FX168财经网_全球视野外汇黄金加密货币NFT资讯网

百度CEO李彦宏宣布正式推出大语言模型“文心一言”

新闻发布会，主题围绕新一代大语言模型、生成式AI产品文心一言。百度创始人、董事长兼首席执行官李彦宏出席及百度首席技术官王海峰出席，并展示了文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成五个使用场景中的综合能力。　　从现场展示来看，文心一言某种程度上具有了对人类意图的理解能力，回答的准确性、逻辑性、流畅性都逐渐接近人类水平。但李彦宏也多次提及，这类大语言模型还远未到发展完善的阶段，进步空间很大，未来这段时间它一定会飞速发展，日新月异。　　百度同时公布了文心一言的邀请测试方案。3月16日起，首批用户即可通过邀请测试码，在文心一言官网体验产品，后续将陆续开放给更多用户。此外，百度智能云即将面向企业客户开放文心一言API接口调用服务。3月16日起正式开放预约，搜索“百度智能云”进入官网，可申请加入文心一言云服务测试。　　目前，大语言模型和生成式AI代表了一个新技术范式，是全球每家企业都不可错过的机会。百度文心一言定位于人工智能基座型的赋能平台，将助力金融、能源、媒体、政务等千行百业的智能化变革。李彦宏表示：“百度希望和大家一起，推动人工智能技术进步，让所有人都能使用最先进的生产力工具，让所有人都能从中受益。”

金融界2023-03-16

三六零盘中涨超9%，公司计划近期推出一系列类GPT的应用产品

将借鉴NewBing的模式，推出新一代生成式AI搜索引擎、AI浏览器、AI个人助理等产品；在ToSME端，公司将推出生成式AI办公套件、AI企业即时通信工具等垂类应用；在ToG&B端，公司已经将国内最完整的安全大数据及最强大的安全专家能力赋能给了360安全AI。目前360安全AI累计发现的高危、严重漏洞数量在全球各大厂商中排名第一，成果入选了中央网信办“人工智能企业典型应用案例”。无论是Bing之于GPT，还是Google之于Bard，搜索引擎是做出大语言模型的必要前提条件。三六零拥有国内主流的搜索引擎，一定会全方位、最大化的调用公司的资源，利用拥有的预清洗海量数据和优质问答数据对的先发优势，全力以赴的持续训练迭代自己的大语言模型，成为这场产业革命级别竞争中的领先者。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-03-16

