# Web3世界的下一站 —— Avatar Intelligence

<figure><img src="/files/cO8bPQGhD2DVQj2YvIvo" alt=""><figcaption></figcaption></figure>

### 什么是AvI - Avatar Intelligence

&#x20;      随着技术的发展，人工智能开始越来越多地表现它不可思议之处。早在2011年，IBM的超级计算机Watson在一档名为《Jeopardy！》的益智问答节目中打败了两名最强的人类选手——Brad Rutter和Ken Jennings。而在这场比赛之中，沃森得到的分数比两位对手的分数之和还要高。

&#x20;

&#x20;      事实上，Watson的知识库并不是由工程师提前编码设定的——它通过读取维基百科和其他几个百科全书网站（全部是自然语言文件）获得知识。但在这个过程中，Watson实际上并没有像人类一样读完所有地文件，它可能读完某一页资料后就得出结论：“阿根廷赢得世界杯的概率是有36%。”当然你可能也读过那一页资料，但你可能会认为这个概率是80%，因为你更善于阅读并深入理解文意。而沃森通过大量的阅读，弥补了机器只能进行粗略阅读的劣势。这是因为，它拥有一个优秀的贝叶斯推理系统，能将所有索引信息集合起来，从而得出一个更加合理的结论，而且花费的时间非常少，这也是Waston可以在节目中战胜人类选手的重要原因。

&#x20;

而贝叶斯推理系统，也在后面的AI发展中起到了非常重要的左右，无论是战胜人类的阿尔法狗，还是当前大热的ChatGPT，里面都有贝叶斯理论的影子。而这些，让人类进一步拓展自己的世界拥有了全新的可能，例如虚拟世界，这里包括了Web3和Metaverse等诸多可能的场景。

&#x20;

今天我们谈论元宇宙，谈论Web3，我们都不得不明白一个事实：我们是碳基生物，我们不可能永远生活在脱离现实世界的虚拟世界之中，所以我们需要一个方式，让我们可以更长时间地存在乃至一直存在虚拟世界之中，让电影黑客帝国那样的场景成为现实。所以，AvI - Avatar Intelligence成了可一个行的方案。

<figure><img src="/files/dsQYDJnA6w0yk2ikpkVm" alt=""><figcaption></figcaption></figure>

&#x20;

AvI是Avatar Intelligence的缩写，与传统的AI（人工智能）不同的是，AI专注于让机器算法通过训练达到与人类类似的能力，而Avatar Intelligence则是希望重现电影《MATRIX》的场景，将人脑上传至网络中或在网络中构建一个与用户相同思维模式的程序，也就是每个人在元宇宙或是Web3中会有一个自己的数字化身，这个数字分身可以在用户的管理和授权之下，自主地完成各种任务，这也是Web3最终的使用场景。

&#x20;

### Avatar Intelligence vs Mind Uploading

&#x20;      在MATRIX提出的Avatar Intelligence概念之前，有另一个概念曾经大行其道，成为人类探索元宇宙甚至永生的一个希望寄托，这个概念就是Mind Uploading。

<figure><img src="/files/2YseeWpdHWJcWRE7veu3" alt=""><figcaption></figcaption></figure>

&#x20;

&#x20;      Mind Uploading是一种全脑模拟的推测过程，其中大脑扫描用于在数字计算机中完全模拟个人的大脑的运行状态。然后，计算机将对大脑的信息处理和整个神经元系统进行模拟，使其以与原始大脑基本相同的方式做出反应，并体验到有知觉的意识。

&#x20;      Mind Uploading听上去很美好，但是从目前的技术路径来看，实现起来会遇到两个不可避免的麻烦：

&#x20;

### &#x20;      第一个麻烦：扫描过程

&#x20;      在这个技术理念下，首先是要还原整个大脑的神经元连接状态，在这种情况下，技术人员必须把用户的整个大脑切成无数比一片橙子薄一百万倍的薄片，因为只有这样，整个大脑的神经元连接状态才能从大脑扫描中检索出来。大脑中的信息存储在神经元之间连接的物理结构的每一个细节中：它们的大小和形状，以及它们之间连接的数量和位置。从而通过计算机来还原和模拟整个大脑的神经元状态。

大脑的切割本身就具有极高的风险，同时在这种状态下，即使用户同意将自己的大脑切成极薄的切片，但他的大脑的也很难按照原来的方式完美地重新组合起来。在这种情况下，很难想象这种技术会得到普及和使用。

&#x20;

### 第二个麻烦：神经元的模拟

如果我们想创造一台类似于大脑运行模式的计算机，那么它必须在很短的时间内访问所有存储的信息：这些信息需要存储在其随机存取存储器（RAM）中，而不是存储在传统的硬盘上。

<figure><img src="/files/Dk5l6egKnIM0XxVL39ik" alt=""><figcaption></figcaption></figure>

