ENC:人工智能与NFT走向融合,智能数字所有权将迎来什么变化?_NCE

将AI能力构建入NFT的生命周期,将为智能所有权形式打开新的大门。——JesusRodriguez,IntoTheBlockCEONFT正成为加密生态圈又一现象级概念。第一代NFT主要关注关键资产,例如所有权表示、转让、自动化以及构建NFT市场基础设施的核心构建模块。

NFT的爆火使得这个市场鱼龙混杂,一个极其简单的NFT形式都能获得令人难以置信的价值。不过,随着行业的发展,NFT的价值主张应该从静态图像、静态文本转变为更为动态、更为智能的收藏品。人工智能(AI)很可能会对下一波NFT产生巨大的影响。

我们已经看到NFT和AI的结合在生成艺术方面的表现。然而,它们的潜力远不止于此。NFT和AI的融合,将AI功能加入到NFT的生命周期中,为我们开启了智能所有权形式这扇新的大门。

智能所有权

香港民建联递交《施政报告》建议:港府应推出Web 3.0、人工智能及可持续投资等项目:金色财经报道,香港特区政府行政长官李家超下月将发表《施政报告》,香港民建联今早递交《施政报告》建议,其中选委界陈仲尼指出,构建框架引导海外人民币作投资,推出更多以人民币为计价的资产,香港必须吸引更多其他国家公司、国家主权基金来港,建议由当局推销本港市场,并推出Web 3.0、人工智能及可持续投资等项目。[2023/9/8 13:26:30]

当前NFT仍然主要集中在艺术或收藏品等领域,虽然引人注目但应用场景相对单一。我们可以用一种更为有趣的方式来看待NFT,那就是原生数字所有权。所有权表示要比收藏品拥有更广泛的应用前景。

在物理世界中,所有权主要表现为静态记录的形式,而在数字链上世界,所有权是可编程、可组合的,当然还是智能的。

观点:未来的人工智能模型将在区块链上进行代币化:金色财经报道,Framework Ventures的联合创始人Vance Spencer表示,人工智能可能是去中心化自治组织 (DAO) 所缺失的部分,而训练有素的人工智能模型可能会成为链上的宝贵资产。

Spencer表示,最大的影响之一是人工智能最终将“自治”纳入去中心化的自治组织中。DAO的概念是去中心化的集体,拥有共同的目标,没有最高的中央权力。然而,许多最大的企业距离完全权力下放或自治还很远,它实际上并不是自治的,中间有很多人,看来人工智能确实是让DAO概念真正发挥作用的唯一方法。未来经过训练的人工智能模型将在区块链上进行代币化。[2023/9/6 13:21:06]

有了智能数字所有权,NFT的想象空间是无限的。以NFT最著名的应用之一——收藏品为例:想象一下,数字艺术NFT可以用自然语言进行对话、回答问题、解释他背后的创作灵感,并将这些答案匹配到特定的对话语境中。我们还可以设想,NFT可以适应你的感受和心情,并不断提供令人满意的体验。如果智能NFT钱包能够在与网站交互的过程中决定呈现何种所有权,以改善特定用户的体验,这样的场景如何?

声音 | 网信办副主任刘烈宏:大力培育人工智能、区块链等新技术:2019年国家网络安全宣传周在天津梅江会展中心开幕。中央网信办副主任、国家网信办副主任刘烈宏出席了网络安全技术高峰论坛并发表致辞,他表示,大力培育新技术、新应用,积极利用法律法规和标准进行规范引导。当前新技术、新应用不断涌现,带来的新问题、新挑战层出不穷。要加强技术创新,大力培育互联网、人工智能、5G、区块链等新技术、新应用,审时度势、精心谋划、超前布局,加快发展。同时要加强新技术、新应用相关法律法规和标准规范的研究制订,从技术自身安全、网络安全、隐私伦理等方面引导规范及健康发展,确保安全、透明、可控的服务于全人类的利益。[2019/9/20]

正如WilliamGibson所说,“未来已来,只是分布不均”。我们应该认真思考智能数字所有权与当前的AI和NFT技术相结合的可能。NFT极有可能演变成为一种原生数字资产所有权,并且智能是其中不可或缺的一部分。

迪拜利用人工智能技术追踪并逮捕了价值190万美元的比特币抢劫者:迪拜逮捕了10名据称抢劫价值七百万迪拉姆(约合美元190万)的比特币。《海湾新闻报》上周末报道称,受害者是两个兄弟,他们试图在一个场外交易中购买价值高达700万迪拉姆的比特币。在交易中,有10个人声称是卖家,将他们吸引到了办公室抢走了他们的现金。迪拜利用人工智能技术追踪并逮捕了他们。[2018/5/1]

AI和NFT

要了解智能NFT如何通过当前的技术得以实现,我们首先应该了解AI学科与现在的NFT有何交集。当前,NFT的数字表现主要依赖于图像、文本、视频、音频等数字格式,这些表现形式可以巧妙地对应AI的一些子学科。

