2023 در Crypto با تجمع گسترده ای از نشانه های هوش مصنوعی آغاز شد ، و بسیاری از آنها در حال حاضر می گویند که پروژه های اطلاعاتی مصنوعی برندگان چرخه بعدی خواهند بود. پروژه های NFT نیز AI را به اشکال مختلف گنجانیده اند - و موارد استفاده برای AI در بازار NFT احتمالاً قوی تر از blockchain به طور کلی است.

یادگیری ماشین در blockchain در مقابل NFT

AI همه جا است

آیا تا به حال با یک شبکه عصبی تعامل داشته اید؟قبل از گفتن "نه" ، این را در نظر بگیرید:

• هر بار که متنی را به Google Translate وصل می کنید ، یک شبکه عصبی در زیر کاپوت کار می کند.
• آن به روزرسانی های ترافیکی در Google Maps؟هوش مصنوعی نیز درگیر است.
• و هر وقت می گویید "سلام گوگل" یا "هی سیری" یک الگوریتم تشخیص گفتار ایجاد می شود - و این نوعی شبکه عصبی است.

یک شبکه عصبی مصنوعی (ANN) الگوریتمی است که می تواند برای اولین بار برای تشخیص الگوهای موجود در یک بدنه از داده ها آموزش دیده و سپس به یاد خود ادامه دهد که این کار را بهتر انجام دهد. Anns در همه جا وجود دارد ، و از کار بسیار خاص ، آنها تعمیم یافته تر می شوند.

فرایند آموزش مدل های یادگیری ماشین (ML) بسیار پیچیده است و به داده های پاک و منابع محاسباتی زیادی نیاز دارد - اما اگر آنها را داشته باشید ، نتیجه می تواند چشمگیر باشد. مشهورترین نمونه Chatgpt است - چت بابات که نه فقط آنچه را می نویسید "می فهمد بلکه می تواند به صورت هوشمندانه پاسخ دهد و حتی مقاله بنویسد.

یک روند یا فقط یک پمپ؟

از آنجا که همه ناگهان در مورد چتگپ صحبت می کردند ، بیشتر نشانه های رمزنگاری که با هوش مصنوعی ارتباط دارند ، شروع به رشد کردند. برخی در ماه 200 ٪ ، 500 ٪ و حتی 1000 ٪ داشتند. سپس همه آنها عقب کشیدند ، هرچند که بسیاری از آنها هنوز 100 ٪ در طول سالانه باز می نشینند.

این همه پروژه های Crypto AI چه کاری انجام می دهند؟برخی از آنها blockchain های جدید برای AI بهینه شده و با چارچوب های ML مانند TensorFlow یکپارچه شده اند. برخی دیگر داده هایی را برای آموزش مدل های هوش مصنوعی ، بازارهای محصولات آماده AI و حتی محاسبات غیرمتمرکز ارائه می دهند.

هنوز مشخص نیست که صنعت AI از افزودن blockchain سود خواهد برد. اجرای برنامه های AI واقعی به دلایل فنی بسیار دشوار است (که ما در اینجا نمی توانیم بررسی کنیم) ، و بسیاری از پروژه ها به هر حال آماده استفاده گسترده نیستند. پمپ رمزنگاری بیت AI 2023 می تواند به سادگی توسط اعتیاد به مواد مخدره هدایت شود.

AI و NFTS

NFT ها یک داستان بسیار متفاوت هستند. هوش مصنوعی در حال حاضر در صنعت غیرقانونی در مقیاس چشمگیر و با چندین مورد استفاده موفق مورد استفاده قرار می گیرد. در حقیقت ، برخی از محبوب ترین مجموعه ها توسط الگوریتم های ML تولید می شوند. در آینده نزدیک ، ما حتی ممکن است شخصیت های AI محور را که متاور را جمع می کنند ببینیم. ما بیشتر به آنها نگاه خواهیم کرد.

به هر حال ، یک توضیح کوچک: فراخوانی چنین الگوریتم های "AI" کاملاً صحیح نیست. هوش مصنوعی واقعی باید از روند تفکر انسان تقلید کند ، اما شبکه عصبی موجود در هیچ کجا نزدیک به آن سطح نیست. ما انسانها می توانیم طیف وسیعی از مشکلات را حل کنیم ، اما الگوریتم های ML معمولاً برای انجام یک یا چند کار آموزش داده می شوند. با این حال ، از آنجا که همه آنها را هوش مصنوعی می نامند ، ما در این پست همین کار را خواهیم کرد.

