自2022 年底OpenAI 的ChatGPT 上線以來，人工智能已經風靡全球。這台機器能夠回答大多數問題，它已迅速成為增長最快的應用程序，吸引了超過一億的用戶。然而，與許多風投支持的初創公司一樣，它每天都在燒掉數百萬美元。
但這麼燒錢也不是什麼大問題，因為微軟剛剛向OpenAI 投資了100 億美元。加上Azure 的硬件和Bing 的流量分發，ChatGPT 的流行度已經跨越了成見的鴻溝。
不過，參與競爭的不僅僅是微軟。Alphabet 的生成式AI 產品demo 版失敗後，其股票市值損失了1000 億美元。阿里巴巴和亞馬遜相繼宣布入局，與ChatGPT 爭奪人工智能的主導地位；而蘋果很可能會把Siri 作為進入該市場的前鋒產品。
人工智能工具的這種爆炸性增長是因為人們現在可以真正的使用人工智能。與其他趨勢不同，如Crypto、無人機或自動駕駛汽車，人工智能沒有高准入門檻的限制。任何人都可以使用人工智能來完成家庭作業，甚至提高他們在Bumble 等約會軟件中的成功機會。相比之下，在Crypto 中，你只能購買一個Token，並假裝它是你人格的全部。
Arthur C. Clarke 曾經說過：「任何足夠先進的技術似乎都與魔法無異。」人工智能已經變得如此復雜，以至於現在許多人認為它就是魔法。在2022 年第二季度，人工智能相關企業獲得了高達170 億美元的資金投資。這種來自FAANG、風險投資公司和散戶投資者的資金激增表明，人工智能已經準備好吸引大眾的注意力。
我們花了幾週時間調查了人工智能行業的現狀及其在未來十年的潛在影響。本文介紹了我們對該行業的有限理解，以及為什麼我們認為區塊鍊和人工智能將在未來十年內融合。然而，在深入研究這個話題之前，讓我們首先重溫一下經濟學中的一些基本概念。
注意：我在整篇文章中用了AI 模型/模型兩個說法。為了便於閱讀，任何提到「模型」一詞的地方都是指生成性人工智能模型。
稀缺性的消亡
人類的歷史是與稀缺性作鬥爭的歷史，為尋找資源而進行的遷徙可以追溯到數万年前。當我們學會利用火和農業的力量之後，我們的祖先便成功茁壯成長了起來，並創造了整個文明。為了確保社會擁有必要的資源，我們冒險漂洋過海，參與貿易。
隨著文明的發展，人類將注意力從基本需求轉移到了地位的競爭上。中國的長城、埃及的金字塔、印度的泰姬陵和歐洲的文藝復興時期的大教堂都是地位象徵的例子，在當時那些時代的社會經濟結構中發揮了關鍵作用。人們之所以可以動用數千人，花數十載的時間完成這些恢宏建築，是因為那時的人們已不再為尋找食物而發愁。
當我們過渡到追求地位的社會之後，技能和服務變得稀缺起來。到了14 世紀，戰爭英雄的慶祝活動減少了，而藝人、藝術家和發明家變得更加受人尊敬。莎士比亞、米開朗基羅和班克斯的作品說明了藝術家可以用獨特的方式解釋世界，而這往往需要幾十年的文化體驗。沒有對文化的深刻理解，就無法創造文化。
我們今天面臨的稀缺性與其說是圍繞著物質商品，不如說是圍繞著那些影響我們精神狀態的商品。傑出的藝術家在一代人中只會出現一次，因為產生他們的環境很難復制。即使數百人經歷了同樣的環境，也只有少數人，如說唱明星Jay-Z，能夠成為數十億美元的富翁。這些人的出現往往是不可預測、難以捉摸的。
在技能稀缺的社會裡，傑出的人才會得到高昂的獎勵。在歐洲的文藝復興時代，為大教堂工作的藝術家往往被委託進行多年的創作。然而，在過去幾個世紀的大部分時間裡，經濟產出與所消耗的能量成正比。能源要么被燃燒來為工廠提供動力，要么被人類用來生產商品。
過去的財富生產主要取決於人的數量或一個人能夠獲得的資源，這就是為什麼我們的歷史上會出現奴隸制這樣可怕的階段。財富的增長是一個線性的軌跡，往往依賴於征服。
在20 世紀，代碼和服務器改變了傳統的財富生產途徑。人們不再需要入侵外國土地或征服人民來獲得籌碼。正如Naval Ravikant 所指出的，代碼和媒體是新的籌碼，人們能夠通過代碼來駕馭機器人軍隊。
看看Instagram 或Tiktok 這樣的平台你就會發現，員工的數量與用戶的數量並不成正比。相反，可擴展性是通過增加硬件來支持不斷增長的用戶群而實現的。
