一个新的区块链用于生成型人工智能?

生成式人工智能(AI)迅速成为过去几十年最热门且最具变革性的技术趋势之一。生成式AI的影响在技术栈的各个领域都是显而易见的,从基础设施到应用程序。

自ChatGPT的发布以及随后的GPT-4之后,Web3社区一直在猜测生成式AI和Web3的潜在交集。虽然有许多明显的用例,比如对话钱包或语言探索,但还有更复杂的论点值得探讨。

Jesus Rodriguez是IntoTheBlock的首席执行官。

如果生成式AI值得拥有自己的区块链呢?

开源动力与集中控制

要分析生成式AI区块链的可行性,了解当前基础模型的现状非常重要,特别是开源替代API技术(如GPT-4)的出现,以及对那些基础模型的集中控制引发的越来越多的关注。

直到几个月前,基于API和开源基础模型之间的差距还是相当大的。像OpenAI的GPT-4、Anthropic的Claude(语言领域)、DALL-E和Midjourney(计算机视觉领域)这样的模型似乎比开源替代品先进得多。然而,去年年底开始发生了变化,意外的是Stable Diffusion意外地开源发布,提供了一种可行的替代API的文本到图像模型。尽管如此,大型语言模型(LLMs)仍然是生成式AI的焦点,在这个领域中,开源模型在质量上无法与API的替代品相比。

今年年初,Meta AI Research发表了一篇论文,介绍了LLaMA,一种性能与GPT-3相当但规模更小的LLM。最初,该模型并不打算开源,但发生了一些意外的事情。发表一周后,该模型在4chan上泄露,并被成千上万的人迅速下载。LLaMA的“意外”使得一个基础LLM对任何人都可用,并在开源创新中引发了意想不到的动力。

泄露之后不久,到处开始出现具有有趣动物名称的新开源基础模型。斯坦福大学发布了Alpaca,Databricks推出了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 Pajama项目,等等。Stable Diffusion和LLaMA已经帮助改变了开源生成式AI的形势,并产生了重要的动力。此外,开源基础模型在质量方面迅速缩小与商业巨头之间的差距。

造成生成式AI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。支撑基础模型的神经架构的规模和复杂性使得准确的可解释性几乎不可能。因此,该行业必须依赖于更开放的架构和深思熟虑的监管等中间步骤。市场上只有少数几个集中实体控制着最强大的模型,这增加了实现生成式AI真正问责、透明和可解释性的可行性的担忧。

阅读更多:Jesus Rodriguez – The Next ChatGPT Won’t Be in Web3 Unless Some Things Change

开源基础模型创新的结合以及对该领域集中控制的担忧为Web3架构创造了独特的机遇。高质量的开源模型的丰富性降低了Web3平台采用生成式AI能力的门槛。解决生成式AI中的透明度和控制风险远非易事,但毫无疑问,区块链架构具备可帮助解决这个问题的关键属性。

在Web3中构建生成式AI基础

开源基础模型创新的爆发显著降低了Web3平台融入生成式AI能力的门槛。在Web3平台中采用基础模型可以遵循两个基本的、很可能是顺序的路径:

  1. 构建由生成式AI驱动的智能功能的DApp。
  2. 构建以生成式AI为基础组成部分的新Web3平台。

在第一个场景中,我们很可能会看到工具(如交易所、浏览器或钱包)采用由大型语言模型驱动的对话能力。此外,将建立以生成模型为核心的新一代DApp。在这种情况下,Web3主要作为生成式AI能力的消费者,模型在传统的Web2云基础设施上运行。

考虑到本质上支持生成式人工智能模型的Web3平台时,会出现更多有趣的选择。想象一下,像LLaMA、Dolly或Alpaca这样的开源基础模型在分布式区块链中的节点上运行。实现这一愿景的最终结果是一种专门为生成式人工智能设计的区块链。

为生成式人工智能优化的新区块链概念听起来足够吸引人,但不可否认它具有争议性。毕竟,没有专门为DeFi或NFT创建的新区块链。那么,生成式人工智能有何不同之处呢?

答案在于运行基础模型和区块链运行时之间的架构不匹配。典型的预训练基础模型由数百万个神经元分布在数万个互连层中,执行在GPU集群或专用深度学习硬件拓扑上。Web3历史上没有一个智能合约能够接近这个复杂程度。因此,可以得出一个合乎逻辑的结论,即需要一种新型的架构。甚至Web2基础设施正在演变,以支持大规模的生成式人工智能模型,这说明了Web3架构所需的变革的重要性。

当考虑为生成式人工智能建立新的区块链时,可能性似乎无限。但是,这个想法的最简单的迭代应该包括一组核心功能。对于一个专门用于生成式人工智能的区块链来说,运行执行基础模型的节点的能力是至关重要的。对于执行预训练、微调和推理工作流程的能力也是一样的,这些是基础模型生命周期中的三个主要阶段。发布和共享用于预训练或微调模型的数据集也是一个期望的功能。一旦我们将区块链运行时建立为基础层,可以启用许多关于透明度和可解释性的能力。例如,我们可以设想一种知识证明协议,提供关于模型特定权重的透明度,验证预训练过程中使用的数据集是否无毒或无偏。

为什么需要新的区块链?

为生成式人工智能设计专用区块链的概念确实很吸引人,但它是否真的必要呢?将生成式人工智能能力集成到现有的区块链运行时中确实具有有效的价值主张。然而,软件的历史证明了新的架构范式对基础设施技术的影响。云计算或大数据等最近的趋势就是例子。基础模型代表了根本不同的架构范式,很可能需要更专门的区块链基础设施来有效运作。

此外,我们不能忽视生成式人工智能改变区块链底层的潜力。可以想象,一种基于自然语言的权益证明区块链,其中验证者根据自然语言处理交易。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在整个区块链堆栈中推动变革。从这个角度看,采用第一原理方法,通过启用一个具有灵活性的新运行时来整合这些变化,似乎是合乎逻辑的。

忽视Web3中的生成式人工智能的风险

构建专门用于生成式人工智能的新区块链的想法确实具有争议性,并且不乏挑战。然而,我鼓励使用反面论证来探索这个想法。

如果我们忽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架构之间创造了一个重要的技术差距。在Web3中没有本地生成式人工智能能力的情况下,这个差距在不断扩大。生成式人工智能正在重塑软件开发的基本方面,新的框架和平台正在迅速涌现以支持这种范式转变。

开发本地生成式人工智能能力对于Web3来说绝非一件小事,因为这对于在该领域实现创新的新浪潮至关重要。本地生成式人工智能区块链仅代表了可以促进这种过渡的众多方法之一。构建新的区块链面临许多挑战,但是L2运行时的快速演进、像Cosmos这样的平台以及高性能的L1生态系统(如Aptos或Sui的出现)使得生成式人工智能区块链的可能性比以往任何时候都更具可行性。

本文由Ben Schiller编辑。