ChatGPT之后 AIGC会如何革新内容创作？

2年12月的NeurIPS 上展示了生成式 AI 模型——GET3D（Generate Explicit Textured 3D 的缩写），可根据其所训练的建筑物、汽车、动物等 2D 图像类别，即时合成 3D 模型。和上文中的输出物相比，模型和纹理更精细，更采取了一般3D工具的通用格式，能直接用到构建游戏、机器人、建筑、社交媒体等行业设计的数字空间，比如建筑物、户外空间或整座城市的 3D 表达。GET3D在英伟达A100 GPU 上训练而成，使用了不同角度拍摄的约 100 万张照片，每秒可生成约 20 个物体。结合团队的另一项技术，AI生成的模型能够区分出物体的几何形状、光照信息和材质信息，使可编辑性大幅加强。 NVIDIA GET3D基于AI生成的模型示例可行路径：与游戏中的程序化生成技术相结合尽管如此，AIGC在3D侧的能力，距离打造3D互联网仍有不小的距离。而游戏中较为成熟的程序化内容生成（PCG，Procedural Content Generation）技术，可能是AIGC迈过深水区的一大助力。从技术路径上，AI生成3D难以沿用“大力出奇迹”的老办法，即单靠喂给AI海量的输入来提升效果。首先，信息量不同，一张图片和一个3D模型相比相差一个维度，体现在存储上就是数据量级不同；其次，图片和3D的存储及显示原理不同，如果说2D是像素点阵在显示器的客观陈列，3D则是实时、快速、海量的矩阵运算，就像对着模型在1秒内进行几十次“拍照”。为了准确计算得到每个像素点，“渲染”在显示器上，需要考虑的因素至少有（1）模型几何特征，通常用几千上万个三角面来表示（2）材质特征，模型本身的颜色，是强反射的金属，还是漫反射的布料（3）光线，光源是点状的吗，颜色和强度如何。最后，原生3D模型的数据相对较少，仅游戏、影视、数字孪生等领域有少量积累，远不如已存在了数千年、可以以非数字化形态存在的图像那么多，例如ImageNet中就包含了超过1400万张图片。用计算机帮助创作者这件事，游戏界已经探索了四十多年。用算法生成的游戏内容首次出现在1981年的游戏Rogue（Toy and Wichman）中，地图随机，每局不同。3D时代，程序化生成技术大量应用于美术制作，因为其需要巨额时间和人力成本，以2018年发售的游戏《荒野大镖客2》为例，先后有六百余名美术参与，历经8年才完成约60平方公里的虚拟场景。程序化生成在效能和可控度上介于纯手工和AIGC之间。例如2016年发布、主打宇宙探险的独立游戏《无人深空》（No Man's Sky），用PCG构造了一系列生成规则和参数，声称能创造出1840亿亿颗不同的星球，每个星球都有形态各异的环境和生物。游戏《无人深空》中使用程序化生成的海洋生物示例 2022年的Epic打造的交互内容《黑客帝国：觉醒》在最新虚幻引擎和程序化生成加持下，打造出栩栩如生、高度复杂的未来城市，共包括700万个美术资产，包括7000栋建筑、38000辆可驾驶的车和超过260公里的道路，其中每个资产由数百万个多边形组成。 Epic使用虚幻5引擎和程序化生成技术高效制作《黑客帝国：觉醒》中的庞大城市程序化生成和AI的结合更成为热门学术领域，每年人工智能与游戏的顶级学会——IEEE Transactions on Games都会为程序化生成开辟专门的讨论板块。剧情、关卡、场景、角色，每个板块都有大量的研究和实践成果在推进。创作到底是什么？关于创作，有一句经典论断——天才是99%的汗水，加上1%的灵感。爱迪生认为那1%的灵感最重要。AIGC则向我们证明，99%的汗水能产生质变。善用AI的创作者，或许才是“完全体”。首先，AI和自然人的创作过程，没有那么大的差异：一部作品的诞生，一个作者的成长，都建立在大量对经典的观察、参照、模仿、提炼基础上，并非一蹴而就。而创新往往也有迹可循，或者是对主流的扬弃甚至反叛，或者是对多种元素的加成和融合。因此，如知识产权制度，也是在鼓励创作的基础上，给予贡献者以对等的奖励，而非一刀切地拒绝模仿。其次，人作为创作核心这一点没有变化：AI面向任务，人类面向创造。一方面，人类信息系统纷繁复杂，远非几个“prompt”输入就能概括。正如一位网友说，AI代替不了我，因为它理解不了老板的需求。没有五年经验的乙方，也解读不来甲方口中的“要大气”。另一方面，AI成长的养料仍然由人提供，AI更可靠可信也依赖着人的使用与反馈。“断奶”于2021年的ChatGPT可不知道2022年世界杯的战果。从实用的视角，AIGC将赋予普通用户更多的创作权力和自由。从PGC、UGC到AIGC的发展路径可见，普通人越来越多的参与到创作之中，数字内容不仅呈现数量上的指数级增长，类型和风格也走向了更加包容和多元的生态。未来，用户可以使用手机拍摄的一系列照片，通过AIGC工具生成一个可以使用的3D渲染图。采用这种创造内容的方式，我们可以想象未来的数字空间将不再完全由开发人员构建，而是利用AIGC响应用户的输入按需生成。 AIGC工具对专业人士的杠杆效应更显著：如果对普通人的增益是从0到1，对专业人士则可能是从1到10，使他们能集中精力处理更顶层、更有价值的事情：比如立意，风格，构图，元素组合和后处理，或者怎样在前期制作尽可能多样的demo来找寻更好的方案。运用AI也正成为新的职业能力，善于“施咒”的大触们前赴后继地开发着AI近乎无限的潜能，并社交平台上留下让人望洋兴叹的作品。更长期看，创作和艺术的历史是螺旋上升的历史，是某一种风格数量极大丰富、质量巅峰造极之后的突破、突变与跨界，也是一个时代精神情感的凝结。我们有理由相信，AIGC变革下创新依旧存在，甚至会加速发展。参考资料来源: [1]https://mp.weixin.qq.com/s/ZYSEou1ki0a4JVY2Nv8_SA. [2]https://zhuanlan.zhihu.com/p/388666777. [3]https://zhuanlan.zhihu.com/p/82758631. [4]https://zhuanlan.zhihu.com/p/493739360. 来源：金色财经

