FX168财经网_全球视野外汇黄金加密货币NFT资讯网

深入研究OpenAI最大竞争对手Bittensor

培育更广泛的服务。例如，子网5类似于Midjourney的AI图像生成。 3、采用我找不到 TVL 数字。但它们的仪表板显示以下统计数据：连续756天运行 6.15万个帐户 500 万枚 TAO被质押，占TAO供应量的 88% 超过 30 个子网显示了网络参与者和质押者/验证者的强劲增长。 4、收入情况 Bittensor是一种混合区块链，具有POW（如 BTC）和POS（如 ETH）元素。矿工托管人工智能模型并将其提供给网络验证者充当网络内的评估者每个区块都有1枚TAO奖励，奖励是均等分配的。 5、代币经济学 Bittensor于2021年“公平启动”（没有代币预挖）。 TAO的供应量为2100万枚，也有一个减半周期，每1050万个区块，区块奖励减半。目前，每12秒（一个区块）就有一枚TAO释放向网络（每天7200 枚）。每4年发生1次减半事件，第一次减半将发生在2025 年 8 月。减半次数由代币发行总量决定，而不是区块数量。当前供应统计：循环供应量= 570万总供应量 = 2100万市值 = 14亿美元 FDV = 52亿美元市值/FDV = 0.27 6、金库 Bittensor没有金库之说。它与比特币类似，都是通过挖矿获得奖励。 Opentensor 基金会通过委托授权奖励资助当前的基础设施开发。第三方验证者通过委托为自己的开发提供资金。 7、治理 Route网络根据主要代表的共识在子网之间分配释放的代币。 “根”网络中的代表现在拥有分配奖励的权力，而不是 Opentensor 基金会。消除对任何单一实体的单独依赖。 8、团队与投资者 Bittensor由 Jacob Robert Steeves 和 Ala Shaabana 于 2019 年创立。最初的主网 (Kusangi) 于 2021 年 1 月上线，但后来被停止并迁移到当前的链 Nakamoto（2021 年 11 月启动）。投资者包括 DCG、Polychain Capital、FirstMark Capital 和 GSR。重要提示： TAO代币不通过 ICO、IDO、私人销售或特权分配进行分配。流通代币必须通过积极参与网络来赚取。上述投资者投入资金并作为矿工或验证者参与网络。 9、竞争对手 Bittensors 的主要竞争对手是中心化的人工智能公司，例如：OpenAI、Midjourney、Bard（谷歌）他们正试图通过去中心化人工智能来颠覆这个行业。这是一个竞争激烈的环境，但 Bittensor 正在提供创新的解决方案。 10、风险与审计 Bittensor 计划成为 Polkadot 上的平行链，但由于担心 Polkadot 的开发速度，决定使用自己在 Substrate 上构建的独立 L1 区块链。代码开源，主网已运行1年多。尚无审计记录。 11、总结 Bittensor 是一个有趣的项目，它汇集了两个快速发展的行业：人工智能和区块链。即将到来的催化剂：不断增长的子网人工智能的采用风险包括：运营费用高激烈的竞争总加权得分 = 7.33 注意：我不是 Bittensor 的大使或顾问。不是投资建议。来源：金色财经