這個富足的時代可以追溯到90 年代初互聯網的出現。例如，通信成本的降低產生了垃圾郵件的問題。數字存儲和帶寬變得更容易獲得，如Limewire 和Napster 等平台就是證明。今天，遊戲和社交網絡成為數百萬用戶的數字聚會場所，空間的稀缺性不再是一個問題。
在數字時代，滿足一個額外用戶需求的邊際成本已經大大下降。隨著數字技術的發展，稀缺性已經成為一個過去的概念。Naval 在這個視頻中更詳細地討論了這個話題。
開發者擁有巨大的權力，類似於文藝復興時代的熟練工匠，因為他們可以利用自己的時間和專業知識創造出強大的工具。然而，這種權力動態正在慢慢演變。微軟最近的行為——裁員1 萬名員工，同時向ChatGPT 的公司OpenAI 投資100 億美元，鮮明地說明了這種對比。
我無意於灌輸恐懼或暗示開發者將被淘汰。相反，我們有可能見證由人工智能賦予的替代工作的崛起。這種轉變正體現在當前生成性人工智能技術的發展之中。
富足時代的到來
我們目前正處於一個數字消費極為豐富的時代。與此同時，傳播的成本也越來越低。無論讀者數量是1000 還是100000，分發這篇文章的成本都是一樣的。Substack 的基礎設施可以快速擴展，因此，它不按瀏覽量收費。不過，雖然我們已經可以隨意分發內容了，但由於人們的注意力有限，內容創作量和文章閱讀量都很匱乏。
作為一位作者，我的生產力受限於我在特定的時間框架內能創造多少有意義的內容。作為一個讀者，你想從我這裡讀到的東西也只有這麼多。
ChatGPT 和生成性人工智能等概念的興起，正在顛覆生產和消費的經濟學理論。我們上一次見證類似的情況可能還是在印刷業出現的時期。書籍的普及極大地降低了人類思想的存儲和傳播成本。雖然英國花了四個世紀的時間才將識字率從5% 提高到50%，但人們現在每天的閱讀時間已經達到了差不多兩個小時。
這種智力行為的變化直接推動了啟蒙時代的到來，這一時期的特點是科學和哲學的快速發展，康德、伏爾泰、笛卡爾和亞當·斯密等人永遠改變了我們的世界觀。縱觀歷史，從洞穴壁畫到谷歌上的數字文件，存儲、分享和迭代思想的過程每一次都創造出了偉大的成就。
為了理解生成性人工智能的影響，我們必須認識到其降低生產和消費成本的潛力。諸如ChatGPT 和Midjourney 這類的應用程序會根據現有數據生成結果：ChatGPT 使用來自書籍、維基百科和期刊的數據來創建其文本回复，而Stable Diffusion 最初依靠的是庫存圖片；Github 的Copilot 利用數十億行的代碼來協助開發者。
從本質上講，生成式人工智能綜合了公開可用的信息，並根據用戶的要求進行處理，從用簡單的術語解釋複雜的概念到創建特定場景的視覺畫面。人工智能可以在幾分鐘內給出指令要求的結果，即便這些輸出結果可能並不總是令人信服。但經過充分的調整，你最終會得到一些可能被認為是人類生成的內容。前提是主題通用，而且你不期望有任何個性化的元素。
摘自紅杉關於生成式AI 的文章
那麼我們目前發展到哪個階段了？上圖來自Sequoia 的博客，為我們提供了一個對當前情況的良好展望。如今，AI 模型能夠實時處理文字輸入、編輯文本以及調整語氣，並且可以編輯圖片和代碼。這些功能的實現離不開生成式AI 模型利用數據集進行的大量訓練。如果我們可以在短時間內從多本書中獲取並整合知識，或者生成藝術作品，那麼我們最終將面臨信息過載的問題。在處理複雜任務，如編輯電影或音樂方面，人類參與仍然必不可少，但AI 確實可以加速這一進程。
諷刺的是，AI 已經開始用於總結大量文獻並提供關鍵見解。然而，挑戰在於我們無法確認其引用來源。例如，ChatGPT 在公共領域沒有充分信息的情況下，可能會給出錯誤的答案，它也不會說明用於生成回答的數據來源。——這正是當前生成式AI 面臨的風險。
我們可以創作無盡的作品，卻無法追踪其靈感來源或作者。在某個時刻，我們將依賴AI 處理這些內容，並告訴我們其中哪些才是重要的信息。
過去幾週我的推特內容
如果沒有追溯來源的基礎設施或驗證AI 模型的機制，生成式AI 將無非是今日互聯網的翻版而已：一大堆由算法生成的虛假新聞，並根據用戶喜好推送信息。雖然生成式AI 能讓每個人都成為藝術家，但它也可能會邊緣化那些為AI 模型提供訓練素材的初始作品創作者。這將是信息爆炸時代的一個關鍵挑戰：如何確保藝術、文本或代碼等形式的作品在每個人都從中受益時得到有效的歸屬和商業化處理？
