人工智能内容生成（AI）的发展和现状详解

研究种类：AI, Web3

贡献者：清华大学区块链协会核心成员Roy Dong

审核者：DAOrayaki的Yofu

视频链接：https://www.bilibili.com/video/BV17D4y1p7EY/spm_id_from=333.999.0.0

摘要

AI作为Web3.0时代的生产力工具，提供了大量生产力，而Web3.0与区块链的应用则影响着生产关系与用户主权。

然而，需要认识到AI和Web3是两个不同的方向。AI作为使用人工智能技术的生产工具，不仅适用于Web2世界，也适用于Web3世界。大多数项目目前仍集中在Web2领域，因此把两者放在一起讨论并不合适。Web3希望通过区块链和智能合约技术，赋予用户虚拟资产的主权，与创作模式并无直接联系。

本文将从以下四个方面解读AI的发展与现状：

• 内容创造形式的演变
• 技术概览
• AI的行业应用
• AI与Web3的关系

第一部分：内容创造形式的演变

三个阶段：

第一个阶段是PGC（Professionally-Generated Content，专家生成内容），由具有内容相关领域资质的专业团队创作，门槛高、成本高、质量有保障，追求商业收益，代表项目如以爱奇艺为首的视频平台。用户主要是接收和搜索视频资源，类似于Web1.0概念。

但在这一阶段，创作权掌握在少数专业人士手中，普通创作者的作品难以为大众所见。第二阶段产生了一系列UGC平台（User-Generated Content，用户生成内容），如Twitter、YouTube、国内的爱奇艺等视频平台。用户不仅是接收者，还可以成为内容提供者，内容创作规模大幅扩张，但质量参差不齐，可视为Web2.0时代的内容创作。

那么Web3.0时代的内容创作生态如何？AI与Web3的关系体现在哪里？

AI（AI generated Content，人工智能生成内容）是指由人工智能协助甚至取代人类进行内容创作，是强大的生产力工具，有助于解决Web3.0和元宇宙中的实际问题。其生产速度快，可定制风格，满足个性需求，拥有无限创作灵感，且效果良好。

第二部分：技术概览

AI技术的迅速发展始于2014年GAN（生成对抗网络）模型的发布。该模型由生成器和判别器组成，生成器产生“假”数据试图欺骗判别器，而判别器验证生成数据尝试正确辨别“假”数据。在训练迭代过程中，两个网络相互对抗提升，直至达到平衡状态。

在GAN发布后的两三年间，业内对其进行多项改进和应用。2016年和2017年，涌现了语音合成、情绪检测、换脸等领域的实际应用。

2017年，谷歌开发的Transformer模型逐渐取代传统的LSTM等RNN模型，成为NLP问题的首选模型。

作为Seq2seq模型，Transformer引入了注意力机制，计算单词与其上下文的相关性，以确定任务关键信息。相较于其他模型，Transformer速度更快，且能更长时间地保留有效信息。

2018年的BERT（双向编码器表示Transformer）构建了NLP完整模型框架，在处理自然语言任务上超越了现有模型。

此后，模型规模不断增加，近年涌现了GPT-3、InstructGPT和ChatGPT等大型模型，其成本也飞速增长。

当前语言模型特点为大模型、大数据、大计算力。模型参数数量呈指数级增长，如ChatGPT模型参数高达1750亿个，未来GPT-4还会有多少参数令人难以想象。

ChatGPT的优势：

1. 1. 引入了HFRL（Human Feedback RL，2022.03）技术，在训练数据中整合人类反馈进行优化，然而由于需要大量人员注释，成本进一步扩大。
   2. 模型在回答问题时具有自身原则。

相对于自然语言处理，模型规模较小且与Web3更加契合，与NFT和元宇宙的结合更加紧密。此外，人们对图像的理解成本更低，图像表达更直观易懂，且技术日趋成熟，快速发展。

尽管图像AI呈现出强劲发展势头，但仍存在一些限制：模型需要在效果和效率之间取舍，对于秒级生成准确且符合用户期待的定制效果仍有挑战；运营和维护成本高昂，需要大量图形显卡设备支持；竞争激烈且缺乏杀手级应用程序。

另外，3D-AI作为一个具有巨大潜力的赛道，尽管目前模型尚不够成熟，但在未来将成为元宇宙中不可或缺的基础设施。3D-AI项目能够生成三维物品，自动渲染和构建三维场景，为未来虚拟资产的需求提供支持。与生成二维图像相比，生成三维虚拟资产需要考虑更多维度，包括几何形状和纹理，技术仍在不断创新和迭代。

AI与Web3被认为是web3.0时代的生产工具和用户主权体现。然而，AI和Web3是两个不同的方向，前者是生产工具，可适用于Web2和Web3世界，而后者借助区块链和智能合约技术，赋予用户虚拟资产主权。因此，将AI和Web3并列讨论可能并不合适。普及，目前涌现的项目几乎仍以Web2项目为主。在Web3领域，大部分应用仍然停留在利用AI生成图像用于NFT的创作方面。

对于Web3项目来说，与AI的联系不应仅仅局限于提升生产力。因为AI同样也能提高Web2项目的生产力，而Web3项目的优势并不十分明显。

为了抓住AI发展的机遇，当前的Web3项目需要在以下两个方面进行优化。首先是寻求AI技术在Web3.0原生项目中的应用，即那些只有在Web3端才能发挥作用的项目。其次是利用AI优化已有Web3应用的效率和用户体验。目前，AI技术主要应用于图像和NFT的领域，但在创作领域还有许多其他可能性。通过思考如何利用AI赋能教育、游戏、智能合约等方面，Web3项目可以实现更大的创新和发展。

在追求这些目标的过程中，以ReadOn项目为例，通过利用AI生成文章quiz，开拓了Proof of Read的新模式，解决了ReadFi的问题，为真正阅读的用户提供了奖励。这种创新模式对Web3项目而言至关重要。