作者：DWF Ventures 来源：medium 翻译：善欧巴，金色财经

本文将深入探讨今年最热门的话题之一——人工智能 (AI)。在过去的一年里，由于 OpenAI 的 ChatGPT 3.5 的推出引发了人工智能成为讨论的焦点。该发布展示了人工智能巨大的经济潜力。这引发了全球对其未来、影响和相关风险的讨论。

随着乐观情绪的增长，怀疑情绪也随之而来。潜在的问题开始向监管机构敲响警钟。随着人工智能的迅速崛起和模糊的监管框架，它呼应了加密货币领域的早期。这两个行业之间存在相似之处，凸显了 web3 的去中心化性质，这似乎补充了人工智能潜在的中心化力量。很快，第一季度几乎所有 web3 VC 讨论都集中在人工智能的变革潜力上。（有一次，我想知道我是否参加了 web3 或 AI 活动。）在这一年中，我们还看到一些风险投资公司转向 AI或将其纳入其投资任务。

现在，随着时间的推移，炒作逐渐消退，DWF Ventures 计划以公正的视角审视人工智能领域，重新审视这一领域。本文简要概述了人工智能的演变以及它如何达到目前的流行程度。然而，文章的叙述发生了明显的转变，从传统的关注人工智能如何影响 web3 转向探索相反的方向——web3 如何影响人工智能。在这次探索中，我们深入研究了去中心化和 web3 如何充当催化剂，解决人工智能当前面临的挑战。

AI概述及ChatGPT 3.5的突破

与最近围绕人工智能的炒作相反，它的历史可以追溯到 20 世纪 30 年代。图灵 1950 年的工作，包括图灵测试，帮助正式奠定了人工智能的基础。尽管早期很乐观，但 20 世纪 70 年代，由于计算障碍和无法满足实时需求，热情有所下降，迎来了“人工智能冬天”。20 世纪 80 年代，专家系统利用知识数据库模拟人类专业知识，重振了人工智能。这个时代也见证了联结主义的复兴和循环神经网络的兴起。

然而，专家系统在知识获取和实时分析方面面临挑战，导致20世纪90年代衰落。个人计算机的性能导致其相关性逐渐减弱。多年来，人工智能领域取得了长足的发展，已扩展到机器学习、自然语言处理、计算机视觉、语音识别等不同的技术领域。这些发展使得人工智能从简单的问题解决发展到复杂应用领域的深度学习。

在其发展过程中，人工智能见证了其各个子领域的融合。在这些领域中，机器学习和法学硕士领域在垂直转型方面取得了重大进展。Ashish Vaswani 等人的论文《Attention is All You Need》 。值得注意的是 GPT（生成式预训练变压器）模型的启发。从那时起，大量的 GPT 出现在这个领域，例如双向“BERT”GPT和 OpenAI 团队的GPT。ChatGPT 之后出现了Falcon和LLaMA2等开源替代方案，加剧了下一个 GPT 迭代的竞争，可能更接近 AGI（通用人工智能）。

GPT 的炒作帮助人工智能从学术界进入了数十亿人的视野。发布后 2 个月内，OpenAI 创下了每周活跃用户数达到 1 亿的最快用户群记录。麦肯锡最近的一项研究显示，目前，科技行业约 51% 的专业人士在工作中一定程度地利用了人工智能。

人工智能现实：应对集中式人工智能的社会认知和实际限制

Vitalik 在他的文章中最近进行的一项民意调查表明，许多人普遍存在推迟人工智能进步的情绪，担心出现垄断版本。

最近关注度的激增可以追溯到 ChatGPT 在其类人反应的推动下迅速名声大噪。然而，大多数人没有意识到，虽然 GPT 模仿了人类交互，但它不是 AGI。

GPT 每次生成输出时，都会在统计上发生变化，缺乏一致性和事实准确性保证。GPT还面临其他限制，但其最突出的缺点在于无法进行逻辑推理，尤其是在数学方面。

鉴于围绕人工智能的无数担忧以及有效管理大型人工智能模型的现有挑战，探索 Web3 的集成成为缓解人工智能面临的挑战的潜在途径。利用 Web3 固有的去中心化和分布式计算原则有助于解决人工智能系统当前面临的问题。

去中心化人工智能之路：概述、潜力和挑战

人工智能功能集中在中心化系统中，引起了人们对数据访问、模型相关性和人工智能应用的整体可持续性的担忧。集中式人工智能系统面临重大障碍。特别是对于通常是专有的专有大型数据集。

这导致了基于每次查询的货币化，并且 X.com 上每日限制帖子浏览量。不久，Grok，X.com GPT 的发布，允许用户实时访问 X.com 数据。这种模式造成了经济障碍，并引发了有关人工智能效益的可及性和包容性的问题。

作者：DWF Ventures 来源：medium 翻译：善欧巴，金色财经

此外，如果没有持续的数据更新，已发布的模型会迅速过时，这对保持相关性和准确性构成了巨大的挑战。目前，ChatGPT 3.5 训练数据构成截至 2022 年 1 月的信息。Llama 2也接受了 2023 年 1 月至 2023 年 7 月期间的数据训练。

为了应对这些挑战，DAI 成为一种有前途的范例，为中心化的局限性提供了潜在的解决方案。

去中心化人工智能提供了另一种轨迹来解决中心化模型固有的挑战。Janbi 等人最近发表的一篇荟萃分析论文。作为一个综合指南，将 DAI 分为五个主要领域。

DAI 的挑战

DAI 带来了人工智能开发中令人兴奋的转变，并提供了众多优势。然而，承认这些进步带来的挑战至关重要。

结论

总而言之，去中心化人工智能之旅正以巨大的潜力展开。去中心化人工智能的全部力量的实现依赖于在现有人工智能用户池的推动下达到临界质量。由于供应商和用户有限，开源替代方案面临障碍，而 ChatGPT API 为大众市场提供了实用且经济的选择，提供了易用性和可靠性。

然而，考虑到垄断性通用人工智能的潜在后果，个人应该重新考虑其选择和行动中的便利性和去中心化之间的权衡。在更广泛的范围内，web3 和 AI 社区的创新者可以通过重新定义 AI 工作流程、重新构想基础设施、采用创新范式、高效管理以及开发符合去中心化原则的应用程序来应对挑战。当我们继续沿着这条道路前进时，协作、包容性和道德考虑将成为塑造真正造福人类的去中心化人工智能格局的关键。