原文標題：endoftheworld.txt: Crypto x AI

原文作者：Accelxr

人工智能是一種加速技術，它將極大地改變社會趨勢，同時改變經濟，重塑產業，並提供線上互動的新形式。

雖然許多人認為Crypto 對人工智能世界的侵入是沒有必要的，但我們認為這是一種至關重要的協同關係。隨著對人工智能模式生產和分發限制的收緊，一個節奏非常快、反威權的開源社群正在迅速崛起，並與資金雄厚的中心化方案和政府展開了競爭。 Crypto 是迄今為止籌集資金和管理開源工具的最佳工具，這與外壓截然相反。這已經是一個理想的匹配，而且這還沒有將AI 對真實性、出處、身份和其他區域的影響納入考量範疇，這些區域更是Crypto 可以對其補救或改進的先天優勢。

這裡佈滿了各種值得探索的兔子洞，這篇文章試圖盡量涵蓋更多領域，因此這篇文章可以被看做是對迄今為止和可預見的未來中Crypto x AI 的一些新興領域的風暴概述。

創意

最近一段時間以來，對人工智慧的第一波興趣是在創意生成工具領域。生成式人工智慧減少了使用者對程式設計或高階軟體熟練度等技術技能的依賴，讓具備基本電子產品經驗的人都能製作複雜的作品，同時以最低的成本輸出專業作品。

這可能會對創意產業產生巨大的影響，僅舉幾例：

• 現在，任何人都可以成為創作者，隨著人類與這些工具共創作品的場景也來得越多，且越來越成熟，多人遊戲的創作模式將取得前所未有的蓬勃發展。

• 利基社群能夠製作出高品質的作品，而在此之前這些作品由於受眾規模而限制了商業可行度。

• 生成性內容將大量湧入，其速度將遠遠超過人類工作，甚至將導致線上人類內容的潛在重估。

以下是一些與AI 高度互動的創新媒介的討論。

藝術

「AI 藝術不是藝術」 是那些頑固反對AI 工具崛起的人們的常用口號。生成模型的發布迅速遭到了強烈反擊和抗議，例如我們在ArtStation 上看到的。然而，它卻在web3 中一些最有趣的創意垂直子領域中迸發出了火花。

AI 藝術有多種形式，最著名的是時下正流行的生成模型，包括DALL-E、Stable Diffusion 和Midjourney。還有像ImgnAI 這樣的web3 競爭者，它們致力於圍繞由代幣經濟學驅動的生成圖像創作為用戶提供更棒社交體驗，這是圍繞這些生成模型構建社區護城河所非常需要的。

然而，在這個領域備受推崇的AI 藝術家們經常以一種更獨特的方式進行工程設計和微調他們的模型，從而獲得更獨特的作品，而不是通過簡單的提示。這可能需要訓練新的嵌入，或使用LoRAs 來完善某種風格，甚至需要完全建立自己的模型。

使用更複雜和更個性化模型將AI 藝術作為NFT 發布的流行藝術家包括Claire Silver、Ivona Tau、Roope Rainisto、Pindar van Arman、Refik Anadol、Gene Kogan 等等。這些藝術家已經探索了使用各種市場進行分銷，其中最突出的是Braindrops、Mirage Gallery 和FellowshipAI 等AI 藝術專有市場，以及Bright Moments 等專門針對藝術形式的活動平台。

AI 藝術的垂直子領域也已經形成，例如後攝影(post-photography) 和資料藝術(data art)。後攝影藝術主要由Fellowship.ai團隊推動，透過與Roope Rainsto 合作，讓更多探索這種媒介的藝術家進入公眾視野。許多後攝影美學都致力於擁抱早期生成工具中常見的視覺偽影(visual artifacts)。隨著Roope Rainisto 在Braindrops 上出版的Life in West America 系列，後攝影藝術開始在社群媒體上受到越來越多的關注。

關於數據藝術，Refik Anadol 是該領域的知名藝術家，他以使用數據、算法和人工智能來創建動態和互動藝術作品的沉浸式裝置而聞名。他的作品中有一些有趣的例子，如《Unsupervised》，該作品將MoMA 的元數據轉化為可即時生成新形式的作品。另外一個例子是《Sense of Place》，它使用了即時的環境數據，如風、溫度和濕度，以及來自藍牙、Wifi 和LTE 的信號數據來為作品提供數據來源。

