最近在紐約舉辦的的Brains and Chains會議上，我榮幸地受Rob May和Botchain團隊邀請發(fā)表了演講。這次有趣的會議旨在探索人工智能與區(qū)塊鏈的交集。

這是一個激動人心并具有挑戰(zhàn)性的話題。而我的演講是希望能做一個寬泛的介紹，并為之后的討論建立框架：首先探討為什么這一話題有著重大意義，并介紹這一領域一些有趣的企業(yè)所做的工作。

下面的圖片都是PPT截圖，文末有PPT的完整鏈接，其中有一些相關注釋。

我是以VC風投的視角談論這一主題的。我的投資機構FirstMark最近在人工智能和加密資產/區(qū)塊鏈領域都很活躍。

對這一話題一笑置之當然也是可以理解的。因為無論是人工智能（機器學習）還是區(qū)塊鏈，都有明顯的實驗性，都充斥著炒作和泡沫。人工智能在2016到2017年炒得最火，區(qū)塊鏈則在2017到2018年最受關注。這兩大趨勢最后都可能令人失望，它們的交集也可能毫無作為。

但如果我們回顧計算技術的歷史，似乎每10到15年就會有重大的變革：硅芯片、PC、互聯網、Web2.0等等。

我們當前可能處于現在這波趨勢的末端。這波趨勢的三大推動力分別是：社交網絡、移動計算和云計算。

今天我們熟知的許多巨頭都是從這一趨勢中崛起的。

當然，這些趨勢的宏大前景并不總是那么明顯。

比如，云計算現在可能是公認的大趨勢。但如果回到2008年，云計算那時還飽受爭議，有些人認為它只是“營銷噱頭”。最后，云計算用了十多年才成為今天的巨型產業(yè)。

一開始，新趨勢通常看起來是高度實驗性的，伴隨著過度炒作；但隨著時間流逝它們愈加成熟，吸引了更多的資本和人才，逐漸成為新的主導模式。

一如阿馬拉定律所言，新技術的影響在短期往往被高估，而在長期被低估。

現在，似乎已經到了新技術范式出現的時候。誰將定義并掀起下一波計算變革的浪潮？

有理由相信，“人工智能、區(qū)塊鏈和物聯網”正是新時代的“社交網絡、移動計算和云計算”。這些趨勢仍在其發(fā)展初期，但它們的潛在影響難以估量。

這一范式中將產生哪些新的巨頭？

正如社交、移動、云計算相互之間彼此促動一樣，上面這三大趨勢也有著有趣的重疊部分。之前我在“物聯網與區(qū)塊鏈的交集”中講了一個例子，類似的例子還有很多。

今天，我會主要談人工智能與區(qū)塊鏈的交集。

一個有趣的切入點是，從哲學角度來看人工智能和區(qū)塊鏈在很多方面都是對立的。Peter Thiel和Reid Hoffman在最近一次對話中很好地總結了這一點：

比如說，人工智能是非常中心化的。它由少量公司控制，主要是谷歌、蘋果、Facebook和亞馬遜（“GAFA”），以及中國的阿里巴巴、騰訊和百度。盡管一些人工智能研究在學術界是開源的，但這些公司吸引了全球頂尖的人工智能人才；更重要的是，它們擁有規(guī)模史無前例的數據來訓練人工智能算法。這些數據集為它們帶來了巨大的競爭優(yōu)勢，卻不對外界任何人開放。

人工智能的中心化為各種形式的濫用大開方便之門。專制國家政府使用計算機視覺和面部識別技術加強監(jiān)控就是一個例子。

就在過去幾個月，美國出現的一系列事件讓人們想起了專制國家的類似案例，說明這已經發(fā)展為全球性的問題。

除了這類政治問題之外，中心化平臺還會打壓它們周圍出現的新生態(tài)?？梢宰x一讀Chris Dixon的這篇高論：“為什么去中心化如此重要”。（https://medium.com/@cdixon/why-decentralization-matters-5e3f79f7638e）

