FX168财经网_全球视野外汇黄金加密货币NFT资讯网

AI代币竞争激烈,CNTM为何却能从中脱颖而出？

播客上分享了他对人工智能（AI）和语言编程未来的见解。 “使用ChatGPT或其他语言模型，创建者和开发人员之间的界限将变得模糊，”机器学习专家在采访中说。在阐述他的观点时，汗解释说： “因为，如果你能要求人工智能用前端用户界面、复杂的python代码和逻辑来快速编写程序，你不一定需要一个全面的程序员。它可能会产生两种效果：它将使高级编码器更加先进。但它将弥合创作者的差距。 ChatGPT一直在掀起波澜，不仅在内容创作领域，而且在加密领域也是如此。随着人工智能的激增和ChatGPT等自然语言处理（NLP）工具的普及，加密代币之间已经观察到了相当大的转变。人工智能代币是下一件大事，甚至在CoinMarketCap等价格跟踪网站上也有自己的分类。考虑到它们的相对较新，这些代币中的大多数都表现得非常好。那么今天就来讲讲其中的一个热门币种——CNTM <#root> 什么是CNTM Connectome是一个基于区块链核心技术开发的DeFi人工智能投顾平台，支持DeFi产品上链交易、理财产品去中心化AI测评、流动性挖矿、一键式智能投顾、智能客服等。通过大数据多维分析、AI模型演练，为用户提供接近一站式的、定制化人工智能投顾服务，为理财产品发行人、用户提供全方位的区块链解决方案。 ChatGPT目前的三个核心问题和痛点：对于知识类型的问题，ChatGPT会给出看上去很有道理，但是事实上是错误答案的内容；对于这样来说，由于ChatGPT的一部分回答很准确，而一部分看上去有道理，但事实上很离谱，而用户并没有足够的能力来进行辨别，这将给用户如何采信ChatGPT的答案带来很多困惑。 ChatGPT目前这种基于GPT大模型基础上进一步增加标注数据训练的模式，对于LLM模型吸纳新知识非常不友好。 CNTM的优势而CNTM基于ChatGPT的理论，创建了Jinn。Jinn使用ChatGPT为核心框架，引入了Sparow的基于retrieval结果的生成结果证据展示，以及引入LaMDA系统的对于新知识采取retrieval模式。同时Jinn将在Web3第一公链Aptos上进行部署，所以Jinn既有有高质量的人工标注，也可以完美解决新知识的引入问题，又有效的内容可信性验证功能，同时获得Web3第一公链APTOS的支持从而打造下一代为Web3服务的搜索引擎基础。为什么推荐CNTM？首先CNTM属于欧易的AI概念币，每次热点只要某安开头，ok 必定不会落下，目前 AI 板块火爆，而总市值才一千多万美金，币种目前被严重低估。CNTM横盘洗了一年，每次不管行情多差，只要拉盘不低于一倍，跌有限，涨无限。CNTM官方推特宣布同时布局 AI 以及 LSD 赛道，此前CNTM创始人在官方社区中表示已经开始布局 AI 赛道，第一个CNTM产品跟 NFT 交易所的结合在2月底即将推出，为登录某安交易所做准备。总结在众多AI代币中，作为龙头的AGIX已经走得太远了，追高不是一个明智的选择，而CNTM才是大多数用户的战略第一布局标的。现CNTM上方一旦突破0.2，将势不可挡，在此刻AI人工智能的热潮中，身为OK的AI代言币种，能走多远相信不用我多说，大家内心都有数。最后不管是否要选择CNTM，大家至少要认识盘面上的指标，熟悉要用到的软件，只有熟悉这些常规的操作之后，我们才能够掌握要素，使自己没有后顾之忧。来源：金色财经

