MoleEdu｜中文课第五周 “AIGC+Web3商业落地之周” 课程总结

媒体专栏

2023-08-28热度: 9323

引言

Moledao携手Alibaba Cloud发起了MoleEdu公益课程，涵盖加密学、隐私计算、DeFi、数字身份、DAO、安全合规等主题。第五周中文课圆满结束，让我们一起回顾本周知识，快速了解区块链技术的基本原理和应用场景，解锁区块链新篇章！

⬇️报名链接⬇️

https://wj.qq.com/s2/12755790/27b1/

课程回放

AlGC+Web3商业落地之周 | Al+Data Analysis

⬇️哔哩哔哩⬇️

https://www.bilibili.com/video/BV1u94y1z7u3/

⬇️ Youtube⬇️

https://www.youtube.com/watch?v=uTNGiq_pcAs

AlGC+Web3商业落地之周 | AlGC+Web3商业落地案例

⬇️哔哩哔哩⬇️

https://www.bilibili.com/video/BV1jh4y1U7ri/

⬇️Youtube⬇️

https://www.youtube.com/watch?v=Gna7jHaPjCU

AlGC+Web3商业落地之周 | Al+MarketingTools

⬇️哔哩哔哩⬇️

https://www.bilibili.com/video/BV17P411W7cY/

⬇️Youtube⬇️

https://www.youtube.com/watch?v=aefqVS2ed6k

优秀学员

第五周优秀学员共计27位，他们分别是：

Roger,冀滋升, Amelia, Hannah, HK, Jaser, Claire, Richard, TY, wenki, Yizhe, Yuxin Zheng,陈建宏,陈沛羽,陈锐,陈拓,李师然,李泽慧,刘泽宇,孟江昊,苏苏,唐泽宇,王文超,王有丽,向丽,徐浩然,杨义

请上述同学留意邮箱信件，我们会在八周课程结束之后统一发送到同学们的邮箱当中！

笔记速递

8月21日 AI + Data Analysis

01 数据分析的核心概念

数据分析可以简化为一个基本模型：y=f(x)
y：输出值
x：输入值
f：代表的是函数或者模型
数据分析不仅仅是商业分析或趋势分析，AI技术的发展也是数据分析的广义部分。

数据的表达与处理

数据在模型中的处理方式多种多样：

向量：例如，自然语言可以被转化为一个向量。
矩阵：图像或神经网络的某些结构可以被表示为矩阵。
张量：更高维度的数据形式，例如彩色图片的RGB三通道。

模型的基本属性

模型可能是线性或非线性的。
初始神经网络是线性的，但为了提高表达能力，后来引入了非线性激活函数。

模型训练与优化

模型训练主要目标是确定函数f的参数

使用梯度优化技术来调整模型参数，使其更好地逼近数据。
训练过程中，需要度量模型输出与实际输出之间的差异，并据此进行优化。

根据训练结果来进行数据预测

f(), x已经确定了，得到y的输出
对比多次y的输出，来评估模型的好坏

02 什么是大模型

大模型最核心的地方在于参数得数量庞大，并且有海量的训练数据，最后的预测有更大的随机性，所以要求使用者在使用大模型时，需要更加详细的参数输入。

优势

创作能力：大模型在没有标准答案的场景中表现出色，能够进行高质量的创作。
语言能力：大模型精通各种自然语言和编程语言，使其在语言处理上具有明显优势。
多模态：一个大模型可以应对多种类型的任务，具有广泛的应用范围。
连续思维：与传统模型相比，大模型具有更连续、更丰富的思维模式，能够探索更广阔的可行域。

局限

隐私问题：处理输入数据时可能引发的隐私问题和安全风险。
基于概率：大模型的预测通常基于概率，而不是逻辑或严格的推导。
随机性幻觉：由于其内部的随机性，大模型不总是能展现出事实的真相。
模型不透明：作为一个“更黑的黑盒”，找出优化的路径变得更加困难。
时效性问题：大模型的训练数据可能不是最新的，导致其输出可能与当前情境不完全匹配。
外部工具局限：依赖的外部工具和资源可能限制了模型能力的进一步发挥。
高成本：大模型的训练和预测成本高昂，且这些模型不一定都是开源的，可能导致普及受限。