金色财经2023-11-30

金色解读 | 解析Bittensor（TAO）：Crypto领域开立的AI算法模型交易市场

视为去中心化的 ChatGPT + Midjourney + 人工智能的集合体。Bittensor 可能代表了人工智能商业范式的转变，相较于技术突破，其由技术驱动的商业模式创新更有前景。它为专有数据和人工智能模型提供了一种共同开发并由更广泛的受众使用的途径，而无需将它们开源。 Omnichain Capital 联合创始人DAVID ATTERMANN也表示，Bittensor 是人工智能乐高项目，通过叠加算法模型探索尝试更多可能性，它似乎是驱动下一代机器智能的合理解决方案。而加密行业研究和投資人员@digitalhk列出了Bittensor可能存在的几个问题和风险： 1、本质上，Bittensor还处于婴儿阶段，目前还没有真正的用例，ChatTensor目前还处于早期试验阶段，距离落地应用还有漫长的道路。 2、Bittensor协议采用了一种全新的dAI算法，这可能需要一定的时间和资源来推广。 3、Bittensor 采用了STAO作为激励节点的方式和支付 dAI应用程序的服务费用，这种依赖性可能会限制项目的发展。 4、目前Bittensor社区的规模相对较小，需要更多的社区成员来支持和推广该项目。 5、由于区块链和加密货币等新兴技术的不确定性，政府和监管机构可能会制定相关法规和政策，这可能会对Bittensor项目的发展产生负面影响。总结当前训练人工智能模型需要大量的数据和计算能力，由于成本高昂，大公司和研究机构一旦有所突破大多会自设封闭场域，这无疑阻碍了人工智能开发的复合效应。从这一点上说Bittensor的出现为算法模型的共享和协作提供了互换的价值转换平台，有利于AI成果的流动，缓解算法创新的低效。但是资本市场从不缺乏创新叙事，一如元宇宙概念。Bittensor最终是否能有如以太坊般蓬勃的发展，既要看项目方的持续深耕，也要看市场上的这股AI风还能刮多久。来源：金色财经

金色财经2023-11-24

从OpenAi到Bittensor：去中心化AI网络的范式转移

象成一个去中心化的ChatGPT + Midjourney + AI可以做的任何事。该网络运营主要通过两大角色：矿工（价值生产者）：矿工在网络上开发和托管AI模型。根据与特定任务相关的模型表现，他们将获得TAO代币作为奖励。这就激励了更优、更高效的AI模型的开发。验证者（共识生产者）：验证者评估矿工的输出，对他们在特定任务上的表现进行排名。它们还与向验证者提交任务的用户交互，并将它们发送给适当的矿工。我可能过于简化了技术上的复杂性，但有几件事对我来说很明显：网络上的矿工和验证者交换知识并共享参数，可随时间的推移进行自我优化。该网络旨在利用多个独立AI模型的优势，产生最佳可能输出（“专家集合”）。 2、TAO TAO是Bittensor网络的效用代币，与比特币的代币经济结构类似：2100万枚代币的硬上限和公平发布，没有风投分配。它甚至还有一个减半周期，第一次减半将在2025年发生。如今有565万枚TAO在流通中，所有这些都是通过网络上的挖矿和验证来公平分配的。TAO的当前流通市值略高于10亿美元。每天向矿工和验证者新发布的TAO数量为7200枚。 3、我的一点思考 Bittensor仍处于初始阶段。该网络拥有一个虔诚的社区，但参与者规模仍然不大——大约只有5万多个活跃账户。最繁忙的子网SN1专门用于文本生成，有大约40个活跃验证者和990多名矿工。真正吸引人的是去中心化AI网络这一概念，在降低了中心化风险的同时还提出了一个问题：这些独特的经济激励措施能否培育出超越OpenAI和谷歌等资本雄厚的实体所开发的AI模型？在LLM随着ChatGPT等工具的出现而成为主流之前，deep tech（深度技术）初创公司通常专注于获取专有数据，为特定任务开发专门的、基于机器学习的人工智能模型。例如，Flatiron Health使用肿瘤患者的真实临床数据开发人工智能模型，将其融入支持癌症研究人员和卫生保健提供者的工具。历来，初创公司的目标是将这些专有模式产品化和货币化。然而，Bittensor可能代表了这种范式的转变。或许更贴切的说法是，这是一种由技术推动的商业模式创新，而不是一种技术突破。例如，它为专有数据和AI模型提供了一条共同开发的途径，供更广泛的受众使用，而不需要将它们开源。我可以设想这样一个未来：Bittensor拥有数千个专门子网，可以应对一系列挑战，无论是环境、医疗保健问题还是能源问题。实话实说，我发现如果一个团队能以与比特币相同的方式设计他们的代币经济学是很吸引人的。这表明了他们的动机，他们与如今的团队不同——后者经常按照风投资助的模式优化自己的代币经济学，为创始人和投资者提供大量代币分配。我不确定Bittensor将何去何从。它可能会获取百倍的成功，也可能彻底失败。但它的潜力和背后的理念太吸引人了，让我不能无动于衷。来源：金色财经

