行业来说可以提高生产效率，减少成本。例如使用AI预测蛋白质结构研发新型药物，Meta AI团队训练的ESMFold就预测了6亿多条宏基因组的蛋白质，展示了自然界蛋白质的广度和多样性，这在过去是难以想象的。通俗一点讲，使用AI技术，我们能用自然语言去处理过去复杂的程序，我们不需要了解复杂程序的原理，也不需要知道如何写代码，我们只需要告诉AI我们想要一个什么样的结果，AI就可以根据这个结果去执行中间的步骤，实现一个想要的结果，这就是AI带来的生产力的提升。（来自高盛全球投资研究）这也就是大家所熟知的AIGC，其将在智能客服、虚拟人、游戏等领域得到更广泛的应用。ChatGPT可以根据已有语料库为虚拟人、游戏等领域提供更加流畅自然的对话体验，进一步提升用户体验和产品的市场竞争力。而更重要的是，ChatGPT可以替代人类完成一些重复性的内容创作，比如程式化的报表、简单的信息收集与总结、翻译以及具有限定条件的插画作图等。进一步解放人类的生产力，专注于输入关键指令或进行创作，而不是重复性地执行指令。技术趋势指南 AI当前的核心应用包括通用人工智能、知识图谱、数据分析与合成、自动驾驶及AIGC等。其中：知识图谱：知识图谱是将各种实体、关系和属性以图的形式表示出来，以支持智能搜索、推荐和问答等应用。合成数据：合成数据是通过机器学习和其他AI技术生成的数据，可以用于训练和评估AI模型。由于隐私和安全等原因，真实的数据往往难以获取或共享。因此，合成数据可以在某些场景下替代真实数据。 AIGC：AIGC技术是一种基于深度学习和生成模型的技术，可以用于文本生成、音频生成、图像生成、视频生成等多个领域，其也是当前被讨论和应用最广泛的方向。（来自国海证券研究所）无论从市场融资数量和金额统计，还是从媒体关注度来说，2022年无疑是AIGC爆发的一年。不过，AIGC仍是一个相对较新的技术，其还处于探索和发展的较早期阶段。具体来说，AIGC的发展阶段可以描述为：研究阶段：主要关注AIGC的基本原理和算法，探索如何训练和优化模型，以及建立数据库。应用阶段：AIGC开始应用于各种实际场景开始探索如何将AIGC技术应用到具体的领域中。产业化阶段：AIGC开始被广泛应用于各种行业和领域，形成自己的产业链和配套生态系统。整体来说，我们才刚刚从研究阶段迈入应用阶段，AIGC的发展尚处于起步阶段。（来自国海证券研究所）核心要素数据、算法和算力是AI发展的三大核心要素。在数据方面，随着AI技术的不断发展，数据的质量和多样性也变得越来越重要。除了海量的应用场景数据之外，还需要对数据进行有效的清洗、预处理和标注，以便于提高算法的训练精确性。此外，还需要考虑跨模态、跨领域的数据融合问题，以便于更好地挖掘数据的价值和智能。在算法方面，目前AI技术的发展还处于不断迭代和提升的过程中。未来的发展趋势将主要体现在深度学习算法的多模态和大模型方面，以及在自主学习、知识迁移和增量学习等方面的创新。这将进一步提高AI算法的智能水平和应用范围，促进AI技术的广泛应用。在算力方面，随着AI计算的不断加速和优化，硬件载体也在不断升级和改良。例如，GPU、TPU等专用芯片的出现，大大提高了AI计算的效率和速度。此外，云计算和边缘计算的发展也为AI算力提供了更加灵活和多样化的运算环境。（来自高盛全球投资研究） Blockchain行业的发展现状分布式账本 Blockchain是去中心化的分布式账本。首先Blockchain具有不可篡改属性，这是来自于区块链底层的共识机制，由于链上数据都由区块记录和矿工/验证节点见证，而区块都是前后相连，连续记录的，所以智能合约和账户产生的链上数据一旦被区块记录将无法修改。随着节点数量上升、地理位置分散、算力增强或质押代币价值上涨，想要破坏共识的难度和代价就会越大。因此，中心化的个体是难以改变已经被记录的内容的。其次在不可篡改的前提下，基于代码构建的智能合约使得用户可以在无需信任任何人的情况下与其进行交互，智能合约会根据预设好的路径运行代码实现相应操作。这使得无需信任的链上交易成为了可能。同时，只有对应的账户可以调用智能合约内属于其的资产，不存在其他账户通过智能合约转走原账户资产情况。又因为原账户的每一次操作都需要签名确认身份，而首次转账交互甚至需要先Approve该智能合约调取账户资产。这让用户的钱包账户成为了其最好的身份(DID)和资产的载体。在共识机制和智能合约的框架内，所有的链上资产和链上行为都可以被记录和确权，而基于其产生的权益也就都可以自动的归集到其所有人账户中。这能直接解决“真假美猴王”和“李代桃僵”的问题，没有人可以通过简单的Copy Paste来盗取他人资产，也没有人可以顶替权益所有人获得其利益。具体来说就是数字资产可以用Token形式定义其唯一的智能合约地址，例如用NFT代表数字画作；而任何人的行为都可以用不可交易的代币(SBT)来证明，例如对其工作内容或时空存在进行认证(Proof of Work/ Proof of Attendance )。技术趋势指南 Layer 0-2是Blockchain技术架构的分层结构，联盟链和私有链则是Blockchain应用场景的不同类型。 Layer 0：Layer 0指的是Blockchain的物理设施和网络架构，包括硬件设备、网络协议和传输介质等，其承载着信息跨链和解决资产的底层作用。当前以Cosmos、Polkadot和LayerZero为主要技术代表。 Layer 1：Layer 1是Blockchain的基础层，也称为公链，包括比特币、以太坊等。Layer 1的协议设计和技术实现决定了Blockchain的基本性能和功能。按照类型又可细分为EVM和非EVM系。 Layer 2：Layer 2是指在Layer 1之上构建的协议和解决方案，用于提升Blockchain的性能以及扩展应用场景。Layer 2协议目前有6种技术，其中以ZK Rollup和Optimistic Rollup为主流，这些协议可以使得Blockchain处理更多的交易、提高TPS和降低Gas fee等。联盟链：联盟链是由多个组织或机构共同管理和控制的区块链网络，这些组织通常是在共同利益目标才进行合作的，例如银行、保险公司、供应链公司等。联盟链与公链不同，它的参与者是有限的，节点数量相对较少，所以其交易速度和安全性都得到了一定的提升。私有链：私有链是由单个组织或机构独立控制的区块链网络，通常只允许内部人员参与。核心要素分布式节点、密码学、共识算法、智能合约以及加密货币是Blockchain发展的核心要素。分布式节点是Blockchain技术的最核心的部分，它使得数据能够以去中心化的方式存储和传输。而密码学是保证Blockchain的安全性和隐私性的重要理论工具。此外，共识算法是Blockchain实现分布式一致性的关键。智能合约是一种可以自动执行的计算机程序，可以在Blockchain上执行各种逻辑指令。最后，加密货币，即通过使用加密技术保证了交易的安全性和匿名性。通过分布式节点，所有的参与者都能够拥有一份完整的数据副本，这样就可以保证数据的透明性和安全性。Blockchain的核心技术——哈希函数、数字签名和非对称加密等都是密码学的应用。它们可以帮助保证数据的完整性和身份的认证，同时也能够保护用户的隐私。而通过共识算法，所有的节点都能够达成一致的共识，保证了数据的一致性和不可篡改性。常见的共识算法包括PoW、PoS等。智能合约可以实现无需第三方信任的交易，从而能在一定程度上提高交易的效率和安全性。比特币、以太币等加密货币的出现，推动了区块链技术的广泛应用和发展。 Blockchain与AI的交集作为Blockchain行业的一部分，在AI的浪潮之下，我们也需要去思考：AI对世界的改变中，包括了Blockchain吗？如果是，那这个改变会是什么？以及Blockchain的去中心化和确权能力又更给AI带来什么影响？首先，AI作为生产力工具可以降低技术门槛，那么自然也可以降低Blockchain行业中的技术门槛，并增加其生产效率。其次，AIGC也将让游戏和元宇宙摆脱程式化设定，为Blockchain带来新的叙事与玩法。而Blockchain的智能合约，将能够定义AI可以涉及的领域和范围，或限定AI的权限，避免其过度发展。同时，Blockchain 的去中心化可以为AI提供底层数据和训练模型所需要算力的资源共享与分配。