金色财经2023-03-16

三六零：公司计划近期推出一系列类GPT的应用产品

将借鉴NewBing的模式，推出新一代生成式AI搜索引擎、AI浏览器、AI个人助理等产品；在ToSME端，公司将推出生成式AI办公套件、AI企业即时通信工具等垂类应用；在ToG&B端，公司已经将国内最完整的安全大数据及最强大的安全专家能力赋能给了360安全AI。目前360安全AI累计发现的高危、严重漏洞数量在全球各大厂商中排名第一，成果入选了中央网信办“人工智能企业典型应用案例”。无论是Bing之于GPT，还是Google之于Bard，搜索引擎是做出大语言模型的必要前提条件。三六零拥有国内主流的搜索引擎，一定会全方位、最大化的调用公司的资源，利用拥有的预清洗海量数据和优质问答数据对的先发优势，全力以赴的持续训练迭代自己的大语言模型，成为这场产业革命级别竞争中的领先者。再次感谢您的关注。三六零2022三季报显示，公司主营收入69.35亿元，同比下降18.79%；归母净利润-19.64亿元，同比下降295.73%；扣非净利润-15.36亿元，同比下降303.3%；其中2022年第三季度，公司单季度主营收入21.11亿元，同比下降27.7%；单季度归母净利润-15.66亿元，同比下降462.85%；单季度扣非净利润-10.31亿元，同比下降498.09%；负债率17.6%，投资收益-11.01亿元，财务费用-4.04亿元，毛利率59.87%。该股最近90天内共有4家机构给出评级，买入评级3家，增持评级1家。近3个月融资净流入8.98亿，融资余额增加；融券净流入1.51亿，融券余额增加。根据近五年财报数据，证券之星估值分析工具显示，三六零（601360）行业内竞争力的护城河良好，盈利能力良好，营收成长性良好。财务可能有隐忧，须重点关注的财务指标包括：应收账款/利润率、应收账款/利润率近3年增幅、存货/营收率增幅、经营现金流/利润率。该股好公司指标2.5星，好价格指标1.5星，综合指标2星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）三六零（601360）主营业务：互联网安全技术的研发、互联网安全产品的设计、研发、推广,以及基于互联网安全产品的互联网广告及服务、互联网增值服务、智能硬件业务等商业化服务。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2023-03-16

GPT-4问世——A股掘金AI概念股

日宣布将在3月16日下午14:00发布生成式AI产品“文心一言”以及基于文心大模型推出的生成式对话产品。此前百度曾透露，首批有400多家公司加入文心一言生态伙伴圈，此后先后有志邦家居(603801.SH)、科创信息(300730.SZ)、新晨科技(300542.SZ)、恒生电子(600570.SH)等数十家A股公司宣布接入文心一言。　　在二月份ChatGPT爆火时，部分个股如汉王科技(002362.SZ)、海天瑞声(688787.SH)走出了翻倍行情，海天瑞声最高涨幅超过三倍。目前具体业务进展较快的有汤姆猫。该公司3月9日接受机构调研时介绍，该公司产品已经接入ChatGPT本体模型API开展的智能语音互动产品功能原型测试。3月14日，汤姆猫更是在该公司官方微信号“金科汤姆猫官方”正式宣布自当天下午6点起接受个人用户对“会聊天汤姆猫”产品功能原型封闭测试的资格申请。值得强调的是，此次官宣内容是一次针对现有开发中的智能语音交互产品所开展的功能原型测试。　　据公开资料显示，汤姆猫系列移动应用产品累计下载量超过200亿人次，全球月活跃用户数超过4亿人次，其中超过80%的活跃用户数来自于海外市场。全球庞大的用户基数和经验丰富的海内外技术团队将成为汤姆猫未来尝试接入除文本之外，包括语音、图像、动作等多种大模型的核心基石。此外，GPT-4的推出也将有助于完善公司的整体布局和应用，不断拓展公司业务和技术边界。

证券之星2023-03-15

未来的潜力币将会围绕AI和去中心化稳定币展开

至 2 亿美元） 6. $ALI - 生成式 AI 7. $NMR - 人工智能对冲基金 8. $MDT - AI的生态系统。 9 .$CTXC - 具有 AI 功能的链 10. $PHB - 下一代 AI Web3 应用程序小型股 (<~$ 3000 万美元) 11.$VXV- NLP 相关矩阵数据集 12. $DBC - AI 的计算能力。 13 .$BDP - 商业数据集 14.$GNY- 人工智能加密货币交易工具 15. $ORAI - 人工智能第一层纳米股（<~ 500 万美元） 16. $MAN ——《神经科学与人工智能》 17. $BOTTO - 生成艺术 18. $RAVEN - 去中心化计算 19. $PIXIA - 生成艺术 20. $CAI - 电报机器人自动化 CZ 在 1 分钟内摧毁TRU持有者希望的小故事直接打假$TRU,那多半已经废了。显然， $TRU与$TUSD无关，因为两家公司在 2020 年分道扬镳。我周一写过CZ的暗示——还有更多的稳定币是？ LUSD让更多稳定币蓬勃发展，LQTY预备起飞! 未来将会围绕AI和去中心化稳定币展开来源：金色财经