هوش مصنوعی به عنوان یک هنرمند: Artblocks به عنوان یک داستان موفقیت

بیشتر مجموعه های NFT تراشه آبی با استفاده از الگوریتم ها تولید می شوند. هنرمندان انسانی ویژگی های فردی (چشم ، لباس ، سلاح و غیره) را ترسیم می کنند و به الگوریتم می گویند چند بار هر صفت باید در مجموعه ظاهر شود. الگوریتم سپس صفات را برای به دست آوردن تعداد مورد نیاز NFT های منحصر به فرد با رده های نادر از پیش تعیین شده ترکیب می کند.

شما احتمالاً موافق خواهید بود که این به سختی "هوش مصنوعی واقعی" است. تمام دستگاه انجام می دهد دستورالعمل ها را دنبال کنید. این آموزش دیده نیست که به تنهایی چیز جدیدی پیدا کنیم.

سپس ما هنر تولیدی مناسبی داریم که به آن هنر قابل برنامه ریزی نیز گفته می شود. مشهورترین مجموعه از این نوع احتمالاً Fidenzas Tyler Hobbs است. شما حتماً این چرخش های Kaleidoscopic از نوارهای اسپاگتی رنگارنگ را دیده اید که هزاران دلار می فروشند.

Fidenzas و سایر مجموعه های برجسته تولید "زنده" در بلوک های هنری ، یک بستر برتر برای هنر هوش مصنوعی سرپرستی. یک هیئت مدیره ویژه با دقت ترین هنرمندان را انتخاب می کند ، بنابراین حضور در بلوک های هنری مانند داشتن آثار شخصی در یک گالری مشهور است.

برای هنرمندان ، هنر قابل برنامه ریزی فرصتی شگفت انگیز است. آنها می توانند هر دو NFT (و سپس حق امتیاز از فروش ثانویه) و نسخه های فیزیکی آثار را بفروشند. این همچنین راهی برای دستیابی به جامعه گسترده ای از جمع کننده های NFT است که هرگز هنر فیزیکی خریداری نمی کنند. نکته منفی این است که هنر قابل برنامه ریزی مستلزم آن است که یک هنرمند یا مهارت برنامه نویسی قوی داشته باشد یا با برنامه نویسان و مهندسان داده همکاری کند.

چگونه AI هنر ایجاد می کند؟

1) برنامه نویسی گان. این فرایند با کدگذاری مدل یادگیری ماشین شروع می شود. در بیشتر موارد ، این نوع به نام GAN یا شبکه مخالف تولید کننده است. مخالف - از آنجا که دو بخش به الگوریتم وجود دارد ، و آنها به نوعی با یکدیگر رقابت می کنند. یکی (ژنراتور) تصاویر تصادفی را بر اساس ورودی ایجاد می کند ، و دیگری (تبعیض آمیز) آنها را ارزیابی می کند و سعی می کند تصمیم بگیرد که آیا یک تصویر ایجاد شده یا واقعی است. اگر تبعیض آمیز فریب خورده باشد ، ژنراتور برنده می شود و برعکس.

2) آموزش. بنابراین ، اکنون ما یک هوش مصنوعی داریم که می تواند آنچه را که می خواهیم انجام دهیم - اما باید آنچه را که می خواهیم نشان دهیم. این هنرمند بدن بزرگی از تصاویر مشابه آنچه را که نتیجه نهایی باید به نظر برسد ، انتخاب می کند.

به عنوان مثال ، شما می توانید یک مجموعه داده از 10،000 عکس از سگ ها داشته باشید ، و این برنامه در نهایت درک خواهد کرد که "یک سگ" چگونه است و قادر به تولید تصاویر سگ کاملاً جدید است. یا می توانید آن را به تولید نقاشی های "امپرسیونیست" ، یا تصاویر مانگا و غیره آموزش دهید.

3) پیچش. در ابتدا ، این هنرمند ممکن است بسیاری از تصاویر تولید شده را کنار بگذارد ، اما الگوریتم نیز از این فرآیند نیز یاد می گیرد - و در دور بعدی نتایج بهتری کسب می کند. خود کد ممکن است نیاز به تنظیم داشته باشد. هدف این است که هوش مصنوعی از مدل های موجود کپی نکند بلکه چیزی واقعاً جدید ایجاد کند.