另外Blockchain的确权能力还可以为数据、身份、所有权提供证明，规避AI带来的利益冲突。 AI对Blockchain的意义首先，AI 作为工具可以降低内容创作的门槛。让每个普通人都能不受技术限制地展现自己的创造力，输出优质的内容或NFT作品。这包括但不限于NFT创作、游戏资产创建、元宇宙建模、代码构建等。但当前AIGC在NFT领域的应用只有简单的图像输出，这与传统的Generative Art没有什么本质上的区别，AIGC真正在NFT上的应用应该是在NFT特性上做的进一步拓展，就像Mirror World用AI构建属于NFT的灵魂一样。（来自A16Z研究）其次，就是降低代码编写的技术门槛。代码分为两个方向，一个是发行项目，部署智能合约，另一个是黑客或者白客。这两个方向属于是对抗生成的两端，也就是说我们可以用AI进行自然语言编程，部署我们所需要的智能合约，而对方也可以去使用AI分析合约代码，并发起攻击。通过这样的方式，我们将可以使用AI来迭代已部署的合约代码，以此形成内卷，帮助整个行业的代码建立的更完善和可靠。在这个基础之上，大家可以去把更多的心思，放在优化区块链的架构或设计整个项目，又或者是经济模型上，去丰富项目的玩法，对整个业务层面进行创新。同样的，当AI简化整个技术门槛之后，过去的复杂操作将可以被广泛应用。比如循环贷、闪电贷、最优挖矿策略、自动获取收益、头矿离场时间判断，整个路径AI都可以完成，AI可以自主编程，选择路径，直接部署好。就像游戏王的技能卡一样，我们只需要使用技能卡，之后技能会自己出现并产生效果。这能将在过去需要较高门槛才能完成的操作下放给普通用户，以MEV为例，如果我们想要获取MEV价值，就需要写MEV的夹子机器人，而当普通人也能做到的时候，那就不存在利润空间，因为大家都可以做到的时候，就需要拼Gas抢跑，由于博弈论原理，最后MEV价值会被高昂的Gas fee榨干，最终导致无利可图使得MEV影响降低。这属于是技术下放倒逼行业优化。又或者是促进区块链技术的普及。根据Footprint Analytics数据，当前以太坊活跃用户也不过32万人，不及互联网用户的零头。最大的问题在于用户没有进入区块链的需求，而少量有需求的用户也被复杂的链上交互拦在门外。此外，以前数据上链或是使用基于区块链的门票、证件，都需要搭一个区块链系统，或是支付大量gas fee，这个成本是巨大的。而现在基于AI技术我们可以低成本实现区块链构建或者优化链上数据使用路径降低gas fee，因此任何需要确权和信息透明的地方，都可以利用区块链技术并部署智能合约。所以，通过AI简化的交互系统，将为Blockchain行业带来大量用户。我们需要知道的是，AI能带来的改变只存在于区块链的应用层。用户基于自己在交互中的认知，使用AI跳过编写智能合约的过程，直接部署用于解决某一需求的应用。发行项目的关键将不再是发行，而是创新和运营。相信未来应用层的格局必然会发生翻天覆地的变化。但应用层之下的执行层、共识层、数据层的改变，AI是无能为力的，因为这是对底层机制的创新，绝对不是简化重复性工作就能带来质变的领域。正如，伦敦升级中EIP1559的落地给了以太坊进一步向前的动力，上海升级的完成才能让ETH质押量增长提高以太坊安全性并让LSD板块再度起飞。（来自Crypto.com） Blockchain在AI中的作用 Blockchain的去中心化特性与当下的AI技术发展表现出的中心化特性存在一定背离，但也正是这种背离为AI面临的问题提供了解决方案。现代的AI和大数据技术在很大程度上是中心化的，即它们通常由少数大型公司或组织掌控，这些公司拥有强大的技术和资源，并且具有决定市场走向和用户行为的权力。这种中心化的特性，使得人们在使用AI时，必须要相信AI会真的按照指令诚实地执行。因此，AI的开发和应用过程中存在一定的风险和问题，例如隐私泄露、算法偏见、数据滥用等等。然而，Blockchain分布式和去中心化的特性刚好能解决这些问题，通过智能合约，限定AI能使用的数据集，以及能运行的范围，以防止AI做恶；同时可以建立节点，监控AI的行为，如果它做恶，监督者就可以举报，对AI使用的算力进行罚没，以此来让AI只做促进人类发展的行为，防止AI的过度使用和越权行为。具体来说，对于AI训练所需的底层数据的分享与确权，Blockchain可以让用户自主选择是否将自己的数据提供给AI模型训练，这将需要倚靠zk技术的进一步发展，来实现不透露个人信息的同时提供用户数据。整个数据收集、储存和共享的过程将建立在去中心化节点之上，以保证数据安全和可用性，并对数据来源确权。从而让使用这些数据训练成型的AI在产生收益时，可以根据所涉及的数据将部分收益作为分红给到数据所有人，保证数据提供者权益。之前提到的AI训练数据的生成和共享也可以借助Blockchain的去中心化、安全和透明性等特点，以确保数据的隐私和安全性。而为AI运行提供Prompt的用户同样可以基于其对prompt的所有权，获得其prompt被调用而产生的部分收益。从而同时保证AI数据所有人和AI运行prompt所有人的利益。另外值得一提的，就是算力挖矿。AI模型的建立除了需要大量的数据，还需要算力来进行训练，但现在世界上的算力是处于供不应求的状态。那么可以将算力以去中心化的形式集中建立云计算矿池，通过算力挖矿补贴算力提供者，再以拍卖形式出售给AI模型的训练，从而让有限算力获得最大的利用率，同时还能保证计算的安全性和可靠性。更重要的是，我们还可以将数据、算法、算力整合，建立一个AI as a Service的协议，以自身的去中心化的优势和可复用性为有需求的用户提供AI模型构建服务。那么从数据的获取，到数据处理，再到算法选择和算力调用，都经由一个生态进行，在保证供应链优势的同时还能避免中心化风险。除了AI模型的构建之外，当我们着眼于AI的应用时，我们可发现AI超强学习能力所带来的盗版、洗稿、虚拟人等问题在Blockchain面前都不成问题。艺术作品以NFT形式记录在链上，其唯一智能合约地址可以证明作品的真实性。而艺术作品的价值除了艺术品本身，还取决于其创作者的身份，就像后人对梵高的向日葵模仿的再像，也不值一文，而区块链就能够证明哪一幅向日葵是出自梵高之手。AI应用之一的知识图谱也可以基于区块链构建分布式知识图谱，并确保其中的数据不会被篡改、删除或冒领。对于由AI使用个人过往数据构建虚拟人设的问题，也可以使用OAT或SBT来解决。任何链上行为都有对应记录，而针对相关记录创建的OAT或SBT也是唯一的，基于账户中的OAT或SBT就可以定义其身份，这都得益于区块链的不可篡改性，过去发生的事都被记录在之后的每一个区块中，无法凭空捏造过去没有存在过的行为。总而言之，AI作为生产力工具可以加速Blockchain行业的发展与普及，以及AIGC对元宇宙和NFT板块带来了新方向与叙事，但是AI只能替代重复性工作，降低技术性门槛，并不能对关键技术进行创新。所以AI给Blockchain带来的改变只会停留在应用层。而Blockchain之于AI行业，是一个风险控制器，也是一个资源优化器。Blockchain能限制AI的过度发展与越权操作，也能解决数据和资产的确权保护用户权益，并将AI所需的数据与算力分配进行整合优化。但也仅限于促进AI的透明化、去中心化和数据确权。参考资料： [1]《大语言模型涌现演化信息，加速蛋白质结构预测》Science前沿 [2]《How AI Can Help Build Web3》crypto.com [3]《AIGC：内容生产力的革命》国海证券 [4]《Mastering Bitcoin》Andreas Antonopoulos [5]《Bitcoin: A Peer-to-Peer Electronic Cash System》Satoshi Nakamoto [6]《Ethereum White Paper》Vitalik Buterin [7]《Challenges and Recent Advances》Blockchain-Based Payment Channel Networks [8]《AI爆发对创作者和NFT的影响》浅思 [9]《AIGC困局与Web3破圈之道》 [10]《超越 Web3，资本新宠 AIGC 的奇幻漂流》来源：金色财经