金色财经2023-03-15

港股ChatGPT概念股走高，本周两个生成式AI产品重磅发布

来源：OpenAI官网）本周，百度的生成式AI产品“文心一言”也将正式发布。国盛证券在研报中表示，以GPT系列为代表的大型语言模型(LLM)能教会机器以统计方式理解自然语言，完成此前人类进行的内容读取和理解。随着多模态带来的模型全面化，人工智能将向着拥有人类解释能力这一目标更进一步。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-03-15

腾讯领投的 AIGC 是什么前有chatGPT 巨头闻风而来

，都将被重塑，一些重复性的工作可能会被生成式AI完全取代. 随着人机共生继续渗透到许多行业，它们将在人与机器之间紧密的创造力迭代循环中蓬勃发展，在广泛的市场中解锁更好、更快和更便宜的创造。人机共生的愿景是辅助决策、数据分析、体力劳动等任务，将人类解放出来，专注于需要人类创造力和判断力的更高层次的任务和活动。生成式人工智能将使创造和决策的边际成本降至零，产生巨大的劳动生产率和经济价值——以及相应的市场价值。 AIGC是一种利用人工智能生成内容的技术。2015年成为行业转折点，在此之前AIGC主要是生成文本和语音。此后，AIGC不断拓展，涵盖了文字、语音、图像、视频、3D等新领域，在创意、行为、表现、理解、个性化等方面具有巨大优势。最早的 AIGC 模型是生成对抗网络（GAN）。 GAN的基本原理其实很简单。这里我以生成图片为例进行说明。假设我们有两个网络，G（生成器）和 D（鉴别器）。顾名思义，G 是一个生成图像的网络。它接收随机噪声 z 并通过该噪声生成图像，表示为 G(z)。D 是一个判别网络，用于确定图像是否“真实”。它的输入参数是x，表示一幅图像，输出D(x)表示x是真实图像的概率。如果为1，表示100%是真实图像，如果输出为0，表示不可能是真实图像。在训练过程中，生成器网络 G 的目标是生成尽可能真实的图像以欺骗鉴别器网络 D。另一方面，D 的目标是将 G 生成的图像与真实图像区分开来。这样，G和D就形成了一个动态的“博弈过程”。这场比赛的结果如何？在理想状态下，G 能够生成足够“具有欺骗性”的图像 G(z)。对于D，很难判断G生成的图像是否真实，所以D(G(z)) = 0.5。至此，我们的目标就达到了：我们得到了一个可以用来生成图像的生成模型G。 GAN 和传统的自然语言理解模型的缺点是它们在结构化创造力和联想方面的能力有限，这导致它们缺乏令人印象深刻的应用。在2020年，OPENAI开发了跨模态预训练深度学习模型GPT（Generative Pre-Training Transformer）及其变体CLIP（Contrastive Language-Image Pre-Training）并开源。CLIP 模型能够通过首先收集 40 亿个未处理的图像+文本对的数据集和预训练来完成任务，从而将文本与图像相关联。它使用对比学习目标进行训练：分别对图像和文本（其中文本是一个完整的句子）进行编码，然后计算它们之间的余弦相似度，然后对图像的每一行或文本的每一列进行分类，找到匹配的正例例子。每张图片有 32,768 个文本候选，是 SimCLR 的两倍，反例数量的增加也是性能不错的原因之一。预测也很简单：找一个图像分类数据集，将标签转换为自然语言，比如“dog”可以转换为“a photo of a dog”。然后使用预训练的编码器对标签和图像进行编码，然后计算相似度。