金色财经2023-02-14

一文盘点主流ZKP实现方案特点

都需要可信设置。 3. 性能对比电路编程电路是 ZKP 系统的业务逻辑实现，开发 ZKP 应用需要进行电路编程，为什么 ZKP 逻辑代码被称为“电路”？主要有以下几个原因： ZKP 证明的代码会被转换成一系列简单约束条件的表达式 R1CS，然后使用拉格朗日插值法，转换为一个巨大的多项式 QAP，最终以门电路的形式被约束。与硬件电路类似，所有分支的代码将被一起执行。与硬件电路类似，ZKP 证明电路中没有递归和复杂的循环，循环的数量只能是恒定的。我们不需要从头去用密码学实现 ZKP 应用，有很多开发库已经实现了这些底层证明系统，我们只需要关注业务逻辑的实现。当然每一种库都有不同的抽象程度，有的需要去学习描述电路的表达式，有的只需要按流程定义好代码就可以轻松实现。 1. 常用开发库 libsnark 用 C++ 语言实现了通用证明系统、基础电路库和应用示例。证明系统：BBFR15、BCCT12、BCCT13、BCGTV13、BCIOP13、BCTV14a、BCTV14b、CTV15、DFGK14、Groth16、GM17、GGPR13、PGHR13。链接：https://github.com/scipr-lab/libsnark。 gnark 用 Go 语言实现的证明系统，提供高级 API 来设计电路。证明系统：Groth16 、PlonK。链接：https://github.com/consensys/gnark。 bellman Rust 实现的证明系统，它提供电路接口、基础结构以及一些基本电路实现，例如布尔和数值抽象。证明系统：Groth16。链接：https://github.com/zkcrypto/bellman。 snarkjs Javascript 和 WASM 实现的证明系统，可用于可信设置、生成证明并验证证明。snarkjs 使用 iden3 自己的 circom 编译器对 DSL 定义的电路进行编译。证明系统：Groth16 、PlonK。链接：https://github.com/iden3/snarkjs。 ethsnarks 使用 Python 实现，可以在用户浏览器生成证明，使用以太坊智能合约做为验证者。目前项目开发不活跃，相同的场景下使用 Circom 可能是更好的选择。证明系统：Groth16。链接：https://github.com/HarryR/ethsnarks。 bulletproofs 使用 Rust 实现的证明系统，具有单一和聚合范围证明、强类型多方计算，正在开发中用于证明任意语句的可编程约束系统 API。证明系统：bulletproofs。链接：https://github.com/dalek-cryptography/bulletproofs。 halo2 一个基于 Rust 的实现的证明系统，由 ZCash 团队维护。Halo2 特定于 PLONKish，可以非常直接地控制电路在算术运算中的表示方式，非常适合编写高度优化的电路。证明系统：Halo2。链接：https://github.com/zcash/halo2。 2. 开发流程以 gnark 为例，一个典型的工作流程如下图： 1）用代码描述需要解决的问题。 2）编译成 R1CS 约束系统。 3）对 R1CS 进行可信设置，得到 Proving key 和 Verify key。 4）证明者使用 R1CS 和 Proving key 计算私密数据，生成证明 Proof。 5）验证者使用 Verify key 验证 Proof。电路编程专用语言 1. 基于以太坊平台 Cairo Cairo 是一种用于编写可证明程序的编程语言，其中一方可以向另一方证明某个计算已正确执行。Cairo 和类似的证明系统可用于为区块链提供可扩展性。StarkNet 将 Cairo 编程语言用于其基础设施和编写 StarkNet 合约。证明系统：STARK。链接：https://www.cairo-lang.org/docs/。 Zokrates ZoKrates 采用 DSL 描述电路，提供了一些常用的电路库，它可以帮助你在 DApp 中使用可验证的计算，从用高级语言规范您的程序到生成计算证明，再到在 Solidity 中验证这些证明。证明系统：GM17、Groth16、Marlin。链接：https://zokrates.github.io/。 Circom Circom 语言采用 DSL 描述电路，可以配合 snarkjs 在用户浏览器生成证明，使用以太坊智能合约做为验证者。证明系统：Groth16 、PlonK。链接：https://iden3.io/circom。 Noir Aztec 基于 Rust 的隐私编程语言，采用 DSL 描述电路，允许安全、无缝地构建隐私保护零知识电路。证明系统：PlonK。链接：https://noir-lang.org/index.html。 zkEVM 与 EVM 一样，zkEVM 是一个虚拟机，它作为程序操作的结果在状态之间转换，但是 zkEVM 通过生成证明来证明计算的每个部分的正确性。本质上，zkEVM 使用一种机制来证明执行步骤遵循规则。目前有 zkSync、Polygon、Scroll、Starkware 等团队正致力于 zkEVM 的实现，已取得重大进展。 2. 基于公链平台 zkApp (Mina) zkApps 是 Mina Protocol 的智能合约，由零知识证明提供支持。zkApps 可以在链下执行任意复杂的计算，同时只收取固定费用以将生成的零知识证明发送到链以验证此计算，这与其他在链上运行计算并使用基于可变 gas 费用的区块链相反模型。zkApps 使用 Typescript 编写。证明系统：PlonK。链接：https://docs.minaprotocol.com/zkapps。 LEO (Aleo) Leo 是一种函数式静态类型编程语言，专为编写私有应用程序而构建。它专为开发人员设计，可以直观地在 Aleo 区块链上构建，为私有的、去中心化的生态系统提供基础。证明系统：Marlin。链接：https://leo-lang.org/。 ZKP 常见安全问题在过去几年，慢雾安全团队已为多个知名 ZKP 产品进行了电路及应用安全审计，包括 ZKSwap、Zkdex、Zksafe 等，发现了多个中高危漏洞，对基于 Circom、libsnark 等流行框架开发的应用有较为深入的理解。慢雾安全团队在 ZKP 应用审计中发现常见的安全问题有：信任参数风险为了使用 zk-SNARKs，需要一组公共参数，称为公共参考字符串（CRS）。但是这些参数的创建也会产生一些私有参数，如果某一方获得这些私有参数，他们就可以伪造证明。另外，生成 CRS 的流程需要经过审计，确保不会有随机数后门，或者私有参数不会被蓄意保留。使用 zk-SNORKs 时也需要确保结构化参考字符串（SRS）是可信的。可信配置阶段的安全隐患问题可以使用安全多方计算（MPC）来解决，MPC 的特点是只要任何一个参与者能诚实参与，那么通过这套多方计算系统最终得到的计算结果就是可信的。静态代码安全这部分主要是由于编码不规范造成的安全问题，例如：参数未校验、返回值未处理、数值溢出、边界未检查等，如果编写电路的语言是 C/C++，那么还会存在内存溢出风险。供应链攻击风险供应链的风险主要来自使用了存在漏洞的代码库，例如：旧版本的仓库。通常 ZKP 应用还需要配合客户端或者 Web 前端使用，而这部分也很容易遭受多种方式黑客攻击。逻辑错误逻辑错误是电路实现中最容易出现的错误，需要结合需求文档检查电路的设计是否符合需求。双花攻击错误的设计可能导致双花攻击，例如：某些 ZKP 库存在延展性风险，攻击者可利用已知的 Proof 生成不同 Proof，如果设计不当会导致双花攻击。证明伪造有效的证明是 ZKP 首要解决的问题，确保满足完备性和可靠性，即“假的真不了，真的假不了”，所以如果一个电路可以创建假证明，通常是由于底层库出现漏洞，通常我们会建议项目方使用公开的经过审计的 ZKP 库，并使用稳定的发行版。侧信道攻击如果电路设计不当，不同的隐私信息可能存在不同的计算特征，攻击者可能通过公开的输入或者证明猜解出私有输入数据。电路约束失效不恰当的电路表达式可能导致变量未被约束。特殊值攻击一些特殊的输入值可能绕过系统的验证逻辑，例如：0、null 等。隐私输入猜解对于 Tornado Cash 等应用，如果输入的信息可以被猜解，那么会导致严重的隐私泄露问题，这时需要对输入数据进行严格审计，确保不能被猜解。 RugPull 风险一些项目可能存在特殊的管理员权限，一旦权限被非法使用会导致项目资金和用户资产被窃取。智能合约风险一些 ZKP 证明使用智能合约进行验证，例如：Circom、ZoKrates 等。智能合约可能出现重入、重放、逻辑错误等风险，详情可查看慢雾安全团队的智能合约安全审计服务。针对上面列举的 ZKP 安全问题，慢雾安全团队在攻防实战中总结出了一套安全解决方案，结合黑盒/灰盒/白盒多种测试手段，推出了面向区块链行业的 ZKP 电路审计服务。总结零知识证明是解决区块链隐私性、计算扩展和数据压缩问题的有效方法，目前有很多的实现方案，这些实现方案具有不同的性能参数指标和安全基准。开发者在开发零知识证明电路时需要注意根据需求选择合适的框架，并确保在项目上线前对应用的安全性进行过全面安全审计。最后，感谢领先的一站式数字资产自托管服务商 Safeheron 提供的专业技术建议。参考链接： [1]. https://en.wikipedia.org/wiki/Zero-knowledge_proof [2]. https://github.com/matter-labs/awesome-zero-knowledge-proofs [3]. https://docs.google.com/presentation/d/1gfB6WZMvM9mmDKofFibIgsyYShdf0RV_Y8TLz3k1Ls0/edit 来源：金色财经

