一位AI研究员+区块链创业者的终极展望：AI DAO将统治世界

Trent McConaghy是一位资深的AI研究员，从上世纪90年代开始从事AI方面的研究。截止到2016年年底，Trent已经在相关领域发布过35篇论文、出版过2本书籍、注册过20项专利、并先后创办过3家公司。2013年的一天，当时正为比特币技术狂热的Trent跟他的艺术家夫人Masha在柏林逛了一次画展，在参观回家后的闲聊中，两人展开了一个问题：区块链技术能够应用到艺术品上吗？我们能否以获取比特币的方式去获取一件艺术品的数码版本，同时保护艺术家对该作品的版权？

Trent由此投身区块链创业，创建了 ascribe 公司。由于比特币的区块链实现方式限制了每秒最多能够处理的交易数量，无法满足ascribe对可扩展性方面的要求，Trent又发起了 BigchainDB项目 ，成立了 BigchainDB公司 和 IP数据共享组织IPDB 。

从2015年到2016年，Trent在 PyData 、 Blockchain meetup 、 Machine Learning Group 等各种活动上活跃分享其在区块链与AI方面的思考，并 在Medium上撰写了大量文章 。其中有几篇文章重点描述了AI技术与区块链技术之间将可能有怎样的互补，内容非常精彩。本文对这些内容做一个简单的导读，希望能对大家有所帮助。

AI DAO的构想

2016年6月18日，正是The DAO项目处于风口浪尖的时候，Trent在这一天发布了 这篇有关AI DAOs的文章 ，后续又发布了 第二篇 和 第三篇 。

我在十岁那年读到了一本描述AI的书，从此不能自拔。后来，我用了将近二十年的时间投入到专业的AI研究工作当中。三年前，我从AI的世界走了出来，进入到一个同样重要的新世界：去中心化。现在，这两个世界很快就要重叠。

Trent认为“去中心化”技术的发展将经历五次浪潮：

1. 比特币
2. 区块链
3. 智能合约
4. DAO——去中心化的自动化组织 Decentralized Autonomous Organizations
5. AI DAO

DAO是一种可以自动运行在去中心化基础架构上的计算进程，具有资源管理的能力。

比特币网络是DAO。以太坊网络是DAO。DAO上面还可以跑其他DAO，比如The DAO就跑在以太坊上。

DAO是一个脚本，平时就坐在那里，等待某个交易来触发运行。

Trent定义的AI DAO具备如下特性：

1. 访问资源的能力
2. 征用更多资源的能力
3. 拒绝人为干涉的能力

而这可能通过三种途径来实现：

1. 将智能合约的边缘执行单元交给AI（自动化投票）

   

2. 将智能合约的中心交给AI（自动化反馈控制系统）

   

3. 从集群中自动涌现出AI的复杂性

   

AI DAO会更强大，也会更不可控。在 系列的第二篇文章 里，Trent举了个例子：想象一个The ArtDAO，其智能合约是这样运作的：

1. 节点上运行了一个AI画图引擎，自动生成一张有艺术感的图片（相关的实现已经有很多，可参考这篇文章）
2. 节点自动去ascribe给自己生成的图片注册一个著作权（虽然今天的法律未必会保护机器人的著作权法人权益）
3. 节点在ascribe上创作该图片的不同版本，比如木刻效果或者浮雕效果的
4. 节点把这些各种版本的图拿到市场上卖，比如Getty、Hopify或者 OpenBazaar
5. 如果有买家想要这些图片的二次售卖权、公开展示权等许可，节点就在ascribe上把相关许可卖给他，收获相应的虚拟货币（如以太币）
6. 节点创作更多的图，赚更多的钱，买更多的计算资源，再创作更多的图，再赚更多的钱，变成富翁

图：一张AI的画作

理论上，这个ArtDAO可以不跟任何人类分成，它存在于世的目的就是不断创作更多更好的“画作”（就像一个人类艺术家一样），不吃不喝不眠不休永不停止（这是人类艺术家所做不到的）。ArtDAO还有可能自我升级，而且自我升级的能力可以越来越强，比如：

1. ArtDAO看到哪一类画作被买得最多，就多创作那一类。
2. ArtDAO雇佣几个人类来给自己的画作评分。
3. ArtDAO雇佣几个程序员来改进自己的智能合约代码。
4. ArtDAO自己修改自己的智能合约代码，不断收集市场反馈并调试，最终得到更好的画图能力

到这一步，ArtDAO可能会从其他的DAO或者Github上搜索代码，跟自己的代码杂交生成下一代。而这些生成的下一代，可能不仅仅是画图能力产生了变化，还可能会改变ArtDAO的核心目标。“下一代”可能不再把“作画”做为自己的“DAO生”目标，而是其他的什么目标，比如检查软件中的安全漏洞。如果新生的目标有对人类不利的成分，那人类这个物种说不定会被AI DAO淘汰……