整个过程可以概括为：输入一张图片，预测数据集中 32768 个随机抽取的文本片段中的哪一个与数据匹配。由于文本描述不是特定类别，零样本学习可以用于各种图像分类任务。零样本学习是一种迁移学习，例如，对斑马的描述可能是“马轮廓+虎皮毛+熊猫黑白”以生成新类别。一个典型的监督分类器可以正确分类马、老虎和熊猫的图像，但是如果它遇到一张它以前没有学过的斑马照片，它就无法分类。然而，由于斑马与已经分类的图像有共性，可以推断它属于这个新类别。所以想法是设置更细粒度的类别作为属性，以便在测试集和训练集之间建立联系。例如，将马的特征向量转换为语义空间，其中每个维度代表一个类别的描述，比如[有尾巴1，马的轮廓1，有条纹0，黑白0]，熊猫将是 [有尾巴 0，马的轮廓 0，有条纹 1，黑色和白色 1]。这样，通过为斑马定义一个向量并比较输入图像的向量与斑马向量之间的相似度，我们可以确定输入图像是否为斑马。因此，CLIP模型有两个优点：一方面，它同时进行自然语言理解和计算机视觉分析，实现图文匹配。另一方面，为了有足够的标记良好的“文本图像”用于训练，CLIP模型广泛使用来自互联网的图片，这些图片通常具有各种文本描述，成为CLIP的天然训练样本。据统计，CLIP模型已经从互联网上收集了超过40亿条“文本-图像”训练数据，使CLIP能够进行图像和文本匹配，并作为各种自然语言处理和计算机视觉应用的基础，例如 AIGC 系统，它允许用户输入文本并生成图像或视频。由于GPT和CLIP的开源，Denoising Diffusion模型迅速成熟并得到实施。真正让文字生成图像的AIGC，随着Dalle-2、Midjourney、Stable Diffusion等应用的推出，在2022年下半年为大众所熟知。扩散模型的思想来自非平衡热力学。具有定义的扩散步骤（当前状态仅取决于先前状态）的马尔可夫链被真实数据中的随机噪声缓慢扰动（正向过程），然后学习反向扩散过程（逆向过程）以构造从噪声中提取所需的数据样本。正向过程是一个连续注入噪声的过程，随着时间的推移，加入的噪声不断增加。根据马尔可夫定理，噪声注入后的当前时刻与前一时刻的相关性也与要加入的噪声有关（是前一时刻的影响更大还是加入的噪声影响更大）。随着前向过程在时间上向前推进，噪声或随机事件的影响可能会变得更加显着，因为开始时一点点噪声都有影响，后面需要加入越来越多的噪声。逆过程从一个随机噪声开始，逐渐恢复出没有噪声的原始图像——去噪和实时数据生成。这里，我们需要知道整个数据集，所以我们需要学习一个神经网络模型（目前主流的是U-net+attention结构）来逼近这些条件概率，运行反向扩散过程。未来毫无疑问，未来是光明的我们看到了AIGC充满活力的应用，也知道了方向。当你看到机器产生复杂的功能代码或优秀的图像时，你不得不承认，人机共生的时代终于到来了，机器在我们的工作和创作中起着基础性的辅助作用。或许在不久的将来，我们就能写出心中想象的神话世界；打印出我们能想到的任何东西；在影院观看我们自己制作的电影；让全世界的玩家都沉浸在我们制作的电子游戏中，获得良好的游戏体验。在短短的几年时间里，AIGC 从一个小型的开源架构迅速训练到一个拥有数千亿参数的大型模型。如果我们继续以这种发展速度发展，并遵循大型模型的摩尔定律，这些未来主义场景可能会变得触手可及。领投机构创始团队 JP.crypto Web3前沿动态社区，专注于项目投研与价值投资。加入我们获取更多项目信息。推特：https://twitter.com/Crytpojp_JP 来源：金色财经