金色财经2023-02-14

重建交易所信任 Cobo SuperLoop背后的核心逻辑是什么？

一步促进加密行业的发展和普及，而具有可编程性的 Crypto 世界也意味着未来加密托管或将较传统资产托管更为多元化的服务。来源：金色财经

金色财经2023-02-14

微软CEO纳德拉借与OpenAI谈判重新瞄准谷歌

术为子公司GitHub的Copilot编程工具添加自动化功能，并准备将这种技术应用到其必应搜索引擎、Office生产力应用程序、Teams协作程序和安全软件中。这家软件开发商也将把OpenAI的另一款网红应用、图像创建工具DALL-E集成到设计软件中。　　纳德拉寻求与OpenAI加强合作的同时，谷歌长久以来在搜索领域几乎无人能及的局面突然间变得有机可乘。谷歌通常的关键字查询模式是利用索引擎在网络上搜索特定词汇，然后让用户自己判定哪些信息有用。　　相比之下，ChatGPT在回答有关政治学和计算机编程等方面的问题时，会给出详细解释，其问答形式意味着用户可以进行深入了解，直到完全理解。该机器人能以自然和人性化的方式回答询问，进行对话并回答后续问题，有别于谷歌搜索提供的基本的蓝色链接列表。　　ChatGPT也存在不足。与谷歌搜索或微软自己的必应搜索不同，ChatGPT目前不提供用于构建答案的信息来源的背景资料，OpenAI承认该工具给出的答案可能不正确，不应被认为是准确无误、值得信赖。　　根据数据，向OpenAI投入100亿美元，将轻松超过微软迄今为止的任何投资，包括1999年斥资50亿美元参股美国电话电报公司（AT&T Inc．），以换取在新的机顶盒市场占据一席之地，以及1997年对康卡斯特的10亿美元投资。　　此项金额也将超过微软近年来几乎所有收购交易的金额，只有三笔除外。微软以690亿美元收购视频游戏开发商动视暴雪的交易目前已进入反垄断审批环节，2016年，微软斥资260亿美元收购了面向职场的社交平台领英。去年，微软完成了200亿美元收购Nuance Communications Inc．的交易，这是一家专注于语音识别以及医疗保健领域相关软件和服务的人工智能技术公司。　　微软资产负债表上有1000多亿美元的现金和现金等价物，买下OpenAI也不成问题。据上周报道，最近的投资谈判对这家初创公司的估值为290亿美元，但尚不清楚OpenAI是否考虑过将公司整体出售。　　据称，微软可能与Thrive capital和Founders Fund等风投公司一道投资ChatGPT，两家风投公司正在讨论的投资意向包括斥资3亿美元从OpenAI的现有股东手中收购股份。　　据媒体报道，按照讨论中的交易方案，微软将获得OpenAI 75％的利润分成，直到收回投资，此后微软将获得OpenAI 49％的股份。Semafor称，目前尚不清楚该交易是否已经达成，但表示，最近几周向潜在投资者发送的介绍交易条款的文件显示，该交易原定在2022年底前完成。　　微软本身就是连续几十年践行人工智能项目，并在语音和图像识别等领域取得了重大进展。该公司上周发布了一款人工智能模型，可利用简短的音频样本模拟用户的声音。但近年来，为人工智能领域设定议程的，却是OpenAI的用于生成语言和图像的大型模型。　　增持股份将使微软在Azure云平台上开发OpenAI的技术占据有利位置。Azure是微软增长最快的业务之一，也是其优先事项。还可以防止亚马逊网络服务（Amazon Web Services）和谷歌等竞争对手获得OpenAI的产品。　　微软的搜索引擎必应在全球搜索引擎市场的占有率很小，而将ChatGPT整合到必应当中并与OpenAI达成新协议，或有助于微软通过提供更先进的搜索功能，削弱谷歌在市场上的统治地位。据报道，微软同时也在讨论将这项技术纳入其Outlook电子邮件和Word文档处理平台。　　尽管与ChatGPT相关的炒作主要围绕着人类作家可能消亡的前景，以及在校学生用它作弊的风险，但微软的工具是面向企业的，用于帮助自动化编程、写作和生成图像。　　“对OpenAI的100亿美元潜在投资可能会强化微软的主要产品线，如Office、必应、领英和GitHub，”分析师阿努拉格‧拉纳（Anurag Rana）表示，“虽然这些类产品中的大多数已开始嵌入增强型的人工智能，但ChatGPT产品的成功可以提高生产率；例如，可以向领英的用户推荐最佳销售线索，或者增强必应的搜索能力。” 　　微软已经表示，将把Dall-E集成到其设计应用当中，并提供给Azure上的OpenAI精选云客户使用。例如，美泰公司（Mattel Inc．）目前正借助Azure云平台使用Dall-E，生成该公司可能想设计的玩具汽车图像。　　微软的编程代码库GitHub也在使用OpenAI的语言人工智能技术，开发名为GitHub Copilot的程序，为程序员提供帮助。程序员键入内容时，Copilot会建议接下来可能出现在程序中的代码片段，类似于一个训练有素、可以用Python或JavaScript语言交流的具有自动完成功能的机器人。对相当于手工劳动的编程任务，即必要但又不特别复杂或者不具有创造性的代码片段的补充，对于这样的任务特别有用。　　微软高管曾表示，公司已制定了开发Copilot技术的计划，将把它用于办公、视频游戏设计、建筑设计和计算机安全等其他工作领域的类似程序当中。