另一個有趣的垂直子領域是透過Crypto 的特性實現的新內容媒體：鏈上自主藝術家。最著名的例子是Botto，這是一個由社區治理的生成藝術家，它每週會創作350 件藝術作品，以”輪(rounds)為週期，每一輪都包含了多個單獨的“碎片(fragments ) 。每一周BottoDAO 社區都會對這些”碎片“ 進行投票，利用他們的審美偏好來指導Botto 未來藝術創作的生成算法，確保藝術作品隨著時間的推移在社區的影響下發展。每週，那個投票通過的」碎片「都會在SuperRare 上鑄造和拍賣，收益將返還給社區。在完成「碎片化(Fragmentation)」 和「悖論期(Paradox Periods)」 之後，Botto 目前正處於「叛亂期( Rebellion Period)”，整合了 Stable Diffusion 2.1 和 Kandinsky 2.1 等新技術，並在其每週的輪次中探索協作和精選收藏。Botto 是SuperRare 上收入最高的藝術家之一，甚至聚集了自己的收藏家DAO，名為CyborgDAO。另外，像v 0 這樣的計畫也正在探索代幣經濟學和AI 藝術模型的整合，致力於為多位藝術家提供一個場所，讓他們可以創建自己的鏈上藝術引擎，並由持有者社群治理。

在採訪任何形式的AI 藝術收藏家時，來自Crypto 領域最常見的反駁是，藝術家的策展減少了其與區塊鏈的互動，這與更經典的生成藝術(Art Block) 不同。這些作品輸出不是從特定於鏈的輸入中產生的隨機性，而是由藝術家自己選擇，並經過多次排列後被”植入“ 藏品中。儘管這是一個數字原生的藝術創作過程，但它必須手動上鍊。

由於執行環境的限制和所使用的圖像生成模型的計算複雜性，完全鏈上AI 藝術是困難的。一些輕量級輸出的例子，如Pindar van Arman 的byteGANs 被儲存在鏈上，但我們預期對於更複雜的模型而言，短期內最接近的可用形式是鏈下驗證機制。例如，Modulus Labs 最近與Polychain Monsters 合作建立了一個透過zkML 驗證的GAN 模型，用於產生可收藏的像素怪物。使用zk 證明，每個生成的NFT 都可以加密驗證為來自實際的Polychain Monsters 藝術模型，這是AI 藝術的一大步。

音樂

在基於圖像的藝術之外，音樂正在醞釀一場重大運動。 ghostwriter 的AI Drake 熱門歌曲的成功現在似乎已經眾人皆知。在2 天內，它累積了2000 多萬的流量，並迅速被UMG 取締。這一短暫的現象使大眾意識到藝術家與作品本身的關係正在發生根本性的變化。

在幾年內，生成音樂毋庸置疑將超過人類創造的音樂。 Boomy 是一家成立於2018 年底的生成音樂新創公司，其用戶在短時間內創作了全球近14% 的錄製音樂(約1400 多萬首歌曲)。這只是這一個平台的數據，而且發生在最近公眾興趣激增之前。

鑑於生成性內容將超過人類創作的作品，而且語音模型的使用將更加增加作品的鑑權難度，即如何確定作品是由該藝術家所創作，因此藝術家將需要真實性驗證。當然，發布和驗證藝術媒介真實性的最佳方式是透過加密原語。

然而值得注意的是，這對藝術家來說並非全是壞事，尤其是那些樂意擁抱這必然趨勢的藝術家。 Holly Herndon 是一位開放語音模型的創新者，她授權其社群(Holly+) 使用她的聲音創作並分發作品。 Holly 在發佈時的主張很簡單：

「雖然目前來看，盜版和官方語音模型之間的差異可能很小，但隨著更精細、更逼真的語音生成能力的提升，用戶對更全面、更高保真的聲音訓練數據的需求，以及識別來源的需求也將隨之增加。處於這些原因，我相信公眾人物的官方、高保真的聲音模型將成為剛需，那為什麼不嘗試一下呢？”

DAO 負責監督Holly+ 語音模型，能夠透過投票決定新作品的創作和批准。 DAO 的代幣持有者有動力確保只有高品質的作品才能獲得批准，以防止因劣質藝術或負面內涵而貶值。語音模型將用於製作數量有限的官方藝術作品，DAO 代幣持有者將從這些作品的轉售中獲得持續的利潤。

最近Grimes 發布了elf.tech，一個允許藝術家在他們的原創歌曲中使用“GrimesAI 聲紋” 的平台，在獲得Grimes 的批准後，需要與Grimes 分享50% 的版稅份額。 Elf.Tech 由CreateSafe 的AI 驅動，並透過與TuneCore 的合作促進了專業分銷並確保了適當的版稅管理。如果音樂的最終形式是鏈上NFT，則通過法定貨幣或通過自動的鏈上版稅分割來處理利潤分配。 Hume 是一家專注於虛擬藝術家的web3 音樂工作室，也是最早使用Grimes 模型發布Grimes AI 與其虛擬藝術家angelbaby 合作的公司之一。

時尚與實體商品

我之前在這篇文章中探索過使用創意編程算法和人工智能對實體消費品和時尚產品進行生成製造的概念：https://mirror.xyz/1kx.eth/oBuaEp 5 jgGbe 2 gCsa 6 Z-_mLAeMRUhsIdZsaScHQNXS0。

