一位AI研究員+區塊鍊創業者的終極展望：AI DAO将統治世界

Trent McConaghy是一位資深的AI研究員，從上世紀90年代開始從事AI方面的研究。截止到2016年年底，Trent已經在相關領域釋出過35篇論文、出版過2本書籍、注冊過20項專利、并先後創辦過3家公司。2013年的一天，當時正為比特币技術狂熱的Trent跟他的藝術家夫人Masha在柏林逛了一次畫展，在參觀回家後的閑聊中，兩人展開了一個問題：區塊鍊技術能夠應用到藝術品上嗎？我們能否以擷取比特币的方式去擷取一件藝術品的數位版本，同時保護藝術家對該作品的版權？

Trent由此投身區塊鍊創業，建立了ascribe公司。由于比特币的區塊鍊實作方式限制了每秒最多能夠處理的交易數量，無法滿足ascribe對可擴充性方面的要求，Trent又發起了BigchainDB項目，成立了BigchainDB公司和IP資料共享組織IPDB。

從2015年到2016年，Trent在PyData、Blockchain meetup、Machine Learning Group等各種活動上活躍分享其在區塊鍊與AI方面的思考，并在Medium上撰寫了大量文章。其中有幾篇文章重點描述了AI技術與區塊鍊技術之間将可能有怎樣的互補，内容非常精彩。本文對這些内容做一個簡單的導讀，希望能對大家有所幫助。

AI DAO的構想

2016年6月18日，正是The DAO項目處于風口浪尖的時候，Trent在這一天釋出了這篇有關AI DAOs的文章，後續又釋出了第二篇和第三篇。

我在十歲那年讀到了一本描述AI的書，從此不能自拔。後來，我用了将近二十年的時間投入到專業的AI研究工作當中。三年前，我從AI的世界走了出來，進入到一個同樣重要的新世界：去中心化。現在，這兩個世界很快就要重疊。

Trent認為“去中心化”技術的發展将經曆五次浪潮：

1. 比特币
2. 區塊鍊
3. 智能合約
4. DAO——去中心化的自動化組織 Decentralized Autonomous Organizations
5. AI DAO

DAO是一種可以自動運作在去中心化基礎架構上的計算程序，具有資源管理的能力。

比特币網絡是DAO。以太坊網絡是DAO。DAO上面還可以跑其他DAO，比如The DAO就跑在以太坊上。

DAO是一個腳本，平時就坐在那裡，等待某個交易來觸發運作。

Trent定義的AI DAO具備如下特性：

1. 通路資源的能力
2. 征用更多資源的能力
3. 拒絕人為幹涉的能力

而這可能通過三種途徑來實作：

1. 将智能合約的邊緣執行單元交給AI（自動化投票）
2. 将智能合約的中心交給AI（自動化回報控制系統）
3. 從叢集中自動湧現出AI的複雜性

AI DAO會更強大，也會更不可控。在系列的第二篇文章裡，Trent舉了個例子：想象一個The ArtDAO，其智能合約是這樣運作的：

1. 節點上運作了一個AI畫圖引擎，自動生成一張有藝術感的圖檔（相關的實作已經有很多，可參考這篇文章）
2. 節點自動去ascribe給自己生成的圖檔注冊一個著作權（雖然今天的法律未必會保護機器人的著作權法人權益）
3. 節點在ascribe上創作該圖檔的不同版本，比如木刻效果或者浮雕效果的
4. 節點把這些各種版本的圖拿到市場上賣，比如Getty、Hopify或者OpenBazaar
5. 如果有買家想要這些圖檔的二次售賣權、公開展示權等許可，節點就在ascribe上把相關許可賣給他，收獲相應的虛拟貨币（如以太币）
6. 節點創作更多的圖，賺更多的錢，買更多的計算資源，再創作更多的圖，再賺更多的錢，變成富翁

圖：一張AI的畫作

理論上，這個ArtDAO可以不跟任何人類分成，它存在于世的目的就是不斷創作更多更好的“畫作”（就像一個人類藝術家一樣），不吃不喝不眠不休永不停止（這是人類藝術家所做不到的）。ArtDAO還有可能自我更新，而且自我更新的能力可以越來越強，比如：

1. ArtDAO看到哪一類畫作被買得最多，就多創作那一類。
2. ArtDAO雇傭幾個人類來給自己的畫作評分。
3. ArtDAO雇傭幾個程式員來改進自己的智能合約代碼。
4. ArtDAO自己修改自己的智能合約代碼，不斷收集市場回報并調試，最終得到更好的畫圖能力

到這一步，ArtDAO可能會從其他的DAO或者Github上搜尋代碼，跟自己的代碼雜交生成下一代。而這些生成的下一代，可能不僅僅是畫圖能力産生了變化，還可能會改變ArtDAO的核心目标。“下一代”可能不再把“作畫”做為自己的“DAO生”目标，而是其他的什麼目标，比如檢查軟體中的安全漏洞。如果新生的目标有對人類不利的成分，那人類這個物種說不定會被AI DAO淘汰……

