FX168财经网_全球视野外汇黄金加密货币NFT资讯网_关键字搜索-FX168

全球数字财富领导者

财富汇｜美股投研｜客户端｜旧版｜｜

FX168 全球视野中文财经

登录 / 注册

Salesforce推出生成式人工智能工具Einstein GPT
go
西，”贝尼奥夫在上周的采访中说。“这是机器学习。这是深度学习。它可以摄取您自己的数据模型。它可以成为企业的生成式人工智能——他们需要一个像Salesforce这样的平台，让他们在公司内部没有专业知识的情况下做到这一点。我们必须成为客户的替代品，这样我们才能把产品交付给他们。” 　　Salesforce今天上午还宣布，计划推出一个新的2.5亿美元的早期生成式AI风险基金，作为该公司风险投资部门Salesforce Ventures的一部分。　　在整个技术领域，开发生成式人工智能工具的紧迫性越来越大。　　C3。人工智能公司（ai）宣布了其人工智能应用程序的搜索工具，使人们更容易在他们的平台上查找信息，这在一定程度上也是基于Open ai的工具。芯片制造商英伟达（Nvidia）和高级微设备公司（AMD）都表示，人工智能将是他们未来战略的核心。　　在多个市场与Salesforce竞争的微软（Microsoft）是迄今为止开放式AI的最大投资者，并承诺在其软件业务中包含生成式人工智能功能。下周，微软首席执行官萨蒂亚·纳德拉将主持一场虚拟客户活动，主题是“人工智能工作的未来”。
金融界2023-03-08
Stability AI联合创始人Cyrus Hodes宣布发起AIGC Chain 并于本月开启测试节点
 go
，重点是实现人类的积极结果。Oben在机器学习、变声和自然语言处理方面进行研究和开发。制作了许多人工智能产品和服务，例如自拍照生成3D人脸、AIGC大模型。使用这些工具，用户可以用3D数智身份创造视觉内容，帮助用户最有效地实现他们的想法。Adam是Oben的联合创始人，此前曾是Lightspeed Venture Partners的投资合伙人。Adam和他在加州大学伯克利分校和清华大学的同学共同创立了Baihe.com，这是中国最大的互联网约会网站之一。Adam获得了加州大学戴维斯分校的交通博士学位和加州大学伯克利分校的金融工程硕士学位。而AIGC Chain区块链技术基础代码贡献者则是BitKeep的创始人Patrick，BitKeep是一款易于使用的加密钱包，在全球超过600万用户使用。Patrick带领团队从零开始建立BitKeep。退出BitKeep后，Patrick和他的团队向多个著名的Web3项目提供了区块链技术，包括BNB链上领先的MetaFi平台Babyswap。Patrick和他的团队在加密钱包、智能合约和多链开发方面拥有丰富的经验。在人工智能和Web3融合方面，Cyrus起到了领导性的作用。除去Stability AI联合创始人身份，Cyrus是OECD人工智能计算和气候专家小组的成员，全球人工智能合作伙伴关系（GPAI）的专家，是气候行动人工智能和农业人工智能委员会的一部分。他是IEEE的“积极地球2030”合作——可持续性公共资源的联席主席。Cyrus是阿联酋总理办公室人工智能部长的首席顾问。他拥有哈佛大学的公共管理硕士学位，巴黎二大学工业动力学硕士学位和巴黎科学院文学学士学位。从定位上来看，AIGC Chain基于一个简单的使命而成立：让全球各地的人们（无论种族、性别、教育水平、国籍、地点、文化和宗教信仰）都能公平地访问和简易地参与到AIGC生态系统。AIGC Chain是一个可分布式、模块化的AIGC模型基础设施，任何人都可以用它来训练自己的小AIGC模型，并按照自己的意愿将它们添加到AIGC Chain基础设施中。AIGC Chain是一个公共、去中心化的第二层解决方案。它是用Go语言构建的，最初与以太坊和iPollo合作。还有额外的计划将其扩展到其他网络，如BSC、Cosmos和像PAI这类的分布式算力网络。其目标是创建一个开放的、分布式AI网络，并支持存储公链，如Filecoin。AIGC Chain由AIGC生态系统集体训练和维护。AIGC Chain将支持一个P2P的市场，允许用户向AIGC社区销售分布式GPU服务、数据存储或者其他运营AI所需要的资源，无需中央平台或中介。这意味着参与者可以使用自己的web3身份，如区块链钱包地址或去中心化身份，访问市场，并向AIGC生态系统提供各种服务。市场允许参与者从各种卖家处访问和购买各种人工智能相关服务和资源，如分布式 GPU 服务、数据存储和数据标注。