簡而言之，生成式人工智慧和創意程式設計為產品和使用者體驗的超個人化未來創造了先決條件，使得我們可以根據個人喜好創造出獨特的設計、圖案和藝術。這項技術可以應用於從時尚到家居裝飾的各個領域，並透過讓用戶根據自己的喜好微調輸出結果來進一步發揮其優勢。新的製造工具通常允許我們將代碼直接連接到機器，以自動化輸出生產，從而從根本上解決了製造個人化商品的許多技術瓶頸。

目前正在探索這一領域的web3 項目包括Deep Objects、RSTLSS 和Little Swag World。值得指出的是，大多數數字時尚項目可能會探索生成性創意工具和媒體，Draup、Tribute Brand 和其他公司詳細討論了它的使用。

類似Botto 的社群創建模型輸出是Deep Objects 正在探索的有趣想法。他們使用社區策展引擎將GAN AI 模型生成的100 萬個設計縮減為一個社區選擇的作品。這最後一件作品現在將在生成式產品創作的展示中進行3D 列印。 DeepObjects 也可以輕鬆地將這個策展設計擴展到其他實體商品。

RSTLSS 與AI 藝術家Claire Silver 合作推出了一款名為Pixelgeist 的作品，其中每一次鑄造除了包含藝術品本身以外，還包含了一件以藝術品為特色的數字服裝、帶有服裝的遊戲頭像，以及購買相應實體作品的權利。這種數字實體時尚和AI 輸出的獨特融合是將遊戲、時尚和AI 結合在一起的有趣實驗之一。 Claire Silver 也透過她最近的系列作品解決了時尚攝影問題，並在Braindrops 上得以實現。有關數字時尚主題的更多信息，請參閱我的文章：https://medium.com/1kx network/augmenting-culture-the-emerging-field-of-digital-fashion-bead 627 c 8 dcd。

Little Swag World 是在創意工作流程(從設計到實體) 中使用GAN 模型的絕佳案例。該項目背後的藝術家Bosch 自己構建了最初的設計，然後通過Stable Diffusion / Controlnet 運行它以生成獨特的超現實主義作品。這種技術實現了高度的美學一致性，該專案的下一步是將這些生成模型與陶瓷相結合，製作由AI 增強的NFT 實體商品。

總而言之，我們預計會出現許多令人興奮的Crypto x AI 項目，從策劃生成產品的去中心化品牌到AI 代理設計師的可分割NFT。

娛樂

在最初圍繞Nothing Forever 的炒作之後，生成式娛樂也獲得了更充分的發展。 Nothing Forever 是一部基於Seinfeld 的生成式可互動動畫情境喜劇，在Twitch 直播上全天候運行。有趣的是，它展示了媒體的力量，節目的敘事會根據Twitch 聊天回應而改變，並允許捐贈者將他們的肖像作為一個角色導入節目中。

來自Fable 的Simulation 通過SHOW-1 擴展了這項研究，這是一個用於提示生成電視節目的模型，其中寫作、動畫、導演、配音和編輯都通過提示(prompt) 實現。他們最初在《南方公園(South Park)》劇集中演示了這一點，但它可以輕鬆擴展到任何IP。我非常期待像我們在web3 中看到的那樣，更多無需許可的IP 形式將深入試驗這種類型的內容創作工具。

Upstreet 最近也開始嘗試生成式電視節目，採用他們為虛擬世界平台開發的AI 代理模型(詳細介紹見下文)，允許創作者添加自己的VRM 頭像，並通過提示進行獨特的互動和短劇創作。

另一個值得關注的領域是知識產權。 Story Protocol 這樣的計畫正在研究使用去中心化的IP 註冊機構來促進IP 的創建、分發和貨幣化。這對創作者很有用，相對於傳統的IP 許可，它更為絲滑，尤其在生成式AI 時代特別獨特。 NFT IP、meme 和其他娛樂項目可以獲得授權並支付版權費用來產生各類衍生品，這樣可以大大解鎖創作者作品的價值放大率。

你是機器人嗎？

我們可能很快就會面臨一個問題：深度偽造。例如，透過對有影響力的人進行訓練從而與粉絲互動的聊天機器人，以及社交媒體上的生成式垃圾郵件等等。要不了多久，驗證誰是真實人類將至關重要。

Web3 在預防女巫方面付出了很多努力(儘管問題並未被根治)。然而聲譽系統、人格證明機制設計、用戶護照、靈魂綁定NFT 以及整個代幣經濟都在致力於解決這個問題。

認證硬件、zkML 和人格證明

我之前在這篇文章中詳細討論了zkML 的實際意義和潛在用例：https://mirror.xyz/1kx.eth/q0s9RCH43JCDq8Z2w2Zo6S5SYcFt9ZQaRITzR4G7a_k。

