FX168财经网_全球视野外汇黄金加密货币NFT资讯网

英伟达计划如何推动人工智能浪潮和芯片制造的新时代

用者，并将其集成到其Vertex AI机器学习平台中，这是英伟达在人工智能领域的“最大合作”。Grace Hopper和H100 NVL将在今年下半年上市，而L40现在已经上市，L4已经在谷歌的私人预览版中上市。　　英伟达推出了DGX Cloud服务，企业可以通过简单的浏览器即时访问人工智能模型，每月支付3.7万美元，被称为“人工智能的iPhone时刻”。该公司还推出了基金会模型制作服务，该服务可以处理语言、图像、视频和3d，还有NeMo和Picasso服务。

金融界2023-03-22

香港大学生Web3商业计划比赛3月21日正式启动

将 web3 与其他领域（如人工智能、机器学习等）或其他尚未开发的领域相结合。如果您有兴趣参加，请继续关注并从 2023 年 3 月 16 日 12：00 开始申报比赛，可通过以下链接：https://incubator.reversedao.io报名参加。来源：金色财经

金色财经2023-03-21

探索 Questron AI：首个已上市去中心化AI 搜索引擎

金色财经2023-03-21

硅谷银行暴雷后突然在硅谷爆火的科创新星UtilityNet是什么？

业和机构需要进行大数据分析、深度学习、机器学习等AI技术的研究和应用。而这些应用需要大量的计算资源支持，AI算力正是满足这些需求的关键环节。因此，提供AI算力的UtilityNet可以获得大量的商业价值，包括提供基于AI的服务、提供云计算、边缘计算等方面的服务，以及提供各种AI应用开发的工具、库和平台等。随着人工智能技术应用范围不断扩大，AI算力的商业价值也将持续增长。来源：金色财经

金色财经2023-03-20

GPT-4爆火去中心化算力能解决AI算力难题吗

大的算力，诸如图像识别、自然语言处理和机器学习等各种AI应用和模型的训练，都依赖于庞大算力的加持。据 OpenAl 此前发布的数据显示，从2012年到2020年，其算力消耗平均每3.4个月就翻倍一次，8年间算力增长了三十万倍，更不用谈自去年 ChatGPT 推出后爆火所带来的需求暴涨。此外，AI 时代算力的增长也远远超过了摩尔定律每18个月翻番的速率，根据中国信息通信研究院的估算，2021年全球超算算力规模大约为14EFlops，预测到2030年全球超算算力将达到0.2ZFlops，平均年增速超过34%。AI 的奇点的到来也将会成就算力领域的黄金时代，同时，算力的发展好坏也将会影响着其未来的发展，两者彼此成就。 OpenAl算力消耗情况数据来源：阿里研究院《数实融合的第三次浪潮》目前，关于 AI 算力的优化技术主要有以下几种： GPU资源池化：通过虚拟化和远程调用，将GPU从硬件定义转换成软件定义的资源池，实现资源的共享、按需分配、弹性伸缩和统一管理。计算精度优化：通过混合精度计算，利用不同的浮点数类型在保证模型训练和推理效果的同时，降低数据传输和存储成本。模型压缩优化：通过参数剪枝、量化等方法，减少模型参数量和计算复杂度，降低模型大小和内存占用。面对算力需求的增长，短期内可以从软硬件和工程优化等角度解决，但在未来十年，二十年之后呢？当芯片逼近量子极限，当 AI 的进化需要越来越庞大的数据、越来越多的预训练模型参数、越来越高的算法精度时，会带来对算力需求的指数级增长，而且这种增长是长期性的，由此带来的成本问题将会成为一个不可规避的难题。同时这也会让 AI 只有巨头才能入局的游戏，据悉，OpenAI 接受微软投资的很大原因就是为了获得微软云 Azure 的计算支持。所以，为了能降低成本，并获得更多的算力来支持 AI 项目的进一步发展，很多新兴企只能选择与大型云算力企业合作，作为交换让渡出部分权利，而去中心化的算力系统或许能在一定程度上解决这一问题，并降低 AI 模型训练的门槛。去中心化算力是指将分散在不同地点、不同设备上的计算资源整合起来，形成一个去中心化的网络。以此，为 AI 应用提供更加灵活、高效、低成本的计算服务，其潜在优势体现以下几个方面：提供分布式计算能力，支持人工智能模型的训练和运行，使任何人都能运行AI模型，并在来自全球用户的真实链上数据集上进行测试。去中心化还可以通过创建一个强大的框架来解决隐私问题。通过提供透明、可验证的计算过程，增强人工智能模型的可信度和可靠性。通过提供灵活、可扩展的计算资源，支持人工智能模型在各种应用场景下快速部署和运行。提供去中心化的数据存储和管理方案。目前，已经有项目在探索以去中心算力+AI的组合，例如： Gensyn：该协议通过智能合约方式促进机器学习（ML）的任务分配和奖励，来快速实现 AI 模型的学习能力，适用于深度学习计算的L1层，可以在大规模、低成本的网络中实现 ML。 Flux：一个基于区块链技术的去中心化 AI 平台，通过智能合约来规范 AI 任务的发布、执行和验证过程，并使用 Token 作为激励机制。 Golem：一个提供算力市场的点对点去中心化计算网络，支持任何人都可以通过创建共享资源的网络来共享和聚合计算资源。但去中心化算力网络与 AI 的结合也需要解决验证问题，即如何确保运算结果的正确性和可信性。此外，算力增长所带来的电力消耗也是一个不可忽视的问题，据统计，训练 GPT-3 模型消耗的能源相当于120个美国家庭一年的耗电量，而这只是实际使用模型所消耗的电力的40%左右。相比算力增长来说，能源电力称不上难题，随着技术的突破，AI 所展现出的潜力将会激发了更多的企业和研究机构投身其中，这些问题可能会被一一解决。而从计算机视觉到自然语言处理，从机器人学到推理、搜索，人工智能所带来的生产力变革正在改变我们当前的工作方式，在技术发展的道路上，科幻照进现实只是时间问题。来源：DeFi之道来源：金色财经