金色财经2023-03-14

从智能合约到机器学习：NFT 与 AI 技术的结合

I 技术在 NFT 行业中的应用随着生成式 AI 的出现，正在激励人们随意运行指令，直到得到理想的输出，例如我们可以在 ChatGPT 上每天运行数百个指令，直到得到满意的输出。而当前生成式 AI 面临的挑战是，需要使用几百人的作品来创建成千上万个输出，但这些作品没有被识别、归属或追踪。但如果 AI 和区块链这两种工具融合在一起呢，一旦与 NFT 等区块链技术结合，产生独一无二、不可分割、不可篡改的特征，那会是怎样的场景？ 1）大数据分析和预测： AI 技术可以通过对 NFT 交易市场交易额数据和链上 NFT 新增数据的分析，预测 NFT 领域的发展趋势，提前捕获市场热点，帮助 NFT 交易者和投资者做出更加明智的决策。例如，AI 可以分析 NFT 交易市场的链上成交数据，预测未来一段时间的市场变化，帮助交易者找到最佳购买或出售的时机。 2）自动分析和资产定价：在 NFT 市场上，每个 NFT 的价格都是根据市场需求和供应情况而决定的，因此准确地给 NFT 资产进行定价则变得尤为重要。AI 技术可以通过对单个 NFT 资产历史成交数据的分析，并且基于机器学习算法，来对 NFT 资产进行精准定价，这可以显著提高 NFT 资产价格的准确性和评估效率。 3）智能化的安全检测：智能合约是区块链技术的核心之一，但由于智能合约的复杂性，常常存在安全漏洞和被黑客攻击的风险。而通过 AI 技术可以对智能合约代码和机制进行安全分析，并给出检测结果。使用机器学习算法和数据集对 AI 模型进行训练，来识别智能合约中的漏洞、受到的攻击行为及可疑操作等异常行为。分别在部署前对代码快速检测潜在漏洞与安全风险，再对部署完的合约进行检测，将检测结果可视化输出，以图表等方式呈现，并给出对应修复方案。 4）基于 AI 算法创造加密艺术品： AI 技术可以生成独特的 NFT 艺术品，为 NFT 市场带来新的艺术风格和创意。例如，AI 可以使用深度学习算法生成具有独特纹理和形态的数字艺术品，并通过自适应学习来优化生成的艺术品的质量和独特性。例如 Art Blocks 是一个策展 AI 艺术的顶级平台，它使用一种名为“生成式对抗神经网络” （GAN）的技术来创建艺术作品，这种技术使用深度学习算法来生成图像，使得每件艺术品都是独一无二的。 5）基于 AI 算法的动态 NFT 大多数“传统” NFT 通常以图像或音频文件的形式呈现，无法演进也无法与用户进行互动，持有者只能以一些局限的方式与其进行有限的互动。而当 NFT 被嵌入 AI 语言模型后相较而言就更有活力，不仅能基于用户输入与人互动提高交互性，除此之外它们具备学习能力，可自己创造新内容并且还能提供动态体验。 6）保护 NFT 作品的版权： AI 技术可以用于保护 NFT 作品的版权。通过使用 AI 技术，可以检测和识别网络上的侵权行为，及时发现侵权行为并采取相应的措施。此外，AI 技术还可以加密和验证 NFT 作品的版权信息，确保作品的版权归属不会被篡改或争议。 7）个性化推荐和服务： AI 技术可以通过分析 NFT 交易的历史数据和用户行为，为用户提供个性化的推荐和服务。例如，交易市场/数据分析平台应用 AI 可以根据用户的偏好和历史交易记录，可以推荐符合用户兴趣和需求的 NFT 作品，从而提高用户满意度和购买转化率。二、AI 对 NFT 领域的影响 AI 正在重塑各行各业的前景，NFT 也不例外。NFT 等区块链技术与 AI 结合的发展趋势必然将对 NFT 市场产生深远的影响，从当前的市场情况来看，这种结合可以为 NFT 市场带来更多更大的机会和挑战，那么在这种发展趋势下可能对市场带来哪些影响呢？ 1）更高效的市场运作：NFT 和 AI 的结合将为 NFT 市场提供更多的自动化服务，从而提高市场的效率和运作速度；更多智能化内容和交易系统，将吸引更多投资者和用户进入市场，从而增加市场的规模。不仅可以根据用户数据和市场需求，还能更好地推广 NFT 内容，提高 NFT 内容的市场知名度和认可度。通过将 AI 功能整合到 NFT 市场、预言机或 NFT 数据平台等构建模块中，可以为实现 NFT 整个生命周期的智能化奠定基础。想象一下，NFT API 能够从链上数据集中提取智能指标，或利用计算机视觉方法，提供智能建议给用户，从而为 NFT 交易提供更为智能化和高效的服务。数据和智能 API 将成为 NFT 的重要组成部分，为 NFT 市场的稳健发展提供更强的支持。 2）创造新的商业模式：NFT 和 AI 的结合将会创造新的商业模式和现金流，例如 NFT 艺术品评估：AI 可以用于评估 NFT 艺术品的真实价值，通过图像识别和情感分析算法来分析 NFT 艺术品的内容和情感表达。这样的商业模式可以帮助 NFT 持有者更好地了解其 NFT 的价值和潜在市场需求。 3）更加安全和稳定的技术支持：AI 技术可以帮助智能合约更好地保障 NFT 项目的版权和交易安全，从而提高安全性和可靠性。例如 AI 可以使用机器学习技术来监控和检测 NFT 交易中的异常行为，例如未经授权的访问或非法交易；AI 可以使用智能合约管理技术来管理 NFT 交易，并确保交易的公正和透明等等。三、未来发展趋势除了以上的结合影响及前景，两者结合在未来会有怎样的发展趋势呢？一方面，NFT 等区块链技术的普及将会为 AI 技术提供更多的数据源和场景；另一方面，AI 技术的发展将会为 NFT 市场带来更多的创新与应用，帮助 NFT 市场更好地满足用户需求和市场需求，促进市场的健康发展；此外，NFT 与 AI 技术的相结合还可能会引发新的商业模式和产业链的形成，这些新的产业链将会为 NFT 市场带来更多的机遇与挑战。总之，AI 技术的加入将为 NFT 市场注入更多创新和活力，无论是在市场监管、NFT 评估、版权保护等方面，AI 技术都将扮演越来越重要的角色。NFT 与 AI 技术结合的未来发展趋势非常广阔，随着技术的不断进步和应用场景的不断拓展，相信在未来会带来更多的创新和突破，助力数字艺术和数字经济的繁荣发展。因此，对于 NFT 从业者来说，积极拥抱 AI 技术，深入研究和应用，将是未来的必然趋势，Web3 领域也终会共同开启数字资产的新时代。来源：金色财经