金色财经2023-11-22

音乐的未来：生成式人工智能如何改变音乐产业

乐器和歌曲的组合。音乐旅途中的时刻 Midjourney 和 Runway 等产品使消费者能够创建令人印象深刻的视觉内容，而以前需要了解和使用昂贵、专业且繁琐的工具。我们已经看到图形设计师等创意专业人士采用这些早期的生成式人工智能工具来加快工作流程并更快地迭代内容。我们期望在音乐领域看到类似的产品——人工智能驱动的工具，将灵感到表达的摩擦减少到零。生成音乐的“中途时刻”——当创作一首高质量的曲目对于日常消费者来说变得足够快速和容易时——将对音乐行业产生巨大的影响，从专业制作人和艺术家到新一类的消费者创作者。我们的终极梦想？一种端到端工具，您可以以文本、音频、图像甚至视频的形式提供有关您想要创建的曲目的氛围和主题的指导，然后人工智能副驾驶将与您合作编写并制作歌曲。我们并不认为最受欢迎的歌曲将完全由人工智能生成——音乐中存在人为因素，以及与艺术家之间无法替代的联系——但是，我们确实期望人工智能的帮助将使普通人成为音乐家。我们喜欢这个声音！来源：金色财经

金色财经2023-11-14

微软禁止员工使用ChatGPT

使用它。这也适用于其他外部AI服务，如Midjourney或Replika。” 该更新建议员工使用微软自己的必应聊天工具，该工具依赖于OpenAI人工智能模型。这两家公司关系密切。微软今年也一直忙于更新Windows操作系统和Office应用程序，这些应用程序利用OpenAI服务，而OpenAI服务又在微软的Azure云基础设施上运行。截至当地时间周四下午，ChatGPT网站在微软员工的内部设备上被屏蔽。除了微软以外，许多大公司也都员工限制访问ChatGPT，通常是为了防止共享机密数据。经过广泛的互联网数据训练，ChatGPT可以对人们的聊天信息做出类似人类的回应。该服务拥有超过1亿用户。

