2023 年 4 月 7 日 21:00，「ChainBreaker Podcast」播客活動(dòng)第四十六期拉開(kāi)帷幕。本期直播潘致雄（ChainFeeds Co-Founder）連線區(qū)塊先生 Mr. Block Chris、Mest Founder Ashu Chan、Max（Adaverse Asia Ecosystem Head），圍繞「AIGC 在 Web3的應(yīng)用」展開(kāi)深度討論。

內(nèi)容摘要：

阿樹(shù)：

我們?cè)贑rypto Wallet行業(yè)工作了五六年，一直遇到如何向用戶表達(dá)鏈上數(shù)據(jù)的困擾。因此，我們花了很多時(shí)間研究如何使用自然語(yǔ)言等文本形式表達(dá)不同類型的鏈上數(shù)據(jù)。Crypto Wallet可以承載多種類型的鏈上數(shù)據(jù)，例如DID、資產(chǎn)、NFT和DeFi。這些類型的數(shù)據(jù)很難在一個(gè)單一的窗口中表達(dá)。因此，我們一直在追求自然語(yǔ)言表達(dá)的解決方案。直到ChatGPT出現(xiàn)，我們認(rèn)為這個(gè)東西變得比較可行。MEST想要解決的問(wèn)題是如何使用自然語(yǔ)言表達(dá)鏈上數(shù)據(jù)，而ChatGPT是一個(gè)好的結(jié)合點(diǎn)。但早期，Mest主要在做內(nèi)容分發(fā)，ChatGPT還沒(méi)有出現(xiàn)。

如果沒(méi)有ChatGPT，我們可能會(huì)使用更笨拙的方式模擬自然語(yǔ)言的表達(dá)形式，但這種形式可能并不好，而我們的工作，特別是作為鏈上數(shù)據(jù)產(chǎn)品的工作，可以更專注于如何生成有價(jià)值的鏈上數(shù)據(jù)。我們之前做了很多工具，如Dashboard，但現(xiàn)在完全轉(zhuǎn)向了語(yǔ)言交互這種形式，這是我們的一個(gè)試點(diǎn)。

在我們的理解中，這兩者是兩種不同的類型。我們認(rèn)為它們都有特定的應(yīng)用場(chǎng)景。圖形界面特別適用于流程性場(chǎng)景，例如轉(zhuǎn)站。它并不適合用自然語(yǔ)言表達(dá)。但是，一旦涉及多種類型的數(shù)據(jù)信息表達(dá)，自然語(yǔ)言就是最適合的場(chǎng)景。最基本的例子是，當(dāng)你想看一些數(shù)據(jù)時(shí)，現(xiàn)有的電商數(shù)據(jù)產(chǎn)品只能用圖表或表格表達(dá)，但在一個(gè)大型Dashboard中，很難識(shí)別任何信息。在一些組合產(chǎn)品中，你也可能會(huì)感到很復(fù)雜，因?yàn)樗鼈円休d太多東西。但是，自然語(yǔ)言是非常適合的。因此，對(duì)我們來(lái)說(shuō)，這種使用信息傳達(dá)技術(shù)的方法可能會(huì)有所不同。對(duì)于流程性的東西，我們通過(guò)圖形界面解決；對(duì)于信息傳達(dá)和數(shù)據(jù)傳達(dá)，自然語(yǔ)言的優(yōu)勢(shì)是非常明顯的。這對(duì)于區(qū)塊鏈這個(gè)場(chǎng)景非常適用。

區(qū)塊鏈的特性是公開(kāi)，數(shù)據(jù)都在那里。真正的問(wèn)題是如何應(yīng)用這些數(shù)據(jù)，重新整合來(lái)找到所需要的答案。Dune Analytics在Defi Summer變得非常的好用，因?yàn)榇蠹议_(kāi)始知道它在鏈上想要找什么數(shù)據(jù)。在Defi之前，Dune已經(jīng)存在了，但大家并不會(huì)特別用Dune來(lái)去獲得它想要的一些資訊?，F(xiàn)在大家可能會(huì)透過(guò)MakerDAO的合約來(lái)了解說(shuō)MakerDAO從2021年到現(xiàn)在的區(qū)塊高度里面Minting Fee賺了多少錢，然后可以交叉比對(duì)它跟Liquidity這種穩(wěn)定幣所生成的Minting Fee差別有多少。用戶可以用這些資訊去佐證他的一些猜測(cè)，驗(yàn)證他的一些投資的原因。但同樣的，這個(gè)出現(xiàn)了一個(gè)問(wèn)題，就是一個(gè)門檻，用戶可能有一些想法，但他可能不會(huì)寫(xiě)MySQL，所以就無(wú)法創(chuàng)造出自己的一個(gè)Dune Dashboard。ChatGPT的問(wèn)世后，讓很多人討論出來(lái)一種方式，甚至可以用ChatGPT來(lái)寫(xiě)合約，甚至用ChatGPT來(lái)做Unity的游戲，或是一個(gè)簡(jiǎn)單生成一個(gè)HTML Browser的Game。