金色财经2023-03-13

生成式 AI 改变 Web3 未来的 4 种方式

在帮助构建 Web3。本文将帮你了解生成式 AI 将如何塑造 Web3 的未来。图片来源：由 Maze AI 生成本文要点：生成式 AI 是一种用于生成人工内容（如文本、图像、音频和视频内容）的 AI。 Web3 中的 AI 应用程序包括在游戏、NFT、资产创建和软件开发中部署数字收藏品。除了内容生成之外，AI 还可以通过简化开发流程和改善去中心化应用程序 (dapps) 的用户体验来帮助推动 Web3 发展。虽然仍然存在版权、准确性和创造力等挑战，但 AI 时代已经到来——各种 AI 模型正在改变企业和行业的运行模式。 AI 生成内容（AIGC）——内容生成的下一阶段 AI 生成内容 (AIGC) 最近变得非常流行，DALL-E 和 ChatGPT 等应用程序生产了令人印象深刻的视觉资产，以及实现了类人对话。从广义上讲，生成式 AI 是一种用于通过计算机模型生成内容（例如文本、图像、音频和视频）的 AI。 AIGC 被广泛认为是继专业生成内容 (PGC) 和用户生成内容 (UGC) 之后内容生成的下一阶段。 PGC 通常由平面设计师和动画师等创意专业人士制作，供品牌使用或发布，而 UGC 则由最终用户创建，并直接在 YouTube、Facebook 或 Twitter 等社交媒体网站上分享。近年来，随着 AI 的快速发展，它可以生成各种类型的内容。 AI 的一些相关分支是自然语言处理 (NLP)，它研究计算机如何处理和分析文本，以及生成对抗网络 (GAN)，它旨在生成与训练数据集具有相似特征的新数据（例如图像和视频）。 AI 生成的内容有助于加快创意过程，企业开始注意到它在改变内容创建方式以及创意团队跨行业运作方式方面的潜力。以下是连接 AI 和 Web3 的潜在场景和用例。 AIGC在Web3中的应用文本型 AI 及其对 Web3 的影响文本型 AI 是指使用 AI 来生成文本。它是 NLP 的一种形式，可根据给定的输入生成类似人类的文本，用于各种应用程序，如摘要、对话系统和机器翻译。今天的文本生成器用于为各种目的生成原创的、有创意的内容，并且在 Web3 中的某些领域，文本生成可能非常有用。借助文本 AI 工具，可以重新构想在线搜索并提供更直观的 Web 导航方式。 ChatGPT 与微软在线搜索引擎 Bing 的最新集成现在引入了聊天界面作为一种搜索 Web 的方式。与此同时，谷歌发布了自己的 NLP 模型版本 Bard，这是一种由 LaMDA 驱动的实验性对话 AI 文本服务，有助于简化复杂的主题并综合查询的见解。 1.生成式 AI 可以改变人们搜索网络的方式生成式 AI 有可能改变人们在网络上过滤信息的方式，并有可能减少对搜索引擎广告模型的依赖——许多当前的 Web2 用户长期以来一直希望避免这种情况。文本生成工具允许用户在进行查询时消除 SEO 生成内容的噪音（尽管涉及人工干预和微调）。如果搜索偏好发生变化，有利于文本型 AI 工具，则搜索引擎可能会被替换，这意味着需要挖掘的与搜索相关的广告混乱更少——这是 Web3 的核心标准，旨在将技术的权力重新交到用户手中。在区块链游戏中，文本型 AI 可以通过多种方式增强游戏开发人员和艺术家的创造力和生产力。通过利用文本型 AI，可以快速制作和完善基本的视频游戏元素（例如对话、故事和角色组合等），从而通过更快地产生创意来简化创作过程。生成式 AI 可以改变 NFT 的生成方式 AI 还可以帮助生成图像和视频——这些类型的内容可以被铸造成 NFT。这些人工智能生成的 NFT 被称为生成艺术 NFT，艺术家将首先输入一组规则（如一系列颜色和图案），以及迭代次数和随机程度等参数。然后计算机将在这个指定的框架内生成艺术品。其中一个例子是“CryptoPunks”生成者 Larva Labs，它创建了“Autoglyphs”NFT 集合。以下是在 AI 的帮助下生成的 NFT 集合的其他示例。以下是一些生成式艺术 NFT 示例： 1. Autoglyphs Autoglyphs 由 CryptoPunks 创作者 Larva Labs 发布，构建于以太坊区块链之上，总量 512 个。 