按我们目前的实验来说，如果我们试图将研究人员收集的小白鼠的数据存储在计算机的RAM中，那么它的容量将是有史以来最大的单内存计算机（一种围绕内存而非处理而构建的计算机）的12.5倍。而人类大脑中含有大约1000亿个神经元（银河系中可以计算的恒星数量）——是小白鼠大脑的一百万倍。而连接数差异将是惊人的![](blob:https://app.gitbook.com/ada8d910-8866-40aa-98f5-b6604e1eb187)倍——这个数字相当于1公里长海滩上两米厚的砂层中含有的单个颗粒。

&#x20;

而目前的情况是，我们甚至不知道人脑能存储多少信息，你可以想象将其传输到计算机是多么困难。你必须首先将信息转换成代码，一旦存储起来，计算机就可以读取和使用。这样做的任何错误都可能被证明是致命的。如果在传输之前，我们并不知道启动时需要存储多少信息，则在传输完成之前可能会耗尽空间，这可能意味着信息字符串可能已损坏或无法供计算机使用。此外，这是相当于个人“生命”的上传，所以我们必须建立备份呢，所有数据都必须存储在至少两个（如果不是三个）副本中，以防止潜在数据丢失的灾难性后果。

&#x20;

所以，在这样的情况下，我们如果真的希望在短期内快速地创建自己的“分身”，让元宇宙和Web3世界快速的到来，我们需要借助人工智能技术，来创造我们的Avatar Intelligence。

### Technical Path of AvI

&#x20;      考虑到Mind Uploading的困境，人工智能无疑是一个新的可能方向。Semantic Pointer Architecture Unified Network, Spaun是加拿大滑铁卢大学理论神经科学家Chris Eliasmith团队的智慧结晶。虽然Semantic Pointer Architecture Unified Network, Spaun仅包含250万个虚拟神经元，远远少于人类大脑中的860亿个神经元，却足以识别出大量数字，并能够进行简单的数学运算以及基本推理（一架飞机有不到100万个零部件，远远少于组成体型最小的鸟儿的数十亿细胞）。这为人类在在Mind Uploading过程中遇到的资源问题提供了一个全新的解决思路，AI算法其实与人类大脑最接近的一个地方是它们对目前的人类来说，都像一个黑盒子，人类并不能准确地知道里面的工作方式，但我们可以用AI来训练一个“软件大脑”，让它在遇到与人类大脑同样的输入内容时，可以输出相同的输出内容，就可以了，而在目前的模拟里，这样的AI模型所需的资源比Mind Uploading要低很多。

为了真的像本体一样行动，软件大脑还必须学习人类基本的行为方式，并获得像人类一样的人格、回忆、情感、信念、态度和价值观。我们可以通过创造思维文件，以及通过编写思维算法来完成这一愿望，当这个算法得到充分训练之后，将会得到用户的Avatar Intelligence。

<figure><img src="/files/byYoUVvcWv8j87VGIRfL" alt=""><figcaption></figcaption></figure>

考虑到人工智能领域已经实现的伟大成就，完全使用计算机软件制造的大脑超越人类心理、感知和灵魂的复杂度只是时间问题。在我们的社会中，没有什么比计算机的软件与算法发展得更快，并且Avatar Intelligence最终将会变成由两个核心部分来组成：一部分算法来收集数据，同时一部分算法处理这些数据。

&#x20;      在MATRIX 3.0中，一方面要采集用户的脑波数据，另一方面，将一种基于预训练的方法，在目前语义指针架构统一网络的基础上，利用个性化稀疏数据构建个性化的对话Agent：采用编码器-解码器框架，并使用一个预先训练好的语言模型来初始化编码器和解码器，在编码中增加了属性嵌入，以在对对话历史进行建模时捕获丰富的个性化相关特性，并在解码器中提出了注意路由机制，将目标个性化属性合并到解码过程中。

<figure><img src="/files/o4m7feajfiicg7iO4DpX" alt=""><figcaption></figcaption></figure>

多注意力路径将可以有效提升训练的效果，每一种路径都有一定的特征来源，例如从目标个性化、对话历史记录和先前解码的token中提取的特征，建立一个动态的权重预测器来衡量每条路由的输出，这样目标个性化特征在最终输出中的贡献就可以得到平衡。

在目前语义指针架构统一网络还没有任何情感，但是它复制了人类行为的许多怪癖，比如倾向于只记住一个列表开头和结尾的内容，而不是中间的内容。这没什么大不了，正如所有处在初期阶段但发展迅速的技术一样，早期的迭代让我们更有底气将曾经的不可能变为可能，未来一定会做得更好！

### AvI的应用场景

&#x20;      一旦AvI正式实现，将给Web3带来全方位的颠覆，可以预见的是，在以下几个方面，将发生翻天覆地的革新与变化。

&#x20;

### &#x20;      The ‘Real’ DAO

&#x20;      是的，没错，真正的DAO（Decentralized Autonomous Organization）将在AvI面世后才真正形成。

<figure><img src="/files/0gRMW7Rrhk8RYS4vgTmH" alt=""><figcaption></figcaption></figure>