这有助于提高人工智能的公平性、效率和性能，并支持 AIGC 生态系统的发展。目前AIGC赛道存在着不少有待解决和优化的问题，比方说不公平、AI的艺术风格不一致性、贫困、信息熵高、信息无序等问题，而AIGC Chain将有望通过web3的方式来解决和优化这些问题。就不公平问题而言，人工智能生成的内容通过提供用户和组织新的技能和见解来解决问题，帮助他们取得成功。目前新冠疫情已经造成了巨大的经济破坏，使数百万人陷入贫困。少数族裔、边缘化和被忽视群体缺乏融入AI生态系统的条件，将进一步加剧贫富差距。使用AI生成模型和点对点市场可以帮助提升边缘化群体的独特文化、故事和技能，这些对整个人类都是有价值的。分散式AIGC基础设施将通过允许更大的参与来提高边缘化群体的参与度，从而减少疫情的负面影响，缓解贫富差距。 AIGC使用的扩散模型天生会生成随机和多样的结果。扩散模型使用随机过程，这意味着它依赖随机性和概率来生成输出，即使使用相同的提示输入，模型的输出也可能因一次运行到下一次而有所不同。此外，扩散模型可能在多样和多变的数据集上进行训练。这进一步导致了生成图像的随机性和不一致性。然而，在实际应用中，如内容生产中，通常需要一致性。AIGC Chain的技术贡献者开发了一种精确控制方法，协调视觉生成技术，解决了扩散生成图像的不一致问题。就信息无序而言，热力学第二定律指明宇宙的熵总是增加。所以如果要减缓宇宙热死亡的进程，就需要负熵。在物理学中，负熵是指系统比平衡状态更有序，而不是更无序。在经济系统里，这是说信息要有序，而不是无序，有序才能让经济和社会的发展更可持续。Web2平台用免费来换取用户的广告时间，广告对用户的信息获取来说往往是无效的，增加了熵，对整体的经济系统是熵增的。而Web3的去中心化的架构可以让用户自己决定希望获取什么样的广告，信息的熵比Web2的信息熵低，让整体经济系统更有序，更加可持续。区块链技术通过提供安全、透明、防篡改的信息存储和传输方式，提高了网络上信息的可靠性和信任度，从而减少熵。NFT 通过区块链网络验证，为艺术品的所有权提供了安全的认证方式，通过创建明确的所有权记录减少熵。总的来说，与中心化服务平台相比，AIGC Chain的分布式 AIGC 服务平台有潜力为用户提供更多的公平性、灵活性、创新性和更多的选择。在生态层面，AIGC Chain主网全面支持图灵完备的智能合约。智能合约（Smart Contracts）是内存块链中制定合约所使用的特殊协议，这是一种自动执行的合约，将双方的协议条款写入代码中，一旦启动就会自动运行，不需要任何人为的干预，自主控制其计算所涉及的资源，比如有权限调配合约双方的资金和财产。通过分布式的节点来自动运行，而不用透过中心化的单个服务器。智能合约为构建在 AIGC 网络上的 DApps 开辟了一套全新的用户体验和新的归因模型。例如，利用 AIGC 网络上的智能合约可以实现完全数字化的物品所有权、创新的支付消费模型、透明的版税分配、无需信任的众筹机制等等。这提供了额外的社会和经济交互层，补充了视频和数据传输的核心功能，并显着提高了平台用户的参与度和保留率。在EVM兼容方面，AIGC 虚拟机与以太坊虚拟机兼容。因此，移植现有的基于以太坊的合约很简单，成千上万的智能合约开发人员可以轻松地在 AIGC 上进行构建。AIGC 的 Ethereum RPC 适配器提供了对以太坊 RPC API 的支持，类似于 Binance Smart Chain 和 Polygon。Ethereum RPC 适配器软件将 AIGC RPC 端点转换为 Ethereum RPC API。有了它，AIGC 现在支持整个 Ethereum DApp 开发堆栈，包括 Metamask、Hardhat、Remix、Ethers.js、Web3.js 和 Truffle Suite。移植到 AIGC 的以太坊 DApp 可以使用相同的 API 调用与 AIGC 区块链交互。这意味着以太坊 DApps 几乎可以无缝部署和迁移到 AIGC Chain。这大大降低了开发者利用已有基础设施在AIGC CHAIN部署并基于AIGC CHAIN进行原生开发的难度。据AIGC Chain官方推特，AIGC Chain或将于2023年3月21日开启测试节点申请，申请者可通过训练AI模型获取丰厚奖励并折射至主网。AIGC Chain测试网将分为多个阶段进行，主网上线时间预计为2023年Q3~Q4。来源：金色财经
金色财经2023-03-07
ChatGPT热潮来袭！大厂大语言模型卷起来了
