在过去两年里,新的 AI 模型层出不穷。这些 AI 模型能够完成许多类型的任务——从查找信息和回答问题,到提供客户支持、校对文档、生成内容等。
许多这样的任务是客观的,有明确的优化功能:找到正确的答案,识别最相关的信息,检测任何错误或异常等。
但也有一些模型的输出结果极为主观,比如制作「优秀」的艺术作品或开发「有趣」的视频。我称这些为「具有品味的模型」。基于品味的模型往往更难优化,因为它们是集体与个体决定的混合体;没有明显的答案或输出。因此,频繁的反馈对于帮助模型了解最新的文化偏好尤为宝贵。
如今,大致有两种方式可以培养模型的「品味」:
- 基于用户生成的内容 / 数据(如 Twitter 或 Reddit 的提要),这在理论上可以揭示人类关注的最新动向(从而充当品味的代表)。
- 利用人类「品味制定者」社区来帮助模型围绕他们的偏好进行主动训练。
第一种方法存在许多不理想的情况。数据可能是孤立的(例如 Reddit 关闭其 API)或引入了偏见(例如,只共享部分数据)。模型也可能过度适应特定平台的算法,尤其是如果它的数据来源选择有限。这可能听起来不重要,直到人们开始想象基于 Twitter 热门内容生成的大量新媒体。这并不理想。
后一种方法,一个由人类提供反馈的网络,避免了上述许多风险。可能仍然会有偏差,但仅在于它包括了选择加入帮助训练模型的社区成员的偏好。因此,关键在于确保这些社区成员,即制定「品味」的人,与模型真正培养出好品位息息相关。
加密轨道可以帮助促进这种一致性。在模型中提供所有权 / 给予参与成员模型输出的经济利益,可以激励他们真正参与。加密货币还使得参与变得更开放和容易:世界上任何地方的任何人都可以贡献,只要他们拥有链上钱包和网络连接。
一个值得注意的例子是 Botto 项目。Botto 是一个自治艺术家,$BOTTO 代币持有者有能力帮助每周训练模型。训练很简单:参与者对各种图片进行投赞成或反对票,Botto 从成员的偏好中学习。一周结束时,最受欢迎的作品会被拍卖,而那周帮助训练 Botto 的参与者将获得报酬。
艺术只是具有品味模型的一个类别。其他可能包括电影、电视、其他形式的故事讲述(小说、短篇小说)、喜剧和广告 / 品牌活动。即使是几年前,这些具有品味的模型也是不可能的。这些工具表现力较差,速度较慢,无法可靠地指望模型产生有凝聚力的或(在视频的情况下)逼真的输出。只有今天,这些才变得可能。
重要的是,具有品味的模型拥有大量(且不断增长的)潜在市场。艺术是一个价值数十亿美元的市场。线上消费的内容每年占据了数万亿小时的注意力。如果人们已经打算在这些娱乐形式上花时间和金钱,那么让他们在生产中拥有一定的份额似乎是合理的,这不仅会创造一个更积极的用户基础,还会创造一个满意度更高的用户基础。想象一下,在奥斯卡最佳影片奖中,主要的参与者是帮助训练并开发故事情节的观众,或者为社区创作的电影设立一个全新的奖项,那会非常酷。
我认为这是创造一种新的内容类别,而不是取代现有的创作。这类似于智能手机和 Instagram 使每个人都能成为摄影师,这些新技术的存在并没有消除实际摄影师的工作,实际上,可能反而让更多人欣赏摄影师的工作。具有品味的模型也是一样:它们通过利用新技术,这里指的是用于消费者所有权和经济对接的加密轨道,创造了一种新的参与形式,从而扩展了上述每个类别。
在过去几年中,我们已经看到了数千种新模型的出现。接下来的几年可能还会有数百万(甚至更多)的新模型出现,至少有一些模型应该努力以新的方式吸引利益相关者,从更大的开放性和可及性,到尝试激励措施的新型所有权结构。有品位的模型是特别适合这种创新的一个领域,但它们不可能是最后一个。
(声明:请读者严格遵守所在地法律法规,本文不代表任何投资建议)