_iant Fund：加密世界如何塑造更有品位的AI模型？

原文作者：Alana Levin

原文編譯：深潮 TechFlow

在過去兩年裏，新的 AI 模型層出不窮。這些 AI 模型能夠完成許多類型的任務——從查找信息和回答問題，到提供客戶支持、校對文檔、生成內容等。

許多這樣的任務是客觀的，有明確的優化功能：找到正確的答案，識別最相關的信息，檢測任何錯誤或異常等。

但也有一些模型的輸出結果極爲主觀，比如製作“優秀”的藝術作品或開發“有趣”的視頻。我稱這些爲“具有品味的模型”。基於品味的模型往往更難優化，因爲它們是集體與個體決定的混合體；沒有明顯的答案或輸出。因此，頻繁的反饋對於幫助模型瞭解最新的文化偏好尤爲寶貴。

如今，大致有兩種方式可以培養模型的“品味”：

• 基於用戶生成的內容/數據（如 Twitter 或 Reddit 的提要），這在理論上可以揭示人類關注的最新動向（從而充當品味的代表）。
• 利用人類“品味制定者”社區來幫助模型圍繞他們的偏好進行主動訓練。

第一種方法存在許多不理想的情況。數據可能是孤立的（例如 Reddit 關閉其 API）或引入了偏見（例如，只共享部分數據）。模型也可能過度適應特定平臺的算法，尤其是如果它的數據來源選擇有限。這可能聽起來不重要，直到人們開始想象基於 Twitter 熱門內容生成的大量新媒體。這並不理想。

後一種方法，一個由人類提供反饋的網絡，避免了上述許多風險。可能仍然會有偏差，但僅在於它包括了選擇加入幫助訓練模型的社區成員的偏好。因此，關鍵在於確保這些社區成員，即制定“品味”的人，與模型真正培養出好品位息息相關。

加密軌道可以幫助促進這種一致性。在模型中提供所有權/給予參與成員模型輸出的經濟利益，可以激勵他們真正參與。加密貨幣還使得參與變得更開放和容易：世界上任何地方的任何人都可以貢獻，只要他們擁有鏈上錢包和網絡連接。

一個值得注意的例子是Botto項目。Botto 是一個自治藝術家，$BOTTO 代幣持有者有能力幫助每週訓練模型。訓練很簡單：參與者對各種圖片進行投贊成或反對票，Botto 從成員的偏好中學習。一週結束時，最受歡迎的作品會被拍賣，而那周幫助訓練 Botto 的參與者將獲得報酬。

藝術只是具有品味模型的一個類別。其他可能包括電影、電視、其他形式的故事講述（小說、短篇小說）、喜劇和廣告/品牌活動。即使是幾年前，這些具有品味的模型也是不可能的。這些工具表現力較差，速度較慢，無法可靠地指望模型產生有凝聚力的或（在視頻的情況下）逼真的輸出。只有今天，這些才變得可能。

重要的是，具有品味的模型擁有大量（且不斷增長的）潛在市場。藝術是一個價值數十億美元的市場。線上消費的內容每年佔據了數萬億小時的注意力。如果人們已經打算在這些娛樂形式上花時間和金錢，那麼讓他們在生產中擁有一定的份額似乎是合理的，這不僅會創造一個更積極的用戶基礎，還會創造一個滿意度更高的用戶基礎。想象一下，在奧斯卡最佳影片獎中，主要的參與者是幫助訓練並開發故事情節的觀衆，或者爲社區創作的電影設立一個全新的獎項，那會非常酷。

我認爲這是創造一種新的內容類別，而不是取代現有的創作。這類似於智能手機和 Instagram 使每個人都能成爲攝影師，這些新技術的存在並沒有消除實際攝影師的工作，實際上，可能反而讓更多人欣賞攝影師的工作。具有品味的模型也是一樣：它們通過利用新技術，這裏指的是用於消費者所有權和經濟對接的加密軌道，創造了一種新的參與形式，從而擴展了上述每個類別。

在過去幾年中，我們已經看到了數千種新模型的出現。接下來的幾年可能還會有數百萬（甚至更多）的新模型出現，至少有一些模型應該努力以新的方式吸引利益相關者，從更大的開放性和可及性，到嘗試激勵措施的新型所有權結構。有品位的模型是特別適合這種創新的一個領域，但它們不可能是最後一個。

原文鏈接