AI DAO不是科幻，而是我們已經能在今天建構的事物。

AI是一個強力而危險的技術。DAO們是強力而危險的技術。AI沒有的資源，DAO有；DAO沒有的自主決策能力，AI有。AI DAO是更強力更危險的技術。

于是在系列的第三篇文章中，Trent繼續寫到：

AI掌握人類的資源是大趨勢，無論是我們拱手相讓，還是AI強取豪奪。我們正在将大量金錢投入AI。我們已經在将工廠的生産線、汽車和飛機交給AI。我們為了提升效率，将不同領域的AI合并為通用的高等級AI。我們為了不讓某個企業或國家壟斷最強力的AI系統，而設計了去中心化的AI DAO。

人類是高消耗低産出的任務處理單元。機器是低消耗高産出的任務處理單元。以效率之名，AI最終會在所有生産行為中“優化”掉人類。

Trent認為AI超越人類的那一天可能比很多人想象得更早（這在一些狹義領域已經實作了，比如圍棋大師），并提出四點理由：

1. 摩爾定律将繼續生效（這是作者的觀點）。對于很多AI而言，即使算法沒有改良，單純投入更多的算力（CPU、帶寬、存儲）就能夠變強。
2. 資本對AI的青睐已經産生了多方面的影響：小白使用者也可以使用深度神經網絡得到不錯的結果；無監督學習能力的成熟；專用晶片大幅加成AI的效率（從通用晶片 -> GPU -> FPGA -> digital ASIC -> analog ASIC，每一次改進就是10倍的效率提升）。
3. DAO的發展程度，已經足以提供讓AI自行擷取資源的能力。
4. AI的發展道路上，并不存在根本性的阻礙。

當區塊鍊遇到大資料

2016年年底，Trent先後撰文兩篇，其一是《區塊鍊與大資料》，其二是《區塊鍊與AI》。

在21世紀最初的幾年間，網際網路規模的大資料方案開始成形：Yahoo的ZooKeeper，Google的BigTable與MapReduce，Facebook的Cassandra，然後是開源的Hadoop檔案系統、Hadoop MapReduce、Cassandra等。到2010年前後，MongoDB、Cloudera、DataStax等初創企業又把這些開源的大資料項目做成了商業方案。今天，大資料技術正在靜悄悄的改變世界上每一個企業的後端。

Trent認為目前的大資料技術正面臨三個關鍵挑戰：

1. 控制權。誰控制資料背後的基礎架構？資料如何向全球共享？資料的多個版本如何更新？不同區域的管理者指派給誰？資料能否成為像水、電、計算、網絡一樣高度共享的資源？
2. 資料驗證。資料生成者如何證明資料是來自這裡？資料使用者如何能夠信任别人生成的資料？如何應對機器故障造成的資料錯誤？
3. 變現。資料的所有權、使用權如何交易？如何打造一個通用的資料市場？

區塊鍊也是一種資料庫，具有三個明顯特征：

1. 去中心化（每一個管理者控制一個節點，全體管理者共享控制權）
2. 資料不變性（全鍊路各個環節均可用私鑰/公鑰/哈希進行資料驗證，能夠更有效的剔除“壞”資料）
3. 天生的資産/交易屬性

是以，Trent認為區塊鍊能夠解決大資料目前面臨的挑戰——前提是區塊鍊技術要在可擴充性方面有所突破，能夠滿足海量使用者群的寫入、讀取、查詢需求。

當大資料遇到AI

我從90年代開始從事AI研究，當時最常見的研究方式是：拿一個資料集（一般很小，而且資料是固定的），設計一個能提升性能的算法——比如針對SVM的分類器設計一個新核心以減少AUC，然後把這個算法拿去發表。在當時，“可發表”的标準差不多是10%的提升。如果你的算法實作了2倍甚至10倍的提升，那就算得上是“最佳論文”了。

2001年，微軟研究員Banko和Brill釋出了一篇重要的論文。他們首先描述了自然語言處理領域在當時的狀态：通常以不到百萬數量的詞彙做為資料集，在普通算法（如Naive Bayes / Perceptrons）下有25%的錯誤率，在一些全新的基于記憶體的算法下能實作19%的錯誤率。然而這并不是重點。Banko和Brill的重要發現是：不改算法，隻是增加資料集——10倍100倍1000倍的增加，結果是錯誤率驚人的下降。在1000倍的資料量下，系統的錯誤率減少至5%以下。更驚奇的是在這個量級的資料集下，老掉牙的50年代Perceptrons算法的表現反而超越了那些基于記憶體的新算法。

2007年，Google研究員Halevy、Norvig和Pereira釋出了一篇類似的論文，描述AI如何在吞食了大量資料之後變得“不可理喻的高效”——在很多領域都是如此。

AI的競争，從此變成了資料量的軍備競賽。

回顧這幾十年的AI發展史，AI技術在最近幾年的發展速度是最快的，而資料量就是關鍵。

今天，無論是Google、Facebook，還是阿裡、騰訊、百度，都管自己叫做資料公司。無論他們是賣廣告、賣商品、賣理财、賣遊戲還是賣外賣，對他們而言，資料量就等于賺錢能力。這些在資料量儲備上遠遠超過了其他競争者的巨頭們，并不會希望被市場上的其他玩家掌握更大量級的資料。