金色财经2023-03-19

GPT-4撑腰 Office全家桶集体升级微软向谷歌丢出王炸

成 AI 的支持，来帮助企业训练和部署机器学习模型。巨头打架，用户狂喜巨头们在生产力工具上越战越酣，对于广大用户来说无疑是一件好事。实际上，目前这些AI助手的运行成本并不低。按照Open AI公布的GPT-4的API费用表，为每输入1000个字符(约合750个单词)，价格为0.03美元，每生成1000个字符，价格为0.06美元。也就是说用户每问一次，成本超不多就是1毛钱。此前有分析计算显示，如果按1月平均每天约1300万访客使用ChatGPT来计算，至少需要3万多片英伟达A100GPU，初始投入成本约为8亿美元，电费每天都至少要花5万美元左右。但由于最近巨头们都测试和市场抢占初期，可以预见的是接下来一段时间各家都会先采取烧钱拿客户的模式，并且会敞开大门来让用户帮助完善测试和加强训练。除了在生产力软件领域的谷歌、微软、Notion之外，包括Meta、苹果、亚马逊等各个社交、消费类的其他公司也都已经透露要大力押注AI的信息，并都在快马加鞭的推进产品的研发和推出。在今天的发布会中，微软表示随着AI Copilot的上线，未来人们与 AI 合作工作的方式将发生根本性的变革，那些能更快更好的去使用AI工具的人将在未来的工作环境中掌握主动权。学会拥抱即将到来的AI时代，似乎已经是每个打工人未来的必修课。来源：元宇宙之心来源：金色财经