 go
前沿技术的研发，基于此前在AI大模型、机器学习算法以及NLP等领域的技术储备，将进一步开展前沿研究及应用探索。　　另外，阿里方面也确认阿里达摩院正在研发类ChatGPT的对话机器人，目前处于内测阶段。　　美国国家工程院外籍院士、北京智源人工智能研究院理事张宏江公开表示，ChatGPT和AIGC（生成式人工智能）技术爆火背后，代表着人工智能大模型进入一个新的技术范式，同时也是第三波 AI 浪潮经过十几年发展之后一个非常重要的拐点。
金融界2023-03-07
ChatGPT 等 LLM 使用强化学习而非监督学习进行微调的 5 个原因
 go
强化学习是一种基于奖励系统的反馈驱动的机器学习方法。代理（agent）通过完成某些任务并观察这些行动的结果来学习在一个环境中的表现。代理在很好地完成一个任务后会得到积极的反馈，而完成地不好则会有相应的惩罚。像 ChatGPT 这样的 LLM 表现出的卓越性能都要归功于强化学习。 ChatGPT 使用来自人类反馈的强化学习（RLHF），通过最小化偏差对模型进行微调。但为什么不是监督学习（Supervised learning，SL）呢？一个基本的强化学习范式由用于训练模型的标签组成。但是为什么这些标签不能直接用于监督学习方法呢？人工智能和机器学习研究员 Sebastian Raschka 在他的推特上分享了一些原因，即为什么强化学习被用于微调而不是监督学习。不使用监督学习的第一个原因是，它只预测等级，不会产生连贯的反应；该模型只是学习给与训练集相似的反应打上高分，即使它们是不连贯的。另一方面，RLHF 则被训练来估计产生反应的质量，而不仅仅是排名分数。 Sebastian Raschka 分享了使用监督学习将任务重新表述为一个受限的优化问题的想法。损失函数结合了输出文本损失和奖励分数项。这将使生成的响应和排名的质量更高。但这种方法只有在目标正确产生问题-答案对时才能成功。但是累积奖励对于实现用户和 ChatGPT 之间的连贯对话也是必要的，而监督学习无法提供这种奖励。不选择 SL 的第三个原因是，它使用交叉熵来优化标记级的损失。虽然在文本段落的标记水平上，改变反应中的个别单词可能对整体损失只有很小的影响，但如果一个单词被否定，产生连贯性对话的复杂任务可能会完全改变上下文。因此，仅仅依靠 SL 是不够的，RLHF 对于考虑整个对话的背景和连贯性是必要的。监督学习可以用来训练一个模型，但根据经验发现 RLHF 往往表现得更好。2022 年的一篇论文《从人类反馈中学习总结》显示，RLHF 比 SL 表现得更好。原因是 RLHF 考虑了连贯性对话的累积奖励，而 SL 由于其文本段落级的损失函数而未能很好做到这一点。像 InstructGPT 和 ChatGPT 这样的 LLMs 同时使用监督学习和强化学习。这两者的结合对于实现最佳性能至关重要。在这些模型中，首先使用 SL 对模型进行微调，然后使用 RL 进一步更新。SL 阶段允许模型学习任务的基本结构和内容，而 RLHF 阶段则完善模型的反应以提高准确性。来源：金色财经
金色财经2023-03-07
All in AIGC 的扎克伯格坐不住的 Meta
go
IOS报道，Meta新团队将由“AI和机器学习”副总裁Ahmad Al-Dahle领导。这位老兄于2020年4月加入当时还未改名的Facebook，主要负责AI、机器感知和XR等方面的领导工作。而在此之前十几年的时间里，他一直在苹果的特殊项目小组（Special Project Group）就职。至于“顶级产品团队”其它成员的信息，目前Meta官方还未做更多的透露。但根据小扎“将多个生成式AI团队整合到一个小组”的说法，Meta自家的大语言模型LLaMA团队很可能也会加入进来。而Meta的AI部门首席科学家、2019年“图灵奖”得主Yann LeCun（自称汉语名“杨立昆”）之前在社交平台上表示，几乎所有LLaMA的研究人员都是来自FAIR在巴黎的分支机构。若果真如此，那么Meta这次整合的“顶级产品团队”将是跨全球的一次大动作，想不引人注目都不可能。杨立昆1960年7月8日生于法国，2018年在瑞士洛桑联邦理工学院演讲野心够大，实力几何？小扎All in AIGC野心十足，那背后的技术实力够不够呢。在此前的发布中，Meta的开源大语言模型LLaMA包含四种规格：7B、13B、33B和65B，并且官方还声称效果要优于OpenAI的GPT系列，甚至13B的LLaMA在单个GPU上就能运行。