金融界2023-11-11

利用人工智能技术创造的独一无二的NFT

，而较难实现NFT系列的一致性。 2.Midjourney Midjourney 允许用户通过简单的文本提示轻松创建高质量的图像。您需要加入他们的Discord服务器。 Midjourney利用强大的图形处理单元（GPU）来生成图像。然而，由于获取和操作这种硬件需要高昂的成本，因此该服务对每位用户每月可以访问的GPU时间进行了限制。在免费试用和付费计划之间，主要区别在于您每月可用的GPU时间。无论是追求速度还是图像质量。Midjourney为创作者提供了强大的工具，让他们能够用文字创造出视觉艺术的奇迹。 3. Binance Bicasso 由Binance加密货币交易所提供的人工智能生成的NFT工具。这一工具允许用户轻松地创建NFT，并将其列出在Binance NFT市场上。用户可以在生成的图像中自定义文本、背景、贴纸等多种功能，创造出独一无二的作品。每张由Bicasso生成的图像都具有独特性，而BNB Chain区块链的高效设计使得将这些图像铸造成NFT并不会产生高昂的成本。然而，需要注意的是，Bicasso工具在最初推出时的时间较短，仅支持有限数量的铸币厂。截止至本文撰写时，Bicasso工具尚未向公众开放。不过，您可以加入候补名单，一旦Bicasso工具可用，您将获得访问权限。这将为创作者提供一个强大的工具，以便更轻松地进入NFT领域，并将他们的作品呈现给全球的收藏家和投资者。 4. NightCafe NightCafe是一个备受欢迎的AI艺术生成平台，拥有多种支持的AI图像生成算法以及庞大的用户社区。这个平台提供了免费使用的选项，但对于免费用户，他们会获得一定数量的积分。在NightCafe上，有两种主要的创作方式。首先，您可以上传图像，然后让AI以不同的风格重新构想它，这将帮助您探索不同的艺术风格。另一种方式是通过输入文本提示来生成图像，让AI从零开始创作。如果您经常使用NightCafe，也可以选择他们的付费订阅计划，以享受更多的服务和功能。无论您是初学者还是经验丰富的艺术家，NightCafe为创作者提供了一个充满创意的平台，让他们能够以不同方式探索数字艺术的可能性。这也是一个社区，允许艺术家们分享他们的作品，并获得来自其他用户的反馈和支持。 NightCafe的多样性和用户友好性使其成为艺术创作者的有力工具。 5.AutoMinter AutoMinter是一个为有意发布自己的NFT项目提供全方位服务的平台。需要注意的是，AutoMinter目前不提供使用AI生成图像的选项，而是专注于将用户上传的艺术作品组合成NFT。与通过AutoMinter铸造的NFT相关的图像将通过IPFS存储在Sia去中心化存储网络上，这确保了图像的可靠性和安全性。此外，AutoMinter还采用了高度优化的智能合约，可帮助NFT项目和用户降低燃气费用。一个值得注意的特点是，AutoMinter还允许NFT项目启动他们自己的铸造页面并管理白名单，从而为项目提供更多的自定义选项。虽然AutoMinter本身不提供AI生成图像的功能，但您可以使用本文中介绍的其他工具之一来创建NFT艺术，并随后使用AutoMinter将它们实际铸造为NFT。这种集成可以让创作者充分发挥他们的创造力，同时享受AutoMinter提供的便捷服务。来源：金色财经

金色财经2023-10-29

中泰证券：人工智能产业生态持续完善

会，当前海外已经开始进入商业落地阶段，Midjourney等现象级爆品出现，微软、Adobe、Salesforce、Zoom等软件巨头亦纷纷推出商业化产品，静待数据的持续验证；国内短期看算力最确定，模型训练拉动训练算力需求，未来应用大规模兴起亦会拉动推理算力需求，大模型仍处于群雄逐鹿、快速迭代阶段，未来空间大且会格局收敛，应用端长期空间最大，厂商百花齐放。