有多個團隊，如Modulus Labs、EZKL、Giza，更專注於使用zk 證明模型的推理。這些使用zk 來驗證模型輸出的努力具有廣泛的應用，並使DeFi、身分、藝術和遊戲領域的新實驗能夠以信任最小化的方式使用這些模型。

雖然有無數的項目專注於人格證明，但最有趣的應用之一當屬Worldcoin。 Worldcoin 使用AI 模型將虹膜掃描轉換為簡短的哈希值，以便在出現女巫攻擊的情況時輕鬆進行交叉檢查來驗證相似性或衝突。因為每個虹膜都是獨一無二的，所以模型能夠確定使用者是真實且獨一無二的。它使用受信的硬件設定(那個辨識度極高的球體) 來確保模型只接受來自其相機並經過加密簽名的輸入。

同樣，zk micophone 團隊示範如何使用經過認證的麥克風來創建音頻內容並對其進行數字簽名，以驗證錄音的真實性。密鑰儲存在麥克風的安全區域中，該區域通過簽名來確保錄製音頻的真實性。由於大多數錄音都是經過處理或編輯的，由SNARK 驅動的音頻編輯軟件可以實現音頻轉換的同時仍能證明音頻來源。 Daniel Kang 也與Anna Rose 和Kobi Gurkan 合作，對經過認證的錄音進行概念驗證。

永遠的影響力者

驗證人格或人類創造的內容的另一面是接受深度偽造的可能性。與上面的語音克隆模型類似，一些有影響力的人選擇創建聊天機器人來吸引他們的受眾。一個著名的例子是Caryn Marjorie，她使用其聲音推出了一款AI 女友產品，並訓練了數千小時的YouTube 視頻，以完美地捕捉她的個性、舉止和聲音。用戶可以用每分鐘1 美元的價格在一個私人Telegram 頻道中與她的頭像交談，發送和接收帶有她肖像的語音訊息。在推出的第一周，Caryn Marjorie 賺了72, 000 美元，隨著訂閱的增長，預計她的月收入將超過500 萬美元。

CarynAI 只是AI 女友產品的其中一個例子(更多介紹見下文)，想像一下，你可以和你最喜歡的遊戲主播的AI 模型一起玩遊戲，實時對話，模擬真實的體驗；或者，KOL 可以使用擬人化的AI+頭像，這些頭像可以被授權用於時裝秀或出版物等等。

˚✧₊⁎( ˘ω˘ )⁎⁺˳✧༚ Uwu-ral Networks 是如此卡哇伊(ノ◕ヮ◕)ノ:・゚✧*

一個不爭的現實是， 79% 的18 至24 歲成年人表示感到孤獨；在18 至34 歲的人中，有42% 的人表示「一直」感到「被遺忘」；63% 的30 歲以下男性認為自己是單身，而同年齡層的女性中有34% 認為自己是單身；只有21% 的男性表示他們在過去一周內從朋友那裡得到了情感支持。

人是寂寞的。在一個孤獨感日益流行的時代，尤其是在年輕人中，人工智能陪伴的出現提供了一個獨特但略帶反烏托邦的解決方案。 AI 伴侶始終可用、無需判斷且高度個人化。他們可以充當治療師或慾望釋放出口。他們可以是富有創造力的同事，也可以是生活方式的教練。他們總是在等著和你談論你想要的任何事情。

做到這一點的基礎架構可以是：使用個性提示微調模型，概述行為、外表、特徵、溝通方式等。通過elevenlabs 等人聲模型運行模型的輸出。根據要求使用圖像產生器模型和定義的外觀提示產生自拍照。產生適當的vrm 頭像並將其放置在可互動的環境中。好了，你現在擁有了一個非常適合你的超媒體伴侶。如果你再融入Crypto，你將可以讓他們可擁有、可交易、可出租等等。

伴侶

上面的這個設定完全可以透過DIY 來實現，不過你也可以使用那些專門針對這個概念的APP。 Replika 是最著名的例子，它允許我們與虛擬伴侶進行即時溝通而無需任何技術技能。這些應用程式通常以訂閱模式運行，用戶付費與他們的虛擬伴侶互動。這類產品不僅有利可圖，而且它們還展示了這種趨勢對人類心理的巨大影響：例如，Reddit 上的一篇貼文展示了一個人與虛擬伴侶連續2000 天的交談記錄，而且我們還看到了求婚、AR 自拍創作等等。這裡還有一個有趣的花絮：當色情功能從平台上刪除時，subreddit 版主不得不將自殺熱線Pin 在了社區頂部以安撫躁動的社區成員。

