·Web3技術借助區(qū)塊鏈的公證功能可以幫助我們對抗AI的錯誤信息。AI與Web3的融合有望為改善隱私和數(shù)據(jù)所有權提供新途徑。
“AI即將徹底改變你使用電腦的方式，并顛覆軟件行業(yè)。”在去年11月的一篇文章中，微軟公司聯(lián)合創(chuàng)始人比爾·蓋茨以這樣的標題引起了廣泛的關注。
這不禁讓我回想起幾年前，當區(qū)塊鏈技術剛開始被廣泛討論時，人們也常常用“顛覆”一詞來形容這項技術的潛力。回顧過去幾年，區(qū)塊鏈技術從最初的原生態(tài)創(chuàng)新ERC20（注：可替代的/同質(zhì)化代幣標準）、零知識證明、BRC20（注：一種比特幣網(wǎng)絡上發(fā)行同質(zhì)化代幣的實驗性格式標準），逐漸發(fā)展到了與其他領域相融合的DeFi（注：去中心化金融）和DePIN（注：去中心化物理基礎設施網(wǎng)絡）等。
若二者結合，會不會產(chǎn)生1+1大于2的效果呢？
去年年初我們提出超級應用將會是大規(guī)模采用的關鍵。今年歐科云鏈研究院目光所及之處是AI與Web3的技術融合，在合規(guī)環(huán)境的支持下，有望改變現(xiàn)階段Web3的用戶行為習慣，加速大規(guī)模采用，共同構建可信數(shù)字社會。
AI與Web3技術融合可以助力解決技術和應用上的問題。
可擴展信任，可信數(shù)字社會的基礎
在充滿虛假消息的網(wǎng)絡社會中，Web3一直被期望演變成一個新的價值平臺生態(tài)系統(tǒng)，一改Web2的信息平臺。試想一下在這個平臺上，信息的流動不再受到誤導和篡改的威脅。經(jīng)濟活動在這個價值網(wǎng)絡平臺上變得更加公正和透明，鏈上數(shù)據(jù)使每一次交易都能夠清晰地展現(xiàn)其背后的價值鏈，讓價值流轉不再黑盒。
然而，這一發(fā)展受到了去中心化、安全性和可擴展性之間的制約關系，形成了一個不可能三角。沒有可擴展性，就很難搭建這個新的價值平臺。不過，AI的引入有望助力打破這個不可能三角，推動Web3建立可拓展可信數(shù)字社會。
從可拓展性上來看，當前的Web3生態(tài)系統(tǒng)包含了數(shù)百個區(qū)塊鏈、二層網(wǎng)絡和應用鏈，但由于區(qū)塊鏈本身缺乏與外部系統(tǒng)的本地通信能力，導致形成了許多“信息孤島”。跨鏈橋、原子交換、中繼鏈和側鏈等技術被提出作為解決方案。然而，這些解決方案并不能為廣大用戶所輕松使用。通過引入具有自主決策和執(zhí)行能力的智能代理程序，即AI Agent，它們模擬并扮演人類角色，可以選擇最適合用戶需求的跨鏈解決方案，打破不同區(qū)塊鏈之間的“信息孤島”，為用戶提供更優(yōu)質(zhì)的跨鏈體驗。
從安全性上來看，AI可以幫助提高Web3系統(tǒng)的安全性。通過實時監(jiān)測和分析，AI能夠及時發(fā)現(xiàn)和應對潛在的安全威脅，從而有效地保護用戶的資產(chǎn)和隱私。除了將AI作為效率工具，例如在審計代碼加速效率和寫代碼時用AI來增強安全性審查和提高效率外，由Berkeley RDI（注：加州大學伯克利分校的跨學科校園中心）提出的區(qū)塊鏈大型語言模型是一個受到學術界廣泛關注的新方向，它旨在提供一個無限搜索空間，不受預定義規(guī)則或模式的限制，從而能夠直接檢測更廣泛的異常情況。
區(qū)塊鏈大語言模型的產(chǎn)品設計簡示圖。 圖片來源：Berkeley RDI
技術融合賦予AI信任
要想搭建一個可信數(shù)字社會，光有具備可擴展性和安全性的Web3還不行，AI本身如果作壞呢？一項由安永發(fā)起的調(diào)查顯示，在被調(diào)查的企業(yè)中，有90%仍處于人工智能成熟度的早期階段，而僅有4%達到最先進的階段。信任度低和對人工智能潛在風險的擔憂成為加速人工智能采用的主要障礙之一。
信任度低主要來源于兩個方面，一個是訓練AI的信息是錯誤的，二個是訓練AI的信息由于是中心化的，可被操控的，然而Web3技術對于提高AI的信任度也是有極大益處的：
Web3技術借助區(qū)塊鏈的公證功能可以幫助我們對抗AI的錯誤信息。例如內(nèi)容開發(fā)人員可通過對文章或視頻進行散列（注1）操作，這類似于創(chuàng)建數(shù)字指紋，可確保每一份內(nèi)容都獨一無二。隨后，數(shù)字指紋記錄在區(qū)塊鏈上并使用公鑰簽名，確保內(nèi)容真實完整。
AI與Web3的融合有望為改善隱私和數(shù)據(jù)所有權提供新途徑，通過區(qū)塊鏈技術提供去中心化的數(shù)據(jù)存儲和管理，使用戶擁有數(shù)據(jù)的控制權和可見性，為大規(guī)模云開發(fā)提供替代方案，降低中心化云服務提供商的壟斷程度，未來可見部分中心化云服務提供商可能選擇與Web3生態(tài)系統(tǒng)合作，以整合新的技術和服務。
