前几年,比特币在全球快速兴起,与之匹配的底层区块链技术作为一个分布式的网络记账系统,逐渐出现在大众视野。短短几年时间,区块链已经从虚拟货币迅速蔓延至金融、IT业、支付等行业。
如今,区块链已经成为一个时代,布局更多行业应用已成为最新出路。当艺术品遇上区块链技术,将会擦出怎样的火花?2017年7月4日下午,艺链在北京举办以"培育共识信用土壤 起航数字经济海洋"为主题的发布会。各政府领导、专家学者、主流媒体及CEO夏雪敏出席此次发布会并发表致辞。
会上,艺链CEO夏雪敏先生介绍了艺术品和区块链的现状、团队人员的情况、艺链的商业模式及艺链未来的赢利点等内容。
事实上,艺链作为区块链技术的应用者,已率先将艺术品与区块链结合并实现落地。艺链基于区块链技术,致力于创建一个自信任化的数字化艺术社区,不仅对初期所筛选艺术珍品进行历史信息传递、价值交换记录的录入,还原艺术品以真实数字身份,大大增加机构、参与各方行为的透明度,提高系统的可追责性,降低系统的信任成本;而且将艺术品传统思维运作引入到数字经济模式,首创艺术品抵押发行机制及共识展示地机制,希冀创建一个更为普惠化的艺术品金融市场,去除艺术品市场圈层化桎梏,最终"培育共识信用土壤 起航数字经济海洋"。
中国是世界上最古老的文明古国且历史传承最为连续的民族,地上地下艺术品积蓄了任何国家乃至其他国家艺术品数量总和都无可比拟的艺术珍品宝藏数量及质量的优势,存储了无法用实体货币给予恒定的巨大价值,长期以来由于受传统思维及无突破技术的制约,巨大无比的价值资源昏睡百年,几乎进入一个传统思维、传统运作状态下的不解之局。主要存在真假鉴定、估价、交易路径等问题。
鉴于这些弊端的出现,区块链应用于艺术品市场一直被认为是新的行业机会。然而,不管是防伪鉴真、追踪溯源,还是数字化确权、点对点交易,都尚未触及更深层次。区块链为这一行业带来最为根本性的转变不仅仅在此,其更具价值之处在于:有助于将艺术品市场从圈层化的桎梏中解放出来,塑造更有流动性的共享式社区秩序,从而带来普惠化的数字艺术理念。
基于区块链这一基础设施网络,艺链首创艺术品抵押发行机制及共识展示地机制,不仅成功实现对艺术品的数字身份确权,而且将艺术品传统思维运作引入到数字经济模式,从而以身份确权来还原艺术珍品的价值,用价值互联网来锚定所有参与人的信任。艺链为每一件艺术品、每一位用户都创建了独有的数字身份,基于此,每一次的交易记录、每一次的价值投资、每一次的资产转让都会如实地记录在案,不仅是物的流转记录,同样还有人的关系呈现及故事演绎。在艺链平台上,一旦发生造假信息将无法删除,并将溯源到任何一个关联人、物,也就将人们在现实生活中的信用初步引入到艺链这一价值网络中,再加上艺链独有的价值社交网络设计,将有助于艺术家、爱好者、投资人相互间建立深度链接,共同搭建良好的数字化艺术社区。
艺链三大优势破解历史难题
艺链正是察觉到了艺术品市场的这些弊端,通过潜心研究并与区块链研发团队及实验室近半年的磨合,成功利用区块链技术从根本上解决这一历史难题,至少有如下三大优势。
1.去中心化数字确权
落地后的艺链产品能够将艺术品的归属以加密的形式存储在区块链,从而使之确立并公开,同时任何人也无法更改;艺链记录每一次的流转,使艺术品的交易历史(包括所有权、展览历史、成文记录、流转记录及其它关键信息)从此有据可循,所有人可以通过追溯艺术珍品区块链获得确权信息,这有助于建立艺术市场的诚信机制并提高市场流动性。
2.共识化的价值认可
单一艺术品的估值从来就很难获得市场公认,众口难调,它会受到作者的因素、历史的因素、流转的因素、持有人的因素、拍卖者等等无法一一枚举的各种因素的影响,而每种因素都会使其估值产生根本上的差别。除了其单品超高的价格门槛外,对其价值认可的众说纷纭也是主要原因。然而,对文化艺术品这一人类公认的文化遗产的增值属性与价值认可是全社会公认的,如果有一种媒介可以代表全艺术品类的价值,那么艺术品的流通与其金融价值的体现将达到空前的普及与高度,而这也正是艺链要做的,这种媒介的名字,就叫做"铨"。
3.便捷且智能的交易
由于智能合约拥有自治、自足和分布式等诸多优势,所以艺链在构架艺术品交易模式上采用区块链智能合约机制,任意双方依据智能合约条款约定,以自身数字身份确权为背书,对确权的标的物可以轻松实现追踪溯源。艺链操作系统智能合约的执行流程从双方达成合约协定时开始,通过将合约中的内容进行数字化编码并写入区块链中实现对合约内容的形式化,一旦合约中约定的条件事项发生将自动触发合约的执行程序。
这样一来,艺链平台可以实现实时交易结算,并创建防篡改的可验证来源,提高艺术品交易的透明度,简化、自动化冗长的金融服务流程,减少前台和后台交互,节省大量的人力与物力,从而提高艺链在艺术品市场中的竞争力。
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。