如何使用大模型

分工明确：
LLM（如GPT-4、BERT等大模型）的职责：
拓展 & 整理：自动化地处理、分类和整理数据。
补足 & 创作：在已有的内容基础上进行补充或创新。
检查 & 修改：自动化地修复数据或内容中的错误。
分析 & 执行：根据输入的指令或数据进行分析并给出相应的输出。
人的职责：
配置工具：根据特定的需求和场景设置和调整工具。
提出需求：明确模型的任务和目标。
评估 & 纠正：对模型的输出进行评估，并在必要时进行纠正。
数据隔离：确保数据的隐私和安全，避免敏感信息的泄露。
模型策略：
不局限于一个模型：根据不同的任务和需求，考虑使用多种模型或模型组合。
训练 & 微调：选择具有强特征的数据进行模型的训练和微调，以提高模型的性能。
预测策略：使用更详细和明确的prompt，确保模型的输出更加稳定和准确。
工具选择：
优先考虑使用已经经过验证的框架，如Langchain。
充分利用已封装好的工具，简化操作和提高效率。
评估策略：
对于许多具体的任务，可能缺乏现有的测试数据。在这种情况下，建议积极积累和构建新的测试数据集，以更好地评估模型的性能。

03 数据去中心化的方向

为了打破中心化的束缚，提出了使用去中心化的存储和计算方法。联邦学习：各节点保留数据，只共享模型更新。
区块链技术：为数据提供去中心化的存储方法，确保数据的安全性和不可篡改性。

04 数据所有权的重要性

数据产生者应该是数据的真正所有者，拥有数据的所有权、存储权和收益权。
数据的真正价值不应该被大公司完全控制，应该返回给数据的生产者和用户。

8月23日 AICG + Web3商业落地案例

01 什么是AIGC？

就是由AI接受人类的指令后自主生产的内容都可以称为是AIGC，AIGC工具中最被人们所熟悉的就是ChatGPT。ChatGPT上线之后，短短的2个月就有超过1亿的月活用户，超过了TikTok和Instagram等热门应用的用户增长速度。ChatGPT背后的的Open AI公司更是达到了290亿美金左右的估值。预计2030年的时候，AIGC赛道的市场规模将达到110亿美元。

02 AIGC与Web3结合的商业落地方向

1. 在Web3里面使用AIGC Buff

通过AI生成Web3项目所需要的内容，例如NFT图片，白皮书，项目介绍内容
通过AI进行虚拟空间的搭建
通过AI生成的虚拟人物，Character.AI

Web3可以与AIGC在Character.AI的集成方向

当我们考虑将Web3和AIGC技术集成到Character.AI中时，我们可以考虑以下可能的应用：

去中心化的情感数据库：使用Web3技术，Character.AI可以创建一个去中心化的情感数据库，其中包含来自全球各地用户的情感输入。这不仅可以增强AI的情感响应能力，还可以确保用户数据的隐私和安全。
NFT化的情感回应：Character.AI可以为其独特的情感回应创建NFT，使用户可以购买、交易或收藏这些独特的AI情感回应。
去中心化的情感学习网络：通过使用Web3技术，Character.AI可以与全球的其他AI系统合作，共享情感数据，以增强其情感响应能力，同时确保数据的隐私和安全。
Web3的用户验证：通过使用Web3技术，Character.AI可以确保与其交互的每个用户都是真实的，并可以为每个用户提供定制化的情感回应。
基于区块链的情感交互记录：所有与Character.AI的情感交互都可以在区块链上记录，确保透明性和不可更改性。
2. 特定Web3应用场景的AIGC Buff
在Web3的世界中，去中心化技术为各种创新的应用场景提供了无限的可能性。AIGC (Artificial Intelligence with Genuine Character) 可以为这些Web3应用提供更加人性化、有情感的交互体验，从而增强用户的参与度和满意度。以下是一些针对特定Web3应用场景的AIGC应用案例：
Etherscan AI, Cube3 AI
Dmail AI
Futureverse, Delysium, Bitscrunch
AwesomeQA
3. 把Web3融入AI
在AIGC领域中，仅OpenAI就拥有超过1亿的活跃用户，而随着互联网巨头如微软的Bing、谷歌的Bard等的参与，AIGC的用户群体正在迅速扩大。相较之下，Web3领域由于其较高的准入门槛，其月活跃用户数量仅约为3000万，相差AI领域近3-4倍。因此，要真正推动Web3 + AIGC的发展，关键在于将Web3技术融入AI领域，从而吸引AI的庞大用户群体参与到Web3的生态中。事实上已经有知名的项目已经在做这个事情了：
Aptos's strategic partnership with Microsoft
Walmart partnership with IBM