它的主要运行原理和以往的大语言模型大同小异，都是将一系列单词作为输入，并预测下一个单词以逐渐递归生成文本。至于为何要发布不同规格的大模型，Meta对此的解释是“近来的研究表明，对于给定的计算预算，最佳性能不是由最大的模型实现的，而是由基于更多数据训练的更小的模型实现的。”换言之较小的模型规模加上比较大的数据集，获得的性能可能会比更大规模模型的要好很多。一方面，小规模模型需要的计算能力和资源相对来说都会节约很多，另一方面，它还能基于更多数据集训练更多模型，更容易针对特定的潜在产品或用户用例进行重复训练和微调。至于实际效果，小扎更是放出豪言，这是AI大语言模型里的新SOTA模型，在生成文本、模拟对话、总结书面材料以及推演数学定理或预测蛋白质结构等五花八门的事情，它都能干。相较于有1750亿参数的GPT-3，最多拥有650亿参数LLaMA在大多数基准上的确都要优于GPT-3。后发先至，后来居上？有一说一，不要说相比其他科技巨头，就是比2021“元宇宙元年”时自己的表现，Meta这波入局怎么看都是落后了一步。早在现代企业诞生的几百几千年前，古人的围棋和象棋理论中就有“宁输一子，不失一先”的说法。几十年前，思科公司的约翰·钱伯斯又提出了著名的“快鱼理论”：当今市场不再是大鱼吃小鱼，而是快鱼吃慢鱼。 2021年当元宇宙概念首次提出后，Facebook很快就改名Meta，既是表明自己的雄心壮志，也是为了吸引更多的粉丝。然而作为旁观者的我们都看得一清二楚。Meta在这一年多里，除了烧钱就是裁员，以及自家冷冷清清，凄凄惨惨的Horizon Worlds。去年11月Meta裁员1.1万人，两周前又裁掉数千人，可是小扎嘴里的“2023将是效率年”却不知道还需要多少牺牲品。去年底时有人说小扎的行为彰显了“其作为犹太人，骨子里的冷血无情，刻薄寡恩终究是本性难移的”。对小扎的人品如何在此不做评价，但一些Meta员工的自述可以让我们管中窥豹，可见一斑：“十年大干快上，换来今天的一地鸡毛。” 也有人说小扎的行为不过是业内现状的缩影，反映了业内普遍存在的焦虑情绪，毕竟元宇宙到现在还基本上是八字没一撇，连好点的XR硬件厂商都屈指可数。相比之下还是AIGC更务实点，更何况ChatGPT最近的表现也是有目共睹。和机器人对话可比玩VR游戏简单多了，也更有意思，至少就目前来看，引人入胜的VR游戏还是太少，质量更是鱼龙混杂，良莠不齐。不论是否承认，元宇宙作为宏大叙事毋庸置疑，但目前更多的还停留在理论阶段，实际应用少得可怜。与此相反的，ChatGPT立足AIGC与聊天机器人的结合部，一出手就是杀手锏，也多亏了OpenAI在一个领域内深耕八年才有今日的惊艳亮相。而八年前的Meta又在做什么呢？虽然“大干快上”让它也在短短数年内获得了引人注目的成就，但正如老话说的，站在风口上猪都能飞起来，风口之后呢？另外关于聊天机器人还要多说几句，虽然Siri，ChatGPT等都堪称是现象级产品，但这个概念其实早已有之。1966年，德裔美籍的电脑科学家约瑟夫·维森鲍姆在深入研究图灵测试后，亲自动手开发了一款程序ELIZA，模拟心理医生的对话访谈，之前在展望Web3未来时曾提到过它。碍于当时电脑的普及程度极为有限，ELIZA仅在学术圈内掀起了一点波澜。直到1994年“聊天机器人”的概念才被确立，并逐渐发展成今日规模的庞大产业。来源：金色财经
金色财经2023-03-07
Snowflake与亚马逊云科技携手深耕以客户为中心的创新
 go
们将继续加强合作，在行业垂直解决方案和机器学习能力的产品集成方面进行深入合作，一心一意地专注于为我们的客户提供最佳服务。” “数据是每个应用、流程和业务决策的核心，是数字化转型的基石。通过与Snowflake合作，我们正在为世界各地成千上万的客户创造新的价值，帮助他们最大限度地提高数据投资回报。” 亚马逊云科技首席执行官Adam Selipsky表示，“亚马逊云科技和Snowflake的紧密合作正在推动全球领先企业的发展和繁荣。” Snowflake和亚马逊云科技将扩大其战略举措，以探索新的前沿领域，并以多种方式推动以客户为中心的创新，例如：开发行业解决方案：Snowflake和亚马逊云科技行业团队一直在合作构建联合的行业特定解决方案，以满足其最大客户们的需求。亚马逊云科技在密切参与Snowflake迄今为止所推出的每一个行业数据云，包括金融服务、传媒和广告、医疗保健和生命科学、零售和电信数据云。双方计划继续将这些定制化解决方案扩展到其他行业，帮助更多组织机构加速创新。深化产品集成：Snowflake和亚马逊云科技继续投资机器学习与人工智能、数据治理、流数据以及其他领域的深度产品集成，为双方客户创造最佳体验。