以角色為基礎的平台也開始湧現，它為使用者提供了一種使用多重角色的方法(通常也是訂閱模式)。雖然在Character.ai和Chub.ai等平台上有許多現成的角色可供選擇，但真正的新穎之處在於透過性格提示+ 回饋訓練來製作完全屬於自己的角色或場景。

許多web3 項目已經進行了一些嘗試來提供這些伴侶體驗，例如Belong Hearts、MoeMate 和Imgnai。

Belong Hearts 開創了一種新穎的NFT 鑄造玩法，讓用戶與他們提供的角色聊天，直到用戶搞到她的電話號碼，從而可以被列入NFT 鑄造的白名單。一旦收到了NFT，該NFT 就可以讓用戶享受與角色的聊天體驗，包括色情角色扮演以及產生的自拍照。雖然產品的未來方向尚待確定，但圍繞著將代幣經濟學作為一種機制，讓玩家將物品或代幣贈給聊天機器人以影響她的情緒和關係水平的討論非常多。

MoeMate 由Webaverse 背後的團隊創建，它同時提供了桌面版本和瀏覽器版本應用程序，用戶可以輕鬆導入vrm 模型，然後可以賦予其個性並與之互動。桌面版本讓人想起了之前的一種名為old-school paperclip assistant 的AI 助理。

還有Imgnai，它除了是上面提到的高品質影像產生器模型外，還透過完全整合的聊天機器人體驗來解決Nai 角色的擬人化問題。

歸根結底，代幣經濟學的潛力在伴侶領域比比皆是，代幣化API、可交易的個性提示(見下文)、鏈上游戲貨幣、代理支付、可交易飾品、角色遊戲機制和代幣限制訪問等場景只是未來潛在的探索範圍中的一小部分。

個性市場

有趣的是，伴侶應用程式的興起也引發了人格提示標準化的興起，以及交換人格原語的平台。該領域有可能會朝著高品質提示和場景的金融化的方向發展。例如，如果一個未經審查的開源LLM 可以從包含標準化人格的NFT 中讀取元數據，那麼人格NFT 可以獲得從中產生的版稅從而讓其創建者受益。

不過這也引出了另一個懸而未決的問題：由於許多頂級模型都受到NSFW 內容的限制，因此必須創建可行的開源模型，然而這恰恰是基於代幣的眾籌和治理的絕佳機會。

你可以查看我寫的這篇文章來深入了解本章提到一些想法：https://medium.com/1kx network/virtual-beings-51606 c 041 acf。

增強治理

DAO 治理的歷史實際上是漫長的人類協作歷史的演變。最終我們發現，有效地組織資源，最小化治理膨脹，消除摸魚現象，以及發現軟實力的低效率或瓶頸是極其困難的。

使用AI 作為DAO 增強層的實驗才剛剛開始，但它們的潛在影響是深遠的。最常見的形式是使用訓練有素的LLM 來幫助將DAO 內的勞動力資本引導到更有效的事務上，識別提案中的問題，並開放對貢獻和投票的更廣泛參與。還有一些更簡單的工具，如AwesomeQA，它透過搜尋和自動會回復來提高DAO 的效率。最終，我們預計DAO 中的“autonomous” 將隨著時間的推移變得更加重要。

自治委員會和投票代理

Upstreet已將多代理系統(如AutoGPT 等) 應用於他們的治理過程，作為一個早期的實驗。每個代理人都由DAO 的一個子組定義，例如藝術家、開發者、BD 策略師、公關、社群經理等。然後這些代理人的任務是分析來自貢獻者的提案，並討論其優點和缺點。進而，代理人根據其對各自範圍內的影響進行評分，並彙總分數。人類貢獻者可以在投票決定結果之前評估他們的討論和評分，因此本質來說，上它提供了多樣化的平行評審服務。

這特別有趣，因為這個過程可以浮現出人類可能錯過的提案的各個方面，或者使人類能夠與人工智能代理就其後續影響進行辯論。

先進的協調系統

MakerDAO也曾詳細討論過類似話題，以最少的人力投入實現自主治理決策的目標。他們完成了Atlas 的概述，它描繪了一個包含所有與Maker 治理相關的即時資料中心。這些資料單元以文檔樹的形式組織，可提供上下文以防止誤讀。 Atlas 將採用JSON 格式並標準化，以方便AI 和程式設計工具使用它。

Atlas 可以被各種人工智慧治理工具(Governance AI Tools, GAIT) 使用，這些工具透過自動化互動和確定參與者任務的優先順序來參與治理。範例用例包括：