金色财经2023-05-04

亮点聚焦｜迎接AI智能新浪潮 TIC（Turing-Ai）连接现实世界和AI虚拟世界的桥梁

的模型执行目标函数，通常属于深度学习或机器学习的类别——几乎没有一个主要行业还没有受到影响。在过去的几年里尤是如此，由于物联网的强大连接、联网设备的激增以及更快的计算机处理速度，使得数据收集和分析大大增加。一些行业正处于人工智能之旅的起点，其他行业则是经验丰富的旅行者。两者都有很长的路要走。无论如何，人工智能于当今生活的影响是不容忽视的。交通: 虽然完善它们可能需要一些时间，但总有一天自动驾驶汽车会载着我们从一个地方到另一个地方。制造业: 人工智能驱动的机器人与人类一起工作，执行有限范围的任务，如组装和堆放，预测分析传感器，以保持设备的平稳运行。医疗保健：在人工智能相对新兴的医疗保健领域，疾病诊断更加迅速和准确，药物发现加速和简化，虚拟护理助理监控患者，大数据分析有助于创造更个性化的患者体验。教育：在人工智能的帮助下，教科书被数字化，早期的虚拟导师帮助人类导师，面部分析测量学生的情绪，以帮助确定谁在挣扎或无聊，并更好地根据个人需求定制体验。媒体：新闻业也在利用人工智能，并将继续从中受益。Bloomberg使用Cyborg技术帮助快速理解复杂的财务报告。AssociatedPress利用AutomatedInsights的自然语言能力，每年制作3700篇盈利报道，几乎是过去的4倍。客服服务: 最后但并非最不重要的一点是，Google正在研发一种人工智能助手，其可以像人一样打电话预约，如预约附近的美发沙龙等等。除了单词，系统还能理解情景语境和细微差别。图零机器人：韩国MBN电视台推出了韩国首位人工智能主播，造型与真人几乎完全一样的人工智能主持人，模仿真人的声音和语调，顺利播报了当天的主要新闻和几条快讯。MBN电视台表示，人工智能主播能够在紧急情况下，快速地向观众播报新闻内容，并且能够24小时不间断工作，节省大量的人力、时间和成本。 AI人工智能具备怎样的发展前景？从斯坦福2019年度的全球AI指数报告，可以得出。总的来看，人们对AI期望值随着对AI认知加深，已经到达一个比较高的期望值阶段。今天，人工智能已经融入了我们的生活中，比如几乎人手一部的智能手机，家里的智能电器等等。像Google、Apple、Microsoft和Amazon等科技巨头花费数十亿美元来创造这些产品和服务，大学将人工智能作为其课程中更重要的一部分，从这可以看出人工智能的未来发展前景非常大，因为人类的想象是无限的，而且一直在路上，从未停息。在历史上，由于过度的宣传和对人工智能过高的预期，人工智能技术曾几次经历所谓的“AI的冬天”，大众对于人工智能领域的发展也有点失去了信心。但由于新技术的不断出现，人工智能产业又重新崛起。特别是Turing-Ai作为WEB3.0时代下的人工智能启动器，必将点燃产业界和公众对于人工智能的热情。 Turing-Ai基于区块链技术，连接现实世界和AI虚拟世界的桥梁区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式，Turing-Ai作为WEB3.0时代下的人工智能启动器，打造人工智能专属网络，基于区块链技术，通过去中心化/共享式控制鼓励数据共享，可以为AI带来更多数据，因而带来更好的和全新模型；通过不可篡改/审计跟踪记录，为数据/模型溯（provenance），从而改变数据和模型的可信度，使全民记账的智能机器人ID系统成为可能；通过构建原生资产/建立交换中心，可将数据/模型的权限登记注册成为知识产权（IP）资产，形成去中心化交换中心和价值定义平台，从而搭建优质数据流转中心，致力于形成全球最大数据集合池，最终形成连接现实世界和AI虚拟世界的桥梁。结语未来，人工智能的大体方向主要集中在三个方面：自动驾驶、智慧生活、智慧医疗。这三个方向正是人工智能最有潜力超越人类的三个方面，人工智能的大数据计算分析、自主学习判断能力将会提供巨大的优势。未来全球的可持续发展越来越依赖于数据创造的价值，而人工智能是数字经济中应用最广泛的技术之一。人工智能将在精准农业，远程医疗，自动驾驶等领域发挥重要作用。越来越多的行业巨头陆续投入研发资源进行超前战略布局，而Turing-Ai的入局，也必将给未来人工智能领域带来全新面貌，也会给全人类带来全新的面貌。来源：金色财经