金色财经2023-03-18

Web3中文｜GPT-4超越GPT-3.5的五大看点

PT-4可以浏览并理解图像这个多功能机器学习系统最显着的变化就是“多模态”的，这意味着它可以理解不止一种“模态”的信息。GPT-3.5可以读写，但仅此而已。GPT-4可以处理图像并查找相关信息。不仅可以简单地要求它描述图片中的内容，还可以深度理解图里的意思并做出反应。在一个叫做Be My Eyes的项目中，GPT-4成为视障人士的朋友。它可以帮助盲人识别裙子上的图案、植物、健身房器械、提供翻译等，使之变得更有意义。 2. GPT-4更难被欺骗聊天机器人往往很容易被误导，之前甚至在“越狱”话题上做出提示，使得人工智能陷入道德困境。目前，GPT-4已经接受了大量恶意提示的训练，这些训练基于过去一两年中用户在OpenAI提供的数据。GPT-4在真实性、可控性等方面比其前辈GPT-3.5要好得多。 3. GPT-4的记忆力更强大型语言模型在数以百万计的网页、书籍和其他文本数据上进行了训练，但是当它们真正与用户进行对话时，它们可以“记忆”多少是有限的。GPT-3.5的限制是4096个tokens，即大约8000个单词，或大约四到五页的书。GPT-4的最大tokens数为32768，即2^15，这相当于大约 64000个单词或50页的文字，足以写成一出完整的戏剧或短篇小说。这意味着在对话或生成文本时，GPT-4最多可以记住50页左右内容。它可以记住你在前20页聊天中谈到的内容，或者提到前35页发生的事件。 4. GPT-4支持多语种虽然人工智能由英语主导，从数据到测试再到研究论文的一切都使用英语，但大型语言模型的功能应该适用于任何语言。GPT-4能够在26种语言中精准回答数千个问题。来源：OpenAI官网 5. GPT-4具有更强可控性 “可控性”是人工智能中一个有趣的概念，指的是它们按需改变行为的能力。GPT-4比GPT-3.5 更原生地集成了可控性，用户将能够把“固定冗长、语气和风格的经典ChatGPT风格”更改为更适合他们需要的东西。 GPT-4表现如何？ OpenAI介绍，GPT-4在专业和学术方面表现出近似于人类的水平。例如，它在模拟律师考试中的得分能够排进前10%左右，相比之下，GPT-3.5的得分只能排在倒数10%左右。与此前的GPT系列模型相比，GPT-4最大的突破之一是在文本之外还能够处理图像内容，该公司在官网上展示了一系列案例。例如，输入如下图片并询问“这张图片有什么不寻常之处”，GPT-4可作出回答。来源：OpenAI官网在官方演示中，GPT-4几乎就只花了1-2秒的时间，识别了手绘网站图片，并根据要求实时生成了网页代码制作出了几乎与手绘版一样的网站。除了普通图片，GPT-4还能处理更复杂的图像信息，包括表格、考试题目截图、论文截图、漫画等，例如根据专业论文直接给出论文摘要和要点。如何体验GPT-4？ OpenAI目前只将GPT-4提供给ChatGPT Plus的付费客户。该服务每月收费20美元，可在全球范围内使用。与以前的模型一样，开发人员将通过API获得访问权限。其他开发者可以通过等待GPT-4候补名单加入。结语 OpenAI表示目前GPT-4还有很多局限性。例如，它仍然不完全可靠，容易产生幻觉。虽然在OpenAI的内部对抗性真实性评估中，GPT-4的表现平均比GPT 3.5高40%，但问题远未解决，期待GPT-4的后续更新。同时，已经有多家公司将GPT-4搭载到他们的产品中，包括语言学习工具软件多邻国（Duolingo）、移动支付公司Stripe和可汗学院（Khan Academy）。微软也透露 Bing Chat从一开始就在使用GPT-4。毫无疑问，GPT-4的出现给我们带来了巨大的惊喜，但因为其刚推出且未对大众开放，更多体验有待后续探究。参考： Techcrunch：5 ways GPT-4 outsmarts ChatGPT Tech商业：OpenAI发布GPT-4，首批客户应用方式各不同澎湃新闻：GPT-4“王炸”发布：专业和学术水平接近人类，中文准确性高达八成编辑：Bowen@Web3CN.Pro 声明：NFT中文社区编辑作品，内容仅代表作者立场，且不构成投资建议，请谨慎对待，如文章/素材有侵权，请联系官方客服处理。来源：金色财经