金融界2023-10-18

a16z对话OpenAI CTO：从理论到实践 AI技术如何驱动未来创新？

创办了现在另一个大火特火的人工智能应用Midjourney）。 2018年，米拉加入OpenAI。从那时起，她开始更多地思考如果只关注通用性会发生什么。另外，从米拉在讨论研究方法中，可以看到她对于科技创新中在不确定的环境中需要的探索精神：有时你睡了一觉，醒来后就有了新的想法。在几天或几周的过程中，你会得到最终的解决方案。这不是一个快速的回报，有时也不是迭代的。这几乎就像是一种不同的思维方式，你在建立直觉，但也有处理问题并相信自己会解决问题的纪律。随着时间的推移，你会建立一种直觉，知道什么问题才是真正需要解决的问题。对话摘要知名风险投资人A16Z在人工智能领域下了重注。以下部分摘录了A16Z的基金经理马丁与米拉的对话。米拉分享了ChatGPT背后的故事，以及人工智能和人机交互的未来。我们也可以看到，身为产品经理背景的米拉对于产品的应用性是极其关注的。马丁：你认为现在更多的是系统问题还是工程问题？米拉：两者都有。系统和工程问题是巨大的，我们正在部署这些技术，并试图扩展它们，使它们更高效，并使它们易于访问。这意味着你不需要知道ML的复杂性就可以使用它们。实际上，我们可以看到通过API提供这些模型与通过ChatGPT提供技术之间的对比。这是一项基本相同的技术，可能有一点不同，即ChatGPT具备强化学习和人类反馈能力。这意味着人们的反应和抓住人们想象力的能力，以及让他们每天使用这项技术的能力，是完全不同的。自然语言接口马丁：我也认为ChatGPT的API是一件非常有趣的事情。每当我在程序中使用这些模型时，我总是觉得自己在用算盘包裹了一台超级计算机。有时我会说，“我会给模型一个键盘和鼠标，让它来编程。”API是英文的，我会告诉它该做什么，它会完成所有的编程。我很好奇，当你设计像ChatGPT这样的东西时，你是否认为随着时间的推移，实际的界面将是自然语言，或者你认为程序仍然有很大的作用？米拉：编程在ChatGPT中变得不那么抽象了，我们可以用自然语言在高带宽下与计算机交谈。但也许另一个载体是，这项技术正在帮助我们了解如何与它真正合作，而不是对它进行编程。编程层变得越来越容易，越来越容易访问，因为你可以用自然语言编程。但我们在ChatGPT中看到的另一面是，你实际上可以像合作伙伴或同事一样与模型合作。马丁：随着时间的推移看看会发生什么会很有趣。您已经决定在ChatGTP中拥有API，但作为同事，您没有API。你和一位同事交谈。随着时间的推移，这些东西可能会演变成说自然语言。或者你认为系统中是否总需要有一个组件是有限状态机（finite state machine），或者说一台传统的计算机？米拉：现在是一个转折点，我们正在重新定义我们如何与数字信息互动，我们正是通过这些人工智能系统的形式进行合作。也许我们有几个人工智能系统，也许他们都有不同的能力。也许我们有一个通用系统，他到处跟着我们，知道我的背景，我今天做了什么，我在生活和工作中的目标是什么，帮助我度过难关，指导我等等。你可以想象，这是超级强大的。现在，我们正处于重新定义它的拐点。我们不知道未来会是什么样子，我们正在努力让许多其他人可以使用这些工具和技术，这样他们就可以进行实验，我们可以看到会发生什么。这是我们从一开始就使用的策略。在前一周的ChatGPT中，我们担心它不够好。我们都看到了发生的事情。我们把它放在那里，然后人们告诉我们，它在发现新的案例做的非常好。当你让这些东西变得易于访问和使用，并让每个人都容易使用它时，就会发生这种情况。 OpenAI发展路线图马丁：当谈到人工智能时，人们还不知道如何思考。必须有一些指导，你必须做出一些选择。你在OpenAI，你必须决定下一步要做什么。如果你能走过这个决策过程：你如何决定做什么，关注什么，发布什么，或者如何定位？米拉：如果你考虑ChatGPT是如何诞生的，它并不是我们想要推出的产品。事实上，它的真正根源可以追溯到5年多前，当时我们正在思考如何制造一个安全的人工智能系统。