筆者認(rèn)為，人工智能本身代表新型生產(chǎn)力，是人類的發(fā)展方向;Web3與A的結(jié)合將使得Web3成為新時(shí)代的新型生產(chǎn)關(guān)系，成為組織未來人類社會(huì)，避免 AI 巨頭形成絕對(duì)壟斷的救贖之路。
作為一名長期奮戰(zhàn)在 Web3 一級(jí)投資一線，以及曾經(jīng)的 AI研究者，寫一篇賽道 mapping，弟認(rèn)為自己責(zé)無旁貸。
一、本文目標(biāo)
為了更充分地理解 A，我們需要了解:
1.A的一些基礎(chǔ)概念如:什么是機(jī)器學(xué)習(xí)，為何需要大語言模型。
2.AI開發(fā)的步騾如:數(shù)據(jù)獲取，模型預(yù)訓(xùn)練，模型fine tune，模型使用;都是在做什么。
3.一些新興方向如:外置知識(shí)庫，聯(lián)邦學(xué)習(xí)，ZKML，F(xiàn)HEML，promptlearning，能力神經(jīng)元。
4.整個(gè) A鏈條上對(duì)應(yīng) Web3 都有哪些項(xiàng)目。
5.對(duì)于整個(gè) AI鏈條 什么環(huán)節(jié)具有比較大的價(jià)值 或者說容易出大項(xiàng)目。
在描述這些概念的時(shí)候，筆者會(huì)盡量不使用公式、定義，而是用打比方的方式進(jìn)行描述。
本文盡可能覆蓋了較多的新名詞，筆者希望在讀者心里留下個(gè)印象，如果未來遇到，可以回來查其處于知識(shí)結(jié)構(gòu)中的什么位置。
二、基礎(chǔ)概念
Part 1
當(dāng)今咱們熟悉的 web3+ai項(xiàng)目，他們的技術(shù)是屬于人工智能 中的 機(jī)器學(xué)習(xí) 中的 神經(jīng)網(wǎng)絡(luò)這一思路。
下面的這段主要界定清楚一些基礎(chǔ)概念:人工智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、訓(xùn)練、損失函數(shù)、梯度下降、強(qiáng)化學(xué)習(xí)、專家系統(tǒng)。
Part 2
人工智能
定義:人工智能是研究開發(fā)能夠模擬、延申、擴(kuò)展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能的研究目的是促使智能機(jī)器，會(huì):聽，看，說，思考，學(xué)習(xí)，行動(dòng)
我的定義:機(jī)器給的結(jié)果和人給的結(jié)果一樣，真假難辨(圖靈測(cè)試)
Part 3
專家系統(tǒng)
如果一件事 有明確的步驟、需要用到的知識(shí):專家系統(tǒng)
Part 4
如果一件事 難以描述怎么做到:
1.有標(biāo)注數(shù)據(jù):機(jī)器學(xué)習(xí)，比如分析文本中的情感
例子:需要的訓(xùn)練數(shù)據(jù)
配鑰匙師傅問我:”你配嗎”neutral
隔壁很壯的小王問我:”你配嗎“-negative
2.幾乎無標(biāo)注數(shù)據(jù):強(qiáng)化學(xué)習(xí)，比如 下棋
Part 5
神經(jīng)網(wǎng)絡(luò)是怎么教會(huì)機(jī)器一個(gè)知識(shí)的
機(jī)器學(xué)習(xí)現(xiàn)在涉及的知識(shí)和范圍很廣，我們這里僅僅討論機(jī)器學(xué)習(xí)中最經(jīng)典的套路，神經(jīng)網(wǎng)絡(luò)。
神經(jīng)網(wǎng)絡(luò)是怎么教會(huì)機(jī)器一個(gè)知識(shí)的呢?我們可以類比為我們:
如果想教會(huì)小狗如何在墊子上小便(經(jīng)典案例，無不良指向)——(如果想教會(huì)機(jī)器一個(gè)知識(shí))
方法1:如果狗狗在墊子小便則獎(jiǎng)勵(lì)塊肉，如果不在則打屁股
方法2:如果狗狗在墊子小便則獎(jiǎng)勵(lì)塊肉，如果不在則打屁股;而且距離墊子越遠(yuǎn)，打得越狠(計(jì)算損失函數(shù))
方法3:狗狗每走一步，就進(jìn)行一次判定:
如果是朝向墊子走，則獎(jiǎng)勵(lì)塊肉，如果不是朝向墊子走，則打屁股
(每進(jìn)行一次訓(xùn)練，計(jì)算一次損失函數(shù))
方法4: 狗狗每走一步，就進(jìn)行一次判定
如果是朝向墊子走，則獎(jiǎng)勵(lì)塊肉，如果不是朝向墊
子走，則打屁股；
并且給狗狗在指向墊子的方向擺一塊肉，吸引狗狗往墊子走
(每進(jìn)行一次訓(xùn)練，計(jì)算一次損失函數(shù)，之后向著能最好降低損失函數(shù)的方向，進(jìn)行梯度下降)
Part 6
為什么最近十年神經(jīng)網(wǎng)絡(luò)突飛猛進(jìn)?
因?yàn)樽罱耆祟愒?算力、數(shù)據(jù)、算法上突飛猛進(jìn)。
算力:神經(jīng)網(wǎng)絡(luò)其實(shí)上個(gè)世紀(jì)就被提出了，但是當(dāng)時(shí)的硬件運(yùn)行神經(jīng)網(wǎng)絡(luò)，耗時(shí)過長。但隨著本世紀(jì)芯片技術(shù)的發(fā)展，計(jì)算機(jī)芯片運(yùn)算能力以18個(gè)月翻一倍的速度發(fā)展。甚至還出現(xiàn)了 GPU這種擅長并行運(yùn)算的芯片，這使得神經(jīng)網(wǎng)絡(luò)在運(yùn)算時(shí)間上變得“可接受”。
數(shù)據(jù):社交媒體，互聯(lián)網(wǎng)上沉淀了大量訓(xùn)練數(shù)據(jù)大廠們也有相關(guān)的自動(dòng)化需求。
模型:在有算力，有數(shù)據(jù)的情況下，研究者研究出了一系列更高效，更準(zhǔn)確的模型。
“算力”、“數(shù)據(jù)”、“模型”也被成為 人工智能 三要素。
Part 7
大語言模型(LLM)為什么其很重要
為什么要關(guān)注:今天我們歡聚于此，是因?yàn)榇蠹覍?duì)Al+ web3 很好奇;而A 火是因?yàn)?ChatGPT;ChatGPT 就屬于 大語言模型。
為什么需要大語言模型:我們上面說了，機(jī)器學(xué)是需要訓(xùn)練數(shù)據(jù)的，但是大規(guī)模數(shù)據(jù)標(biāo)注成本太高;大語言模型以一種巧妙的方式解決了這個(gè)問題。