金色财经2023-03-17

隐私NFT的作用以及实现方式简介

FT私有种子，那么你可以使用它运行私有机器学习模型来生成额外的艺术品NFT。可编程隐私为NFT创建者在创建代币时提供了更多选择和灵活性。总结：隐私NFT是一种新的概念，目前的争议性也比较大，而且zk-SNARKs 和基于隐身地址的解决方案都处理理论阶段。目前只有Oasis隐私保护技术实现了隐私NFT的实践。随着技术的向前发展，隐私NFT终会发挥其应有的作用。参考资料：https://medium.com/oasis-protocol-project/first-of-its-kind-privacy-preserving-nfts-on-oasis-network-used-as-certificate-for-renowned-defi-f49dc218e875 来源：金色财经

金色财经2023-03-16

Rejuve.AI——革命性的健康数据人工智能

年的 NHANES 调查数据中使用了机器学习，其中包含来自 85,000 多个数据贡献者的数据。该服务后台运行在SingularityNET平台上，前端UI界面预计2023年Q2推出。其他待开发产品除了这些目前正在运行的产品外，RJV还有其他几个产品正在筹备中（在路线图部分注明），其中包括RJV其他独特的 AI 系统，以及RJV工作产生的任何治疗方法。以下是 AI 相关产品的说明： A. 模块化变压器 VAE 一种无监督学习组合神经网络，允许在用户状态的不同部分之间进行推理，例如在不同类型的数据之间。该系统的独特之处在于能够“填补数据配置文件中的空白”，例如，如果用户没有验血结果，它可以根据两者之间的关系更准确地评估这些值的位置他们输入的其他数据加上具有相似概况的其他用户的血液测试数据。 MTVAE 还将用于在 GCN（RJV的最终组件）中组合神经网络，帮助跨多个方面或分辨率对人体进行更准确的数字模拟。这项服务在 Longevity 应用程序中的第一个应用将是改进生物年龄计算。该服务预计将于 2023 年第四季度在应用程序中实施并部署在 SingularityNET 市场上。 B. 生成合作网络 (GCN) RJV的第三个也是最复杂的 Rejuve 原生 AI 服务是 GCN。该名称部分源自 GAN（生成对抗网络），其共同点是共同进化的代理创建更准确的生成模型，但它们不是相互竞争，而是相互合作以导致进化学习。该系统的关键特性是能够不仅从RJV自己的本地 AI 系统，而且从其他开发人员那里贡献模型，并将这些模型结合起来，生成人体（整体和个体）的整体、不断发展的图像。GCN 还将与 Rejuve Biotech 合作用于 SingularityNET 的 OpenCog Hyperon，以进一步推进果蝇对人类的研究，以及其他令人兴奋的应用。该系统预计将于 2024 年在市场和应用程序中部署。 C. 人体的多分辨率模拟与上述相继，GCN 将其他服务贡献的所有数据和模型以及用户贡献的 AI 模型进行妥协，将生成人体的数字模拟，可用于个性化和医学应用、综合临床试验，以及对人体系统如何运作以延长健康和寿命的全面更深入的了解。一旦成熟，这可以通过对临床医生和最终用户有吸引力的 UI 来证明。 Rejuve.AI ( RJV ) 的营销策略是什么？ RJV的初始用户主要来自 SingularityNET 生态系统，该生态系统已经成功启动了 SingularityDAO 和 NuNet 项目，未来还会有更多。RejuveAI 已经在 Twitter 上拥有超过 3000 多个关注者，在 Telegram 上拥有 1500 多个关注者，并且每天都在增加。RJV的支持社区对RJV的项目和发布表现出极大的兴趣，他们有在几分钟到几秒钟内关闭 TGE 的历史。 