風靡一時的AI究竟是何方神聖？爲何CNTM這段時間如此火爆？

發表於 2023-02-11 19:42 作者： 幣圈向往

AI 的炒作已經醉生夢死，在情緒的持續持續推進下，獲利盤巨大，籌碼斷層嚴重，高位滯脹。AGIX 昨日大幅回落，A 股漢王科技今日低开，宣告 AI 行情告一段落。然而在此輪行情的獲利資金眼中，市場仍然幹柴烈火。

題材很重要，但有時候題材出現的時機更重要。

數小時前，Coinbase CEO Brian Armstrong 推特稱，傳聞美國 SEC 希望在美國取消散戶的加密貨幣質押，一時間市場傳言美國監管層面將對加密市場重拳出擊，這種政策的前因與邏輯暫且不表。

市場層面，有危就有機，CEX 質押利空，則 LSD（流動性質押衍生品）利好。下面讓我們梳理一下 AI板塊的相關幣種。

ChatGPT目前的三個核心問題和痛點：

對於知識類型的問題，ChatGPT會給出看上去很有道理，但是事實上是錯誤答案的內容；

拓展解讀：對於這樣來說，由於ChatGPT的一部分回答很准確，而一部分看上去有道理，但事實上很離譜，而用戶並沒有足夠的能力來進行辨別，這將給用戶如何採信ChatGPT的答案帶來很多困惑。

ChatGPT目前這種基於GPT大模型基礎上進一步增加標注數據訓練的模式，對於LLM模型吸納新知識非常不友好。

拓展解讀：新知識總是在不斷出現，而出現一些新知識就去重新預訓練GPT模型是不現實的，無論是訓練時間成本還是金錢成本，都不可接受。如果對於新知識採取Fine-tune的模式，看上去可行且成本相對較低，但是很容易產生新數據的引入導致對原有知識的災難遺忘問題，尤其是短周期的頻繁fine-tune，會使這個問題更爲嚴重。

ChatGPT或GPT4的訓練成本以及在线推理成本太高，無法承載超過千萬級的用戶同時使用。

拓展解讀：假設繼續採取免費策略，OpenAI無法承受，但是如果採取收費策略，又會極大減少用戶基數，無法實現規模化。

Sparrow（Google的產品）是ChatGPT的良好補充：

sparrow在人工標注方面的質量和工作量不如ChatGPT；

Sparow的基於retrieval結果的生成結果證據展示，以及引入LaMDA系統的對於新知識採取retrieval模式，可以完美解決新知識的及時引入，以及生成內容可信性驗證兩個核心問題。

CNTM是什么？相比ChatGPT的優點是什么？

Connectome是一個基於區塊鏈核心技術开發的DeFi人工智能投顧平台，支持DeFi產品上鏈交易、理財產品去中心化AI測評、流動性挖礦、一鍵式智能投顧、智能客服等。通過大數據多維分析、AI模型演練，爲用戶提供接近一站式的、定制化人工智能投資顧問服務，爲理財產品發行人、投資用戶提供全方位的區塊鏈解決方案。

Jinn的優勢：

Jinn=ChatGPT+Sparrow

Jinn使用ChatGPT爲核心框架，引入了Sparow的基於retrieval結果的生成結果證據展示，以及引入LaMDA系統的對於新知識採取retrieval模式。

