作者/茉莉

編輯/文刀

隨著AI大模型的普及,AI與Web3的融合領域已然成為加密資產市場的熱門板塊,兩個技術在「資料」的應用層面爆發出可融潛力。

當紅炸子雞人工智慧自然語言大模型的基礎是“三算”,其中之一便是算據,理論上,為大模型提供的數據集越大,在有效訓練之後的學習與預測能力就越強。而Web3的底層區塊鏈技術本質上分散式資料庫,以時序打包資料的鍊式結構形成了資料無法被竄改的特性。

二者或有互補優勢。 Web3區塊鏈能夠安全地儲存數據,作為一種帳本,它的「分散式儲存和運算」屬性,可以為AI的算據層面提供定價和真實性的保障;而AI能夠提升區塊鏈交易的效率,將複雜的資料處理程序自動化。

一個例子是鏈上交易的自動化,這可以應用於加密資產市場。由機器學習驅動的AI演算法可以追蹤市場波動,分析大規模的數據,從中找到規律與趨勢,並根據預定的標準執行交易。

AI還可以應用在區塊鏈的安全性上,利用機器學習演算法檢查交易數據,尋找可疑趨勢或異常,並持續從數據中學習以避免新的風險。

雖然目前AI與Web3都處於初步階段,但前者被認為有可能為Web3乃至加密資產市場帶來改變。 Fortune Business Insights的報告顯示,區塊鏈的人工智慧市場在2020年為2.205億美元,到2027年可達到9.736億美元,複合年增長率為23.6%。

盤點AI+Web3項目,不難發現,目前的8個早期龍頭項目主要發揮了「AI提升生產力」的特性,已經將AI大模型及機器學習的能力應用到Web3的底層技術設施或具體應用中,包括:

  • 將AI的多模態生成(AIGC)能力應用到了NFT生成;

例如ChainGPT(CGPT),這個區塊鏈的人工智慧解決方案不僅能提供Web2世界常見的文字內容生成、AI聊天機器人功能外,還是一個NFT生成器;再例如Aspecta,它建構了一個人工智慧生成的身分系統,透過Aspecta ID連結Web2和Web3的帳戶,根據帳戶持有者的經驗與經驗形成社群聯繫,存取不同的DAO和應用程式。

  • 將AI的機器學習能力轉化為建構Web3應用程式的工具/平台;

例如Fetch.ai(FET),它是一個開發去中心化應用程式的基礎設施,利用人工智慧的自動化技術,提供了創建和連接智慧代理(Agents)的工具,幫助用戶執行數位經濟中的複雜任務。

  • 將Web3分散式儲存、交易、運算的能力應用到AI發展所需的生產資料/資源;

‍例如iExec(RLC),它是基於區塊鏈的去中心化計算資產市場,旨在將資源提供者與資源使用者聯繫起來,允許任何人租用計算能力、數據集;再如去中心化人工智慧服務網路SingularityNET(AGIX),它允許用戶將服務發佈到網路上供需求方付費(加密資產)整合。

AI與Web3擦出火花:從數據、NFT到資源付費 8個早期AI+Web3龍頭項目

在AI+Web3中,除了以上8個早期誕生的龍頭項目外,一些新「選手」也在奔赴賽道的路上。

針對「數據」這個最明顯的結合處,有專案利用了區塊鏈的分散特性,解決資料壟斷問題。

例如,Bagel Network,它創造了「機器學習數據湖」的概念,允許用戶以任意規模存儲所有結構化和非結構化數據,支持數據科學家和AI工程師以低成本且保護隱私的方式,獲得/交換那些經過授權且可驗證的資料集。 Bagel Network的目的是建立一個去中心化的資料平台,來支援機器學習(ML)模型。

還有不少新專案將AI的能力直接發揮到了Web3最受矚目的金融應用層面,包括加密資產的交易和支付領域。

例如GT Protocol,它是一個由ChainGPT孵化的加密資產AI執行協議,它允許任何實體或個人創建一個DeFi智能合約池,利用AI收集和管理用戶貢獻的流動性,一方面發揮了AI的自動化能力,另一方面也利用了智能合約在鏈上的透明化特徵。

AI與Web3擦出火花:從數據、NFT到資源付費

 8個新進AI+Web3 應用‍‍‍

可以預見,2024年,圍繞AI的大模型及其應用仍會以層出不窮的態勢繼續向前發展,而Web3 這個最愛追逐熱點的世界也將持續跟進AI這個大熱門,兩個技術的演進與相互融合,也將為加密資產市場的AI板塊增加規模。 ‍‍‍‍‍‍‍‍‍‍