你不一定希望人类真正编写目标函数，因为你不想为复杂的目标函数让替代者来做，或者说你不想出错，因为这可能非常危险。这就是利用人类反馈进行强化学习的地方。我们试图真正实现的是使人工智能系统与人类价值观相一致，并让它接受人类的反馈。根据人类的反馈，它更有可能做正确的事情，而不太可能做你不想做的事情。然后，在我们开发出GPT-3并将其发布在API之后，这是我们第一次将安全研究真正应用到现实世界中。这是通过指令引导模型（instruction-following model）的实现的。我们使用这种方法从使用API的客户那里获得提示，然后我们让承包商为模型生成反馈以供学习。我们根据这些数据对模型进行了微调，并构建了遵循指令的模型。他们更有可能遵循用户的意图，做你真正希望它做的事情。这非常强大，因为人工智能安全不仅仅是你坐在那里谈论的理论概念。它实际上变成了：我们现在要进入人工智能安全系统时代了，你如何将其融入现实世界？显然，在大型语言模型中，我们看到了概念和现实世界思想的伟大表现。但在产出方面，存在很多问题。最大的问题之一显然是幻觉（hallucination）。我们一直在研究幻觉和真实性的问题。如何让这些模型表达不确定性？ ChatGPT的前身实际上是另一个我们称之为WebGPT的项目，它使用检索来获取信息和引用来源。这个项目最终变成了ChatGPT，因为我们认为对话很特别。它允许你提出问题，纠正对方，并表达不确定性。马丁：不断发现错误，因为你在互动… 米拉：没错，有这种互动，你可以了解更深层的真相。我们开始往这个方向走，当时我们用GPT-3和GPT-3.5来做这件事。从安全角度来看，我们对此感到非常兴奋。但人们忘记的一件事是，在这个时候，我们已经训练了GPT-4。在OpenAI内部，我们对GPT-4感到非常兴奋，并将ChatGPT放在了后视镜中。然后我们意识到，“我们将花6个月的时间来关注GPT-4一致和安全性（alignment and safety），”我们开始思考我们可以做的事情。其中一件主要的事情实际上是将ChatGPT交给研究人员，他们可以给我们反馈，因为我们有了这种对话模式。最初的目的是从研究人员那里获得反馈，并使用它使GPT-4更一致、更安全、更健壮、更可靠。马丁：你说一致和安全性时，你是否包括它是正确的，它想做什么就做什么？或者你的意思是安全，实际上是保护自己免受某种伤害？米拉：我所说的一致，通常是指它符合用户的意图，所以它做的正是你希望它做的事情。但安全也包括其他事情，比如滥用，用户故意试图使用模型来制造有害的输出。通过ChatGPT，我们实际上正在努力使模型更有可能做你希望它做的事情，使其更加一致。我们还想弄清楚幻觉（hallucination）的问题，这显然是一个极其困难的问题。我认为，这种利用人类反馈进行强化学习的方法，如果我们努力做到这一点，也许这就是我们所需要的。马丁：所以，没有宏伟的计划？我们需要做什么才能达到AGI？这只是一步接一步进行下去。米拉：是的。还有你一路上做的所有小决定。也许是因为几年前我们确实做出了一个追求产品的战略决定，才更有可能实现这一目标。我们这样做是因为我们认为，如果没有来自现实世界的用户的反馈，就不可能仅仅坐在实验室里在真空中开发这些东西。这就是假设。我认为这有助于我们做出其中的一些决定，并构建底层基础设施，以便我们最终能够部署像ChatGPT这样的东西。比例定律马丁：你可以重复一下比例定律。我认为这是每个人都有的大问题。进步的速度是惊人的。但人工智能的历史似乎是，你在某个时候会遇到回报递减，这不是参数化的。它有点逐渐减少。从你的角度来看（这可能是整个行业最明智的角度）你认为比例定律会成立，我们会继续看到进步，还是认为我们正在走向回报递减？米拉：没有任何证据表明，随着我们继续在数据和计算轴上扩展模型，我们不会得到更好、更强大的模型。是否会一路走到AGI（通用人工智能），这是一个不同的问题。在这一过程中，可能还需要一些其他的突破和进步。要想真正从这些更大的模型中获得很多好处，缩放定律还有很长的路要走。马丁：你是如何定义AGI的？米拉：在我们的OpenAI章程中。我们把它定义为一个能够自主完成大部分智力工作的计算机系统。