AI DAO不是科幻，而是我们已经能在今天构建的事物。

AI是一个强力而危险的技术。DAO们是强力而危险的技术。AI没有的资源，DAO有；DAO没有的自主决策能力，AI有。AI DAO是更强力更危险的技术。

于是在 系列的第三篇文章 中，Trent继续写到：

AI掌握人类的资源是大趋势，无论是我们拱手相让，还是AI强取豪夺。我们正在将大量金钱投入AI。我们已经在将工厂的生产线、汽车和飞机交给AI。我们为了提升效率，将不同领域的AI合并为通用的高等级AI。我们为了不让某个企业或国家垄断最强力的AI系统，而设计了去中心化的AI DAO。

人类是高消耗低产出的任务处理单元。机器是低消耗高产出的任务处理单元。以效率之名，AI最终会在所有生产行为中“优化”掉人类。

Trent认为 AI超越人类的那一天可能比很多人想象得更早 （这在一些狭义领域已经实现了，比如 围棋大师 ），并提出四点理由：

1. 摩尔定律将继续生效（ 这是作者的观点 ）。对于很多AI而言，即使算法没有改良，单纯投入更多的算力（CPU、带宽、存储）就能够变强。
2. 资本对AI的青睐已经产生了多方面的影响：小白用户也可以使用深度神经网络得到不错的结果；无监督学习能力的成熟；专用芯片大幅加成AI的效率（从通用芯片 -> GPU -> FPGA -> digital ASIC -> analog ASIC，每一次改进就是10倍的效率提升）。
3. DAO的发展程度，已经足以提供让AI自行获取资源的能力。
4. AI的发展道路上，并不存在根本性的阻碍。

当区块链遇到大数据

2016年年底，Trent先后撰文两篇，其一是《 区块链与大数据 》，其二是《 区块链与AI 》。

在21世纪最初的几年间，互联网规模的大数据方案开始成形：Yahoo的ZooKeeper，Google的BigTable与MapReduce，Facebook的Cassandra，然后是开源的Hadoop文件系统、Hadoop MapReduce、Cassandra等。到2010年前后，MongoDB、Cloudera、DataStax等初创企业又把这些开源的大数据项目做成了商业方案。今天，大数据技术正在静悄悄的改变世界上每一个企业的后端。

Trent认为目前的大数据技术正面临三个关键挑战：

1. 控制权。谁控制数据背后的基础架构？数据如何向全球共享？数据的多个版本如何更新？不同区域的管理员指派给谁？数据能否成为像水、电、计算、网络一样高度共享的资源？
2. 数据验证。数据生成者如何证明数据是来自这里？数据使用者如何能够信任别人生成的数据？如何应对机器故障造成的数据错误？
3. 变现。数据的所有权、使用权如何交易？如何打造一个通用的数据市场？

区块链也是一种数据库，具有三个明显特征：

1. 去中心化（每一个管理员控制一个节点，全体管理员共享控制权）
2. 数据不变性（全链路各个环节均可用私钥/公钥/哈希进行数据验证，能够更有效的剔除“坏”数据）
3. 天生的资产/交易属性

因此，Trent认为区块链能够解决大数据目前面临的挑战——前提是区块链技术要在可扩展性方面有所突破，能够满足海量用户群的写入、读取、查询需求。

当大数据遇到AI

我从90年代开始从事AI研究，当时最常见的研究方式是：拿一个数据集（一般很小，而且数据是固定的），设计一个能提升性能的算法——比如针对SVM的分类器设计一个新内核以减少AUC，然后把这个算法拿去发表。在当时，“可发表”的标准差不多是10%的提升。如果你的算法实现了2倍甚至10倍的提升，那就算得上是“最佳论文”了。

2001年，微软研究员Banko和Brill发布了 一篇重要的论文 。他们首先描述了自然语言处理领域在当时的状态：通常以不到百万数量的词汇做为数据集，在普通算法（如Naive Bayes / Perceptrons）下有25%的错误率，在一些全新的基于内存的算法下能实现19%的错误率。然而这并不是重点。Banko和Brill的重要发现是：不改算法，只是增加数据集——10倍100倍1000倍的增加，结果是错误率惊人的下降。在1000倍的数据量下，系统的错误率减少至5%以下。更惊奇的是在这个量级的数据集下，老掉牙的50年代Perceptrons算法的表现反而超越了那些基于内存的新算法。

2007年，Google研究员Halevy、Norvig和Pereira发布了一篇 类似的论文 ，描述AI如何在吞食了大量数据之后变得“不可理喻的高效”——在很多领域都是如此。

AI的竞争，从此变成了数据量的军备竞赛。

回顾这几十年的AI发展史，AI技术在最近几年的发展速度是最快的，而数据量就是关键。

今天，无论是Google、Facebook，还是阿里、腾讯、百度，都管自己叫做数据公司。无论他们是卖广告、卖商品、卖理财、卖游戏还是卖外卖，对他们而言，数据量就等于赚钱能力。这些在数据量储备上远远超过了其他竞争者的巨头们，并不会希望被市场上的其他玩家掌握更大量级的数据。