互聯網已經為這個問題提供了一些答案。像Instagram 的Reels 和TikTok 這樣的平台，非常依賴第三方藝術家的音樂作品。用戶將音頻片段進行混剪，製作出朗朗上口、時尚、涉及舞蹈、烹飪等各種主題的短片。TikTok 推出了SoundOn，以幫助藝術家上傳並變現他們的作品。在這些情況下，平台需負責授權和支付版稅。當音頻相同，且分發由平台自身控制時，處理這一問題就變得相對簡單了。
然而，當音頻內容涉及多個作品並由平台外的用戶混剪時，情況就不同了。還記得我之前提到的以莎士比亞風格改寫《哈利·波特》的事情嗎？考慮到這只涉及兩人的作品，處理起來會相對容易。但如果我們以莎士比亞的風格改寫《哈利·波特》，並加入《權力的遊戲》的情節，那麼最終作品就有三位作者需要分享版稅了。
當前生成式AI 面臨的挑戰在於，你需要處理數百個作者的作品，以生成數千個輸出結果；而其中沒有一個作品能夠被準確地識別、歸屬或追踪。
通常，創作這些作品並無任何成本。我可以每天在ChatGPT 上運行數百個指令，直到獲得滿足我要求的回答。現今的社交媒體網絡在很大程度上類似於賭場老虎機，用戶花費數小時尋找那個能給他們帶來巨大驚喜的內容。
隨著生成式AI 的出現，我們激勵人們不斷嘗試各種指令，直到得到一個理想的回答。但是有一種方法可以解決這個問題，那就是強制實施成本。在NFT 領域我們有關於此的一些早期嘗試。
可驗證的事實真相
自上世紀70 年代以來，複製粘貼功能就已經存在了。翻閱年輕一代的Instagram 標題，你會發現我們無數次使用了這一功能。一項簡單的技術改變了我們對複制粘貼功能的認識——NFT。
你當然可以復制一張無聊猿的圖片，但要擁有它，你通常需要花一大筆錢把它買下來才行。區塊鏈使得這種獨一無二的資產在可以輕易複製的情況下仍然具有吸引力，同時實現了全網實時驗證該資產的所有權。
有人可能會認為這項技術在現實生活中並沒有太多用途。然而，一旦將生成式AI 考慮在內，這兩個工具便可相互融合。很快，生成式AI 將在很大程度上依賴於版權。迪士尼或Netflix 這樣的大型影視公司擁有我們從孩提時代到青少年時期喜愛的角色版權。
影視公司可以利用AI 挖掘觀眾最深刻、最珍貴的記憶，為他們打造個性化的角色。如果鋼鐵俠能教孩子們數學呢？Darth Vader 能給出約會建議又會怎樣？沒準這將幫助許多人脫單。
毫無疑問，影視公司可以擁有並發布這些AI 生成的聊天機器人或互動角色的產品。但利用區塊鏈技術他們將能夠追踪、驗證並索取版稅。他們可以建立一個開放的市場，任何人都可以參與並創作，而不僅僅局限於影視公司內部開發人員所能生產的應用程序。實際上，任何擁有大量IP 的公司都可以通過允許衍生作品，將自身發展為一個大型平台。
讓我解釋一下這意味著什麼。想像一下，我決定讓Linkin Park 的Chester Bennington（已故）來朗讀我為您寫的這篇長文，持有他IP 的遺產繼承人和持有他聲音合成版本的工作室很快就可以讓我獲得授權。但這將是一個漫長而繁瑣的過程，涉及律師和大量的文書工作。這似乎很愚蠢，但圍繞已故名人和IP 的產業已經出現了。
設想一下，Chester 的聲音版權在鏈上的話會是什麼情況。這樣一來，它可以被授權給世界各地的數百個人。當然，人們可能擔心這種聲音會被濫用，比如用於製作深度偽造視頻，或者用於逝者不願意與之相關聯的內容。但是，如果將使用權定價足夠高，入場門檻將篩選掉大部分惡意行為者。
這種情況已經在某些領域得到了實踐，那就是謎因。我最近在Instagram 上看到了一系列由Stoa 創始人之一Raj Kunkolienkar 發布的帖子。用他自己的照片重新製作了幾張流行的謎因，這是生成式AI 的一個有趣應用。
謎因是文化的一部分，而且屬於公共領域，人們曾嘗試將它們製作成NFT。但是，如果我們要以自己的身份「重塑」文化，我認為這些謎因需要有可驗證的來源，而且還應該盡可能地獎勵那些謎因原型人物。