2. Fidenza Fidenza 系列由视觉艺术家 Tyler Hobbs 创作，利用了生成各种曲线和区块的通用算法，总量 999 个。 3. Ringers Ringers 系列由艺术家 Dmitri Cherniak 创作，这些艺术品由 JavaScript 生成，描绘了将绳子缠绕在一组钉子上的各种方式，总量 1000 个。 4. Chromie Squiggle 该系列由 Erick ‘Snowfro’ Calderon 创建，由九种不同样式方案中随机生成的波浪线组成，总量 10000 个。 5. Lost Poets 该系列由数字艺术家 Pak 创作，既是 NFT 合集又是策略游戏，总量 65,536 个。 AI 可以帮助生成链游中的头像和物品生成式 AI 模型可以协助在 Web3 环境中大规模创建游戏资产——从化身、设备、车辆到人工制品。游戏行业可以应用文本到图像的生成式 AI 模型，这些模型能够根据文本描述生成创意资产和内容。在某些参数内，现代语言模型也可用于围绕所创建的资产构建上下文，例如物品力量统计数据、角色属性或智力。 AI 生成的图像和视频现在非常先进，甚至可以用于在元宇宙中的区块链游戏和虚拟产品中创建特效。例如，Mirror World 是一个 GameFi 项目，它利用 AI 驱动的虚拟“镜子”作为游戏角色的资产。 Mirror 资产在每款游戏中都可以完全互操作，确保资产持有者能够在游戏上线时使用它们应对新的挑战。 Alethea AI 的 CharacterGPT 项目是生成式 AI 发挥作用的另一个例子。它具有一个称为 CharacterGPT 的多模态 AI 系统，可以从文本描述中生成交互式 AI 字符，从而实现文本到字符的创建。基于不同的自然语言描述，交互角色可以具有不同的外貌、声音、个性和身份。这些角色可以在区块链上被代币化，他们的主人还可以定制他们的个性并训练他们的智力，以及在 Alethea 的 AI 协议上的各种其他 dapp 上交易和使用它们。这些交互式角色的拟议用例包括数字孪生（旨在反映物理对象的虚拟模型）、数字指南、数字伴侣、虚拟助手以及 AI 非玩家角色 (NPC)。 AI 可以帮助查找 Bug 在构建 Web3 基础设施和应用程序时，AI 可以帮助简化开发过程。例如，AI 应用程序用于调试代码。使用 AI，ChatGPT 在某种程度上展示了不仅可以读写代码，还可以发现代码中的错误的能力。一些加密专业人士现在已经开始使用 AI 程序来完成简单的代码审计任务：智能合约审计公司 Certik 的开发人员使用 ChatGPT 来“快速理解和总结复杂代码片段的语义”。最后：Web3 中 AI 使用的挑战、风险和前景 AI 带来了无限的可能性，它的唯一限制就是用户的想象力。即使在早期阶段，AI 模型也继续展示其在转变企业甚至行业方面的能力。由于进入门槛低促使了广泛采用，AI 很可能成为我们未来在这个数字世界中的生活方式。但是，此类技术也存在一些挑战和风险。挑战之一可能是消费者和组织对 AI 生成的内容的抵制。例如，主要的图库网站和平台 Getty Images 禁止上传和销售使用 AI 艺术工具生成的插图。版权问题被认为是原因，因为一些人工智能生成的图像复制了受版权保护的内容，原始艺术家的水印仍然可见。 AIGC 面临的另一个挑战是生成内容的质量问题。斯坦福大学教授 Andrew Ng 举了一个例子，其中 ChatGPT 错误地认为算盘如何比 GPU 更快，幸好事实并非如此。对于该领域的大多数人来说，AI 这项技术已经被证明开始扰乱劳动力。然而，认为 AI 将在工作中取代人类是一种误解。事实上，它实际上可以在现有市场和新兴市场中创造新的机会：AI 很可能会帮助增加就业机会，或者会创造出与AI 相关的新型工作，只需要一些技能提升。作家威廉·吉布森 (William Gibson) 的一句名言可能最能描述 AI 的未来：“未来已经来临——只是分布不均。” 今天 AI 和 Web3 之间的交集也可以这样说。来源：金色财经

金色财经2023-03-13

24小时热点