是否可以未來(lái)通過(guò)自然語(yǔ)言去查詢一些數(shù)據(jù)，生成一個(gè)Dune Page？有些工具剛好滿足了這個(gè)要求，可以用自然語(yǔ)言去查詢一個(gè)數(shù)據(jù)。但有個(gè)問(wèn)題，就是這些數(shù)據(jù)高質(zhì)量的這些表是從哪里來(lái)的？必須有人去把它從區(qū)塊鏈這些無(wú)序的、可能沒(méi)有價(jià)值信息中提取有價(jià)值的數(shù)據(jù)，才能用自然語(yǔ)言去生成有價(jià)值的一個(gè)指標(biāo)出來(lái)。我認(rèn)為這是長(zhǎng)期是一個(gè)非常可行，但是在中短期，像數(shù)據(jù)服務(wù)商可以在中間建立一個(gè)將這些區(qū)塊鏈公開(kāi)數(shù)據(jù)大體量的數(shù)據(jù)去抽取出有價(jià)值的指標(biāo)出來(lái)，去供用戶去調(diào)度，這個(gè)是目前比較可行的事情。我們將現(xiàn)在去鏈上數(shù)據(jù)有價(jià)值指標(biāo)，

如果將來(lái)有朋友對(duì)這方面感興趣，首先要解決一個(gè)問(wèn)題，那就是你要有獨(dú)特的內(nèi)容。完成了第一步之后，我們要去給這些業(yè)務(wù)數(shù)據(jù)打標(biāo)簽，因?yàn)橹挥羞@些業(yè)務(wù)數(shù)據(jù)有足夠多的語(yǔ)言信息描述，當(dāng)用戶輸入自然語(yǔ)言時(shí)，我們才能知道如何找到這個(gè)樣的一個(gè)數(shù)據(jù)去整合給他返回。在這里，會(huì)有一個(gè)概念叫做embedding，就是在GPT中，它有一個(gè)叫做向量的概念，它將文本的語(yǔ)言轉(zhuǎn)換成一個(gè)高維度的數(shù)字，然后進(jìn)行匹配。目前所有主流的對(duì)話式處理方案都是按照這個(gè)思路進(jìn)行的，首先給自己的數(shù)據(jù)打很多標(biāo)簽，這些標(biāo)簽或API需要標(biāo)記上很多問(wèn)題，比如“我有多少NFT”的問(wèn)題，這個(gè)指標(biāo)可能需要我們寫(xiě)上20條或者300條問(wèn)法，我們還可以用GPT幫助我們生成100條類似的問(wèn)法，去把它給標(biāo)記。只有這樣，用戶問(wèn)任何一個(gè)關(guān)于NFT的問(wèn)題，我們才能很高概率地匹配上這樣的一個(gè)數(shù)據(jù)。這是目前所有做對(duì)話式處理的中期階段。

如果到了后期的話，比較理想的情況下，我們有了數(shù)據(jù)，有了大量標(biāo)記的內(nèi)容，那么可能我們會(huì)希望在已有的模型上進(jìn)行微調(diào)，比如在一個(gè)開(kāi)源模型或GPT模型之上進(jìn)行微調(diào)，讓它成為一個(gè)專屬領(lǐng)域的AI。我認(rèn)為我們可能會(huì)按照這個(gè)思路分三個(gè)階段去實(shí)現(xiàn)，第一階段是有數(shù)據(jù)，第二階段是標(biāo)記數(shù)據(jù)，第三階段是向量匹配，然后再進(jìn)行微調(diào)。

最后，我們也在思考未來(lái)的發(fā)展，包括阿里巴巴也出了大語(yǔ)言模型，未來(lái)也會(huì)有更多這樣的大語(yǔ)言模型。我們正在追蹤這些發(fā)展，包括Facebook等都有一些開(kāi)源的語(yǔ)言模型，雖然效果上和GPT還有些差距，但是看現(xiàn)在這個(gè)發(fā)展的速度和能力，他們也有機(jī)會(huì)和能力能達(dá)到GPT3或3.5的水平。

所有做鏈上數(shù)據(jù)產(chǎn)品的人現(xiàn)在面臨的困境是，大家都基于公開(kāi)數(shù)據(jù)開(kāi)發(fā)出沒(méi)有摩擦的產(chǎn)品。所以我認(rèn)為，當(dāng)你提出這個(gè)問(wèn)題時(shí)，它的復(fù)雜度和邏輯復(fù)雜度可能會(huì)慢慢增長(zhǎng)，可能會(huì)包含七種條件和一些嵌套的邏輯。在這種情況下，即使是GPT4也無(wú)法準(zhǔn)確地得到一個(gè)百分之百準(zhǔn)確的結(jié)果，它可能還需要做一些調(diào)整才能完全理解用戶體的問(wèn)題。所以，在一些層面上，我們還有進(jìn)步的空間。