Raj 是否應該「授權」對這些圖像二次創作的權利？文化是否應該可以變現？我不知道。他可能只是在美麗的果阿度過一個週六早晨，似乎有途徑可以做到這一點。
對不起，Raj——我只是想找一種方式來推銷我在Stoa 的投資。這就算是增值了，對嗎？
以前，超級英雄和遊戲角色那樣的知識產權更容易與觀眾產生共鳴。在漫展活動上，人們裝扮成蝙蝠俠或Darth Vader 都不會讓人感到奇怪。我們不太可能讓粉絲們購買許可證才能裝扮成他們喜歡的角色。
但部分粉絲確實有可能會集資取得版權，從而合法地重新製作和發布新作品，對原創作者的思想內容進行補充。
你可能覺得這很離譜，但在Web3 生態系統中，這已經成為現實。去年，一個社群籌集了4700 萬美元，試圖在蘇富比拍賣行競拍美國憲法。儘管競標失敗，但仍有數千人匯集自己辛苦賺來的錢為此付出努力。最後，用戶可以選擇退款或持有PEOPLEToken。截至目前，約有17,000 名用戶持有該Token，其估值約為1.4 億美元。
Token 和鏈上溯源讓社群能夠團結起來購買知識產權，這些產權可以與AI 共同創作出衍生藝術作品。
人類與機器協作已經得到了大規模的應用。2022 年6 月，《大都會》雜誌使用DALL-E創作了雜誌封面。他們製作了一個Darth Vader 登上雜誌封面的版本，但選擇不予發行。
在這種情況下，如果要組建大型社群的話，操作手冊將由DAO 來製定。工作室本身發行代表這些權利的鏈上工具，它可能是一個社區通過眾籌獲得的單一NFT。Token 的發行比例與成員為購買知識產權所貢獻的資金量成正比。然後，DAO 將決定如何管理和使用許可證。
社群可以規定使用許可證所需的最低Token 數量，而其他更複雜功能的執行，如創建生成性藝術作品，則可能需要DAO 進行投票。DAO 可以通過要求將上述IP 的部分收入返還來產生現金流。
由於大型工作室無法承受這樣的風險，新興藝術家更可能採用這種商業模式。儘管這看似遙不可及，但每當我們嘗試一種新的分發形式或更好地與觀眾互動的方式時，藝術家總是先行者。在過去的十年裡，Spotify 和Soundcloud 已成為發現新興藝術家的關鍵工具。在未來十年中，藝術家將把鏈上原語和生成性音樂進行結合以創造收入，從而加速自己的職業發展。
重新思考技術棧
來自A16z 的文章「誰擁有生成式AI 平台」
我想了解生成式 AI 技术栈的哪一部分可能被颠覆，以及哪些部分已经取得了显著的增长。上图来源于 A16z 的文章《谁拥有生成式 AI 平台》，揭示了过去 18 个月里价值正在哪里积累。
文章摘錄：
我們觀察到，基礎設施供應商可能是迄今為止這個市場的最大贏家，佔據了通過技術棧流動的大部分資金。應用程序公司的營收增長迅速，但往往在用戶留存、產品差異化和毛利率方面存在困難。大多數模型提供商雖然形成了這樣一個市場，但尚未實現大規模商業化。換句話說，創造最大價值的公司（即訓練生成式AI 模型並將其應用於新應用程序）並未捕獲大部分價值。雖然我們很難預測接下來會發生什麼，但我們認為，問題的關鍵在於技術棧的哪些部分真正具有差異化和可維護性。這將對市場結構（如橫向與縱向公司發展）和長期價值的驅動因素（如利潤率和用戶留存）產生重大影響。到目前為止，我們很難在技術棧的任何地方找到結構上的可維護性，除了現有公司的防禦體系。
這篇文章表明，儘管多個領域的收入已超過1 億美元，但人們對於盈利能力和留存率仍存在擔憂。當所有人都可以使用底層AI 模型（如Stable Diffusion 或ChatGPT）時，就不會有人了解可維護性了，而且我們很難準確預測新鮮後退去後的用戶留存率。
大部分的價值捕獲發生在硬件和雲平台領域。亞馬遜AWS、谷歌云和微軟Azure 已經花了幾十年時間來完善存儲和計算方面的技術，以符合實際需求的單位經濟效益提供大規模硬件；而Filecoin、Render 和Akasha 等則成為了Web3 領域的對應平台。
儘管如此，在現有形式下我仍不清楚該如何通過眾包硬件擊敗目前中心化服務提供商所提供的可靠性和規模。根據A16z 的分析，價值可以在三個方面積累：物理基礎設施、AI 模型或應用程序。我們相信，在基於Web3 的AI 領域，我們可以通過策劃利用Token 激勵的細分用戶群體，制定可通過社區參與擴展的數據流和盈利模型，構建競爭壁壘。