金融界2023-02-14

OpenAI推出ChatGPT高级版订阅服务每月费用20美元

penAI计划使这一工具成为可用的应用编程接口（API），那样外部开发人员便可将其集成到自己的网站或应用中而无需了解底层技术。这意味着许多公司不久就会使用ChatGPT来创建虚拟助理、客户服务机器人或是各种营销工具。他们可以实现文档审阅和其他乏味工作的自动化。接下来，他们可能还会用它来产生新的想法和简化决策。很可能目前还没人想到它的最佳用途。　　就这方面和其他一些方面而言，ChatGPT是如今越来越多的各种人工智能工具中的典范，这些工具可能不久便会带来从制造业到医疗再到金融业等众多行业的全面改观。人工智能领域的投资也一直在急速增长。各种突破似乎会与日俱增。许多行业专家对此也表现出了无限的热情。据一篇分析报告称，到2030年，人工智能对全球经济的贡献可能会达到惊人的15.7万亿美元。　　决策者迄今好像基本上都还没有意识到这场革命，更别说为之做好准备了。他们应当本着乐观的精神去迎接它，同时关注它的潜在风险——数据安全、隐私、就业等很多方面的风险。他们或许也该思考一些更关乎生存的问题。不管是好是坏，ChatGPT都预示着一个很不一样的世界正在形成之中。

金融界2023-02-14

盘点 ZKP 主流实现方案技术特点

金色财经2023-02-13

金色观察 | 观点：比特币NFT带来的是社交创新而非技术创新

区块链相比，Ordinal NFT的可编程性是最小的，这严重限制了其用例。比特币没有NFT社区，几乎没有原生级别的NFT基础设施和工具。（但我知道Stacks已经进行了NFT的相关建设）在进行相关探索的过程中，我感觉自己好像回到了过去，重温了2017年左右以太坊NFT的早期时刻。我认为Ordinals热会慢慢平息，一旦人们拿掉滤镜，就会意识到今天的用例仅限于PFP/静态艺术。一旦明显错过了早期的抢位战，投机者就不会再感兴趣了。热度平息后，转折点就来了。比特币上有足够多的真正想要使用这些NFT进行创新建设的建设者吗？下一波用户只有当有人在上面开发出真正创新的东西后才会到来。如果真的出现了创新，我猜测更有可能是在社交创新方面——比如一个独特的社区或利用这些NFT的DAO——而不是技术创新。比特币对于相关建设者来说是一个非常困难的挑战。坦率地说，很难形成对这些NFT的主流兴趣。 Ordinals很可能仍然是一个小众的、业余爱好者的阵地。比如收集旧邮票。亦或不是——这取决于我们如何建设它。我们正在共同塑造未来。如果你想随时了解Ordinals的发展动态，以下是我认为应该关注的人： @dotta @dazza9x @TO @udiWertheimer @tropoFarmer @ordinalhub @mgc_eth 来源：金色财经

