区块链+AI：创新还是噱头？

人工智能 (AI) 已经在过去几十年中迅速发展，并成为最具变革性的技术趋势之一，生成式人工智能的影响力可在技术领域的各个方面都得到明显展示，涵盖了从基础设施到应用程序。

生成式人工智能和 Web3 的潜在交叉点一直是 Web3 社区探讨的话题，尤其是在 ChatGPT 和 GPT-4 发布之后。

虽然有许多显而易见的用例，比如会话钱包或语言探索，但还有一些更为复杂的论题值得我们深入探讨。

加密货币分析平台 IntoTheBlock 的首席执行官 Jesus Rodriguez (耶稣·罗德里格斯) 认为，Web3 架构并非为人工智能而设计，但我们可以通过构建相应的基础设施来使其成为可能。如果我们不建设，就会存在风险。

问题在于，如果生成式人工智能值得拥有自己的区块链怎么办？

开源势头和集中控制

为了分析区块链对于生成人工智能的可行性，了解基础模型的现状非常重要，特别是 GPT-4 等基于 API 的技术的开源替代方案的出现，以及围绕中心化控制日益增长的担忧这些基础模型。

直到几个月前，基于 API 的模型和开源基础模型之间的差距还很大。

与开源替代方案相比，OpenAI 的 GPT-4、语言空间中的 Anthropic 的 Claude、计算机视觉空间中的 DALL-E 和 Midjourney 等模型似乎明显先进。

然而，随着去年年底令人惊讶的开源版本 Stable Diffusion 开始发生变化，它为基于 API 的文本到图像模型提供了可行的替代方案。

尽管如此，大型语言模型 (LLM) 仍然是生成式人工智能的焦点，在该领域，开源模型在质量方面与基于 API 的替代方案相比相形见绌。

今年早些时候，Meta AI Research 发表了一篇论文，介绍了 LLaMA，这是一种 LLM，其性能与 GPT-3 相当，但体积却小得多。

最初，该模型并不打算开源，但意想不到的事情发生了。

发布一周后，该模型在 4chan 上被泄露，并且很快被成千上万的人下载。这次 LLaMA 的“事故”让任何人都能够学习法学硕士的基础课程，并且为开源创新领域带来了意想不到的动力。

在泄密事件不久后，一系列以“有趣动物命名的新开源基金会模型”开始到处出现。

斯坦福大学发布了 Alpaca，Databricks 发布了 Dolly，伯克利大学开源了 Koala，加州大学伯克利分校和卡内基梅隆大学合作发布了 Vicuna，Together 宣布了 Red Pyjama 项目等等。

从某种意义上说，这些模型意味着开源创新领域正迎来蓬勃发展。

Stable Diffusion 和 LLaMA 帮助改变了开源生成人工智能的规模，并产生了巨大的动力。此外，开源基础模型在质量方面正在迅速缩小与商业现有模型的差距。