深度学习是人工智能的一个重要领域,它依靠深度神经网络,从数据集中归纳提取信息。尽管深度学习背后的逻辑早在上世纪70年代就已经出现,直至近十年,大量框架和平台的出现才推动深度学习得以快速发展。深度学习的一些关键领域可能对NFT的智能能力产生不可估量的影响,比如:

IBM沃森物联网消费业务部副总裁:物联网、人工智能、区块链、边缘计算等技术预计将在来年掀起巨浪:IBM沃森物联网消费业务部副总裁BretGreenstein强调2018年物联网领域的4个关键性趋势。其中三个趋势截然不同,但是技术性却高度相关。这里突出了一个原则是:数据是数字化变革的基本组成部分。物联网、人工智能、区块链、边缘计算等技术预计将在来年掀起巨浪,因为这些技术是收集、分析和存储信息的方法。[2018/2/22]

计算机视觉:NFT现在主要是图像、视频形式,因此它可以和计算机视觉的发展完美结合。近年来,卷积神经网络(CNN)、生成式对抗神经网络(GAN)以及最近的转换器等技术已经突破了计算机视觉的边界。图像生成、物体识别、场景理解等计算机视觉技术可以应用于下一波NFT技术中。生成艺术似乎是目前将计算机视觉和NFT相结合的一个明确领域。

自然语言理解:语言是表达认知的一种基本形式,其中包括所有权的形式。在过去十年,自然语言理解(NLU)一直是深度学习领域最重要的突破核心之一。在NLU,像GPT-3这样的转换器驱动模型技术已经达到了新的里程碑高度。问题回答、总结和情感分析等领域可能与新型NFT产生关联。将语言理解叠加到现有NFT形式上的想法,似乎是丰富NFT交互性和用户体验的一种较为容易解决的方式。

语言识别:语音智能可以被认为是深度学习影响NFT的第三个领域。在过去的几年中,诸如卷积神经网络、递归神经网络等技术已经在语音智能领域取得了进展。语音识别或语调分析等功能可以为有趣的NFT形式提供技术支持。音频NFT无疑是语音智能的完美场景。

AI和NFT结合的三个关键类别

语言、视觉和语音智能的进步拓展了NFT的视野。AI和NFT结合所释放出的价值将影响NFT生态系统的多个方面。在当前的NFT生态系统中,整合人工智能功能可以立即想象出三个基本类别:

AI生成的NFT:这似乎是NFT生态系统从AI技术的最新进展中受益最明显的方面。在计算机视觉、语言和语音等领域利用深度学习方法,可以丰富NFT创造者的体验,使其达到前所未有的水平。今天,我们可以在生成艺术等领域看到这一趋势的表现,但在使用的AI方法和处理的用例方面它们仍然相对受限。

在不久的将来,我们会看到AI生成的NFT的价值,它将超越生成艺术,扩展到更通用的NFT类别,为利用最新的深度学习技术提供一个自然媒介。RefikAnadol这样的数字艺术家就是这种价值主张的一个先锋,他们已经在尝试用最先进的深度学习方法来创造NFT。Anadol的工作室是使用GAN等技术的先驱,他们甚至涉足了量子计算,在数亿图像和音频片段中训练模型,从而达到惊人的视觉效果。

NFT的嵌入式AI:我们可以使用AI生成NFT,但这并不意味着生成的NFT就是智能的。但是如果能做到这样呢?结合这两种前沿技术,将AI功能自然地嵌入NFT,可以解锁一个新的市场维度。想象一下,具有语言和语音功能的NFT可以与用户进行对话,回答对话含义,或者与特定环境进行交互。在这方面,AletheaAI、Fetch等平台已稍有建树。

AI优先的NFT基础设施:深度学习方法对NFT的价值不仅体现在某个NFT层面,更加体现在NFT的整个生态系统中。将AI功能整合到NFT市场、预言机或NFT数据平台等构建模块中,可以为逐步实现NFT整个生命周期的智能能力奠定基础。想象一下,NFT数据API或预言机,它们通过从链上数据集提取的智能指标,或者使用计算机视觉方法的NFT市场,向用户提供智能建议。数据和智能API将成为NFT的重要组成部分。

AI正在重塑各行各业的前景,NFT也不例外。通过整合AI功能,NFT可以从基本的原生所有权发展为智能的、自我进化的形式或所有权,为NFT创建者和消费者提供更丰富的数字体验以及更高的效用。智能NFT时代不需要超前的技术突破。计算机视觉、自然语言理解或语音分析方面的最新进展,以及NFT技术的灵活性,已经为智能NFT生态系统注入了无限活力。

MATVerse矩池云旗下关注元宇宙、AI技术趋势

支持Metaverse的技术底座:www.matpool.com

作者:JesusRodriguez

原标题:TheComingConvergenceofNFTsandArtificialIntelligence

原文链接:https://www.coindesk.com/business/2021/10/25/the-coming-convergence-of-nfts-and-artificial-intelligence/

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

大币网

[0:15ms0-5:19ms