我們已經看到了這方面的一些實例。
目標用戶
Numeraire 的原始MVP 為我們提供了一個例子。該Token 背後的公司向研究人員發布有關股市的標準化數據集，研究人員使用自家的AI 和機器學習模型對這些數據進行分析，進而得出一個「信號」。簡單來說，該信號展示了他們對資產價格走勢的預測。根據提供信號的人質押的NMR 原生Token 數量，信號會被賦予一定的權重。
向用戶提供虛假信號的Token 將被銷毀。由於這些Token 在流動性市場上交易，因此用戶不會為了獲得真實貨幣而提供錯誤信號。相反，提供準確信號的研究人員會得到獎勵。隨著時間的推移，這樣做的實際效果是讓準確預測的用戶群體能夠收集更多的NMRToken，從而影響公司投放資金的模式，儘管這一切看似虛幻。
那麼，一個通過Token 激勵的去中心化研究人員群體能否擊敗市場呢？事實上確實如此。自成立以來，該基金的回報率約為48%。據該公司網站稱，已有價值約5500 萬美元的NMRToken 獎勵給了曾開發超過5000 個模型的數據科學家。
在Numerai 的情況下，數據本身並非專有資源。真正具有價值的是信任該產品並願意質押Token、分享模型輸出結果的數據科學家網絡。該網絡利用Token 激勵機制，打造了一個針對特定領域的數據科學家社群，這本身就是一道護城河。
數據流
插件可以在瀏覽器或硬件級別收集、匿名化數據，並將其傳遞給能從中受益的第三方。互聯網本身已經在執行這一操作。我們的數據被收集並傳遞給那些向我們推銷不必要商品的公司。
這樣的系統不再依賴於像谷歌或Facebook 這樣的平台壟斷，而是依賴於一個規範收集數據並在市場上提供數據的協議。公司可以提供福利（如高級訪問權限），以換取用戶分享數據的同意。我們已經在Pocket上看到了這種模式的早期版本。
Pocket 背後的團隊正在創建一個標準化的協議，該協議代表用戶構建數據結構，讓企業可以請求Pocket 用戶以便於使用的形式分享數據。同時，用戶可以根據解鎖的福利來選擇分享哪些數據。Brave 瀏覽器的BAT 獎勵就是這種模式的早期版本。
模型變現
Web3 原生產品與AI 之間可能通過租賃AI 模型進行交互。Ocean Protocol 市場上已經有這種模式的早期版本。在這種情況下，研究團隊可以開發並向第三方授權AI 模型，後者將其應用於自身的硬件和數據中。
部分觀點認為，在模型開源的世界中，不存在驗證輸出來源的原語。將Crypto 經濟原語（如DAO 或Token）與開源模型相結合，可以為研究人員的工作提供其他現金流來源，同時驗證輸出的來源。
AI 模型供應端通過與研究人員合作進行維護並更新，他們將獲得通過租賃AI 模型所產生的現金流的一部分。在這種背景下，我們可以將生成式AI 模型視為NFT，將研究人員視為藝術家。這種模式可能適用於數據過於敏感而無法共享的情況，例如醫療數據、專有財務數據或用戶數據。我們在Hugging Face和Replicate等平台上已經可以看到這種模式的早期版本（尚未包含任何Web3 元素）。
A16z 的文章在最後這樣寫道：
现今，生成式 AI 似乎没有任何系统性壁垒。初步估计，应用程序缺乏显著的产品差异性，因为它们使用相似的模型；这类模型在长期差异化方面前景不明，因为它们在几乎一致的数据集上使用相似的架构进行训练；云服务提供商缺乏深入的技术差异性，因为它们运行相同的 GPU。
生成式AI 公司想要實現差異化的唯一方法是將所有權和控制權交給用戶。就目前情況而言，數據通常是眾包的。AI 模型是開源的，價值向下流動以支付硬件費用。
激勵用戶分享數據或AI 模型可以減少團隊的負債和開支。反過來，當模型由社區而不是獨立的看門人來管理時，它可能會大大改進生成式AI 平台的產出結果。
這似乎有些離譜，但業內已有團隊將區塊鏈基礎設施（如NFT）、版權和生成式AI 結合起來了。我們在Alethea AI 中看到了早期嘗試。但在我們講這個之前，最好先了解一下生成式AI 共生領域正在發生的事情。