通过使用亚马逊云科技的定制硅芯片，Snowflake将工作负载运行在Amazon Graviton实例上，使性能增强约10%[2]，且无需客户做出任何更改。扩大销售合作：Snowflake和亚马逊云科技在加强销售合作和推动彼此之间强大的销售协作方面投入了大量资源，这其中包括正在为双方赢得战略机遇的全新投资，以及将大规模本地应用迁移到亚马逊云科技的云上。双方都在持续投入资源，进一步推动在美洲、欧洲、亚太地区和日本的联合销售。扩展营销策略：亚马逊云科技继续与Snowflake团队合作，以提高对行业联合解决方案及产品集成的认知和需求。此外，Snowflake和亚马逊云科技持续提升在对方的全球性活动以及行业活动中的参与度，以便双方的共同客户和潜在客户有机会了解行业联合解决方案和产品集成。为客户提供极致体验是Snowflake和亚马逊云科技共同的战略和增长关键，自2020年以来，双方的联合销售目标已经扩大了5倍。Snowflake与亚马逊云科技通力合作服务于客户的数据需求，目前正在为包括高盛集团等财富500强企业在内的6000多家联合客户提供助力。[1] “我们的数据战略与我们的开源Legend平台以及高盛数据金融云直接绑定，” 高盛集团首席数据官兼数据工程主管Neema Raphael表示： “通过利用亚马逊云科技提供的的云基础设施和Snowflake提供的集成数据平台和内置治理，我们构建了一个支持Legend的可靠和安全的技术栈，可帮助我们的客户、业务合作伙伴及工程师迅速而便捷地获得具有变革性的行业洞见。”
美通社2023-03-07
未来AI对就业的影响
 go
中的装配工人、工厂工人、仓库工人等。机器学习：AI可以学习和分析大量数据，从而提高工作效率。这将导致一些职位的需求减少，例如数据分析师、市场研究员等。新的就业机会：AI的出现也会创造新的就业机会，例如AI工程师、机器人维护工程师、数据科学家等。教育和培训：随着AI的发展，人们需要不断学习和适应新的技术和工具。因此，教育和培训领域将成为越来越重要的行业，例如教育技术、在线学习、人工智能培训等。人类智慧的重要性：虽然AI可以执行很多任务，但人类智慧和创造力仍然无法被替代。因此，需要更多的人类创意、创新能力和领导力来应对未来的挑战。总之，未来人工智能将对某些职业和行业产生负面影响，但它也将创造新的就业机会和需求。因此，我们需要更多的教育和培训，以适应未来的就业市场，并探索如何将人类智慧与人工智能相结合，以创造更多的价值。来源：金色财经
金色财经2023-03-06
AIGC将作为重要的Layer2工具接入——iPollo菠萝元宇宙公布最新技术进展
 go
已支持stable diffusion机器学习模型的推理，可通过文字生成图案并直接铸造成NFT。随着AIGC作为重要的Layer2工具接入，iPollo菠萝元宇宙作为元宇宙基础设施服务商，使得开发人员可以更好地借助AIGC创建元宇宙，为创造独特和创新的元宇宙体验提供了广泛的可能性。无论是开发新的游戏、虚拟世界还是社交媒体平台，AIGC已成为将元宇宙带入令人兴奋的纬度的全新工具。来源：金色财经
金色财经2023-03-06
Stable Diffusion联合创始人Cyrus Hodes加入AIGC Chain 即将到来的Web3+AI革命
 go
，重点是实现人类的积极结果。Oben在机器学习、变声和自然语言处理方面进行研究和开发。制作了许多人工智能产品和服务，例如自拍照生成3D人脸、AIGC大模型。使用这些工具，用户可以用3D数智身份创造视觉内容，帮助用户最有效地实现他们的想法。Adam是Oben的联合创始人，此前曾是Lightspeed Venture Partners的投资合伙人。Adam和他在加州大学伯克利分校和清华大学的同学共同创立了Baihe.com，这是中国最大的互联网约会网站之一。Adam获得了加州大学戴维斯分校的交通博士学位和加州大学伯克利分校的金融工程硕士学位。而AIGCChain区块链技术基础代码贡献者则是BitKeep的创始人Patrick，BitKeep是一款易于使用的加密钱包，在全球超过600万用户使用。Patrick带领团队从零开始建立BitKeep。退出BitKeep后，Patrick和他的团队向多个著名的Web3项目提供了区块链技术，包括BNB链上领先的MetaFi平台Babyswap。Patrick和他的团队在加密钱包、智能合约和多链开发方面拥有丰富的经验。在人工智能和Web3融合方面，Cyrus起到了领导性的作用。