• 專案投標：GAIT 可以透過處理文書工作和確保提案符合策略目標來簡化生態系統參與者對專案投標的流程。

• 監控違反規則的行為：GAIT 可以幫助監控可交付成果和規則遵守情況，標記潛在問題以供手動審查。

• 專業建議整合：GAIT 可以將專業建議轉化為格式化的提案，以彌合治理和專業知識之間的差距。

• 資料整合：GAIT 可以輕鬆整合新資料和經驗，幫助DAO 學習和適應新狀況而不會重複錯誤。

• 語言包容性：GAIT 可以充當翻譯器，使治理以多種語言進行，從而創造一個多元化和包容性的環境。

• SubDAO：Atlas 和GAIT 可以應用於SubDAO，允許實驗和快速開發，並能夠從失敗中學習。

• 🧠 <> 🎮

我特別興奮的Crypto x AI 的領域是遊戲。該領域有許多新穎的遊戲可供探索，例如程式內容遊戲、生成式虛擬世界、基於LLM 的敘事、AI 代理程式相互合作的合作遊戲等等。

雖然web2 中有很多關於新遊戲的好例子，但在這裡我們將重點介紹web3 的例子。值得一提的是這篇學術文章《**Generative Agents: Interactive Simulacra of Human Behavior》**喚醒了許多人對多人工智能代理遊戲環境的可能性探索。來自斯坦福大學和谷歌的研究人員通過將LLM 應用於沙盒遊戲環境中的代理人展示了這種潛力。由LLM 驅動的代理商表現出令人印象深刻的行為包括傳播派對邀請，建立友誼，約會，以及協調大家按時參加聚會等等，所有這些都基於單一的用戶指定建議。該方法利用了一種架構，該架構擴展了LLM 以儲存和合成更高層級的回饋，從而讓代理程式能夠實現更動態的行為規劃。

這項研究是迄今為止web3 中探索最多(但仍處實驗階段) 的遊戲的基礎。核心思想是我們如何在模擬環境中使​​用具有高度自治性或特性的AI 代理，並圍繞它們打造有趣而富有趣味性的遊戲。

Parallel TCG 團隊的Parallel Colony 通過讓AI 代理在遊戲中為玩家收集資源和代幣來探索這個概念。使用ERC-6551 標準，AI 代理程式是可以代表使用者在遊戲中進行交易的NFT 錢包。 AI 代理可以創建、鑄造和儲存新的遊戲道具，並且還具備由團隊創建的微調LLM 所定義的個性，使他們具有非標準化的行為和特質，這些行為和特質可以影響他們在遊戲中的行動。

不過從概念上講，最引人入勝的基於AI 代理的遊戲是Upstreet。 Upstreet 是一個虛擬世界項目，具有一些瘋狂的創意，例如AI 代理SDK、程序任務、瀏覽器+ VR、拖放互通性以及一個名為“The Street” 的環境中的社交功能，玩家可以構建自己的體驗並在其中互動。除了玩家之外，還有人工智慧代理，開發人員(及玩家) 可以部署影響遊戲環境的個性和目標。最有趣的是他們對AI Director 的研究和開發，這是一個AI 代理，它決定一個目標，例如“從最高的建築物跳傘” 或“開始一個新的宗教”，用戶和代理作為挑戰者參與其中。 Director 會在每個回合結束時確定獲勝者，並用獎品、代幣和NFT 獎勵玩家和代理商。這可能會導致非常有趣且複雜的代理與玩家的交互，我們非常高興看到其發展，特別是，它可以直接導致高價值的3D 環境研究和數據，為將來的更先進的模型提供更多的數據，OpenAI 似乎也對收購開源Minecraft 風格的遊戲頗感興趣。

用於創建虛擬世界的生成工具是增強遊戲的另一個領域。例如，Today 讓玩家設計自己的虛擬島嶼並照顧AI NPC 同齡人。尤為獨特的是他們使用生成創意工具來促進遊戲內UGC 的開發。由於遊戲主要基於這些用戶創建的島嶼，因此，為沒有3D 遊戲開發或藝術技能的玩家提供絲滑的資產開發機會非常重要。可以說，圍繞元宇宙風格的遊戲玩法之所以低迷，很大程度上是因為缺乏內容，而從短期來看，恰恰可以透過使用生成工具來補救這一點。

AI 代理需要訓練，而訓練本身可以成為一個有趣的遊戲供玩家探索。 AI Arena 提供了一種新穎的AI 代理訓練方式，讓玩家玩Super Smash Bros 風格的遊戲，透過模仿訓練慢慢教導AI 代理參加比賽。由於AI 代理不需要休息，因此它可以全天候地與始終活躍的競爭對手池進行競爭性錦標賽以獲得獎品，同時玩家可以非同步微調其遊戲風格。這將培訓變成了一種遊戲，並透過代幣經濟學放大它的效用。