03 AI + Web3

Web3是自下而上去中心化的思想为主导的，而且非常强调数据隐私性。

AI则是自上而下中心化集中数据后，对数据进行管理，训练的一个过程，所以数据是公开的。

尽管Web3和AI在方法论上看似截然不同，但它们在实际应用中却是互补的。Web3提供了一个去中心化、更加公正和透明的网络基础，强调个人隐私和数据的安全性；而AI通过中心化的方式，能够高效地处理和分析大量数据，为用户带来便捷和个性化的体验。当这两种技术结合时，它们的优势能够相互补充，为用户提供既安全又智能的数字体验。

04 RSS3在AIGC + Web3中的商业落地

数据集成与处理:
RSS3最早专注于信息的整理，经过两年多的努力，他们成功地整理、处理、并索引了大量的数据。
他们已经整理了超过100个数据源及dApps，并将其转化为可供开发者使用的信息和数据。
RSS3致力于将Web3的分散、不同的标准和难以获取到的数据整合到一个地方，使得数据清理后，开发者能够更容易地使用这些数据。
推动Web3与AI的结合:
在OpenAI和GPT流行之前，RSS3的CTO已经领导了一个小团队，专注于AI的研究和应用。他们认为，AI的核心是数据处理。拥有大量的数据之后，自然而然地要考虑如何更好地利用这些数据。
RSS3与ChatGPT合作，将处理和标准化后的Web3数据引入GPT，使得超过100万的月活用户可以接触到这些数据。
提高Web3的易用性:
RSS3认识到Web3的复杂性是用户增长的主要障碍。他们努力简化这一流程，使Web3开发者能够更快速地使用这些数据。
RSS3的目标是使Web3的数据使用起来像Web2一样简单，解决了每个区块链和每个去中心化网络都有自己的标准的问题。

8月24日 AI + Marketing Tools

01 Web3项目做市场营销的重要性

现阶段Web3绝大部分的项目都是以资产为导向的，通俗来说就是为了项目Token或者NFT的sale，最终的目的就是为了提高项目资产的流动性。而在这个过程中，有2个M的作用是至关重要的，他们分别是Marketing Maker（做市商）和Marketing（营销）。其中，做市商是保证项目流动性的下限，营销则是决定着项目流动性的上限，流动性上下限之间的差值则是决定了最后创业者在这个项目中获得的收益。一个项目的成功与否，是需要创业者投入大量的时间和资源到项目的做市和营销上面的。

02 Web2的营销和增长

AIDA模型

AIDA模型主要分为两个部分，先通过Display Ads，即视觉手段吸引用户的注意力，然后因为内容的因素再提高用户的兴趣，让用户想要去了解项目，然后再通过Accurate Ads，即精准的投放广告，直接命中用户的需求和痛点，到最后让用户产生下单购买的行为。

增长策略

增长策略大致分为免费和付费两种。免费的增长策略主要依赖于referral，也就是用户之间的推荐。付费策略则包括购买在线广告、合作影响者营销（如KOL和大V）等方式。

营销中使用到的方法

ABTest
为了找到最优的广告策略，产品团队常常采用AB测试，即将用户分为不同的组，为每组展示不同的广告内容或形式，然后观察各组的表现，找出效果最好的广告策略。
MVP（Minimum Viable Product）
即“最小可行产品”，是一种产品开发策略，强调在最短的时间内，用最少的资源，制作出一个功能上刚好满足初步市场需求的产品版本。这个版本通常不包含所有最终产品的功能，但足够让创始团队验证其核心假设是否正确。
在推特最早的时候，网站的功能是非常简单的，而且视觉设计也是很丑陋的，可是大量的用户就是接受了发140字以的短内容到一个社交广场上，引起团队关注然后产品逐步迭代，才成了现在我们看到推特产品的样子
"Gray Scale Test"（灰度测试）
是一种产品的发布策略，通常用于新功能或大的产品更新。这种测试策略的核心思想是逐步、有控制地将新功能或更新推出给一个限制的用户群体，以便在整体发布之前收集反馈、识别问题并确保稳定性。