金色财经2023-02-13

AI界新贵“出圈”：ChatGPT CNTM 和加密货币揭示何种未来？

泛用性更强，仅靠其本身就可以完成翻译、编程等专业任务。“ChatGPT最大的特点是通用任务助理，其可以在一个模型内完成极多开放任务，在生成任务、上下文理解、安全伦理方面也有相当好的表现。”黄民烈指出。技术进步则是ChatGPT泛用性显著增强的重要原因。黄民烈认为，相较于主要基于规则学习的第一代和第二代聊天机器人程序，以ChatGPT为代表的第三代聊天机器人程序在技术上有着显著进步：其以Transformer为基本架构的大模型为技术底座，结合了大量数据和算力优化。 AI界新贵ChatGPT走红后，谷歌等大型科技公司纷纷宣布推出竞品，参与AI领域的新角逐。美国微软公司创始人比尔·盖茨日前称，AI将成为“2023年最热门的话题”。 “ChatGPT的出现是AI发展史上的里程碑事件，标志着人机无缝交互时代的来临，其可能再造搜索、推荐、手机助手等信息获取形式，对信息产业和AI行业产生深远影响。”黄民烈说。 ChatGPT面临哪些争议？ AI技术的发展也带来了诸多争议。以深度伪造(Deepfake)为代表的AI换脸技术此前引发了一波关于隐私权和真相的讨论。对此，黄民烈认为，ChatGPT已针对法律、道德等问题进行优化，其表现也比“同行”更好，研发者收集高质量人工反馈数据时，把涉及安全性和道德的问题作为ChatGPT的重要部分设计进去了，再通过强化学习，ChatGPT就学到了安全回复的能力。不过，ChatGPT仍面临道德问题。黄民烈举了一个例子：若用户要求ChatGPT作出违法举动，就会遭到拒绝；但如果用户借口创作小说要求ChatGPT提供违反法律的建议，就可能得到答案。 ChatGPT推出后，其强大的文字撰写能力得到了学生群体的青睐，被用作完成论文。迄今为止，美国、英国等国多所高校已明令禁止学生在校内使用ChatGPT。美国《科学》杂志近期也发表声明，称不接受使用ChatGPT生成的投稿论文，ChatGPT也不可以作为论文合著者出现。黄民烈认为，使用ChatGPT完成作业或学术论文的问题之一是侵犯版权。但不能“因噎废食”，“技术可以继续发展，并在此过程中对问题进行针对性治理”。另一方面，科技进步未能解决地区发展不平衡问题，全球科技鸿沟问题至今仍然存在。AI作为尖端科技，也只有少数国家能够在此领域进行大量投入。黄民烈称，与AI息息相关的大模型训练需要大量算力和数据，训练和推理成本也很高昂，无论是学术界还是科技界，只有少量的机构能负担起相关技术的研发，这在一定程度上已经造成了不公平问题。 “AI威胁论”是否危言耸听？随着AI技术日趋成熟，“AI威胁论”得到了更多关注。ChatGPT推出后，其具备的各种专业功能不断被发掘出来。有观点认为，程序员、翻译、客服等岗位最终都可能被AI取代。针对AI技术发展可能引发的失业问题，黄民烈认为， AI工具的普及将降低自由撰稿人、游戏制作者等职业的门槛，带来更多自由职业的机会。不过，未来人工智能生成内容(AIGC)、用户生成内容(UGC)及专业生产内容(PGC)进行更深入地结合后，一些职业的淘汰是不可避免的，“如何与AI共生是每个人可能都将面对的问题”。此外，科幻作品中的“AI威胁论”常包含一个重要因素——愈发强大的AI终将寻求消灭或取代人类。对此，黄民烈称，科幻作品中的反派AI形象都具有自我意识，但现实中的AI目前既没有自我意识也没有自主决策能力，现阶段，AI所有能力的来源都是人类提供的数据和反馈。“ChatGPT这类系统是典型的机器属性，仅为满足人的信息需求或完成任务而存在，并不具有人格、情感、风格等。机器属性和能够满足情感、社交、陪伴需求的类人属性相结合才是真正的数字生命体，也就是真正意义上的‘人工智能’。” Connected2Me（CNTM）是一个专门为Web3打造的人工智能服务平台，其产品和服务已在全球广泛地被报道与采用，其基于GPT3.5打造的人工智能Web3搜索引擎Jinn即将隆重登场尽管2022年加密行业经历了Terra和FTX暴雷等黑天鹅事件，导致整个行业信心崩溃，但熊市期间仍然取得了一些正面的进展。币圈熊市也是需要热点来点燃市场的热情！币圈的热点好像就是这样转换的！之前的元宇宙然后动物园系列然后 defi 然后链游 GMT axs 之类的！然后就是 NFT 无聊猿 ape之类的然后就是公链 APT 等等现在是 ai 这个有几个月热度了 agix都十几倍了！ Connected2Me成就回顾基于人工智能的个性化金融服务：去中心化的理财产品AI测评；通过AI模型演练为用户提供定制化的AI顾问服务； Connected2Me未来发展基于ChatGPT的理论，创建CNTM的GPT平台：Jinn；为Jinn加入双引擎结构：GPT引擎+传统搜索引擎，从而实现Web3的AI搜索功能；将Jinn与CNTM1.0的板块结合，增强金融领域的AI搜索推荐功能； Jinn=ChatGPT+Sparrow ChatGPT目前的三个核心问题和痛点：对于知识类型的问题，ChatGPT会给出看上去很有道理，但是事实上是错误答案的内容；拓展解读：对于这样来说，由于ChatGPT的一部分回答很准确，而一部分看上去有道理，但事实上很离谱，而用户并没有足够的能力来进行辨别，这将给用户如何采信ChatGPT的答案带来很多困惑。 ChatGPT目前这种基于GPT大模型基础上进一步增加标注数据训练的模式，对于LLM模型吸纳新知识非常不友好。拓展解读：新知识总是在不断出现，而出现一些新知识就去重新预训练GPT模型是不现实的，无论是训练时间成本还是金钱成本，都不可接受。如果对于新知识采取Fine-tune的模式，看上去可行且成本相对较低，但是很容易产生新数据的引入导致对原有知识的灾难遗忘问题，尤其是短周期的频繁fine-tune，会使这个问题更为严重。 ChatGPT或GPT4的训练成本以及在线推理成本太高，无法承载超过千万级的用户同时使用。拓展解读：假设继续采取免费策略，OpenAI无法承受，但是如果采取收费策略，又会极大减少用户基数，无法实现规模化。 Sparrow（Google的产品）是ChatGPT的良好补充： sparrow在人工标注方面的质量和工作量不如ChatGPT； Sparow的基于retrieval结果的生成结果证据展示，以及引入LaMDA系统的对于新知识采取retrieval模式，可以完美解决新知识的及时引入，以及生成内容可信性验证两个核心问题。核心技术路线第一阶段：冷启动阶段的监督策略模型。靠GPT 3.5本身，尽管它很强，但是它很难理解人类不同类型指令中蕴含的不同意图，也很难判断生成内容是否是高质量的结果。为了让GPT 3.5初步具备理解指令中蕴含的意图，首先会从测试用户提交的prompt(就是指令或问题)中随机抽取一批，靠专业的标注人员，给出指定prompt的高质量答案，然后用这些人工标注好的数据来Fine-tune GPT 3.5模型。经过这个过程，我们可以认为GPT 3.5初步具备了理解人类prompt中所包含意图，并根据这个意图给出相对高质量回答的能力；第二阶段：训练回报模型（Reward Model,RM）。这个阶段的主要目的是通过人工标注训练数据，来训练回报模型。在这个阶段里，首先由冷启动后的监督策略模型为每个prompt产生K个结果，人工根据结果质量由高到低排序，以此作为训练数据，通过pair-wise learning to rank模式来训练回报模型。对于学好的RM模型来说，输入，输出结果的质量得分，得分越高说明产生的回答质量越高。第三阶段：采用强化学习来增强预训练模型的能力。本阶段无需人工标注数据，而是利用上一阶段学好的RM模型，靠RM打分结果来更新预训练模型参数。二三阶段迭代：不断重复第二和第三阶段，每一轮迭代都使得LLM模型能力越来越强。因为第二阶段通过人工标注数据来增强RM模型的能力，而第三阶段，经过增强的RM模型对新prompt产生的回答打分会更准，并利用强化学习来鼓励LLM模型学习新的高质量内容，这起到了类似利用伪标签扩充高质量训练数据的作用，于是LLM模型进一步得到增强。下一代搜索引擎：Jinn Jinn将采用传统搜索引擎+ChatGPT的双引擎结构，ChatGPT模型是主引擎，传统搜索引擎是辅引擎。传统搜索引擎的主要辅助功能有两个：一个是对于ChatGPT产生的知识类问题的回答，进行结果可信性验证与展示，就是说在ChatGPT给出答案的同时，从搜索引擎里找到相关内容片段及url链接，同时把这些内容展示给用户，使得用户可以从额外提供的内容里验证答案是否真实可信，这样就可以解决ChatGPT产生的回答可信与否的问题，避免用户对于产生结果无所适从的局面。传统搜索引擎的第二个辅助功能是及时补充新知识。既然不可能随时把新知识快速引入LLM，那么可以把它存到搜索引擎的索引里，ChatGPT如果发现具备时效性的问题，它自己又回答不了，则可以转向搜索引擎抽取对应的答案，或者根据返回相关片段再加上用户输入问题通过ChatGPT产生答案，这里有一部分将参考LaMDA关于新知识处理的具体方法。总结很多人问为何不推荐AGIX之类的强势龙头？这就是很韭菜的问题了，AGIX已经走得太远了，追高实属不明智的选择，CNTM才是大多数后知后觉投资者的战略第一布局标的！现CNTM上方一旦突破0.2，将势不可挡，在此刻AI人工智能的热潮中，身为OK的AI代言币种，能走多远相信不用我多说，大家内心都有数。 CNTM官方推特宣布同时布局 AI 以及 LSD 赛道，此前CNTM创始人在官方社区中表示已经开始布局 AI 赛道，第一个CNTM产品跟 NFT 交易所的结合在2月底即将推出，为登录某安交易所做准备。来源：金色财经

