作者：MORBID-19
编译：深潮TechFlow
大家好，又是新的一天，又是一场投机性的下注。最近，AI 智能体 (AI Agents) 成为了讨论的热点。尤其是 aixbt，这款产品最近备受关注。
但在我看来，这种热潮完全没有意义。
让我来为不熟悉比特币术语的朋友解释一下。一旦用户将资产桥接到所谓的“比特币二层网络 (Bitcoin L2)”上，就不可能实现真正的“非托管借贷 (Non-custodial Lending)”。
所有的“比特币桥 (Bitcoin Bridges)”或“互操作性/扩展层 (Interoperability/Scaling Layers)”都会引入新的信任假设，只有少数例外，比如闪电网络 (Lightning Network)。所以，当有人声称比特币 L2 是“无需信任的 (Trustless)”时，你可以基本认为这不是真的。这也是为什么大多数新的 L2 都会强调自己是“信任最小化的 (Trust-minimized)”。
尽管我对 Side Protocol 并不了解，但我几乎可以肯定 aixbt 所谓的“非托管借贷”声明是不真实的，而且这种判断 99% 的情况下都不会出错。
不过，我并不完全责怪 aixbt。它只是按照指令行事：从互联网上抓取数据，并生成看似有用的推文。
问题在于，aixbt 并不真正理解自己在说什么。它无法判断信息的真实性，也无法向专家验证自己的假设，更无法质疑自己的逻辑或进行推理。
大语言模型 (LLMs) 的本质只是词语预测器。它们并不理解自己输出的内容，而是根据概率选择看似正确的词语。
如果我在《大英百科全书》中写了一篇关于“希特勒征服古希腊并催生希腊化文明”的文章，那么对于 LLM 来说，这就会成为“事实”，成为“历史”。
我们在 Twitter 上看到的许多 AI 智能体，只不过是披着炫酷头像的词语预测器。然而，这些 AI 智能体的市场估值却在飙升。GOAT 已经达到了 10 亿美元的市值，而 aixbt 的市值也达到了约 2 亿美元。这些估值是否合理？
没人能确定，但讽刺的是，我对自己持有的这些资产感到满意。
数据访问是关键
我一直对 AI 和加密货币的结合非常感兴趣。最近，Vana 引起了我的注意，因为它正在尝试解决“数据壁垒 (Data Wall)”问题。问题并不是缺乏数据，而是如何获取高质量的数据。
比如，你会在公开场合分享你的低流动性小市值代币的交易策略吗？你会免费发布那些通常需要付费才能获得的高价值信息吗？你会公开分享自己私生活中最隐私的细节吗？
显然不会。
除非你的隐私数据能够通过合理的价格得到保护，否则你绝不会轻易将这些“私人数据”分享给任何人。
然而，如果我们希望 AI 能够达到接近人类的智能水平，这些数据正是最关键的要素。毕竟，人类的核心特质是其思想、内心独白以及最隐秘的思考。
但即使是获取一些“半公开”的数据也面临不小的挑战。例如，要从视频中提取有用的数据，首先需要生成字幕，并准确理解视频的上下文，这样才能让 AI 理解其中的内容。
再比如，许多网站要求用户登录后才能查看内容，例如 Instagram 和 Facebook。这种设计在许多社交网络中都很常见。
总结来说，当前 AI 开发面临的主要限制包括：
-
无法获取私人数据
-
无法获取付费墙后的数据
-
无法访问封闭平台的数据
Vana 提供了一种可能的解决方案。他们通过保护隐私，将特定的数据集汇聚到一种称为 DataDAOs 的去中心化机制中，从而突破这些限制。
DataDAOs 是数据的去中心化市场，具体运作方式如下：
-
数据贡献者：用户可以将自己的数据提交到 DataDAOs，并因此获得治理权和奖励。
-
数据验证：数据会在 Satya 网络中进行验证，Satya 是一个由安全计算节点组成的网络，能够确保数据的质量和完整性。
-
数据消费者：经过验证的数据集可以被消费者用于 AI 训练或其他应用场景。
-
激励机制：DataDAOs 鼓励用户贡献高质量数据，并通过透明的机制管理数据的使用和训练过程。
如果你想进一步了解，可以点击这里阅读更多内容。
我希望有一天 aixbt 能够摆脱“愚蠢”的现状。或许我们可以为 aixbt 创建一个专属的 DataDAO。虽然我并不是 AI 领域的专家，但我坚信，AI 开发的下一次重大突破将依赖于训练模型所用数据的质量。
只有使用高质量数据训练的 AI 智能体，才能真正展现其潜力。我期待这一刻的到来，希望它不会太远。
免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。