除去Stability AI联合创始人身份，Cyrus是OECD人工智能计算和气候专家小组的成员，全球人工智能合作伙伴关系（GPAI）的专家，是气候行动人工智能和农业人工智能委员会的一部分。他是IEEE的“积极地球2030”合作——可持续性公共资源的联席主席。Cyrus是阿联酋总理办公室人工智能部长的首席顾问。他拥有哈佛大学的公共管理硕士学位，巴黎二大学工业动力学硕士学位和巴黎科学院文学学士学位。从定位上来看，AIGC Chain基于一个简单的使命而成立：让全球各地的人们（无论种族、性别、教育水平、国籍、地点、文化和宗教信仰）都能公平地访问和简易地参与到AIGC生态系统。AIGC Chain是一个可分布式、模块化的AIGC模型基础设施，任何人都可以用它来训练自己的小AIGC模型，并按照自己的意愿将它们添加到AIGC Chain基础设施中。AIGC Chain是一个公共、去中心化的第二层解决方案。它是用Go语言构建的，最初与以太坊和iPollo合作。还有额外的计划将其扩展到其他网络，如BSC、Cosmos和像PAI这类的分布式算力网络。其目标是创建一个开放的、分布式AI网络，并支持存储公链，如Filecoin。AIGC Chain由AIGC生态系统集体训练和维护。AIGC Chain将支持一个P2P的市场，允许用户向AIGC社区销售分布式GPU服务、数据存储或者其他运营AI所需要的资源，无需中央平台或中介。这意味着参与者可以使用自己的web3身份，如区块链钱包地址或去中心化身份，访问市场，并向AIGC生态系统提供各种服务。市场允许参与者从各种卖家处访问和购买各种人工智能相关服务和资源，如分布式 GPU 服务、数据存储和数据标注。这有助于提高人工智能的公平性、效率和性能，并支持 AIGC 生态系统的发展。目前AIGC赛道存在着不少有待解决和优化的问题，比方说不公平、AI的艺术风格不一致性、贫困、信息熵高、信息无序等问题，而AIGC Chain将有望通过web3的方式来解决和优化这些问题。就不公平问题而言，人工智能生成的内容通过提供用户和组织新的技能和见解来解决问题，帮助他们取得成功。目前新冠疫情已经造成了巨大的经济破坏，使数百万人陷入贫困。少数族裔、边缘化和被忽视群体缺乏融入AI生态系统的条件，将进一步加剧贫富差距。使用AI生成模型和点对点市场可以帮助提升边缘化群体的独特文化、故事和技能，这些对整个人类都是有价值的。分散式AIGC基础设施将通过允许更大的参与来提高边缘化群体的参与度，从而减少疫情的负面影响，缓解贫富差距。 AIGC使用的扩散模型天生会生成随机和多样的结果。扩散模型使用随机过程，这意味着它依赖随机性和概率来生成输出，即使使用相同的提示输入，模型的输出也可能因一次运行到下一次而有所不同。此外，扩散模型可能在多样和多变的数据集上进行训练。这进一步导致了生成图像的随机性和不一致性。然而，在实际应用中，如内容生产中，通常需要一致性。AIGC Chain的技术贡献者开发了一种精确控制方法，协调视觉生成技术，解决了扩散生成图像的不一致问题。就信息无序而言，热力学第二定律指明宇宙的熵总是增加。所以如果要减缓宇宙热死亡的进程，就需要负熵。在物理学中，负熵是指系统比平衡状态更有序，而不是更无序。在经济系统里，这是说信息要有序，而不是无序，有序才能让经济和社会的发展更可持续。Web2平台用免费来换取用户的广告时间，广告对用户的信息获取来说往往是无效的，增加了熵，对整体的经济系统是熵增的。而Web3的去中心化的架构可以让用户自己决定希望获取什么样的广告，信息的熵比Web2的信息熵低，让整体经济系统更有序，更加可持续。区块链技术通过提供安全、透明、防篡改的信息存储和传输方式，提高了网络上信息的可靠性和信任度，从而减少熵。NFT 通过区块链网络验证，为艺术品的所有权提供了安全的认证方式，通过创建明确的所有权记录减少熵。总的来说，与中心化服务平台相比，AIGC Chain的分布式 AIGC 服务平台有潜力为用户提供更多的公平性、灵活性、创新性和更多的选择。在生态层面，AIGC Chain主网全面支持图灵完备的智能合约。智能合约（Smart Contracts）是内存块链中制定合约所使用的特殊协议，这是一种自动执行的合约，将双方的协议条款写入代码中，一旦启动就会自动运行，不需要任何人为的干预，自主控制其计算所涉及的资源，比如有权限调配合约双方的资金和财产。通过分布式的节点来自动运行，而不用透过中心化的单个服务器。智能合约为构建在 AIGC 网络上的 DApps 开辟了一套全新的用户体验和新的归因模型。