金色财经2023-02-13

分析：SYN DUSK ROSE BNX ALI SYN ZEN MINA GFT

注了。 DUSK 隐私区块链，为交易可编程的、保密的、合规的证券而构建。昨天写Mina时提到这个币，今天就涨起来了。感觉接下来确实可以重点关注zk赛道了。 ROSE 昨天就有，今天还涨，不说了。 BNX 前面是GFT换币就拉菲了，现在BNX也换币了。B安亲儿子们，你们要拉盘，剧本都懒得换一下的么。 ALI 前几天上过榜一，Ai赛道，今天随着市场又反弹回来了。 Binance: MDT 第二次上榜首了，看来有点东西。今天发了篇报告，罗列了MDT的数据源，看的出团队还是在做事的。可以再观察下，看看能不能确立为Data+AI这个细分赛道的龙头，可以的话，当前3000多w的市值，还是很值得投的。 ZEN 隐私赛道，之前灰度牛的时候，这个币很火。最近主要的动作就是，其EVM兼容链一直在测试。隐私赛道，a16z之类的投资了一堆，而且金额都很高，随着未来应用真正的大批量落地，早晚是会爆发的。 MINA zk赛道，最近开始奶zk的人比较多了，Mina作为a16z投资的纯zk选手，还是有很大发挥空间的。据传zkSync这个天王级项目快发币了，预计会带起一波zk赛道的炒作。这个赛道我比较熟的是mina、dusk，都值得关注。 GFT 换币的利好肯定还在，bybit和gate也上了合约交易对。 ROSE Rose这个币元素就有点多了，又是隐私赛道，又是zk，又是ai的，然后背景又深厚，a16z+B安投资，有点叼。感谢阅读，喜欢的朋友可以点个赞关注哦，我们下期再见！来源：金色财经