DAO （decentralized autonomous organization）去中心化自治组织的缩写，有时也被称为分布式自治组织，是一个以公开透明的计算机代码来体现的组织，其根据DAO的管理规则，受控于token的持有者。

这些规则往往会以开源软件的形式出现，每个人都可以通过购买该组织的股份权益，或者提供服务的形式来成为该组织的参与者。 从某种角度来看，DAO就像一个全自动的机器人，当它全部的程序设定完成后，它就会按照既定的规则开始运作。值得一提的是，在运作的过程中，它还可以根据实际情况不断的自我维护和升级，通过不断的自我完善来适合它周围的环境。

&#x20;      毫无疑问，DAO是一种属于Web3的全新组织形式，同时目前社会上也出现了各种各样的DAO，从某种意义上说，包括MATRIX在内的各个公链的“共识机制”，就是一种DAO的存在，而目前我们受困于人类肉体的局限性，并不能创造出属于Web3的真正的DAO，例如我们不可能有时间去参加每一次投票，再或者我们并没有能力用人力去筛选链上的每一笔交易，从而对不符合自己利益的交易投出否决票——比如阻止自己被盗的资产再次转移。

AvI的出现，毫无疑问可以很好地解决这些问题。当我们的人格与思想被赋予了计算网络上的AvI，他将可以替代我们按照我们的价值观和思维方式，去监控整个网络的情况，包括每一个提案和交易，以及每个合约和应用的上链，他都可以替代我们在第一时间做出反应和符合我们利益的行为决断。在这种情况下， Web3的DAO时代才将真正来临，整个网络都将由高度发达的AvI群体来管理和治理，形成真正意义上完全“去中心化”的Web3网络社会。

&#x20;

### &#x20;      The Real Metaverse

&#x20;      我们对元宇宙目前已经展开了充分的想象，但遗憾的是，作为碳基生物，每个用户都不可能一直呆在元宇宙世界中，在我们下线的时候，我们如何在元宇宙继续创造价值？同时元宇宙世界比现实世界有更广阔的空间和外延，需要比现实世界中多得多的用户来填充与探索，这与用户不能一直在线，也形成了鲜明的矛盾。更重要的是，元宇宙是一个高度信息化的时代，而人类获取和处理信息的速度、广度和深度都将大大限制人类在元宇宙中的发展。

<figure><img src="/files/WSfjabyLrnv4x4sBGCGO" alt=""><figcaption></figcaption></figure>

&#x20;      虽然往元宇宙填充大量的机器人似乎可以缓解这些问题，但真正要解决这些问题，则需要AvI来实现。当用户从元宇宙下线后，用户的AvI将替代他继续在元宇宙工作与生活，同时依托于AI的AvI将有比人类更强的并行信息处理能力，这将大大拓展人类在元宇宙中的生活空间和质量，也将让用户在元宇宙中可以摆脱肉体的限制，创造更多的价值。

&#x20;

### &#x20;      Web 3 搜索引擎

&#x20;      无论是Web 3还是元宇宙，都将是一个巨量信息汇集的世界，而前面我们也提到过，以人类的能力在计算机世界中生活，是没有能力获取和处理如此海量的信息的，如果没有办法提升信息的获取和处理能力，我们就不能真正称之为生活在Web3世界，既没有发挥出Web3的全部潜力，也没有办法最大化人类的价值创造能力。

<figure><img src="/files/TEno5eSEOnTLOFeRVcAC" alt=""><figcaption></figcaption></figure>

&#x20;      而AvI的出现，将可以完美解决这个问题，基于用户自身特征创造出来的AvI，将可以完美地根据用户的个性和喜好来使用Web3网络的计算能力获取用户需要的海量信息，同时可以为用户提供处理能力，从某种角度上来说，我们可以把AvI看作Web3的个性化搜索引擎。

&#x20;

### AvI与MATRIX

&#x20;      当然AvI在未来除了上述三个场景之外，还有很多重要的应用场景，除了这些应用场景之外，个重要的AvI的出现对MATRIX的生态将起到非常重要的作用。

&#x20;      首先AvI需要大量的去中心化算力进行支持，这些将为MANTA带来广泛的需求，同时AvI将产生大量的数据，这些都将成为MATRIX上为人工智能进一步发展的重要数字资产，更重要的是，这些需求和价值的产生，都会对MAN带来巨大的需求，进一步地提升MAN的流通，为整个MATRIX的生态价值提升，起到不可估量的作用。

&#x20;      AvI将成为通往电影《MATRIX》的快速列车，带领所有Web3的爱好者，冲进未来！

&#x20;

{% embed url="<https://coinmarketcap.com/community/articles/63e4f2e82540ac6106496da5/>" %}

{% embed url="<https://matrixainetwork.medium.com/avatar-intelligence-the-next-stop-in-the-web3-world-1-b151d3333da5>" %}

{% embed url="<https://twitter.com/MatrixAINetwork/status/1623676684871270400>" %}

&#x20;


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.matrix.io/matrix-3.0/web3-shi-jie-de-xia-yi-zhan-avatar-intelligence.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