马丁：我当时在吃午饭，Anyscale的Robert Nishihara也在。他问了一个我称之为Robert Nishihara之问的问题。我认为这实际上是一个很好的刻画。他说：“计算机和爱因斯坦之间有一个连续体。你从计算机到猫，从猫到普通人，从普通人到爱因斯坦。”然后他问了一个问题，“我们在连续体上的位置？什么问题会得到解决？” 大家一致认为，我们知道如何从一只猫变成一个普通人。我们不知道如何从电脑变成猫，因为这是普遍的感知问题。我们已经很接近了，但我们还没有完全达到，我们真的不知道如何做爱因斯坦，这就是设定推理。米拉：通过微调，你可以得到很多，但总的来说，我认为，在大多数任务中，我们现在是实习生级别的。问题在于可靠性。你不能完全依赖系统来做你想让它一直做的事情。在很多任务中，它做不到。如何随着时间的推移提高可靠性，然后，扩展这些模型可以做的新功能？我认为关注这些新兴能力很重要，即使它们非常不可靠。尤其是对于今天正在组建公司的人来说，你真的想思考，“今天有什么可能？你今天看到了什么？”这些模型很快就会变得可靠。单一模型得天下？马丁：我马上就要问一下，预测一下未来会是什么样子。但之前，我很自私地问一个问题，你认为这件事的经济学会如何发展。我告诉你它让我想起了什么。这让我想起了硅工业。我记得在90年代，当你买一台电脑时，有很多奇怪的写作处理器。“这是字符串匹配，这是浮点，这是加密，”所有这些都把CPU消耗掉了。事实证明，通用性非常强大，这创造了某种类型的经济，英特尔和AMD都是其中玩家。当然，制造这些芯片要花很多钱。所以你可以想象两个未来。在未来，通用性非常强大，随着时间的推移，大型模型基本上会吸收所有功能。然后还有另一个未来，那里将有一大堆不同得模型，各种碎片，设计空间上有不同的点。你有这样的感觉吗：是OpenAI唯我独尊，还是有很多模型？米拉：这取决于你想做什么。显然，现在得轨迹是这些人工智能系统将做我们正在做的越来越多的工作。他们将能够自主运作，但我们需要提供方向、指导和监督。但我不想做很多每天都要做的重复性工作。我想专注于其他事情。也许我们不必每天工作10、12个小时，也许我们可以减少工作，实现更高的产出。这就是我所希望的。就平台的工作方式而言，即使在今天，你也可以看到我们通过API提供了许多模型，从非常小的模型到我们的前沿模型。人们并不总是需要使用最强大、最有能力的型号。有时他们只需要真正适合他们特定用例的模型，而且它要经济得多。我认为会有一个范围。但是，就我们对平台游戏的想象而言，我们肯定希望人们在我们的模型之上进行构建，我们希望为他们提供工具，使其变得容易，并让他们获得越来越多的访问和控制权。你可以带来你的数据，你可以自定义这些模型。你可以真正专注于模型之外的层，并定义产品，这实际上非常非常困难。现在有很多关注点是建立更多的模型，但在这些模型之上建立好的产品是非常困难的。未来5-10年马丁：我希望你能预测一下你认为这一切在3年、5年或10年后会走向何方。米拉：我认为，今天的基础模型在文本中对世界有着伟大的表现。我们正在添加其他模式，如图像、视频和其他各种东西，因此这些模型可以更全面地了解我们周围的世界，类似于我们理解和观察世界的方式。世界不仅存在于文字中，也存在于图像中。我们肯定会朝着这个方向发展，我们将有这些更大的模型，在训练前的工作中采用所有这些模式。我们真的想让这些经过预训练的模型像我们一样了解世界。在模型的输出部分，我们引入带有人类反馈的强化学习。我们希望模型能真正做到我们要求它做的事情，我们希望这是可靠的。这需要做大量的工作，也许还需要引入浏览，这样就可以获得新的信息，引用信息并解决幻觉。我不认为这是不可能的。我认为这是可以实现的。在产品方面，我们希望将这一切整合到人们合作的产品集合中，并提供一个人们可以在此基础上构建的平台。如果你真的向外发展，这些模型将非常非常强大。很明显，随之而来的是对这些非常强大的模型与我们的意图不一致的恐惧。一个巨大的挑战是超级一致（Super Alignment），这是一个困难的技术挑战。我们在OpenAI有一个完整的团队来专注于这个问题。来源：金色财经