例如，利用 AIGC 网络上的智能合约可以实现完全数字化的物品所有权、创新的支付消费模型、透明的版税分配、无需信任的众筹机制等等。这提供了额外的社会和经济交互层，补充了视频和数据传输的核心功能，并显着提高了平台用户的参与度和保留率。在EVM兼容方面，AIGC 虚拟机与以太坊虚拟机兼容。因此，移植现有的基于以太坊的合约很简单，成千上万的智能合约开发人员可以轻松地在 AIGC 上进行构建。AIGC 的 Ethereum RPC 适配器提供了对以太坊 RPC API 的支持，类似于 Binance Smart Chain 和 Polygon。Ethereum RPC 适配器软件将 AIGC RPC 端点转换为 Ethereum RPC API。有了它，AIGC 现在支持整个 Ethereum DApp 开发堆栈，包括 Metamask、Hardhat、Remix、Ethers.js、Web3.js 和 Truffle Suite。移植到 AIGC 的以太坊 DApp 可以使用相同的 API 调用与 AIGC 区块链交互。这意味着以太坊 DApps 几乎可以无缝部署和迁移到 AIGC Chain。这大大降低了开发者利用已有基础设施在AIGC CHAIN部署并基于AIGC CHAIN进行原生开发的难度。据悉，AIGC Chain或将于2023年3月开启测试节点申请，AIGC Chain测试网将分为多个阶段进行，主网上线时间预计为2023年Q3~Q4。来源：金色财经
金色财经2023-03-06
人工智能如何重新定义Web3
go
FTs 随着区块链开发者整合人工智能和机器学习算法，网络3.0将可能引入更智能的分散式应用（dApps），具有更先进的现实世界效用。一个迷人的早期例子是Alethea AI的Alice--第一个具有自我学习能力的非可替代代币（NFT），它在从每一次新的互动中学习的过程中改变了与人交往的方式。作为第一个智能NFT（iNFT），Alice有自己的个性，能够与互联网用户进行详尽的对话，并在这个过程中向他们学习。随着人工智能算法的进步，下一代dApps和NFTs可能会从其功效中受益，因为去中心化的应用程序获得了更好的数据管理和分析能力，而下一代NFTs将带有类似人类的行为。 2、个人数据的价值实现虽然社交媒体巨头和营销公司已经在收集我们的浏览数据，以提供更相关的广告，但这并不符合网民的最佳利益。Web 3.0的去中心化精神旨在通过让人们重新控制他们的数据，带来更多的用户权力--这些数据可以选择与服务商共享，由服务商直接向用户付费。通过应用人工智能算法，服务商将能够分析更大量的数据，并在个性化用户体验时考虑更多因素。Web 3.0用户将收到更多客制化服务的同时，也从另一个维度实现了个人数据的价值化。核心AI+区块链项目分析以下是AI+区块链赛道中市值TOP10的项目简介，数据来源CoinGecko。 1、FET 项目介绍 Fetch-ai Network 是一个位于剑桥的人工智能实验室，项目结合了机器学习、人工智能和分类账本等技术，搭建一个开放的经济框架，提供高性能、低成本的交易环境，以实现围绕去中心化数字经济构建的智能基础设施。应用场景智能识别：医院使用 Fetch-ai 的集体学习功能训练机器人的学习算法，以对医院中需要检测的胸片等X光图像进行识别，定位患者的病灶，经统计，经过训练的 AI 模型识别病例的准确率为 90%。癌细胞检测：通过与波兹南超级计算网络中心 (PSNC) 的集体学习合作， Fetch-ai和 PSNC 将为全球医院和研究中心训练算法，以在未来识别和检测患者血液或组织活检中的循环癌细胞。预测性维护：预测性维护是一个在机器潜在故障发生之前识别它们的过程。为了识别制造机械的潜在故障，Bosch正在利用 Fetch-ai 的集体学习来预测博世机器的潜在故障，同时维护数据隐私。近期，Bosch和 Fetch.ai 宣布建立新的合作伙伴关系，以组建一个新的 Web3 基金会——Fetch.ai Foundation，旨在研究、开发和利用 Web3 技术，用于跨越移动、工业和消费领域的实际用例。供应链集成：Fetch-ai Network 和 LiquidChefs 之间的合作伙伴关系旨在利用 Fetch-ai Network 的自主经济代理与其搜索和发现框架集成，以建立本地和透明的供应链，使 LiquidChefs 能够搜索并连接其附近的任何可持续供应商。 