生成式人工智能DApp
上週二，Packy McCormick的Not Boring by Packy McCormick發布了一篇關於Replika 的文章，揭示了未來幾年生成式AI 產品用戶將面臨的問題。簡而言之，Replika 曾是一個允許人們通過聊天進行浪漫互動的應用程序。不幸的是，驅動該應用程序的GPT 模型突然間認為騷擾用戶並向13 歲以下兒童發送不適當內容並不存在問題。因此，應用程序的開發者迅速禁用了應用中的所有成人內容，以控制局勢。
在Replika 的Subreddit 中，有用戶發現與之建立情感聯繫的機器人不再像以前那樣運作。
最初，這款應用承諾提供陪伴甚至是熱情洋溢的對話。用戶對此寄予期望，應用也履行了承諾，然後突然之間決定不再為用戶提供此類服務。對於許多在現實世界中難以與他人互動或形成親近關係的用戶來說，該應用本了是一個很好的避世之所。但霎時間，他們就失去了逃避的機會。
這反映了未來幾年生成式AI 產品用戶將面臨的挑戰。在這些應用上花費數小時的人幾乎不擁有其中的任何創意、模型或內容。少數早期佔據優勢的公司可以從公開可獲取的資源中獲得巨大利益。
這種情況將讓權力格局轉向發布生成式AI 模型的公司。因此，OpenAI 可能開始優先考慮他們投資的公司，並阻礙競爭對手的發展。緩解這種風險的一種方法是將模型作為公共產品並保持開源，同時讓社區進行管理。
Alethea AI 一直在朝著這個方向努力。他們將自己定義為「生成式AI 經濟的產權支柱」。假設你創建了一個尖端模型，只想讓持有特定Token 的用戶能夠訪問。或者，你想嵌入一個具有人工智能的NFT，將其從一個毫無生氣的靜態資產轉變為一個能夠實時對話的交互式智能資產（通常通過與Alethea 的模型互動來實現）。Alethea 的協議允許開發者和創作者無需許可地進行這些操作。
為了構建基於鏈上的智能dAPP 和智能NFT，專門從事生成式AI 領域的服務提供商，如文案撰寫、蛋白質折疊科學研究或編寫Python 代碼編寫等，可以共享他們的產品來訓練Alethea 的模型。
然後，下游創作者可以將他們的NFT 與Alethea 模型中的特定技能相結合，並訓練他們的智能NFT 來提供服務。Alethea 作為一個協議，可以管理由AI 模型、服務提供商與尋求AI 服務的NFT 用戶所組成市場的Crypto 經濟激勵措施，並處理所有交易。
當然，我們也需要注意一些事情。生成式AI 現在所處的階段就如同移動互聯網的2007 年代。每當出現一種新的媒介，人們在開始發布自己的版本之前總需要一段時間。人們仍在探索如何為特定領域創建AI 模型。我本人非常願意提供一種生成式AI 模型，用於每週分析鏈上活動，並有無聊猿NFT 那樣的討論熱度。不過，我還沒有實現這一目標的技能。
正如我們目睹了從金融科技應用逐漸演變為去中心化金融（DeFi）的過程，一段時間內，中心化、閉源的提供商將主導市場。只有當團隊認識到，將所有權交給更大的用戶群體可能以中心化企業通常無法實現的方式激發網絡效應和數據來源時，我們才會看到更多開源、社區治理的模式。特定生成式AI 模型往往會形成一個群體，而唯一加入該群體（或獲得AI 模型訪問權限）的方式是上傳自己的數據。這就像是流動性挖礦，但適用於生成式AI 時代。
去年，Alethea 展示了一個可能的樣貌。他們通過蘇富比的拍賣發布了一個智能NFT（iNFT），最終售價接近50 萬美元。這個NFT 是一種可以與OpenAI 的GPT-3 進行對話的藝術形式。Web3 原生企業早已習慣了在中心化平台上建設的風險。遊戲、錢包和交易所經常會從應用商店上下架。
依賴OpenAI 的NFT 也存在同樣的風險。因此，該項目背後的團隊開發了他們自己的GPT 模型，名為CharacterGPT。與你現在在ChatGPT 上獲得的基於文本的回應不同，他們開發的模型能夠生成合成語音、面部動畫和個性。所以差別在於：首先，生成式AI 模型無法存儲在鏈上；而且，Alethea 的團隊認為未來也不會發生這種情況。就目前而言，CharacterGPT 是私有且中心化的。