金色财经2023-05-04

香港数字资产交易所HKD正式宣布首个star Token与TIC生态战略合作

大规模数据和资源比互联网更大，因此需要机器学习和人工智能进行数据分析和资源调用管理。TIC(Turing-Ai)区块链协议是为人工智能定制设计的，为人工智能的部署的提供了区块链平台。更多的数据和资源、包括算力都可以被共享出来，不用担心隐私、安全、以及被竞争对手拿走。使用和记录都被分布在庞大的、去中心的计算机网络中。人工智能技术为用户、开发者提供学习能力，用户可以不断完善自己的人工智能，开发者可以用人工智能的算法和算力为用户提供更好的服务。所有人的参与让人工智能系统进步的更快，更加强大。 TIC是 TIC(Turing-Ai)网络的人工智能，是世界上第一个个人人工智能技术和产品。TIC是一个个性化人工智能，是一个真人的三维的仿真虚拟形象，它有着与主人相似的长相、声音、还能像主人一样思考。每个 TIC和主人身份都必须验证并绑定，每个 TIC都是由原始主人生成、控制和管理。在主人的授权下，TIC能够根据主人新的数据持续学习，不断改善。每个人在使用自己的 TIC的同时，也为整个系统贡献了数据和资源，并因此获利。TIC是最聪明的机器人，已通过图灵测试，能像人类一样自如对话。图灵测试（英语：Turing test，又称“图灵判断”），是阿兰·图灵于 1950年提出的一个关于判断机器是否能够思考的著名试验，测试某机器是否能表现出与人等价或无法区分的智能。如果一个人（代号 C）使用测试对象皆理解的语言去询问两个他不能看见的对象任意一串问题。对象为：一个是正常思维的人（代号 B）、一个是机器（代号 A）。如果经过若干询问以后，C不能得出实质的区别来分辨 A与 B的不同，则此机器 A通过图灵测试。 IC(Turing-Ai)将与全球的开发者和机构合作推出基于 TIC的用户体验，让消费者使用 TIC平台上多样的功能。TIC的主要功能表现为：主人授权 TIC代表自己去体验、表达、展示、互动，还可以把主人的资产去共享。由于 TIC是主人在数字世界的映射，TIC受主人和其他人的信任。以下是几种不同的应用场景，这些场景展示了如何利用 TIC去构建应用程序的核心功能，而这些功能也是人们日常生活的组成部分。 TIC(Turing-Ai)不仅是一个人工智能代理的网络，也是一个使用、创造、评价人工智能以及以其他方式与人工智能互动的人类网络。因为它是一个分散的组织，TIC(Turing-Ai)的持续健康发展将依赖于网络参与者的民主决策。一个民主的过程是用来作出决定，有关网络的运作和分配新铸造的 TIC。声誉和基于利害关系的投票是按信誉过滤的；只有基本信誉高于阈值2的代理才会被计算在内。此外，只有其所有者已经通过适当的 KYC程序验证的代理才被允许投票(尽管其他代理仍然可以通过提供或购买服务来参与网络)。最初的默认计划是使用标准的KYC方法，可能通过与一家专门为区块链企业提供 KYC的外部公司合作。 TIC是 TIC(Turing-Ai)系统级的、内部的、去中心化的代币，中文名图灵，是 TIC(Turing-Ai)的核心基石。交易 TIC可为TIC(Turing-Ai)资金池蓄水，质押 TIC可以成为 TIC(Turing-Ai)一员，参与去中心化治理，获得投票权，以及获得 Staking收益。每一个 TIC交易者与质押者都是 TIC(Turing-Ai)的建设者。 TIC发行总量:100亿枚 TIC生态在 bsc链运行的代币分配: 任何在生态系统层级中参与对 TIC(Turing-Ai)贡献的用户都能得到 TIC币作为酬劳。每一个参与 TIC(Turing-Ai)区块链的用户都可以成为一个矿工。开发者可以使用内部 TIC币来设计智能合约或是进行交易。这些写入区块链的智能合约，旨在协助用户筛选其他用户的 TIC，验证和执行交易，强制对 TIC(Turing-Ai)平台区块链的添加和更改。TIC币上的智能合约被认为是最高级别的合约，可以在TIC(Turing-Ai)网络和 TIC(Turing-Ai)应用程序之间通用。用户注册、认证自己的人工智能，以及使用高级的人工智能功能时需要支付 TIC币。高级的人工智能功能比如虚拟的礼物、虚拟的衣服和装备、有趣的表情、与虚拟明星的互动等等。 TIC(Turing-Ai)由Hashed . Animoca Brands，SoftBank.WinkleVossCapital等多个海外知名机构。Amber Group，IOSG Ventures，Cyberpor，CBN Capital，Chiron Group等多个香港知名机构来源：金色财经