區(qū)塊鏈不僅是純粹的技術解決方案，也是對政治和組織問題的有力回應。

我們前面談到的很多話題本質上都是政治和組織問題。那么可以用區(qū)塊鏈來解決人工智能的這些缺陷嗎？

區(qū)塊鏈能幫助改進人工智能嗎？

這一領域的先驅者一直在探索各種想法，包括使用去中心化的方式創(chuàng)建人工智能、自主機器網絡，以及由人工智能管理的全自主組織。

今天我們談論的是如何用區(qū)塊鏈改進人工智能，但應該意識到人工智能也能在很多方面幫助區(qū)塊鏈技術，這也是個很有趣的話題，改日再談。

第一大設想是創(chuàng)造一個去中心化的市場以改進人工智能。

總體思路如下：用物質獎勵來激勵我們所有人（個體與組織）貢獻自己的私有和專業(yè)數據。因為數據分享時會完全保證安全性和隱私性（基于去中心化與安全計算技術），我們就會更愿意分享各種隱私數據（開支、健康信息等）。久而久之，這些市場積累的數據會比GAFA還要多、質量還更高?；谶@些數據，平臺以經濟利益激勵機器學習專家互相競爭，開發(fā)出最高效模型的專家將獲得最多的獎勵。

要探索如何構建這樣一個去中心化市場，我們看看怎樣將人工智能的三大組成元素進行去中心化：它們是數據、模型和算力。

接下來我們會展示很多企業(yè)的案例，這些企業(yè)在融合人工智能與區(qū)塊鏈技術方面取得了杰出的成果。這一領域生機勃勃、進展迅速，所以少數案例也無法覆蓋所有成功的企業(yè)和項目。

還要注意幾點：這一行業(yè)的許多企業(yè)都有著極富野心的計劃，要建立各種形式的生態(tài)系統(tǒng)。不過這些方案中有很多看上去很相似。這些項目大多尚未發(fā)布，所以在塵埃落定之后我們才能看到誰才是真正做事情的。

首先來看數據。很重要的一點：如果想使用區(qū)塊鏈存儲大量數據，現有的區(qū)塊鏈數據庫遠遠不夠，需要大幅進化才能滿足需求。

上圖是來自柏林的BigChainDB，它構建了一個可擴展的區(qū)塊鏈數據庫。這張很有趣的表格顯示，分布式數據庫與區(qū)塊鏈技術的功能幾乎沒有重疊。因此，構建一個真正的數據庫級區(qū)塊鏈項目是很有挑戰(zhàn)性的。

為了幫助數據共享，另一大關鍵的基礎設施組件就是協議。

Ocean Protocol是這一領域的先行者，有興趣深入了解的話可以看看它的創(chuàng)始人Trent McConaghy所寫的，關于區(qū)塊鏈和人工智能的所有內容。（https://blog.oceanprotocol.com/@trentmc0）

Computable Labs也致力于構建一個數據市場協議，其CEO Roger Chen的這篇文章也值得一讀。（https://www.computable.io/blog/introducing-computable-labs）

很多時候你需要創(chuàng)建自己的數據來訓練人工智能模型，因為你無法接入最合適的數據集，或者你用來訓練模型的用例太新，根本就沒有對應的數據。

來自巴黎的Snips正利用加密貨幣經濟激勵從業(yè)者創(chuàng)造一個網絡，來生成合成數據。

再來看看人工智能的第二大組成要素：模型。

要讓一個去中心化的人工智能市場開始運作，你需要保證個人和公司提供的任何數據都能以完全私密的方式來處理。由此引入了安全計算。

OpenMinded項目就是一個很好的例子，它關注的重點是私密機器學習，其運用了各種安全計算技術，包括聯合學習（由谷歌提出）和差分隱私（由蘋果提出）技術。

接下來看人工智能的第三大要素：算力。最近人工智能領域的許多進展都得益于算力的大幅提升，這既是因為我們更好地利用了現有的硬件，也受益于一些專為人工智能發(fā)展的新型高性能硬件（如谷歌TPU等）。

DeepBrain Chain就是一個有趣的項目，致力于共享全世界空閑的計算資源。它的整體思想與Coronai、Hadron、Golem或Hypernet等項目類似，但DeepBrain Chain更關注符合人工智能特定需求的計算資源類型（與相關硬件）。