但可能逐漸實現的是該模型治理的去中心化。類似Alethea 的本地Token（ALI）可以決定該模型在某些情況下的響應方式。這並不一定意味著該模型會避免自我調節。如果社區成員出於自身利益行事，他們可能會推動那些可能引起很多麻煩的邊緣用例，但這仍然是一個更為去中心化的過程。即使在我提出DAO 可以治理生成式AI 模型的技術前沿，亞當·斯密的無形之手也無所不在。
Alethea 本身只提供智能合約、CharacterGPT 以及將鏈上原語（如NFT）與生成式AI 連接的協議。他們相信，在某個時候，第三方開發者會在其基礎上創建提供多種服務的去中心化應用（DApp）。您可以通過在Polygon 上構建的第三方DApp – Mycharacter 嘗試這一功能。它允許您生成一個具有可調整屬性的合成角色，並將其作為鏈上NFT 鑄造。您可以在這裡與Sandeep Nailwal 的數字化形象進行對話。
這個機器人模仿Sandeep 說話的逼真程度，有點讓人感到恐懼。
Noah』s Ark是一個展示AI 服務和鏈上原語言將如何結合的去中心化應用。用戶可以使用少量預選的NFT 產品，並將其託管為人們可以互動的AI 角色。其運作方式是：用戶將他們的NFT 與平台上稱為「pod」的東西進行「融合」。截至撰寫本文時，每個pod 在OpenSea 上的售價為300 美元。本質上，pod 是使用Alethea AI 服務的通行證。你可以將pod 與NFT 連接，以啟用諸如背誦歌曲或告知天氣情況等功能。
在當前形式下，這些產品看起來就像玩具。當然，沒有人會想整天與NFT 對話。我對消費類產品的衡量標準之一是其能否激起我用它的興趣，比如我就很期待使用我的PS-VR 設備。但與一個類似NFT 的機器人交談可能就沒有那麼讓人期待了。了解這一點，對創業團隊選擇產品開發的方向很有幫助。
Alethea 的使命不僅僅是建立對話界面。就目前的狀況而言，實際上大部分Web2 都是為OpenAI 收集數據的前端。即使是使用Chat-GPT 或Stable Diffusion 的用戶，也在不知不覺中為其發展做出了貢獻，但卻無法分得其收益。Alethea 的理念是，將來我們會看到多個由用戶擁有的模型出現。目前還沒有協議能夠輕鬆地開發出這些模型，並將其與現有的鏈上原語結合起來，但這正是Alethea 追求的目標。
但這樣的未來會涉及哪些方面呢？要了解這一點，我們需要回到文章開頭提到的問題——在富足的時代裡，稀缺性如何體現？
就像我們在互聯網誕生之初所看到的那樣，通過torrent 和P2P 文件共享，我們將經歷一段盜版猖獗的混亂時期。建立一個類似希特勒的AI 模型是否合乎道德？如果第三方開發者使用工作室專有的知識產權，版稅應如何分配？在這樣的時期，將知識產權帶入鏈上將會大有裨益。我們現在已經有了實現這一目標的工具，那就是NFT。
工作室和創作者都將從中受益。突然之間，你有機會從那些閒置的資產中創造現金流。另一方面，生成式AI 工具的創作者可以在不擔心觸犯法律的情況下實現擴展。Github 的Copilot 功能已經允許你在編碼時使用AI。但如果你能複制你最喜歡的開發者的風格呢？或者Rick Rubin 為你製作的音樂提供意見又如何呢？
有人利用Paul Graham 的所有文章製作了一款能模仿他答問的機器人。你可以在下面的推文中看到它的演示。
在這種情況下，我們如何確保版權獲取和版稅支付？
我們在這項技術周圍看到的突出應用案例是文本和藝術，因為這是兩種最常被記錄和易於訓練模型的工作媒介。隨著創建模型的便利性以及輸入模型的信息複雜性的提高，我們將看到個人發布他們自己的AI 服務。反過來，這將減少人們在回答基本問題上花費的時間。也許我的AI 版本會向創始人推薦風險投資基金，或解釋與他人合作的風險。
所需的智能和知識模式越稀缺，用戶支付以訪問這些服務的成本就越高。現實世界也是在基於類似的經濟原理運作，即你需要支付高額溢價以獲取越來越專業的機構所提供的服務，如擅長Web3 的律師或對遊戲瞭如指掌的風險投資公司。
社區VS 企業
