在最近的一篇文章中，我探索了ChatGPT和Web3技术交叉的潜在机会。生成人工智能(AI)和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AI相关的加密代币反弹至历史高位，甚至还有新的风险基金成立，以投资于生成AI和Web3的交叉领域。
虽然将ChatGPT类型的技术与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社区应该面对这样一个现实，即生成AI的大部分价值都被传统的Web2基础设施所捕获。进一步推断这个想法会让我们走上一个有争议的理论的道路，这个理论仍然值得探索：ChatGPT势头会对Web3产生负面和持久的影响。
生成式AI在Web3空间中的潜在负面影响背后的核心思想相对简单。生成式人工智能有可能改变软件和内容开发和消费方式的方方面面，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AI整合到他们的平台中。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、人才和资金差距产生影响。此外，如果不迅速解决，这一差距可能会以多指数增长率继续扩大。这个问题的解决方案当然远非微不足道，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10年来Web3没有创建任何有意义的基础设施或技术来支持机器学习(ML)，那么生成式AI运动正在Web2中发生就不足为奇了。Web3堆栈围绕分散计算、存储、身份和消息传递等基础组件发展，但很少有人关注ML空间。毫不奇怪，所有ML突破都没有出现在区块链或Web3基础设施中。当ChatGPT、GPT-4或stablediffusion等模型的发布表明生成AI可能达到逃逸速度时，Web3运动发现自己没有相关基础来支持新的生成AI革命。
多指数增长和技术差距
Web3和Web2世界之间在生成AI能力方面的差距正在迅速扩大。云计算或移动计算等趋势以线性或多项式速率发展，其中新版本通过新特性和功能改进了先前版本。生成式AI以多指数级的速度增长。
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，它们的性能呈指数级增长，并且它们收集了更多可用于预训练未来版本的数据。在这一点上，差距会变得如此之大，以至于无法逾越。
目前，Web3基础设施不具备拥抱生成AI的计算、数据或数据科学框架基础。去中心化应用程序(dapp)当然可以通过Web2API与模型交互来整合生成AI功能，但Web3原生生成AI的想法目前似乎有点挑战。随着生成式AI继续快速发展，Web3面临的挑战在不同维度上变得显而易见。
让我们来看看堆栈的不同级别。
平台
AWS、Azure和谷歌云等云平台正在迅速整合自然语言、图像、视频等领域的生成人工智能功能。生成AI模型的计算和数据要求目前似乎超出了Web3基础设施的能力。因此，新一代生成式AI应用程序将从根本上由Web2云平台提供支持，而在Web3基础设施中的占用空间很小。如果生成式AI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。
应用
由于Web2平台包含生成人工智能功能，这将为新一代应用程序提供动力，这些应用程序将把生成人工智能作为一等公民。这些新一代应用程序将不成比例地出现在Web2中，因为Web3堆栈不具备支持生成AI功能的能力。当然，我们会看到dapps包含由ChatGPT等模型提供支持的功能，但显然，这些功能将完全在链下。
下一波金融科技
多年来，加密和Web3技术被视为金融科技现代化的下一个主要趋势。毫无疑问，重点已经转向生成人工智能。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所破坏，而不是建立数字货币轨道。
开发人才
围绕生成式AI技术的创新水平和ChatGPT等技术的流行无疑具有传染性，并且正在吸引寻求构建下一代应用程序的开发人员。生成式AI技术的爆炸式增长与加密领域的严重衰退同时发生。结合这两个事件，Web3空间可能面临开发人员人才流失进入生成AI空间的风险。
风险投资
风险投资是另一个可能从Web3转向生成AI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，去中心化金融(DeFi)和不可替代代币(NFT)等运动最终展示了Web3承诺的实际应用。2022年的低迷加上生成AI领域的爆炸式增长，已经将VC资金流向生成AI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使Web3无法参与第一波生成式AI创新，但这仍然可以解决。鉴于当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。
去中心化的生成式人工智能：人们对知识集中化和对大型生成式人工智能模型的控制有足够的担忧，这为去中心化的替代方案创造了机会。尽管去中心化AI趋势从未得到有意义的采用，但生成AI正在重新出现围绕去中心化价值主张的对话，以减轻这些模型的控制、偏见、公平和其他所需特征。
知识证明：反对采用生成式AI的一些最大阻力来自生成有、种族主义、有偏见的内容的可能性，以及它们产生幻觉或“编造东西”的倾向。从这个角度来看，在ChatGPT等生成式AI模型的预训练、微调和使用过程中实施可验证的可追溯性机制，对于在关键任务场景中采用它来说是一项非常重要的能力。这是区块链运行时非常适合将问责制注入生成AI模型的场景之一。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。