一旦根本性的技術限制在Web3與AI的技術融合之下得以改善，建立可信數(shù)字社會就會獲得基礎。具備可擴展性的Web3將賦予個體更大權力。圍繞個體經(jīng)濟，Web3與AI的應用層將呈現(xiàn)出無限的潛力。在這個新的生態(tài)系統(tǒng)，個體可以直接參與經(jīng)濟活動，擁有更多掌控自身數(shù)據(jù)和資產(chǎn)的權利。每個人可通過AI輔助的智能合約、數(shù)字身份等技術參與創(chuàng)新的商業(yè)模式，實現(xiàn)更公正、透明的經(jīng)濟體系。這個新生的經(jīng)濟模式將推動創(chuàng)意和個性化的發(fā)展，并為社會帶來更多機會和公正。
多鏈Web3的多層結構。
讓Web3再度回歸“以人為本”
Web3的用戶體驗和AI的用戶體驗是截然不同的。GenAI（生成式人工智能）構建的大型語言模型爆火在公眾眼前，例如ChatGPT，在短短5天內(nèi)吸引了第一個百萬用戶。然而，對于Web3而言，盡管市場上有一系列專業(yè)和領先的產(chǎn)品和平臺，但采用者仍然相對較少。盡管2023年的合規(guī)推動增加了機構的認可，卻尚未像ChatGPT那樣在用戶端快速爆火。
而用戶體驗就是Web3和AI在用戶端采用率有差別的主要原因之一。相比于“用戶只需要輸入對話就能使用”的操作，理解Web3錢包、熟悉與銀行卡號不同的地址、密鑰等，使得Web3在交互、速度和易用性方面仍然面臨挑戰(zhàn)。然而，AI的出現(xiàn)可以有效改善這個用戶體驗，與Web3取長補短，甚至成為Web3的主要用戶之一。
通過在應用層引入AI Agent，可以將繁瑣的流程交給AI Agent設計在后臺，并以用戶熟悉的方式在前臺進行展示與交互。例如在一些與傳統(tǒng)金融或者Web2上時效性不同的環(huán)節(jié)上進行簡化：使用數(shù)字簽名進行加密證明，通過創(chuàng)建者已知的私鑰生成簽名，使用公開的公鑰進行驗證。
通過引入AI Agent，降低了Web3的門檻，使得Web3再度回歸“以人為本”，讓Web2的應用體驗延續(xù)，甚至是通過AI的加入，就像蓋茨所說的一樣，顛覆軟件行業(yè)，改變?nèi)祟惖氖褂昧晳T和生活方式。
未來，用戶在使用DApp（注：去中心化應用）時，或許只需一個準確的問題或者指令。
AI Agent的流程圖。
個人也是團隊，AI與Web3合力釋放人類創(chuàng)造力
除了增加DApp的易用性降低普通用戶的使用門檻外，GenAI技術是Web3在用戶端大規(guī)模被采用的另外一種助力。從最初的文生圖工具Midjourney到如今的生成視頻工具Runaway和PIKA等，GenAI為用戶提供了一種快速且低成本實現(xiàn)想象力的方式。在先前的元宇宙和GameFi（注：游戲化金融）等領域，產(chǎn)品開發(fā)時遇到最大的難題并非代碼，而是涉及美術、游戲設計和人物設定等方面。
GenAI技術與Web3技術的融合將會大大為元宇宙提速。Web3為尤其是游戲里的人物關系提供不同的獎勵，讓游戲和外界打通，提高了運轉效率，自成經(jīng)濟體系。AI則為元宇宙提供了虛擬創(chuàng)作和內(nèi)容生成的快速性和多樣性，除了圖像、視頻和音頻外，用戶使用GenAI還能創(chuàng)建智能NPC（注：游戲中的非玩家角色）和虛擬角色，使元宇宙的互動性和沉浸感更加逼真。針對游戲（GameFi），游戲內(nèi)容的生成和設計都可以借助GenAI技術，使開發(fā)者能夠更快速地創(chuàng)建游戲道具、場景和角色，提供個性化的游戲體驗。這些應用使元宇宙和GameFi等領域更具創(chuàng)意和吸引力。
而這些都可以使一個人是一個團隊，兩個技術的融合可以解放人類對于“如何做”方面的精力，從而釋放人類創(chuàng)造力。未來，Web3與AI的深度融合將催生更智能、創(chuàng)新的數(shù)字社會。個體將成為創(chuàng)作者、藝術家，加之Web3賦予個體更多權力，個體無需龐大團隊，創(chuàng)意得以自由迸發(fā)，這將開啟全球創(chuàng)意的黃金時代。每個人都能塑造自己的元宇宙。這個未來不僅關乎技術，更是人類重新定義創(chuàng)造、分享和連接的里程碑。
我們期待的未來，信任問題將逐步解決，用戶體驗將更為友好，個體將被賦予更多權力和效率工具。試想一下這樣的數(shù)字世界，將會重新定義我們的生活方式。2024年，AI與Web3的融合，必將成為可信數(shù)字時代的雙引擎，釋放每個人的無限潛能。
注1：散列（Hashing）是一種將任意長度的數(shù)據(jù)轉換為固定長度字符串的算法。散列函數(shù)將輸入數(shù)據(jù)映射到一個固定長度的哈希值，該哈希值通常是唯一的，不同的輸入會產(chǎn)生不同的哈希值。這種轉換過程是單向的，即無法從哈希值還原出原始輸入數(shù)據(jù)。