4) Minting. این ساده ترین مرحله است. تصویر آماده در IPFS یا برخی از محیط های ذخیره سازی دیگر بارگذاری می شود و به عنوان ابرداده برای تهیه NFT استفاده می شود. امروزه ، این به مهارت بسیار کمی با blockchain نیاز دارد.

ما باید تأکید کنیم که هنر تولیدی نیازی به blockchain یا NFT ندارد. در حقیقت ، اولین الگوریتم از این نوع در دهه 1970 ساخته شده است. اما فناوری NFT به هنرمندان این امکان را می دهد تا مالکیت خود را تأیید کنند ، حق امتیاز کسب کنند و به مخاطبان بزرگتر دسترسی پیدا کنند.

متن به هنر

نوع جالب دیگر از هنر تولیدی ، تبدیل یک متن ("دانه") به یک تصویر است. در اینجا ، یک مدل بر روی تصاویر مطابقت با توضیحات ، مانند "این یک سگ است" و "این یک سگ است" ، "این قرمز است" ، "این یک سگ بزرگ است" و غیره است. توضیحی مانند "یک سگ سبز بزرگ در استخر آب بازی می کند" ، تصویری مناسب را تولید می کند.

شما حتی می توانید یک شبکه عصبی را آموزش دهید تا همان تصویر را در سبک های مختلف تولید کند ، مانند مانگا ، نقاشی رنسانس ، عکسبرداری و غیره. یکی از بهترین چارچوب های این نوع ، Dall-E توسط Openai ، همان شرکتی است که چتپ را ساخته است.

نیازی به گفتن نیست ، چنین مدلهایی نیاز به مهارت بالایی از مهارت های تشخیص گفتار دارند و آموزش آنها سخت تر است. اما این پروتکل ها را می توان با مخاطب به اشتراک گذاشت و به ابزاری برای خلاقیت جمعی تبدیل شد. ChatGPT نشان داده است که روند چقدر هیجان انگیز است.

به جای فروش NFT های آماده ، می توانید کاربران را برای استفاده از پروتکل هزینه کنید - و سپس به آنها اجازه دهید NFT های خلاقیت خود را بفروشند. چنین ابزارهای متن به NFT یکی دیگر از موارد عالی برای AI در صنعت NFT است. نمونه های خوب شامل Nightcafe و Hotpot است. و ، هنگامی که آن NFT ها را روی اتریوم قرار داده اید ، می توانید آنها را با استفاده از پل XP. Network NFT به 20+ زنجیره دیگر منتقل کنید!

پروژه های NFT در جامعه-و AI ART فراتر از تصاویر

مرحله بعدی شامل جامعه در فرایند آموزش مدل است. یک پروژه که این کار را انجام می دهد Botto است - یک "هنرمند" غیرمتمرکز هوش مصنوعی که هر هفته صدها اثر جدید را به DAO ارائه می دهد. جامعه بهترین ها را انتخاب می کند و به Botto کمک می کند تا بهتر شود.

هنر تولیدی با آثار هنری تجسمی پایان نمی یابد. شبکه های عصبی همچنین می توانند موسیقی ، طرح های مد ، شعرها و حتی رمان ها را ایجاد کنند (و در حال حاضر).

همکاری بین شبکه های عصبی نیز امکان پذیر است. به عنوان مثال ، یک نوازنده ، نویسنده و هنرمند هوش مصنوعی می توانند برای پوشش خود روی یک آهنگ و آثار هنری با هم کار کنند. نتیجه را می توان به عنوان NFT و فروخته شد: بنابراین ، تیم الگوریتم ها می توانند (به یک معنا) برای خودشان درآمد کسب کنند! Airtist نمونه ای از سکوی با این ویژگی ها است.

هنر تولید شده AI در حال حاضر در بازار NFT بسیار محبوب است-و وقتی (یا اگر) متاور به یک پدیده بزرگتر تبدیل می شود ، حتی گسترده تر می شود. شاید این بهترین مورد استفاده برای هوش مصنوعی در Crypto باشد-و نه برنامه های AI غیر متمرکز یا blockchains بهینه شده AI.

در هر صورت ، ما در xp. network به دنبال این روند ادامه خواهیم داد و آخرین اخبار را برای شما به ارمغان می آوریم ، بنابراین برای به روزرسانی های بیشتر حتماً ما را در تلگرام و توییتر دنبال کنید!