撰文：Kava Labs

我们将继续深入探讨人工智能（AI）与区块链技术的融合，重点研究生成式 AI 和代币化的作用。作为 AI 和区块链技术中最具创新性但也最具争议性的领域之一，我们需要参考之前关于RWA 代币化、AI 中的自然语言处理（NLP）、AI 在风险缓解和跨链互操作性中的作用的文章，以充分理解这两种技术融合的更广泛影响。

在本文中，我们将探讨生成式 AI 的强大功能、它的工作原理以及当将生成式 AI 输出的内容代币化时面临的版权材料问题。然后，我们将转向区块链技术的作用以及非同质化代币（NFT）作为解决这些问题的潜在方案。我们还将研究已经利用 NFT 的行业，并在文章结尾讨论这一动态领域的未来潜力以及 AI 可能扮演的角色。

与 AI 领域的其他方面一样，生成式 AI 的演进在计算机科学领域有着深厚的根基，可追溯到 20 世纪 60 年代。英国艺术家 Harold Cohen 在加利福尼亚大学圣地亚哥分校通过他的AARON 项目实现了计算机图像生成的早期迭代。然而，尽管有这些生成式 AI 成像的早期迭代，但直到 2022 年第四季度末 ChatGPT3.5 的推出，才标志着现代 AI 的繁荣，也让广大公众有机会接触到这种划时代的技术。

随着Midjourney、Leonardo.ai和DALL-E在 2023 年的发布，生成式图像协议的流行迅速爆发，生成式 AI（GenAI）和提示工程（prompt engineering）迅速进入公众视野，同时大型语言模型（LLMs）也备受瞩目。一夜之间，每个人都获得了在几秒钟内生成逼真图像的能力，而此前，这项工作需要大量劳动力，只有专业艺术家和摄影师才能完成。

自那以后，生成式 AI 取得了长足的发展，不断迭代并改进早期的版本。甚至传统的 Web2 公司也开始实施 AI 图像生成和编辑协议，比如 Photoshop 在 2023 年 5 月推出了其生成式填充工具包。我们还见证了该领域从图像扩展到音频、视频和 3D 建模的扩张。

生成式 AI 到底是如何工作的？传统艺术家是否需要担心，以及区块链如何帮助生成式 AI？

为了确定区块链可能与生成式 AI 的交汇点，我们首先需要了解这项技术的工作原理，以及它是否可能被解释为剽窃。

生成式 AI 的第一步与其他 AI 模型相同 — — 收集、索引和清理原始数据。生成式 AI 收集图像、音频样本、视频或 3D 数字模型。然后，该模型可以被训练来识别物体、纹理、颜色和音频模式。

一旦模型将其样本数据分解为最基本的组成部分，它就可以被用来重构和复制模式及依赖关系，如颜色如何相互作用以及物体之间的空间关系。与大型语言模型使用概率模型来预测下一个单词、句子或段落的方式类似，生成式 AI 使用概率模型来预测像素值和它们彼此之间的位置关系，并将它们组合成一个单一的连贯图像输出。