金色财经2023-10-07

速览Binance Labs第六季的12个孵化项目

的艺术活动中获得奖励。其模型使用的是 Midjourney v5 和 Stable Diffusion，目前项目方正在探索及开发自己的模型，以更好地支持 NFT 艺术创作。NFP后续计划上线Artwork Editor工具，让用户可在链上发布 NFT 之前在应用程序内进行进一步的自定义。 QnA3 AI驱动的 Web3 知识共享和搜索平台。凭借自己专有的数据湖，QnA3 使用户在问答中轻松访问 Web3 信息和知识。 GameFi/SocialFi类 Cellula 以太坊上的完全链上人工生命模拟游戏，其按照“康威的生命游戏”的规则定义细胞之间的相互作用，并让它们在区块链上自主进化。玩家可以在虚拟的生命空间中观察这些生命体的生长、繁殖、进化。“Cell”是Cellula游戏的基础，是Cellula世界中生物体的基因片段。有的细胞活力强，有的细胞活力弱。细胞可以在合成平台上按照一定的规则拼接合成强大的生命体。细胞总数为 512 种，每种细胞 10 种，细胞群总数为 5120 个。 Crypto Café 致力于区块链和加密主题的学习社区，旨在减少接触数字资产的用户的进入壁垒。用户可在该平台了解crypto以及它的运作方式，学习区块链技术，认识每种加密货币的区别等，同时用户在学习中赚取“sip 代币”。 MetaCene Web3 原生 MMORPG 家园游戏，支持主流游戏玩家轻松访问，由来自盛大游戏、暴雪、完美世界等拥有20多年行业经验的游戏专家创立。该游戏呈现了一个超现实的后世界末日社会，幸存者与不同的 NFT 互动，包括 PVE 和 PVP 游戏玩法。MetaCene 在8 月份完成了Alpha 测试并推出 MetaCene Apostle NFT 系列，该团队目前正在开发移动版本和第一个正式版本，计划于 2023 年第四季度发布。来源：金色财经

金色财经2023-09-23

新投资赛道：区块链 AI 底层有哪些机会？

hatGPT属于自然语言处理的类型，而Midjourney、DALL -E、稳定扩散等输入图像输出的生成工具则属于机器学习模型。目前，人工智能产业面临一些问题。人工智能的演算法通常需要大量的计算资源，尤其是在机器学习和深度学习领域。这些演算法处理大规模数据集时需要大量的计算能力，特别是对于大规模深度神经网络模型，如深度学习模型，需要大规模的计算资源来进行。图形处理器等计算资源最大规模计算能力而受到青睐，它们可以处理更大的数据集，训练较复杂的模型，并在较短的时间内完成任务，特别适用于支持涉及矩阵损伤的AI工作负载。这些挑战中，一些区块链项目试图解决人工智能领域面临的问题： Akash：中心化云端算力市场- Akash是一个去中心化云端算力市场，旨在将需要计算力的用户与提供闲置计算力的用户或供应商相匹配，降低成本并提高效率。 Gensyn：深度学习开放计算协议- Gensyn是一个去中心化的机器学习计算协议，旨在降低深度学习的成本，并鼓励知识和技术的共享，以推动AI技术的发展。 Bittensor：中心化的机器学习开放协议- Bittensor是一个机器学习开放协议，旨在通过区块链来促进AI技术的发展，使用户可以共享知识和技术，从而提高AI模型的效率。这些项目都试图解决AI领域面临的计算资源问题，为AI开发者提供更多的计算能力和资源，降低成本并加速创新。它们代表了区块链技术在AI领域的应用潜力。来源：金色财经

金色财经2023-09-19

24小时热点