金色财经2023-05-04

Turing-Ai是Web3.0时代的人工智能赋能者、即将上线香港HKD交易所

金色财经2023-05-04

拜登召见谷歌、微软！白宫审查ChatGPT国家安全威胁 AI五年内夺1400万工作岗位

时，某些技术职位，包括专注于人工智能和机器学习的职位、可持续发展专家、商业智能分析师、信息安全专家和金融科技工程师，预计就业人数将会增加。总体而言，最大的就业增长可能出现在教育领域，幅度达到10%，导致300万个额外工作岗位、农业30%或300万个额外工作岗位，以及数字商业和贸易400万个额外工作岗位。最新报告是在高盛经济学家预测，美国2/3的职业可能被AI部分自动化之后不久发布的，尽管人们担心AI对社会和人类的潜在风险，但AI的使用在近年来呈爆炸式增长。然而，经济学家还指出，由于生产力和制造业的提高等因素，它在商业和社会中的应用可能导致全球GDP增加近7万亿美元。根据世界经济论坛的报告，近75%的受访公司计划在未来五年内采用人工智能、大数据和云计算，约50%的公司认为这将创造就业增长，25%的公司预计将导致失业。在其他地方，该报告发现，组织估计目前所有与业务相关的任务中大约有34%由机器执行，其余66%由人类执行。 “未来就业报告的最新发现再次呼吁所有劳动力市场利益相关者采取行动，”人力资源咨询公司Randstad首席执行官Sander van Noordende说。“数字化、人工智能和自动化的加速发展为全球劳动力创造了巨大的机会，但雇主、政府和其他组织需要为未来的颠覆做好准备。通过集体提供更多的技能资源，更有效地将人才与工作联系起来，并倡导规范的劳动力市场，我们可以保护工人并为他们准备一个更专业和公平的工作未来。”

小萧2023-05-03

高中教师养出40亿美元超级独角兽 Stable Diffusion背后数据集创建者

非标注数据集是自我监督学习的基础，这是机器学习的未来。没有人工标注的图像/文本是一项功能，而非错误。早在Imagen发布时，也专门针对LAION-400M做出警示：因为依赖于这种未经整理的网络数据，集成了大模型的社会偏见和限制，因此不适合公开使用。据彭博社消息，为了打造LAION，舒曼团队从亚马逊网络服务、Shopify等公司获取视觉数据，还有包括YouTube缩略图、各类新闻网站上的内容。对此舒曼表示，任何在网上免费提供的东西都是公平竞争，欧盟也没有人工智能法规。更何况，也没有人知道OpenAI实际上用什么样的数据集训练AI的。目前，LAION被迫卷入两场诉讼之中，一起是Stability AI与Midjourney等集体诉讼，被指使用艺术家的版权图片来训练他们的模型；另一起是Getty Images起诉Stability AI，称其1200万张照片被LAION取走，并用来训练Stable Diffusion。而舒曼将LAION比作大信息技术海啸之上一艘“小型研究船”，采取海下的样本向世界展示。其实早在构建数据库时，他们就在运行一个自动化过滤工具，不过舒曼感兴趣的不是清理，而是从这些资产中学习。我们本可以从公布的数据中过滤掉暴力，但我们决定不这样做，因为这将加快暴力检测软件的开发。现在更多关于监管的建议在推动，各个科技大厂也在采取相应的措施，比如英伟达就开源了护栏工具，来防止大模型来胡说八道。但在舒曼看来，数据集不应该被监控。这也正是当时创建LAION时候的初心。他还警告，如果我们试图放慢速度、过度监管，就会有很大的危险，最终只有少数大公司能负担得起所有的正式要求。前段时间，在LAION与全球志愿者的合力之下，他们完成了ChatGPT最大开源平替OpenAssistant的发布。 60万余条训练数据全部由人工生成，涵盖了广泛的话题和语言风格，一时间引发众人关注，HuggingFace也直接拿来用来构建它自己的聊天软件HuggingChat。拿着德国铁饭碗不可否认的是，他已经在用开源数据集，加剧了生成式AI的浪潮。但在舒曼的个人网站上，看到的只是一位两个孩子的父亲，在德国当着终身制公务员，游走于中学校之间讲授物理和计算机科学。舒曼拥有维也纳大学计算机科学与物理学学位。在学习这两个专业之前，他还学了心理学。（大概完成了50%的学士学位然后就转专业了）。除此之外，他还在学习表演，制作了一部关于孩子学习的纪录片「Schools of Trust」。最近，这位高中教师也没闲着，他还将作为2023年智源大会嘉宾参与邀请报告与线上论坛环节。参考链接： [1]https://laion.ai/blog/laion-400-open-dataset/ [2]https://www.bloomberg.com/news/features/2023-04-24/a-high-school-teacher-s-free-image-database-powers-ai-unicorns [3]http://christoph-schuhmann.de/ [4]https://www.infoq.com/news/2022/05/laion-5b-image-text-dataset/ [5]https://laion.ai/projects/ 来源：元宇宙之心来源：金色财经

