在最近的一篇文章中，我探讨了ChatGPT和Web3技术交叉的潜在机会。人工智能(AI)的产生以及ChatGPT和GPT-4等技术背后的炒作是有道理的，Web3也未能幸免。最近几周，我们看到与人工智能相关的加密令牌反弹至历史高位，甚至还成立了新的风险基金来投资人工智能和Web3的交叉领域。
虽然将ChatGPT技术与Web3基础设施相结合的可能性可以让我们的想法飞起来，但Web3社区应该面对这样的现实，即生成AI的大部分价值都被传统的Web2基础设施捕获了。对这种想法的进一步推断，让我们得出一个有争议的理论，这个理论仍然值得探讨:ChatGPT势头会对Web3产生负面而持久的影响。
Web3 空中生成式AI潜在负面影响背后的核心思想相对简单。生成式人工智能可能会改变软件和内容开发和消费的所有方面，从基础设施到应用层。这些天来，我们看到每个主要的技术和内容提供商都将生成的人工智能集成到他们的平台中。如果这场革命的核心发生在Web3之外，它很可能会对Web2和Web3技术之间的创新、人才和资本差距产生影响。此外，如果不迅速解决，这种差距可能会以多指数的增长率继续扩大。这个问题的解决方案当然不是微不足道的，但是可以探索一些第一性原理的想法来开始解决这个差距。
挑战
如果我们考虑到Web3已经10年没有创造任何有意义的基础设施或技术来支持机器学习(ML)，那么Web2中正在发生的生成性人工智能运动就不足为奇了。Web3 stack是围绕分布式计算、存储、身份和消息传递等基础组件开发的，但很少有人关注ML 空。不足为奇的是，所有的ML突破(如转换器架构和预训练模型)并没有出现在区块链或Web3基础设施中。当ChatGPT、GPT-4或稳定扩散模型的发布显示生成的AI可能达到逃逸速度时，Web3运动发现自己没有相关的基础来支持新生成的AI革命。
多指数增长和技术差距
Web3和Web2世界在生成AI能力上的差距正在迅速拉大。云计算或移动计算等趋势正以线性或多项式速度发展，其中新版本以新的特性和功能改进了以前的版本。生殖人工智能正以多倍指数的速度增长。
ChatGPT或GPT-4等模型使用数据和基础设施的基线，这对试图重新创建这些功能的初创公司来说是一个很高的门槛。此外，随着越来越多的人使用这些模型，它们的性能会呈指数级增长，并且它们会收集更多的数据来用于预训练未来的版本。此时，差距会变得很大，无法逾越。
目前，Web3基础设施不具备拥抱AI一代的计算、数据或数据科学框架的基础。当然，去中心化应用程序(dapp)可以通过Web2 API与模型交互来集成和生成AI功能，但Web3原生生成AI的想法目前看来有点挑战。随着生成性人工智能的快速发展，Web3面临的挑战在不同维度变得明显。
让我们看看堆栈的不同级别。
平台
AWS、Azure、Google Cloud等云平台正在快速整合自然语言、图像、视频等生成人工智能的功能。生成人工智能模型的计算和数据需求目前似乎超过了Web3基础设施的能力。因此，新一代生成式AI应用将从根本上得到Web2云平台的支持，而空在Web3基础架构中的占用非常小。如果生成式人工智能实现了它的承诺，这意味着Web3平台在采用方面可能会远远落后。
app应用
因为Web2平台包含了生成人工智能的功能，它将为新一代应用提供动力，新一代应用将把生成人工智能视为一等公民。这些新一代应用将不成比例地出现在Web2中，因为Web3栈不具备支持AI生成的能力。当然，我们会看到dapps包含了ChatGPT等模型支持的函数，但显然，这些函数会完全在链下。
下一波金融科技
多年来，加密和Web3技术被视为金融技术现代化的下一个主要趋势。毫无疑问，焦点已经转移到生成人工智能上。大多数金融科技平台更关心的是不被ChatGPT等模型支持的更精简的替代方案摧毁，而不是建立数字货币轨道。
开发智力资源
生成式人工智能技术的创新水平和ChatGPT等技术的普及无疑具有传染性，正在吸引寻求构建下一代应用的开发者。生成式AI技术的爆发式增长，与加密领域的严重衰落不谋而合。结合这两个事件，Web3 空可能面临开发者流失到AI 空一代的风险。
危险投资
风险投资是另一个可能从Web3转向人工智能一代的领域。2021年的牛市为Web3公司带来了创纪录水平的风险投资，DeFi和NFT等运动最终展示了Web3承诺的实际应用。2022年的低迷和AI世代领域的爆发式增长，已经让VC资金流向AI世代领域，这也有助于吸引科技行业的顶尖人才。
一线希望
缺乏强大的机器学习基础阻止了Web3参与第一波生成式AI创新，但这仍然可以解决。鉴于目前的技术状况和挑战，生成人工智能可以在两个明显的领域真正受益于Web3架构的原生功能。
分散的生成式人工智能:人们对知识的集中化和大型生成式人工智能模型的控制已经足够担忧，这为分散的替代方案创造了机会。尽管去中心化AI的趋势从未以有意义的方式被采纳，但围绕去中心化价值主张的对话正在生成的AI中重现，以减轻这些模型的控制、偏见、公平和其他所需的特征。
知识证明，采用生殖式AI的一些最大障碍来自于产生有毒、种族主义和偏见内容的可能性，以及他们产生幻觉或“捏造事情”的倾向。从这个角度来看，在任务关键场景中采用ChatGPT等生成式AI模型的预训练、微调和使用中实现可验证的可追溯性机制是一项非常重要的能力。这是区块链运行时非常适合将责任注入生成人工智能模型的场景之一。
本网站声明:网站内容来源于网络。如有侵权，请联系我们，我们会及时处理。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"web3 approve，web clients"：http://www.guoyinggangguan.com/qkl/168311.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