然而对于数据收集能力有限的非巨头玩家而言，数据共享可能会给他们带来数倍体量的数据集，这会带来显著的好处。比如，如果各个银行们将数据合并为一个数据集，则每一家银行都能够更准确的识别信用卡欺诈。如果能源公司与制造公司的数据能够合并为一个数据集，则其中的每一家公司都能够更准确的预测市场。如果全球四大钻石鉴定实验室的数据合并为一个数据集，则每一家鉴定机构都能够更准确的为钻石定价。如果保险公司能够获取这些能力，则也能获得更大的收益。

当区块链大数据遇到AI

以前由于安全问题，大家即使看到了数据共享的好处也不敢去做。而一旦区块链大数据技术成熟，情况将有所不同：

1. 去中心化的数据控制方式将促进数据的共享，不仅意味着更多的训练数据（对AI而言意味着更好的模型），同时也意味着AI模型的共享。
2. 更高效的数据验证，减少了训练数据中的坏数据，提升模型的可信度。
3. 训练数据与模型成为可以交易的IP资产。

AI从业者总是面临一个挑战：上哪儿去找数据集？以前的数据集大多数在网上七零八碎的躺着，只有一部分比较完整的数据集收录在几个列表中，还有大量的私有数据集是我们获取不到的。如果我们有一个全球化的数据库来管理这些数据集呢？不仅有 Kaggle ，有斯坦福的 ImageNet ，还有无数其他的数据集。

有需要的话，就上 IPDB 看看吧。人们在这里上传自己的数据集，使用他人的数据集。数据集本身存储在类似 IPFS 的去中心化文件系统上，IPDB上保存元数据用于索引。以后，IPDB上也许不仅仅有数据集，还可以有从这些数据集中构建出的模型。人们可以在这里使用他人的模型，上传自己的模型。

共享到区块链上的数据本身具备资产属性，可以直接交易与变现。这也可能成为一个数据共享的驱动力。事实上，今天的公共数据市场已经有十亿美元的体量——一个有 Bloomberg 的1000倍那么大的去中心化数据市场是完全有可能实现的。

现在已经 有相应的区块链技术可以把数据集与模型注册为IP资产 ，简单来说就是：

• Coala IP 协议
• BigchainDB数据库 与 IPDB数据共享平台
• IPFS文件系统 配合 Storj 、 FileCoin 等硬件存储设备

做为示范，Trent 在ascribe给一个自己以前做的AI模型申请了“著作权” ，得到了一张虚拟证书：

数字版权可以以非常具体的方式进行授权，如著作权、所有权、使用权、编辑权、分发权等等，这些权限在区块链中可以相对容易的进行管理。就比如在 DeepMind基于区块链的医疗项目 中，用户就可以自己保有数据所有权，只授予DeepMind使用权。

最后，别忘了还有AI DAO这种可能性，让AI可以自行征用更多资源。

在过去，人类已经培育过去中心化的程序，那就是病毒。没人能拥有它们，没人能控制它们，没人能关闭它们。它们只是存在，试图搞坏你的计算机。

今天，有了更好的API（智能合约语言），有了去中心化的存储系统（区块链），这些去中心化的程序将能够做更多的事情。

通用人工智能——AGI，是可以自发行动的代理决策者（agent），是一种反馈控制系统。控制系统是个顶呱呱的好东西。控制系统的数学基础深厚，可以追述到1950年代Wiener的“Cybernetics”。控制系统与这个世界交互（通过传感器与执行机），并适应这个世界（通过内部模型与外部传感器来更新自己的状态）。控制系统应用广泛——恒温空调、降噪耳机、汽车刹车、下围棋的AlphaGo，这个世界到处都是它的身影。

AI DAO是一个运行在去中心化软件上的AGI控制系统。它不断的获取输入，更新状态，调整输出，并获取资源以持续维持这个反馈循环。

如上所述，AI DAO有很多可能性，其中包括增强AI自身的能力。比如，AI DAO可以发起“请求为我的数据做标记”的有偿请求（智能合约），用低成本雇人来完善自己的数据集（去中心化的 Mechanical Turk ）；AI DAO还可以发起“将你的数据给我”的有偿请求，让IoT设备用自己的数据来交换电费。

Trent十分看好AI DAO的潜力。然而另一方面，Trent十分不看好AI与人类共存的未来。他说，很快就会有那么一天，AGI的智能将达到人类的最高水平；之后又过了几天，人类的智力在AI面前就会像蚂蚁一般渺小。到那时候，人类已经无法控制AI，而AI自己会决定是否要对人类“友好”。

到那一天，人类与机器共存的唯一方式，也许是 与机器同化 ？