金色财经2023-05-02

Figment Capital：深入解读零知识证明加速

于并行处理，使它们特别适合于图形渲染和机器学习等应用。尽管没有 CPU 那么普遍，也没有 FPGA 或 ASIC 那么专业，但 GPU 是一种普遍的、可获得的硬件。它们的流行导致了像 CUDA 和 OpenCL 这样的低级库的发展，帮助开发者利用 GPU 的可并行性，而不需要了解底层硬件。现场可编程门阵列（FPGA）是可定制的芯片，可以以可重复使用的方式为特定的应用进行优化。开发人员可以使用硬件描述语言（HDL）直接对其硬件进行编程，从而实现更高的性能。硬件可以被反复修改，而不需要新的芯片。FPGA 的缺点是其更大的技术复杂性——很少有开发者有编程经验。即使拥有必要的专业知识，定制 FPGA 的研究和开发成本也很高。尽管如此，FPGA 在从国防科技到电信等行业都有应用。特定应用集成电路（ASIC）是为某一特定任务过度优化的定制设计芯片。与允许硬件重新编程的 FPGA 不同，ASIC 的规格是根植于芯片中的，防止它们被重新利用。对于任何特定的任务，ASIC 都是最强大和最节能的芯片。例如，比特币挖矿是由 ASIC 主导的，它计算的哈希值远远多于其他类型的芯片。鉴于这些选择，哪一个是最好的零知识证明成？这取决于应用程序。像 Penumbra 和 Aztec 这样的隐私应用程序允许用户在提交给网络之前，通过创建其交易的 SNARK 来进行私人交易。由于所需的证明相对较小，只需使用他们的 CPU 就可以在他们的本地浏览器中生成。但对于真正需要硬件加速的较大的零知识证明，CPU 是不够的。硬件加速我们可以通过多种方式在硬件上加速零知识证明：并行处理：同时进行独立计算。管线：确保我们的计算机的所有资源在任何时候都被使用，以最大限度地提高我们在一个时钟周期内的计算量。超频：将硬件的时钟速度提高到超过默认速度，以加速计算。如果不小心这样做，可能会损坏硬件。增加内存带宽：使用更高带宽的内存来提高我们读写数据的速度。在零知识中，证明生成的瓶颈往往不是计算，而是数据的传递。在内存中实现对大整数的更好表示： GPU 被设计为在浮点数（即十进制数字）上进行计算。零知识运算是在有限域的大整数上进行的。在内存中实现对这些大整数的更好表示，可以减少内存需求和数据洗牌。使内存访问模式可预测：像 PipeZK 这样的论文探讨了在计算 NTT 的同时使内存访问模式可预测的方法，使其更容易并行化。任何类型的芯片都可以被流水线化和超频。GPU 非常适合并行化，但它们的架构是固定的；开发者被限制在所提供的内核和内存上。GPU 不能为大整数创造更好的表示方法，也不能使内存访问模式更可预测。虽然 CUDA 和 OpenCL 等 GPU 库提供了一定程度的灵活性，但硬件有局限性；更高的性能最终需要更灵活的硬件。尽管如此，GPU 仍然可以加速零知识证明。零知识硬件加速公司 Ingonyama 正在建立 ICICLE，这是一个用 CUDA 为 Nvidia GPU 建立的零知识加速库。该库包含加速常见零知识操作的工具，如 MSM 和 NTT. FPGA 的时钟速度比 GPU 低，但可以通过编程来解决上述所有的加速策略。他们最大的问题只是对其进行编程。对于零知识来说，组织一个既有密码学专业知识又有 FPGA 工程专业知识的团队是非常困难的。早期为零知识加速生产 FPGA 的团队是像 Jump Crypto 和 Jane Street 这样已经拥有 FPGA 和密码学人才的复杂交易公司。FPGA 也仍然有瓶颈——单个 FPGA 往往没有足够的片上存储器来执行 NTT，需要额外的外部存储器。将硬件驱动的零知识速商业化的最严格的尝试，甚至比单片 FPGA 更进一步。为了获得进一步的收益，像 Cysic 和 Ulvetanna 这样的公司正在建立 FPGA 服务器和 FPGA 集群，结合多个 FPGA 提供额外的存储器和可并行计算，以进一步加速证明生成。这些团队的早期结果是有希望的： Cysic 声称他们的 FPGA 服务器在 MSM 比 Jump 的 FPGA 架构快 100 倍，在 NTT 比最知名的 GPU 实现快 13 倍。标准化的基准还没有建立起来，但结果指向了重大改进。 ASIC 能够为零知识证明生成提供绝对最高的性能。今天的 ZK ASIC 的问题是，他们正在为一个移动的目标进行优化——零知识正在迅速发展。由于 ASIC 需要 1 - 2 年和 1000 - 2000 万美元来生产，他们必须等到零知识已经足够稳固，所生产的芯片不会很快被淘汰。另外，零知识证明的市场规模在未来几年才变得足够大，足以证明 ASIC 所需的资本投资是合理的。 FPGA 和 ASIC 之间有一个微妙的梯度。虽然 FPGA 是可编程的，但它们的芯片有不可编程的硬化部分。固化部件的性能比可编程的要高得多。随着零知识市场的发展，像 Xilinx（AMD）和 Altera（Intel）这样的 FPGA 公司可以生产新的 FPGA，嵌入专门为零知识证明中的常见操作设计的硬化组件。同样，ASIC 也可以被设计成包括一些灵活性。例如，Cysic 未来计划生产专门针对 MSM、NTT 和其他一般操作的 ASIC，同时保持灵活性以适应许多证明系统。从长远来看，ASIC 将提供最强大的零知识证明加速功能。在此之前，我们预计 FPGA 将服务于计算最密集的零知识用例，因为其可编程性使其能够比 GPU 更快地执行 NTT、MSM 和其他加密操作。对于某些应用，GPU 将提供性能和可及性之间最具吸引力的平衡。结论区块链行业多年来一直在等待零知识证明为生产做好准备。这项技术已经吸引了我们的想象力，承诺增强去中心化应用的可扩展性、隐私和互操作性。直到最近，该技术还不现实，主要是由于硬件限制和漫长的证明时间。这种情况正在迅速改变：零知识证明方案和硬件的进步正在解决 MSM 和 NTT 等计算瓶颈问题。有了更好的算法和更强大的硬件，我们可以将零知识证明加速到足以释放其潜力，从而彻底改变 Web3。鸣谢：特别感谢 Brian Retford（RiscZero）、Leo Fan（Cysic）、Emanuele Cesena（Jump Crypto）、Mikhail Komarov（=nil; Foundation）、Anthony Rose（zkSync）、Will Wolf 和 Luke Pearson（Polychain），以及 Penumbra Labs 团队的精彩讨论和反馈，为本文做出了贡献。原文标题：Accelerating Zero-Knowledge Proofs 原文作者：Figment Capital 原文编译：Lynn，MarsBit 来源：星球日报来源：金色财经

金色财经2023-05-02

比特币5000美元时入场！全球最幸福国家：主权财富基金“秘密进行加密挖矿”