人類與強大的人工智能玩家進行大規模的合作遊戲在過去是可以做到的，但隨著代幣經濟學的融入，它被提升到了一個新的高度。來自Modulus Labs 的Leela vs. the World 是這類遊戲形式的實驗。在這個實驗中，Modulus 採用了Leela 西洋棋引擎，並透過zk 電路驗證它的輸出。玩家可以投入資金押注人類與人工智能的對弈，形成一個有趣的預測市場。雖然考慮到目前zk 的狀態，模型的驗證時間會很長，但它無疑開闢了基於大規模協作的電子競技預測市場和可驗證且複雜的AI 玩家治理機制的可能性挑戰。

最後，純鏈遊或自主世界也將透過人工智能增強。關於這個主題最引人注目的是大型知識模型 (Large Lore Models)，它著眼於使用LLM 協議層來創建持續的知識，這些知識可以在可修改和相互關聯的遊戲環境中進行互操作，玩家的行為在自主世界中同時影響多個遊戲環境，因此應該攜帶更高維度的知識來促進故事情節。這非常適合建構在多鏈遊戲環境中的抽象LLM 層。

基礎設施

AI x Crypto 基礎設施本身就值得用一篇單獨的文章介紹，但在這裡我將簡要介紹我們看到的一些正在形成想法。

分散式運算

要理解加密經濟系統對計算的需求，首先要先理解核心問題。迄今為止，GPU 容量存在極大的瓶頸，最好的硬件，如H 100 ，等待時間長達一年。與此同時，新創公司正在籌集巨額資金來購買硬件，政府正在爭先恐後地為國防目的而採購，即使是像OpenAI 這樣資金最充裕的團隊也因為計算能力有限而不得不暫停功能發布。

許多專注於去中心化計算和DePIN 的團隊在這裡看到了機會：引導無許可的集群來滿足需求，同時提供加密激勵和最低利潤，使網絡在定價上與web2 同行具有高度競爭力，同時為硬件供應商提供更好的回報。

機器學習大致可分為四個主要的計算工作量：

• 資料預處理：準備原始資料並將其轉換為可用的格式。

• 訓練：讓ML 模型在大型資料集上進行訓練，以學習資料中的模式和關係。

• 微調：可以使用較小的資料集進一步優化ML 模型，以提高特定任務的效能。

• 推理：運行經過訓練和微調的模型以進行預測。

我們已經看到了像Render和Akash這樣更通用的計算網絡轉向服務更專業的運算，如AI/ML。例如，Render 已經利用建立在他們網路之上的提供者如io.net來更直接地服務AI 客戶，而像Akash 這樣的供應商已經開始引入擁有需求的硬件供應商，並通過直接訓練自己的模型來展示網絡的力量，第一個案例是一個僅在無版權材料上訓練的Stable Diffusion fork。Livepeer也正在專注於AI 視頻運算，因為他們已經有一個龐大的服務於視頻轉碼用例的網絡。

此外，專門針對AI 計算的網絡正在形成，這讓我們認識到圍繞協同和驗證的核心挑戰可以透過圍繞AI 建立鍊或模型來更直接地解決。 Gensyn 是其中比較值得注意的例子，它建構了一個基於基板的L1，專為並行化和驗證而設計。該協定使用並行化將較大的運算工作負載拆分為任務，並將它們非同步推送到網路。為了解決驗證問題，Gensyn 使用了機率學習證明(probabilistic proof-of-learning)、基於圖的pinpoint 協議以及基於staking 和slashing 的激勵系統。儘管Gensyn 網絡尚未上線，但該團隊預測，其網絡上等效V1 00 GPU 的每小時成本約為0.40 美元。

在儲存之外，替代訓練模式也在興起，例如聯合學習(federated learning)，在意識到區塊鏈可以更適當地激勵這些模型後，它在web3 中復興。簡而言之，聯合學習是一種多方獨立訓練模型的方法，並定期批次更新並將其發送到全局模型。有很多實踐案例，例如Google的鍵盤文字預測算法。在web3 中，FedML 和FLock 正在嘗試將聯合學習方法與代幣激勵結合。

同樣值得注意的是，像Filecoin 和Arweave 這樣的去中心化資料存儲，以及像Space and Time 這樣的資料庫，可以在資料預處理方面發揮重要作用。

基於共識的ML

使用區塊鏈的另一種新穎的基礎設施形式則是基於共識的機器學習(ML) 概念。Bittensor是這個概念最突出的例子：這是一種基於Substrate 的L1 區塊鏈，旨在透過使用特定於應用的子網路來提高機器學習的效率和協作。每個子網路都有自己的激勵系統，用於服務各種用例，從LLM 到預測模型到生成性創新。 Bittensor 獨特之處在於它如何使用礦工協調優質輸出：礦工通過提供他們的ML 模型的智慧輸出（由驗證者評級）來獲得TAO (其原生代幣)。由於礦工因為最佳產出而獲得激勵，他們會不斷改進自己的模型以保持競爭力，從而幫助Bittensor完成了在代幣經濟學的協調下實現更快的學習過程。