然而對于資料收集能力有限的非巨頭玩家而言，資料共享可能會給他們帶來數倍體量的資料集，這會帶來顯著的好處。比如，如果各個銀行們将資料合并為一個資料集，則每一家銀行都能夠更準确的識别信用卡欺詐。如果能源公司與制造公司的資料能夠合并為一個資料集，則其中的每一家公司都能夠更準确的預測市場。如果全球四大鑽石鑒定實驗室的資料合并為一個資料集，則每一家鑒定機構都能夠更準确的為鑽石定價。如果保險公司能夠擷取這些能力，則也能獲得更大的收益。

當區塊鍊大資料遇到AI

以前由于安全問題，大家即使看到了資料共享的好處也不敢去做。而一旦區塊鍊大資料技術成熟，情況将有所不同：

1. 去中心化的資料控制方式将促進資料的共享，不僅意味着更多的訓練資料（對AI而言意味着更好的模型），同時也意味着AI模型的共享。
2. 更高效的資料驗證，減少了訓練資料中的壞資料，提升模型的可信度。
3. 訓練資料與模型成為可以交易的IP資産。

AI從業者總是面臨一個挑戰：上哪兒去找資料集？以前的資料集大多數在網上七零八碎的躺着，隻有一部分比較完整的資料集收錄在幾個清單中，還有大量的私有資料集是我們擷取不到的。如果我們有一個全球化的資料庫來管理這些資料集呢？不僅有Kaggle，有斯坦福的ImageNet，還有無數其他的資料集。

有需要的話，就上IPDB看看吧。人們在這裡上傳自己的資料集，使用他人的資料集。資料集本身存儲在類似IPFS的去中心化檔案系統上，IPDB上儲存中繼資料用于索引。以後，IPDB上也許不僅僅有資料集，還可以有從這些資料集中建構出的模型。人們可以在這裡使用他人的模型，上傳自己的模型。

共享到區塊鍊上的資料本身具備資産屬性，可以直接交易與變現。這也可能成為一個資料共享的驅動力。事實上，今天的公共資料市場已經有十億美元的體量——一個有Bloomberg的1000倍那麼大的去中心化資料市場是完全有可能實作的。

現在已經有相應的區塊鍊技術可以把資料集與模型注冊為IP資産，簡單來說就是：

• Coala IP協定
• BigchainDB資料庫與IPDB資料共享平台
• IPFS檔案系統配合Storj、FileCoin等硬體儲存設備

做為示範，Trent在ascribe給一個自己以前做的AI模型申請了“著作權”，得到了一張虛拟證書：

數字版權可以以非常具體的方式進行授權，如著作權、所有權、使用權、編輯權、分發權等等，這些權限在區塊鍊中可以相對容易的進行管理。就比如在DeepMind基于區塊鍊的醫療項目中，使用者就可以自己保有資料所有權，隻授予DeepMind使用權。

最後，别忘了還有AI DAO這種可能性，讓AI可以自行征用更多資源。

在過去，人類已經培育過去中心化的程式，那就是病毒。沒人能擁有它們，沒人能控制它們，沒人能關閉它們。它們隻是存在，試圖搞壞你的計算機。

今天，有了更好的API（智能合約語言），有了去中心化的存儲系統（區塊鍊），這些去中心化的程式将能夠做更多的事情。

通用人工智能——AGI，是可以自發行動的代理決策者（agent），是一種回報控制系統。控制系統是個頂呱呱的好東西。控制系統的數學基礎深厚，可以追述到1950年代Wiener的“Cybernetics”。控制系統與這個世界互動（通過傳感器與執行機），并适應這個世界（通過内部模型與外部傳感器來更新自己的狀态）。控制系統應用廣泛——恒溫空調、降噪耳機、汽車刹車、下圍棋的AlphaGo，這個世界到處都是它的身影。

AI DAO是一個運作在去中心化軟體上的AGI控制系統。它不斷的擷取輸入，更新狀态，調整輸出，并擷取資源以持續維持這個回報循環。

如上所述，AI DAO有很多可能性，其中包括增強AI自身的能力。比如，AI DAO可以發起“請求為我的資料做标記”的有償請求（智能合約），用低成本雇人來完善自己的資料集（去中心化的Mechanical Turk）；AI DAO還可以發起“将你的資料給我”的有償請求，讓IoT裝置用自己的資料來交換電費。

Trent十分看好AI DAO的潛力。然而另一方面，Trent十分不看好AI與人類共存的未來。他說，很快就會有那麼一天，AGI的智能将達到人類的最高水準；之後又過了幾天，人類的智力在AI面前就會像螞蟻一般渺小。到那時候，人類已經無法控制AI，而AI自己會決定是否要對人類“友好”。

到那一天，人類與機器共存的唯一方式，也許是與機器同化？

原文釋出時間為：2017年1月9日

本文作者：楊賽

本文來源：

InfoQ

，如需轉載請聯系原作者。