持续发展的承诺；以及区块链、人工智能和机器学习系统、碳信用平台和元宇宙等新兴技术。#NFT与加密货币#

颜辞2023-05-02

【机构调研记录】申万宏源证券有限公司调研海天瑞声、启明星辰等8只个股（附名单）

级别的安全云计算网络、大型混合人工智能机器学习平台、以及安全智能终端和机器人控制器技术研究；国内最具实力的、拥有完全自主知识产权的网络安全供应商；公司在金融行业深耕多年，紧密跟踪金融产业的数字化场景，参与数字货币安全建设，围绕数字货币场景提供全面的安全保护，其中包含数据安全、网络安全及应用安全的产品及服务；国内最具实力的、拥有完全自主知识产权的网络安全供应商；公司进行场景化创新，结合工业互联网、政企数字化转型、数字交通、数字能源等数字化场景，给出安全应对之策，来应对数字化转型面临的新挑战；公司在杭州成立DT（数据时代）总部，发布面向数据的系统属性、业务属性、经济属性提供全方位的技术及管理体系。 3）新莱应材（证券之星综合指标：2星；市盈率：50.75）个股亮点：公司真空产品的AdvanTorr品牌以及气体产品的NanoPure品牌均可以应用到光刻机的设备中；全资子公司山东碧海包装材料有限公司拥有液态食品企业自建厂至投产的整体解决方案的能力，可以为液态食品企业提供前处理设备、灌装设备、后段包装设备、设计、施工安装以及无菌包装材料等等在内的一体化服务；山东碧海是液态食品领域为数不多的能够同时生产、销售纸铝塑复合液态食品无菌包装纸和无菌纸盒灌装机的企业之一；在泛半导体领域，公司的高纯及超高纯应用材料可以满足洁净气体、特殊气体和计量精度等特殊工艺的要求，覆盖于半导体制程设备和厂务端所需的真空系统和气体管路系统，通过了美国排名前二的半导体应用设备厂商的认证并成为其一级供应商；21年泛半导体收入5.32亿元，营收占比25.9%。 4）华锐精密（证券之星综合指标：2.5星；市盈率：33.88）个股亮点：知名硬质合金切削刀具制造商；主要从事硬质合金数控刀具的研产销，硬质合金数控刀具是数控机床执行金属切削加工的核心部件。 5）圣邦股份（证券之星综合指标：3星；市盈率：69.1）个股亮点：A股首家专注于模拟芯片设计的集成电路企业；A股唯一高性能模拟芯片设计厂商，覆盖信号链和电源管理两大领域，高清产品有高清视频滤波驱动器；国内模拟集成电路设计行业的领先企业；公司专注于高性能、高品质模拟集成电路研究、开发与销售，产品全面覆盖信号链及电源管理两大领域的25大类产品，部分关键技术指标达到国际领先，可实现进口替代；18上半年公司共享单车解决方案中已经使用了包括充电管理芯片、开锁马达驱动芯片、蜂鸣器驱动芯片等多款产品。 6）爱美客（证券之星综合指标：4星；市盈率：83.84）个股亮点：本土医美龙头，玻尿酸当红花旦，已构建嗨体、宝尼达、爱芙莱等玻尿酸明星产品矩阵，其中嗨体产品是目前唯一经国家药监局批准的针对颈部皱纹改善的三类医疗器械产品，填补了颈部皱纹修复领域的空白，19年新增聚对二氧环己酮面部埋植线、在研肉毒素及重组蛋白等；在研有童颜针、肉毒、重组蛋白，另有丰唇、多款去皱产品储备，19年收入5.58亿元，为国产医美针剂领域规模最大，占比超95%；本土医美龙头，注射类透明质酸（玻尿酸）领先企业；国内生物医用软组织修复材料领域的创新型领先企业；主营医疗美容器械，已成功实现基于透明质酸钠的系列皮肤填充剂、基于聚乳酸的皮肤填充剂以及聚对二氧环己酮面部埋植线的产业化；其中聚对二氧环己酮面部埋植线为首款取得国家药监局批准的面部埋植线产品；21年医疗器械行业收入14.37亿元，营收占比99.23%。 7）拓斯达（证券之星综合指标：2.5星；市盈率：44.53）个股亮点：18年3月，公司在工业机器人及核心零部件控制器等方面都具备自主研发能力，公司也有为客户做MES系统，同时与华为云正展开工业互联网方面的合作；公司2016年建立机器人视觉研发团队，已掌握了图像处理、机器人标定、缺陷检测、视觉定位、视觉测量等技术，并成功移植到机器人控制系统，实现了机器人与机器视觉的无缝对接；公司积极布局工业制造产业互联网领域，与控股股东共同设立广东驼驮网络科技有限公司，驼驮科技是定位于工业制造领域的一家产业互联网平台，基于工业设备交易和维保服务，给买卖双方提供设备管理系统服务，通过产业数据的沉淀和应用，对产业资源进行整合和高效匹配；公司致力于打造系统集成+本体制造+软件开发+工业互联网四位一体的工业机器人生态系统和整体自动化解决方案。 8）东芯股份（证券之星综合指标：2星；市盈率：361.26）个股亮点：中国大陆少数可以同时提供NAND、NOR、DRAM等存储芯片完整解决方案的公司；公司聚焦中小容量通用型存储芯片的研发、设计和销售，设计研发的24nm NAND、48nm NOR均为我国领先的闪存芯片工艺制程，已达到可量产水平；大陆少数可以同时提供NAND、NOR、DRAM等主要存储芯片完整解决方案的公司；聚焦中小容量通用型存储芯片的研发、设计和销售，设计研发并量产的24nmNAND、48nmNOR均为大陆目前领先的NAND、NOR工艺制程，在高通、博通、联发科、紫光展锐、北京君正等多家平台厂商获得认证；大陆领先的存储芯片设计公司；公司聚焦中小容量通用型存储芯片的研发、设计和销售，是中国大陆少数可以同时提供NAND、NOR、DRAM等存储芯片完整解决方案的公司，设计研发并量产的24nm NAND、48nm NOR均为大陆目前领先的NAND、NOR工艺制程。以上内容由证券之星根据公开信息整理，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-05-01