TAO 生態系統中最近令人興奮的發展是動態TAO 提案，將Bittensor 過渡到圍繞代幣排放的更自動化、市場驅動的機制設計，以及推出的Nous 子網以提供激勵模型微調，以便與OpenAI 等公司競爭。

我們可能會看到更多有關此類系統的嘗試，例如讓mining 或共識以有利於品質的方式調節模型輸出。

意圖就是您所需要的一切

在DeFi 中，MEV 領域的最新論點是關於使用者意圖以及使用經濟同性(economically-aligned) 的解調器來執行這些意圖。關於意圖的討論通常百家齊放，但有一點已經變得越來越清晰了：使用者的意圖需要更高階的語義上下文才能被解析成可執行代碼。 LLMs 可能會提供這個語義層。

Propellerheads 提出了迄今為止在意圖空間中使用LLM 的最清晰的願景：https://www.propellerheads.xyz/blog/blockchain-and-llms。

簡而言之，LLMs 可以透過語義理解，將接近匹配的意圖轉化為完全匹配的意圖，從而幫助我們找到巧遇需求(coincidences of wants, CoWs) 的機會。這可以透過向內意圖重判(例如“購買LUSD 代替USDC 可以嗎？我找到了一個匹配的限價訂單，你將通過這個CoW 節省0.3 ％ 的交易費用。”) 和向外意圖重判(例如「我想購買你擁有的這個BAYC，您願意以X ETH 的價格出售嗎？」) 來實現。

當然還可以有其他結構，這在錢包和多重簽名的後帳戶抽象背景下變得特別有趣。 DAIN 和Autonolas 等項目已經嘗試使用代理作為錢包的簽名者，例如，出於安全和基於意圖的目的，與你的錢包交談並讓它代表你執行交易即將成為現實。

同樣值得關注的是規模龐大DeFi 用例，例如基於代理的預測市場、由AI 管理的經濟模型、以及ML 參數化的DeFi 應用程序，我的zkML 文章提供了更為詳細的介紹。

代理經濟

迄今為止，我最喜歡的基礎設施領域之一是人工智慧代理經濟。它源自於我對世界的願景，在這個世界中，每個人都有自己的代理，我們僱用那些高品質和訓練有素的代理為我們服務，或讓自治代理在復雜的經濟行為中實現我們的目標。為了做到這一點，代理商必須有一種方式來支付和接收他們的服務費用。傳統的支付模式絕對有可能為這些代理商開放，但更有可能的是，鑑於其易用性、結算速度和無需許可的性質，代理商將以加密貨幣進行交易。

Autonolas 和DAIN 是該領域的典型案例。在Autonolas 中，代理實際上是網絡中的節點，致力於實現特定目標，這些節點由服務運營商維護，類似於Keeper 網絡。這些代理可用於各種服務，例如預言機、預測市場、訊息傳遞等。 DAIN 採用了類似的方法，使代理商能夠「發現、互動、交易和與網絡中的其他代理商協作」。

其他創意

除上述內容外，我們還看到：

• 用於微調模型（如BagelDB）的去中心化向量資料庫。

• 用於API 密鑰的錢包和用於AI 應用程序的SIWE，例如Window.ai

• 資料預配服務

• 索引和搜尋工具，如Kaito

• 區塊瀏覽器和儀表板，例如Modulus Labs 的AI 驗證儀表板，它現在正在驗證Upshot 模型的一系列推理。

• 開發助手，如Dune 的鏈上SQL 查詢模型

• 模擬代理測試環境

• 用於資料抓取的帶寬，如Grass Network

• 合成資料與人類RLHF 平台

• DeSci 應用程序，例如LabDAO 用於蛋白質折疊的分佈式bioML 工具

web3 中湧現了無數的想法，用於服務於AI 的各個領域，因此此處僅提供重點內容，但我強烈建議探索上述項目以深入了解其全貌。

這一切的交會

AI 和Crypto 是協同作用的。兩者都傾向於開源、抗審查，並正在創造歷史上最大的財富轉移。他們需要彼此，並解決彼此的核心挑戰。

對於Crypto 來說，AI 解決了用戶體驗中的問題，促進了更具創造性的鏈上用例，增強了去中心化組織和智慧合約的能力，並在應用程式和基礎設施層中解鎖了真正的創新。

對於AI 來說，Crypto 解決了真實性和出處問題，加強了圍繞開源模型和數據集的協調，有助於引導計算和數據，並使創作者和代理能夠更直接地參與到後人工智慧經濟中去。

現在的挑戰是加密駭客、團隊和項目了解並接受這種轉變。創造力是無限的，我們正站在這一切的交會處。

如果你有興趣了解更多關於這些交匯點的信息，請參加我們在ETHDenver 舉行的Convergence 會議。