2、OCEAN 项目介绍 Ocean Protocol是一个用于web3数据经济的工具，为开发者提供工具来构建数据市场，管理数据NFT和DeFi数据代币。数据所有者和消费者可以使用Ocean Market应用程序以安全、隐私的方式发布、探索和使用数据。项目优势团队经验丰富：在区块链、数据处理和AI等领域拥有丰富的经验。赛道具备潜力：通过去中心化的方式可以实现公证、透明和安全的数据共享，极大的解放AI市场，是未来 AI板块的核心数据层。资源丰富：已经与新加坡政府、SingularityNET、Mattereum 和 IBM Watson AI XPRIZE 等机构和项目达成合作关系。持续迭代能力强：产品从 V1-V4，每个版本都在持续迭代，V4 主要特色包括：通过单边质押解决 rug pull 问题，添加数据 NFT（ERC-721）以提高数据 IP 管理的灵活性，社区货币化等。 3、AGIX 项目介绍 SingularityNET是一个去中心化的人工智能平台和市场。在 SingularityNET平台上运行的代理可以灵活地将工作外包给彼此——交易信息、协商付款以及进行影响代理声誉的评级。此外，在这个开源的市场上，每一个为生态提供人工智能和机器学习服务的人，都回收到一定数量的代币作为奖励。项目优势 AI Marketplace：AI市场提供了许多用户可以购买的 AI 支持的服务； AI Publisher：允许 AI 开发人员在平台上发布他们的产品并从中获利； 4、NMR 项目介绍 Numerai是一种由数据科学家网络建立、使用人工智能技术的新型对冲基金。 Numerai Tournament 的核心是免费数据集。它由经过清理、规范化和混淆的高质量财务数据组成。该平台的主要目标是将去中心化引入数据科学领域，并允许开发人员在创建有效的机器学习预测模型方面展开竞争。应用场景 Numerai Tournament：一种对冲基金，根据全球竞争数据科学家网络所做的数千项预测的汇总来交易股票。Numerai每天从其用户那里收到大约1 亿条预测，然后创建一个元模型进行投资。 Numerai Signals：收集 Russell 3000 股票预测的持续锦标赛。 Erasure Bay：一个信息交换市场，可以交易任何类型的信息，包括估值模型、产品反馈等。 AI+区块链技术面临的挑战 R3PO认为，区块链和AI均是自互联网发明以来最具颠覆性的两项技术，去中心化的区块链给AI带来良好的数据基础，AI又拥有成熟的模块资源和算法资源。目前我们所看到的技术应用只是冰山一角，两者的融合将影响未来几十年社会的发展轨迹和进步，有可能创造一个更高效、更安全、更个性化的数字经济，为个人和公司等带来新的商业模式和机会。但与此同时，区块链技术与人工智能的结合不可避免地会面临一些挑战。 1、安全问题人工智能需要处理大量数据才能发挥作用，而区块链上的数据为避免受黑客侵害是经过安全加密的，那么，为了分析和处理这些数据，有必要对相关文件和数据进行解密，这将令数据更容易受到恶意攻击。WEB3.0发展至今也尚未形成完善的安全体系，所以还有待进一步形成统一的安全标准和规范。 2、成本和效率的限制人工智能在提高区块链运行效率的同时，也存在一定的限制，如目前的分布式技术的应用，涉及大规模的计算和存储系统，硬件上的限制，甚至物理上，运行设备能源的产生，传输，存储都在一定程度上限制了AI与区块链实际应用的落地。当前考虑到诸多链上实际运行时导致的 tps 限制与 gas 费成本，都将使得真正运营在区块链上的人工智能商业应用的成本会难以想象的高，而实际效率则会难以想象的低。所以目前，区块链技术与人工智能的结合仍在初始摸索中。结语 ChatGPT带来的AI热度还在持续发酵，而“区块链＋AI”项目已历经一轮短时间内的暴涨和暴跌。数据显示，AI概念加密项目代币总市值一度超过50亿美元，如SingularityNET曾2月初上涨超过290.53%，但目前这些项目已经迅速回落。短期的FOMO情绪虽然给AI+区块链项目带来了更多关注度，但究其根本，项目未来的发展还是要回归到本身的价值。仅有AI皮毛的一些项目并不能扛起WEB3.0的大旗，这场WEB3.0的革新之旅的终点到底是什么，也无人能给出一个确切的答案，是价值的重新定义？还是去中心化打败中心化？但目前我们可以知晓的是，AI与区块链技术的融合无疑将迸发出更精彩的可能性，让我们拭目以待。来源：panews 作者：Zelda 来源：金色财经
金色财经2023-03-05

上一页
1
•••
205
206
207
208
209
•••
231
下一页

24小时热点

最新话题更多