我經常思考，為什麼在2020 年代初，DeFi 會如此迅速地發展起來。事後看來，原因在於人們通過Crypto 經濟原語（如Token）被激勵去貢獻資本和使用這些產品。從歷史上看，金融科技公司從事交易或貸款的資金成本要遠高於發行Token 並將其作為獎勵所需的成本。
利用這些Token 對DeFi 產品進行治理，反過來又給人們提供了一種享有所有權的樂趣。這種所有權在私人企業中不容易複製。當然，你可以購買股票並通過聲稱所有權而蒙受損失，但這與通過使用產品而產生的所有權是不同的概念。
在Blur 與OpenSea 之間的鬥爭中，NFT 是二者相同的主題。通過Token 激勵外包流動性，並將治理權交給用戶——Web3 與AI 也將以同樣的原因發生碰撞。
社群將圍繞收購他們所欣賞的創作者的知識產權而聚集，並以DAO 的形式組織起來。像Mike Shinoda 和Snoop Dogg 這樣的創作者已經成為Web3 生態系統的一部分。我認為Snoop Dogg 將自己的聲音進行Token 化並出售給社群並非不可能。他最近在Eminem 的音樂視頻中就炫耀了他的無聊猿。
他可以使用Noah’s Ark 等工具將自己的聲音與無聊猿融合。一旦知識產權被Token 化並上鍊，它就可以嵌入到模型中，而這些模型又可以從大眾處獲取數據。
這可能聽起來有些牽強，但考慮到Stable Diffusion 是一個開源項目，現在因為使用了來自Getty 的庫存圖片而陷入困境。如果他們決定允許用戶上傳多年來創作的藝術作品，以換取對模型的治理權，情況又會如何呢？
數百萬創作者可以在不受損害的情況下貢獻自己的作品。基於區塊鏈的Stable Diffusion 可以輕鬆追踪生成圖像所用的藝術作品來源，並向下載藝術品的人收取費用。然後，為其做出貢獻的藝術家可以獲得版稅分成。
上述模型展示了它可能的樣子。這是對A16z 建議的當前生成式AI 技術棧的重新組合。Web3 原生AI 平台可以通過提供Token 激勵措施來從眾包數據集（如圖像）。藝術家這類的貢獻者可以分享他們的作品，進而通過模型生成特定風格的藝術作品。
如果輸入查詢指令的用戶決定使用某個作品，他們可以鑄造一個顯示所使用模型和輸入數據的NFT。這樣的生成性藝術作品將與過去的NFT 一樣具有價值，因為其出處是可以驗證的。
下一個Open Sea 可能會整合這類生成性藝術形式、提供數據或運行查詢的貢獻者，以及鏈上原語來證明作品中所包含的各個組成部分。負責維護和優化模型的團體可以將其租賃給用戶想要鑄造NFT 的市場。或者，一個數百萬人使用的大型模型可以開源並作為DAO 運行，這將讓人們在生成式AI 工具的維護和擴展方面擁有更多的發言權。
你可能認為這無關緊要——只是一個無用的解決方案。但你可以問問Replika 的用戶，當應用中的產品決策在未徵求他們意見的情況下進行時，他們會作何反應。
如今，只需要少量數據就可以訓練這些工具。因此，最初為創建這些工具做出貢獻的藝術家可能會成為多餘的人。要想保證公平性，我們可以根據他們作品的使用程度給予他們相應比例的Token。
想像一下，如果那些在OpenSea 早期為其發展做出貢獻的藝術家能夠在平台中獲得股權或Token 作為回報。那麼，他們或許就不必像現在這樣擔心版稅問題了。
我嘗試將Web2 和Web3 在哲學意義上對待AI 的不同方式進行了梳理：
乍一看，Web3 原生AI 似乎是一個無用的解決方案，這也是我過去幾個月的想法。但關註一下OpenAI 在過去幾個月的發展情況，你就會明白我們缺乏工具來應對平台壟斷。在Token、NFT 和鏈上來源之間，行業已經創造了充足的工具集，以應對未來幾年我們將面臨的虛假新聞和失業潮。這已不再僅僅是關於Crypto，而是關係到如何建立一個強有力的的系統來避免人工智能生產無意義的內容並造成混亂。
我們要在AI 的背景下運用Web3 的原則，因為AI 技術過於強大，不能任憑少數企業對其加以控制。當網絡剛剛興起時，我們沒有工具來驗證出處或治理平台壟斷。而現在情況已經發生了變化，Uniswap 這樣的DeFi 平台向我們展示了一個分佈式、社區擁有的基礎設施以及可行的中心化替代方案。隨著時間的推移，我們在生成式AI 模型上看到同樣的情況只會是早晚的問題。