被颠覆、被捅刀、被群嘲：谷歌还能打赢这场AI之战吗？

epMind同样成立于2010年，专攻机器学习技术，2014年被谷歌以5亿美元收购。它更聚焦于精品项目，如阿尔法狗、阿尔法Fold。前者曾击败世界围棋冠军李世石，在全世界登上头条；后者成功预测了蛋白质DNA结构，在国际生物界引起巨大震动。 Bard的首战失利，让皮查伊冷静下来。 4月20日，他宣布将两大AI团队合并，新团队被命名为“Google DeepMind”，由DeepMind创始人戴米斯·哈萨比斯（Demis Hassabis）担任CEO。Google Brain的负责人杰夫·迪恩（Jeff Dean）被任命为首席科学家，基本失去了游戏资格。哈萨比斯是DeepMind联合创始人之一，现年46岁，他将公司总部设在了家乡——英国伦敦国王十字街上。哈萨比斯的父亲来自希腊，母亲是新加坡华人，曾被称为国际象棋神童，15岁就从剑桥大学毕业，他用机器学习做的第一件事是教AI玩游戏。在谷歌内部，没人质疑他的能力。哈萨比斯图源：DeepMind官网为什么DeepMind会胜出？谷歌前员工娜塔莎·贾奎斯曾在两支团队都工作过，她说：“Brain的工作方式是自下而上的，研究更多靠个人兴趣驱动。而DeepMind是自上而下的，老板定方向，员工有标准的OKR考核。” 哈萨比斯快速宣布了架构调整，DeepMind人马全面上位。对Brain团队的员工来说，散养式的科研风格就此消失。 02 失去的十年从2014年收购DeepMind算起，谷歌这10年都没有拿出过真正颠覆性的AI产品。为什么？答案：保守和迟钝。谷歌前产品经理高拉夫·内马德透露：“谷歌顾虑很多，非常害怕公司声誉受损……他们倾向于保守主义。” 谷歌的保守披着一层伦理捍卫者的外衣，它不断向外界传递“AI很危险”的论调。2018年，谷歌发布《人工智能原则》，强调AI研发必须有益于社会、反对歧视等。谷歌内部对AI伦理相当敏感，多次有员工对媒体爆料称，公司AI产品已有了人类意识，呼吁暂停研究。谷歌强调AI伦理，既受“不作恶”的价值观和美国社会崇尚政治正确的舆论环境影响，也是出于公司的利益考虑。早在2017年，谷歌就研发了一款对话式AIGC产品——LaMDA。当时谷歌内部评估了LaMDA的风险，认为它不时犯错，会误导用户，让用户对谷歌产生不信任感。而谷歌的主业之一搜索，致力于帮助用户找到正确答案，AIGC被认为有可能动摇公司的根基。 “谷歌研发这个东西的时间最长，它为什么不敢推一个产品出来？”前百度总裁张亚勤在接受《三联生活周刊》采访时表示，“因为大公司会害怕产品不完善、会犯错，而ChatGPT相当于提供了一个用户的标准。” 在他看来，微软可以大胆将ChatGPT加入到Bing搜索中，因为它的市场份额不大。但如果谷歌在搜索中加入聊天机器人，“就要用很多算力，就会影响利润”。虽然ChatGPT也偶尔会给出不靠谱的答案，但OpenAI是一家非上市企业，因此他们大胆将产品推给了公众。相比于保守，谷歌对技术的迟钝就不可理解了。 “Facebook和Google没有意识到这个领域可以有这么大的突破。”一位国内投资人表示。谷歌和OpenAI都使用了模仿人类神经网络的机器学习技术，但路线上略有区别。谷歌采用监督式学习模型，OpenAI采用预训练模型；谷歌更强调干预，而OpenAI先让ChatGPT自主学习，随后再引入人工标注语料进行训练和引导。这更像一场黑暗中的军备竞赛。直到2018年，马斯克还认为谷歌领先于OpenAI。谷歌的AI对话产品Bard 图源：谷歌官网然而，当谷歌在竞争压力下放弃保守，公开发布AI对话产品，Bard却收获了一边倒的差评。一位美国资深科技记者评价道：“（和GPT相比）这就像一个标准的聊天机器人。” 更丢脸的是，当巴伦周刊记者让Bard描述下自己的长相时，它的回答是：“我应该有六英尺高（1.83米），棕色的短发，蓝色的眼睛。我的皮肤应该是浅色的，着装很休闲，比如T恤和牛仔裤。”（编者注：典型的美国主流群体白人形象。）对一家强调“AI政治正确”的公司，这实在有些讽刺。如今，谷歌开始失去这场军备竞赛中最重要的资产：人才。今年3月，有媒体统计过，已至少有13位人工智能领域明星级人才离开了谷歌，其中包括预训练语言模型的负责人雅克布·德弗林（Jacob Devlin），他加入了OpenAI。 03 谷歌会掉队吗？如果谷歌输掉这场AI之战会怎么样？二级市场已经给出了回答。Bard发布当天的一次回答错误，就让谷歌母公司Alphabet市值减少了1000亿美元。微软还在“捅刀”，它极力将自己塑造为搜索行业颠覆者。微软CEO萨提亚·纳德拉（Satya Nadella）在一场电话会议上表示，融入了ChatGPT后，Bing在搜索市场的份额正在增长：“最大的软件类别——搜索业务，正在发生翻天覆地的变化，我们将继续这一旅程。” 不过，据美国流量检测机构Statcounter的数据，今年3月，谷歌搜索的全球市场份额为93.17%，和去年10月（ChatGPT推出前）相比还有所上升；微软Bing目前份额为2.88%，并没有显著增长。在AI大语言模型赛道，仍有人看好谷歌。长期跟踪美国AI行业的弘芯基金投资总监何祥鑫并不认为谷歌这10年在AI领域一无所获。在他看来，ChatGPT中的T所代表的transformer，其实是谷歌发明的。只不过，谷歌将许多成果用于改进旗下产品体验，比如搜索结果和YouTube的内容推荐，“这些都不是革命性的”。而ChatGPT的惊人效果在于，将无监督学习、有监督学习和强化学习整合到一起。谷歌正在不断改进Bard，密集推出新功能。美国知名科技博主阿莱克斯·坎特洛维茨表示：“谷歌的聊天机器人技术可能具有后发优势。”有业内人士认为，OpenAI的“预训练模型”给行业确立了技术路线，谷歌的优势将很快发挥出来：算力、数据和人才。谷歌合并AI团队的举动也被认为及时且有必要。一位用户在社交新闻平台Reddit评论道：“在大语言模型领域，你是要押注两个各拥有50万GPU（图形处理器）的团队，还是一个拥有100万GPU的团队？” 4月26日，谷歌母公司Alphabet发布了2023年Q1财报，营收和利润双双超市场预期，云业务首次实现盈利。皮查伊在电话会议上首先提到了AI，虽然这项业务并没有单独体现在财务数据上。他一边“安利”Bard，一边极力淡化生成式AI对搜索广告业务的威胁：“用户想自己选择要看的内容，即使我们给他们提供了回答和内容摘要，他们也是如此。” 在谷歌AI一号位哈萨比斯看来，这场迈向通用人工智能的战斗才刚刚开始，谷歌并没有落后太远。他说：“AI最终会拥有人类的意识，但今天它还远远谈不上。” 来源：元宇宙之心来源：金色财经

金色财经2023-04-29

24小时热点