促成生成式人工智能区块链出现的另一个因素是对基础模型缺乏透明度和集中控制的担忧。为基础模型提供动力的神经架构的规模和复杂性使得精确的解释几乎不可能。

因此，该行业必须依赖中间步骤，例如更开放的架构和深思熟虑的监管。

少数中心化实体控制着市场上最强大的模型，这又增加了人们对生成人工智能中实现真正的问责制、透明度和可解释性的可行性的担忧。

基础模型中的开源创新和对现场集中控制日益增长的担忧相结合，为 Web3 架构创造了一个独特的机会之窗，丰富的高质量开源模型减少了 Web3 平台采用的障碍。

解决生成人工智能中的透明度和控制风险绝非易事，但毫无疑问，区块链架构拥有可以在该领域提供帮助的关键属性。

在Web3中构建生成式AI

开源基础模型创新的爆炸式增长极大地降低了 Web3 平台整合生成式 AI 功能的准入门槛。

Web3 平台中基础模型的采用可以遵循两条基本且可能连续的路径：

1、构建可实现由生成式AI提供支持的智能功能的DApp；

2、构建以生成式人工智能为基础组件的新Web3平台。

在第一种情况下，我们可能会看到交易所、浏览器或钱包等工具包含由大型语言模型支持的对话功能。

此外，新一代 DApp 将以生成模型为基石构建。在这种情况下，Web3 主要充当生成式 AI 功能的消费者，模型在传统的 Web2 云基础设施上运行。

当考虑本质上支持生成式 AI 模型的 Web3 平台时，会出现更有意思的替代方案。

想象一下 LLaMA、Dolly 或 Alpaca 等开源基础模型在分布式区块链内的节点上运行。这一愿景的最终实现是专门为生成式人工智能设计的区块链。

在这种情况下，关于生成式人工智能等技术范式的新区块链的概念可能具有吸引力，但同时也存在争议。

因为目前还没有专门用于 DeFi 或 NFT 的新区块链。所以，为什么生成式人工智能与众不同呢？

答案在于，运行基础模型和区块链运行时的要求之间的架构不匹配。

典型的预训练基础模型包含数百万个神经元，并分布在数万个相互连接的层中，在 GPU 集群或专门的深度学习硬件拓扑上运行。

然而，在目前的区块链技术中，要求具备去中心化、共识算法和分布式计算等特性。这些特性与生成式人工智能的基础模型运行所需的高度并行计算环境相冲突。

因此，将生成式人工智能直接应用于现有的区块链技术，是具有挑战性的。Web3 历史上还没有任何智能合约能达到这样的复杂程度。

因此，我们可以合理地得出结论：需要一种新型的架构。甚至 Web2 基础设施也在不断发展以支持大规模生成式 AI 模型，这说明了 Web3 架构所需变化的规模。

当考虑用于生成人工智能的新区块链时，可能性似乎是无穷无尽的。但是，这个想法的最简单的迭代应该包含一组核心功能。

对于致力于生成人工智能的区块链来说，运行执行基础模型的节点的能力至关重要。这同样适用于执行预训练、微调和推理工作流程的能力，这是基础模型生命周期的三个主要阶段。

发布和共享用于预训练或微调模型的数据集也是一个理想的功能，一旦建立区块链运行时作为基础层，就可以启用透明度和可解释性领域的众多功能。

例如，我们可以设想一个知识证明协议，该协议提供模型特定权重的透明度。

为什么需要新的区块链？

生成人工智能的概念使得专用区块链引起了广泛的兴趣。

然而，我们需要思考的一个问题是，将生成式人工智能功能集成到现有的区块链运行时中是否真的具有必要性和有效的价值主张。

回顾软件发展的历史，我们会发现新的架构范式经常会影响基础设施技术。

最近的趋势如云计算和大数据就是明显的例子，这些新的架构范式代表了与传统模型根本不同的方式，因此可能需要更专业化的区块链基础设施才能实现有效的运行。

此外，我们不能忽视生成人工智能改变区块链堆栈较低层的潜力。

设想一个验证者基于自然语言处理交易的权益证明区块链并不牵强。同样，智能合约可以利用语言作为交换消息的基本手段。

生成式人工智能有潜力推动整个区块链堆栈的变革。从这个角度来看，通过启用新的运行时来灵活地合并这些更改，采用第一原则方法似乎是合乎逻辑的。

忽视Web3中生成式AI的风险

生成式人工智能区块链的理念确实备受争议，同时也面临着一系列挑战。然而，我们应该采取一种否定的态度来探索这一理念。

如果无视为生成式人工智能构建新的区块链，会发生什么？

目前，生成式人工智能在 Web2 和 Web3 架构之间创造了巨大的技术差距，由于 Web3 本身缺乏原生的生成式人工智能功能，这种差距愈发明显。

生成式人工智能正在重塑软件开发的基本方面，新的框架和平台也应运而生，以支持这种范式转变。

对于 Web3 来说，开发原生的生成式人工智能能力至关重要，这几乎是一项生存挑战，因为这将推动该领域新一波创新浪潮的涌现。

原生生成式人工智能区块链只是实现向基础模型世界过渡的众多方法之一。

建设全新的区块链技术面临着众多挑战，但 L2 运行时、Cosmos 等平台的迅速发展，以及 Aptos 或 Sui 等高性能 L1 生态系统的出现，让生成式 AI 区块链的实现相较于前几年而言更加容易。

总的来说，生成式人工智能拥有自己的区块链有着巨大的潜力，但也面临着许多挑战和限制。

我们应该以综合的视角来探索这个问题，同时平衡技术、社会和伦理等多个因素，以实现人工智能和 Web3 的最佳结合。