所以Jinn既有有高質量的人工標注，也可以完美解決新知識的引入問題，同時又有效的內容可信性驗證功能，從而打造下一代爲Web3服務的搜索引擎基礎。

應用場景類：

內容推薦：根據用戶行爲和與Jinn的交互分析，爲用戶推薦適合他的Web3內容與產品。

個性化金融：根據用戶行爲和與Jinn的交互分析，爲用戶推薦適合他的DeFi產品或根據用戶的模型來自動構建屬於用戶的科學家機器人，完成自動交易。

DAO推薦：爲用戶推薦合適的DAO組織，或直接將理念類似的人連接在一起自動生成新的DAO組織。

個性化內容生成：用戶可以通過組建關鍵字，通過Jinn輸出自己需要的內容。

核心技術路线

第一階段：冷啓動階段的監督策略模型。靠GPT 3.5本身，盡管它很強，但是它很難理解人類不同類型指令中蕴含的不同意圖，也很難判斷生成內容是否是高質量的結果。爲了讓GPT 3.5初步具備理解指令中蕴含的意圖，首先會從測試用戶提交的prompt(就是指令或問題)中隨機抽取一批，靠專業的標注人員，給出指定prompt的高質量答案，然後用這些人工標注好的數據來Fine-tune GPT 3.5模型。經過這個過程，我們可以認爲GPT 3.5初步具備了理解人類prompt中所包含意圖，並根據這個意圖給出相對高質量回答的能力；

第二階段：訓練回報模型（Reward Model,RM）。這個階段的主要目的是通過人工標注訓練數據，來訓練回報模型。在這個階段裏，首先由冷啓動後的監督策略模型爲每個prompt產生K個結果，人工根據結果質量由高到低排序，以此作爲訓練數據，通過pair-wise learning to rank模式來訓練回報模型。對於學好的RM模型來說，輸入，輸出結果的質量得分，得分越高說明產生的回答質量越高。

第三階段：採用強化學習來增強預訓練模型的能力。本階段無需人工標注數據，而是利用上一階段學好的RM模型，靠RM打分結果來更新預訓練模型參數。

二三階段迭代：不斷重復第二和第三階段，每一輪迭代都使得LLM模型能力越來越強。因爲第二階段通過人工標注數據來增強RM模型的能力，而第三階段，經過增強的RM模型對新prompt產生的回答打分會更准，並利用強化學習來鼓勵LLM模型學習新的高質量內容，這起到了類似利用僞標籤擴充高質量訓練數據的作用，於是LLM模型進一步得到增強。

Jinn將採用傳統搜索引擎+ChatGPT的雙引擎結構，ChatGPT模型是主引擎，傳統搜索引擎是輔引擎。傳統搜索引擎的主要輔助功能有兩個：一個是對於ChatGPT產生的知識類問題的回答，進行結果可信性驗證與展示，就是說在ChatGPT給出答案的同時，從搜索引擎裏找到相關內容片段及url鏈接，同時把這些內容展示給用戶，使得用戶可以從額外提供的內容裏驗證答案是否真實可信，這樣就可以解決ChatGPT產生的回答可信與否的問題，避免用戶對於產生結果無所適從的局面。

傳統搜索引擎的第二個輔助功能是及時補充新知識。既然不可能隨時把新知識快速引入LLM，那么可以把它存到搜索引擎的索引裏，ChatGPT如果發現具備時效性的問題，它自己又回答不了，則可以轉向搜索引擎抽取對應的答案，或者根據返回相關片段再加上用戶輸入問題通過ChatGPT產生答案，這裏有一部分將參考LaMDA關於新知識處理的具體方法。

總結

很多人問爲何不推薦AGIX之類的強勢龍頭？這就是很韭菜的問題了，AGIX已經走得太遠了，追高實屬不明智的選擇，CNTM才是大多數後知後覺投資者的战略第一布局標的！

現CNTM上方一旦突破0.2，將勢不可擋，在此刻AI人工智能的熱潮中，身爲OK的AI代言幣種，能走多遠相信大家不用我多說，內心都有數

CNTM官方推特宣布同時布局 AI 以及 LSD 賽道，此前CNTM創始人在官方社區中表示已經开始布局 AI 賽道，第一個CNTM產品跟 NFT 交易所的結合在2月底即將推出，爲登錄某安交易所做准備。

標題：風靡一時的AI究竟是何方神聖？爲何CNTM這段時間如此火爆？

地址：https://www.coinsdeep.com/article/10161.html

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。