RJV将通过视频内容、播客、会议、新闻稿和合作伙伴外展继续RJV的营销工作。RJV已经与行业领先的品牌建立了合作伙伴关系（在下面的合作伙伴部分中概述），这将有助于将RJV的应用程序和项目的知识传播给更广泛的受众。RJV还将利用健康技术和区块链特定的公关机构来扩大RJV的覆盖范围。什么是 Rejuve.AI ( RJV ) 的通证？ Rejuve Network 代币经济由 3 个代币组成：数据 (dNFT) - 一种不可替代的 ERC-271 分布式身份令牌，与 Rejuve 网络的每个数据贡献成员相关联，包括数据贡献者、实验室、个体研究人员、数据建模者、公司、员工和承包商。这些 ID NFT 是免费为会员铸造的，用于通过 Longevity 应用程序中的仪表板授予和跟踪数据使用权限。dNFT 不能买卖，每个用户只能铸造一个 dNFT（链接到 KYC）。如果用户希望与网络断开关联/将他们的数据从数据共享中删除，则他们可以选择销毁此令牌。 RJV 实用代币——一种可替代的 ERC-20 代币，通过它在网络成员之间进行交易，并通过它为成员提供数据贡献奖励。网络形成时将铸造一个固定数量。随着网络的成熟，该令牌还将具有治理功能。产品 NFT (pNFT) - 一种代币，由 ERC-721 NFT 分片（分割）为 ERC-20 实用代币，根据数据所有者对生成产品（例如药物或疗法）的贡献按比例分配给数据所有者。pNFT 是在预定的端点铸造的（例如在专利申请时，或根据 Rejuve'sAI 生成的假设建议实验室）。该 NFT 代表数据贡献者在产品中的所有权份额。产品本身的收益以 RJV 代币的形式分配给 pNFT 分片持有者，按他们持有的分片数量的比例分配。每个产品创意都会铸造一个 pNFT。pNFT 分片根据用户对该产品的贡献按比例分配给用户，由 AI 算法计算。这些分片的分配是分批进行的，第一批分发给初始数据贡献者，其他批次在进一步研究和临床试验后分发。一旦产品达到某个成熟阶段，不再需要贡献更多数据，任何剩余的分片都将被销毁。数据所有者最初可以出售最多 50% 的分片，另一半锁定一段时间，以防止被剥削/确保他们保持对由其数据制成的产品的所有权。Rejuve Network 将收到所有铸造的 pNFT 的一定部分，并将从其自己的分片收益中获得的一部分代币分配到一个池中，以持续为激励数据贡献的代币奖励提供资金。一旦产品达到某个成熟阶段，不再需要贡献更多数据，任何剩余的分片都将被销毁。数据所有者最初可以出售最多 50% 的分片，另一半锁定一段时间，以防止被剥削/确保他们保持对由其数据制成的产品的所有权。Rejuve Network 将收到所有铸造的 pNFT 的一定部分，并将从其自己的分片收益中获得的一部分代币分配到一个池中，以持续为激励数据贡献的代币奖励提供资金。一旦产品达到某个成熟阶段，不再需要贡献更多数据，任何剩余的分片都将被销毁。数据所有者最初可以出售最多 50% 的分片，另一半锁定一段时间，以防止被剥削/确保他们保持对由其数据制成的产品的所有权。Rejuve Network 将收到所有铸造的 pNFT 的一定部分，并将从其自己的分片收益中获得的一部分代币分配到一个池中，以持续为激励数据贡献的代币奖励提供资金。为了防止剥削/确保他们保持对其数据制成的产品的所有权。Rejuve Network 将收到所有铸造的 pNFT 的一定部分，并将从其自己的分片收益中获得的一部分代币分配到一个池中，以持续为激励数据贡献的代币奖励提供资金。为了防止剥削/确保他们保持对其数据制成的产品的所有权。Rejuve Network 将收到所有铸造的 pNFT 的一定部分，并将从其自己的分片收益中获得的一部分代币分配到一个池中，以持续为激励数据贡献的代币奖励提供资金。 Crypto 投资标加密货币投资研究分析受欢迎的项目 IDO 公开发售共享。来源：金色财经

