NFT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
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。
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?
正如William Gibson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。
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:
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(CNN)、递归神经网络(RNN)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