03 Web3与Web2在营销中的不同

Web2营销的方法，经验和工具在Web3领域中还是奏效的，不过需要更多的灵活性。

用户规模不同
Web3用户群体相对较小
加密资产至关重要
最终的目的是加密资产变现
内容营销作用不同
Web3更依赖有价值内容进行社区营销
社区营销不同
Web3中社区对营销影响更大

04 AI + Web3营销

AI在Web3营销中的应用

AI可自动生成营销素材,提高效率: 使用AI工具生成文字、海报等素材,不再需要人工设计
AI实现自动化广告投放: 找到用户群体,自动将素材投放到最佳渠道
AI进行数据分析提供建议: 分析不同渠道效果,优化决策
AI机器人与用户进行互动: 可大规模并且高效的与用户进行互动

AI在Web3营销中面临的问题

当前应用还比较初级: 处于探索阶段,模型和数据不够完善
需针对行业特点不断优化: 不能简单拿来就用,要结合项目的特性进行优化
人工参与还是必要的: 需要人类提供指导和监督,避免偏差

系列课程

系列课程安排如下：

主办方与赞助方

主办方：Moledao

Moledao是一家成立于2021年8月的新加坡区块链开发者社区，致力于为区块链爱好者、Web3开发者以及投资者打造区块链领域一站式服务平台。通过搭建多频道区块链爱好者交流社区、开设中英文课程，举办全球黑客松等系列活动，赋能每一位Web 3参与者，实现项目人才匹配，提供项目赞助指导，深化区块链理念，最终打造Web3良性生态循环。

官网：https://moledao.io/#/home

推特：https://twitter.com/moledao_io

合作请联系Telegram: @Phoebe_qinghan

合作请联系WeChat: Phoebe_qinghan

白金赞助：Alibaba Cloud

Alibaba Cloud成立于2009年，是全球领先的云计算和人工智能科技公司，为来自200多个国家和地区的企业、开发者和政府机构提供服务。作为全球性的云计算提供商，Alibaba Cloud在29个地域开放了88个可用区，为数十亿用户提供可靠的计算支持。公司致力于以在线公共服务的方式，为用户提供安全可靠的计算和数据处理能力，将计算和人工智能技术普及到各行各业。在2017年1月，Alibaba Cloud成为奥运会全球指定云服务商，进一步彰显了其在全球范围内的重要地位。

官网：https://sg.alibabacloud.com

Linkedi : https://www.linkedin.com/company/alibaba-cloud-sea/

Telegram: https://t.me/AlibabaCloudWeb3

E-mail: [email protected] ; [email protected]

白银赞助方：Sharkteam

SharkTeam是全球领先的Web3安全服务提供商,其愿景是全面保护Web3世界的安全。团队由来自世界各地的经验丰富的安全专业人士和高级研究人员组成，精通区块链和智能合约的底层理论，提供包括智能合约审计、链上分析、应急响应等服务。已与区块链生态系统各个领域的关键参与者,如Polkadot、Moonbeam、polygon、OKC、Huobi Global、imToken、ChainIDE等建立长期合作关系。

官网：https://www.sharkteam.org

Twitter：https://twitter.com/sharkteamorg

Discord：https://discord.gg/jGH9xXCjDZ

Telegram：https://t.me/sharkteamorg

白银赞助方：DeGame

DeGame是世界上最大的NFT游戏聚合商，自2021年上线以来，已上架超过4000个区块链游戏项目和1000+游戏代币与游戏链。DeGame与50多个公会和公链建立了合作伙伴关系，为NFT游戏爱好者和开发者提供一站式的服务平台。

2023年，DeGame推出了贡献量证明平台DeGame社区，这是全球Web3用户发现和玩最激动人心的新项目和游戏的一站式商店。早期开发人员、项目大使、KOL和社区组织者可以证明他们对项目的贡献，并通过身份角色和奖励获得认可。

Official Website：https://degame.com/en/home

Twitter：https://twitter.com/degame_l2y

Discord：https://discord.com/invite/degame

Telegram：https://t.me/DeGameOfficial

E-mail: [email protected]

白银赞助方：PlatON

PlatON 是以隐私计算为技术特色的开放金融基础设施，由LatticeX基金会发起和推动，致力于成为 Web3 世代主要的区块链平台，为各类型 Web3 原生应用、从 Web2 迁移到 Web3 的应用与用户，提供金融级别的系统稳定性和性能表现、隐私计算加持的合规数字资产管理、面向多场景的密态支付清算解决方案以及平滑友好的用户体验。