將上述內容結合在一起，你應該能想象到一個去中心化的人工智能市場，其中人們貢獻自己的數據，開發(fā)者競相開發(fā)最好的機器學習模型，整個系統(tǒng)就像一個自進化的網絡，吸引越來越多的參與者創(chuàng)造更好的人工智能技術。

這里的秘密武器其實是加密貨幣經濟：就是創(chuàng)造一個小型經濟生態(tài)，參與者通過代幣積累并交換價值。因為這種機制鼓勵人們盡早加入網絡，于是代幣模式解決了曾讓很多網絡在發(fā)展初期頭疼的冷啟動問題。

上面圖中的的圖表來自Fred Ehrsam在Medium發(fā)表的雄文：基于區(qū)塊鏈的機器學習市場。（https://medium.com/@FEhrsam/blockchain-based-machine-learning-marketplaces-cb2d4dae2c17）這篇文章很好地描述了一個去中心化的人工智能市場是如何運作的。

當然，其他市場面臨的典型機遇和挑戰(zhàn)都適用于本文的討論主題。去中心化的市場可能是一種創(chuàng)建人工智能的非常新穎的方式，但它產生的內容依舊需要符合產品/市場的需求并解決現實問題，這樣才能取得商業(yè)上的成功。從這個角度來說，垂直因素（行業(yè)、基因、財務等）是尤其重要的。

現在我們讓話題再進一步。我們假設去中心化的市場會讓人工智能繼續(xù)繁榮并加速前進。我們就會為每一種任務都創(chuàng)造出對應的人工智能類型。那么這些人工智能會是怎樣的形態(tài)，又如何運行？區(qū)塊鏈能提供一個有趣的組織模型，幫助這些人工智能自動機器以一種透明的方式協作。

Fetch（https://fetch.ai/）就是這樣一家公司，他們正在開發(fā)一種網絡，用來創(chuàng)建人工智能自動機器，并讓它們有序地協作。

自動機器之間協作的一個例子是旅行場景：比如你讓一個自動機器買了張機票，如果航班延誤了，另一個自動機器會預測轉機失誤的可能性，再提出一條新的路線，于是第一個自動機器就能改簽了。這些都能在后臺實時自動完成，完全不需要人力費心費力。

SingularityNET（https://singularitynet.io/）是另一個有趣的例子。這個項目非常復雜、野心勃勃，有很多運動組件。為了展示不同的人工智能如何協作以融合為同一個大腦，他們開發(fā)出了索菲亞這個機器人，由SingularityNET驅動。這段演示視頻（https://www.youtube.com/watch？v=LZkADy2RRoA）效果驚人（令人想起了電視劇《西部世界》）。

如果這個世界要依賴一群自動機器來執(zhí)行各種任務，就需要一個能讓它們保持透明、受控的基礎架構。這正是Botchain的目標，這家公司由Rob May創(chuàng)立，CEO是Talla，并由Brains and Chains委員會管理。

在自動機器協作基礎上再進一步，可以設想整個系統(tǒng)都由人工智能管理、完全自動運作。這也是去中心化自動組織（DAO）的理想。

很多人聽說過“那個DAO”，這個投資者主導的風投基金在2016年曾被黑客入侵。

而“人工智能 DAO”的理念比DAO更進一步。它會是完全由機器來管理的去中心化組織，沒有或很少收到人類的干涉。例如，你可以想象未來會出現一個由人工智能管理、完全去中心化的Uber，運營自動駕駛汽車。它會包含一個巨大的反饋閉環(huán)，使系統(tǒng)可以持續(xù)學習改善派車算法、提升運客效率并處理所有邏輯，將眾多技能和復雜操作融入一個自主運行的平臺中。

但這個人工智能DAO也會引發(fā)一個令人恐懼的設想：如果這樣一個組織完全是去中心化、自動運行的話，它出問題的時候人們不知道怎樣讓它停下來。這可不像你拔掉電腦電源那么容易……

總結起來，上面很多想法都非常誘人，但也是高度實驗性的。我提到的大部分項目都還沒有面世，它們能不能實現自己追求的遠大目標尚未可知。

同時，很多基礎的工作已經做好了，于是人工智能和區(qū)塊鏈的結合能夠以難以預測的速度創(chuàng)造出非常強大的技術。有些進步可能會導致意料之外的結果，所以現在真應該好好研究一下相應的影響了。