金色财经2023-03-15

Web3 的阴暗面去中心化如何助长 AI 偏见

生成任务相关。OpenAI 使用先进的机器学习 (ML) 技术（例如 Transformer）在这个大型数据集上训练模型，使其能够学习单词和短语之间的模式和关系，并生成高质量的文本。 AI 训练数据的质量对 ML 模型的性能有重大影响，数据集的大小也是决定模型泛化到新数据和任务能力的关键因素。但是，质量和数量都会对数据偏见产生重大影响，这也是事实。数据偏见的独特风险 AI 中的数据偏见是一个重要问题，因为它可能在就业、信贷、住房和刑事司法等领域导致不公平、歧视和有害的结果。 2018 年，亚马逊被迫废弃了一款显示出对女性有偏见的 AI 招聘工具。该工具接受了对过去 10 年期间提交给亚马逊的简历的培训，其中主要包括男性候选人，导致 AI 减少了包含“女性”和“女人”等词的简历。 2019 年，研究人员发现，一种用于预测患者预后的商用 AI 算法对黑人患者存在偏见。该算法主要针对白人患者数据进行训练，导致其对黑人患者的假阳性率更高。 Web3 解决方案的去中心化性质与 AI 相结合，带来独特的偏见风险。这种环境中数据的质量和可用性可能是一个挑战，这使得准确训练 AI 算法变得困难，这不仅是因为缺乏使用中的 Web3 解决方案，还因为缺乏有能力使用它们的人群。我们可以从 23andMe 等公司收集的基因组数据中得出相似之处，这些数据对贫困和边缘化社区存在偏见。23andMe 等 DNA 检测服务的成本、可用性和目标营销限制了来自低收入社区或生活在该服务未运营地区的个人获得这些服务的机会，这些地区往往是较贫穷、欠发达国家。因此，这些公司收集的数据可能无法准确反映更广泛人群的基因组多样性，从而导致基因研究以及医疗保健和医学发展的潜在偏差。这让我们想到了 Web3 增加 AI 数据偏见的另一个原因。行业偏见和对道德的关注 Web3 创业行业缺乏多样性是一个主要问题。截至 2022 年，女性占据了 26.7% 的技术职位。其中，56% 是有色人种女性。科技行业的高管职位中女性比例更低。在 Web3 中，这种不平衡加剧了。根据各种分析师的说法，只有不到 5% 的 Web3 初创公司拥有女性创始人。这种多样性的缺乏意味着 AI 数据偏见很可能被男性和白人创始人无意识地忽视为一个问题。为了克服这些挑战，Web3 行业必须在其数据源和团队中优先考虑多样性和包容性。此外，该行业需要改变为什么多样性、平等和包容是必要的故事。从财务和可扩展性的角度来看，从不同角度设计的产品和服务更有可能为数十亿客户服务，而不是数百万客户，这使得那些拥有多元化团队的初创公司更有可能获得高回报和全球规模的能力。Web3 行业还必须关注数据质量和准确性，确保用于训练 AI 算法的数据没有偏见。 Web3 能否解决 AI 数据偏差问题？应对这些挑战的一种解决方案是开发去中心化的数据市场，允许个人和组织之间安全、透明地交换数据。这有助于降低数据偏差的风险，因为它允许在训练 AI 算法时使用更广泛的数据。此外，可以利用区块链技术保证数据的透明性和准确性，使算法不产生偏见。但是，最终，在主流受众使用 Web3 解决方案之前，我们将面临多年寻找广泛数据源的重大挑战。虽然 Web3 和区块链继续出现在主流新闻中，但此类产品和服务最有可能吸引初创企业和技术社区的人们——我们知道这些社区缺乏多样性，但在全球市场中所占的份额相对较小。很难估计在 Web3 初创公司工作的世界人口的百分比。近年来，该行业在美国创造了大约 300 万个工作岗位。如果将这一数字与美国总人口相比——并且不考虑失去的工作岗位——这个科技行业远不能代表适龄工作的公民。在 Web3 解决方案变得更加主流并将其吸引力和使用范围扩大到那些对技术具有内在兴趣并变得负担得起并且足以被更广泛的人群使用之前，获得足够数量的高质量数据来训练 AI 系统仍然是一个重大障碍。业界现在必须采取措施解决这个问题。来源：金色财经

金色财经2023-03-15

24小时热点