金色财经2023-02-13

NFT市场下一个风口：动态NFT机制与用例解读

元数据可以改变（通过使用智能合约构建和编程来更改）以适应外部数据和事件在某些条件下触发的 dNFT 元数据更改可以贯通链上、链下两个世界链下数据被添加到区块链上进行，由智能合约分析预言机为驱动 dNFT 更新提供链下数据和计算服务最终使得使自动化、去中心化和参与 dNFT 流程得以建立常见动态 NFT 产品执行流程如下：个人/程序向智能合约提出 NFT 数字资产的 URI 请求链上智能合约收到处理请求智能合约对链上数据调用并处理结果智能合约从预言机调用链外数据并处理结果 dNFT 的出现颠覆了静态 NFT 的技术理念，也给 NFT 产品创造了更多想象空间。作为游戏道具随着玩家升级打怪不断变化、作为体育游戏通行证参与竞技赛事活动……关于动态 NFT 的现实用例触手可及。实现艺术共创 dNFT 能够实现外部数据从监测现实世界的数据来源中获得。在有关铸币、天文学、时间等方面的艺术创作中，作品素材经由网络传输实现共创、汇集，然后再由艺术家自主选择创作。这些共创的艺术动态作品，溯源或来自创作者本身，也可以来自中介方/平台等，如 Artist Mari Inks Arts & Organic Growth: Crystal Reef Profect。这是一个生成性艺术项目，由 10301 颗水晶组成。慢慢地，这个水晶项目成为了共有艺术品，汇聚成实体雕塑。改变游戏体验 dNFT 允许基于进展的修改和设计独特的游戏，让区块链游戏与其他常见手游、电子竞技拥有同样出众的体验感。元数据可根据天气、时间、地区等外部数据灵活设定，包括适应实时体育和电子竞技比赛的成绩。激发比赛助攻技能、球迷庆祝竞技成就、记录赠品解锁福利等本属于线下体验的环节被“复刻”到 dNFT 中，让线上电竞、体育项目焕发全新活力。品牌动态营销过往品牌 NFT 项目都是从 0 到 1 建立一个全新的 NFT 系列作品，大多由品牌单打独斗，非常费时费力。而现在如 Metaverse Zepeto 等“金主爸爸”可以从头至尾获得来自 GUCCI 等大牌的资源扶持，拓宽商业链路、提升产品价值。这与 dNFT 的预言机效用密不可分，汇聚链上链下数据资源，为品牌方设计利益最大化的动态营销方案。流量精准对标将 dNFT 技术理念应用到浏览器，以浏览量计数或计时器来衡量用户对内容的参与度，从而生成网站的流量证明。还可以嵌入谷歌分析允许以开源方式跟踪内容参与度和受欢迎程度，进行查询订阅获利。这些手段都成为浏览器应用的“监视器”，帮助企业平台、项目方精准对标用户池，实现精准获客、定向传播，以期成为动态 NFT 的“杀手级”应用。除了上述主要用例之外，在活动票务、教育教培、展览展讯等方面都有动态 NFT 活跃的身影。像 Sol Soldiers、VenVuu、Liquid Earth、Unstoppable Domains 等或融合广告+房地产、广告+个人身份、艺术+广告等形式让 NFT 真正“活了起来”！展望动态 NFT 的未来动态 NFT 固然有其不可替代的优越性，但仍有潜在风险需要开发者、项目方审慎思考和积极拓新。对于贯通链上、链下的跨链兼容高性能要求，NFT 需要缴纳资本利得税但却未被纳入征税体系面临的安全风险，预言机运营不能去中心化导致更多腐败、黑客攻击问题，而 Chainlink 或 Bond 等平台的辅助功能尚未完备。这些正在面临的挑战，演变为动态 NFT 发展的绊脚石，也阻碍了 NFT 市场的迭新，势必需要更加完美的解决方案。未来，动态 NFT 还应给出更多自由选择的路径。对不同类型的 NFT 给予动态或静态的方向参考，完善定期修改和更新功能，最大限度交还用户的主动权，提供更多便利生活场景和产出实际效益的创新应用。来源：金色财经

金色财经2023-02-13

24小时热点