現(xiàn)在只能做到六七十分的狀態(tài)，我們需要考慮的是這些詞的向量模型，例如Word2Vec。如何根據(jù)區(qū)塊鏈領(lǐng)域的特點(diǎn)對(duì)它們進(jìn)行調(diào)整？這可能也是Mest會(huì)遇到的問(wèn)題之一。我其實(shí)想要聊聊Word Embedding，你們?nèi)绾伪硎緟^(qū)塊鏈相關(guān)的詞，以及在搜索方面如何更好地執(zhí)行。

首先，我們肯定需要自己大量的人工投入，模擬用戶可能會(huì)問(wèn)的問(wèn)題，然后幫助我們生成一些問(wèn)題，打上標(biāo)簽，然后陸續(xù)投入生產(chǎn)，讓用戶在這個(gè)過(guò)程中去交互，發(fā)現(xiàn)一些問(wèn)題或者獲得更多的數(shù)據(jù)，輔助我們?nèi)?yōu)化這個(gè)標(biāo)簽，讓匹配度更高。

潘致雄：

我想分享一下我們使用ChatGPT的一些感受。我們已經(jīng)調(diào)研了接近兩個(gè)月，并嘗試做一些基于ChatGPT的上層工具鏈或應(yīng)用。如果將ChatGPT想象成一個(gè)有擴(kuò)寫(xiě)能力的人，給他一些主題，他就可以生成一些文章。對(duì)于內(nèi)容創(chuàng)作來(lái)說(shuō)，這可能會(huì)提供一些幫助。但是，對(duì)于深度的研究或新興行業(yè)的分析，它仍然存在許多不足之處，因?yàn)樗狈π畔?kù)。因此，我們使用ChatGPT更多地是為了將信息濃縮，需要給它足夠多的上下文、聯(lián)系或知識(shí)。當(dāng)我們給它這些知識(shí)后，再進(jìn)行提問(wèn)或抽取某些信息庫(kù)中的信息，它的效果非常好。我們目前使用了兩個(gè)相對(duì)流行的開(kāi)源庫(kù)：LlamaIndex。此外，我們也在使用一個(gè)基于ChatGPT的平臺(tái)，可以幫助我們構(gòu)建自己的數(shù)據(jù)庫(kù)，例如PDF和其他資料和數(shù)據(jù)。在和ChatGPT對(duì)話時(shí)，我們可以對(duì)數(shù)據(jù)進(jìn)行預(yù)分類和預(yù)篩選，提高ChatGPT的效果。

我想舉個(gè)例子來(lái)說(shuō)明，假設(shè)我們需要回答一個(gè)用戶關(guān)于某個(gè)具體問(wèn)題的疑惑，比如 ERC-4337 是什么。我們首先需要從數(shù)據(jù)庫(kù)中找到相關(guān)文章或內(nèi)容，并對(duì)它們進(jìn)行切分。例如，一個(gè)文章可能被切分成 2000 或 3000 Token 為一個(gè)單元。當(dāng)用戶提出問(wèn)題時(shí)，我們需要匹配每個(gè)單元和問(wèn)題的相關(guān)度，并找到相關(guān)性較高的部分進(jìn)行提問(wèn)和回答。然后來(lái)匹配單元和問(wèn)題，以得出相對(duì)準(zhǔn)確度較高的部分。然后，我們使用 ChatGPT 進(jìn)行提問(wèn)和回答，并從中總結(jié)得出答案。

這種方法適用于知識(shí)類問(wèn)題。但是如果用戶問(wèn)的是關(guān)于 Twitter 這樣的短內(nèi)容，我們只能將問(wèn)題與每條推特的嵌入式結(jié)果進(jìn)行匹配，并根據(jù)與問(wèn)題相關(guān)性較高的推特進(jìn)行提問(wèn)和回答，并讓 ChatGPT 進(jìn)行總結(jié)。通過(guò)這種方法，我們可以得出答案。

目前大多數(shù)人工知識(shí)庫(kù)和 ChatGPT 的大方向都是這樣的方法。當(dāng)然，這種方法也存在一些問(wèn)題，例如同義詞的處理。為了提高準(zhǔn)確性，可以使用向量表示法進(jìn)行匹配和總結(jié)。在我們的調(diào)試過(guò)程中，我們發(fā)現(xiàn)了許多這樣的問(wèn)題，例如當(dāng)一個(gè)問(wèn)題涉及到 ERC-4337 時(shí)，可能在其他文章中出現(xiàn)了 ERC-20 和 4337 這些數(shù)字。這就可能導(dǎo)致搜索結(jié)果不夠準(zhǔn)確，因?yàn)槠ヅ涞氖清e(cuò)誤的內(nèi)容。

關(guān)于 ChainBreaker

由?@mrblocktw、?@nake13、@momoxi17?主辦的 ChainBreaker 播客，每周五晚上8點(diǎn)直播。

ChainBreak 播客主要和大家分享加密領(lǐng)域的熱點(diǎn)話題，加密技術(shù)的發(fā)展探討，以及加密世界的八卦等。

來(lái)源：DeFi之道

熱點(diǎn)：web開(kāi)發(fā) web前端 聊聊比特幣 shib的 元宇宙br