AIQ - 区块链 | AI+ 区块链深度解析,美国 VC 大咖:这是未来十年的趋势 | 33 页 PPT



转载请注明 AIQ - 最专业的机器学习大数据社区  http://www.6aiq.com

AIQ 机器学习大数据 知乎专栏 点击关注

安妮 夏乙 李根 发自 凹非寺 

量子位 报道 | 公众号 QbitAI


还有什么新趋势能比人工智能和区块链更火吗?

2016 年 AlphaGo 大杀四方以来,2017 区块链狂飙突进以来,这两大新技术就迅速集聚了资本、人才和舆论关注。

一般而言,AI 被当做生产力进行类比,区块链则被认为在变革生产关系。

然而一切都已水到渠成了吗?生产力和生产关系又可以有怎样的结合?还有哪些悬而未决的问题及挑战?

站在 AI 和区块链的交叉路口,知名投资人、FirstMark 董事总经理马特·图尔克(Matt Turck)刚刚分享了他们对此的研究、分析和总结。

量子位全程围观后,认为条理清晰、有理有据,称得上干货满满,可以低调分享。

大咖介绍



 Matt Turck

马特·图尔克,美国知名早期投资机构 FirstMark 的董事总经理,此前以早期成功投资 Pinterest、Shopify、Airbnb、Riot Games、InVision 和 Tapad 等超级独角兽而著称。

马特还是纽约乃至美国知名的技术趋势“布道者”,他发起组织了 2 大新趋势分享社区,一个围绕大数据和人工智能,名为 Data Driven NYC;另一个围绕前沿技术和新兴计算平台,叫 Hardwired NYC。



在马特组织的分享社区上,大咖云集,包括 AI 三巨头之一的 Yann LeCun,都曾应邀前来分享。

也是在汇集了众多大咖思考和一线分析研究后,马特决定分享自己关于AI+ 区块链的思考,以下为分享实录:



新一代趋势

AI+ 区块链,这是一个激动人心又非常具有挑战性的话题。

之所以希望围绕这个话题进行分享,是希望提供一个广泛的介绍,最好还能形成一些共识,并介绍一些从 VC 角度看到的这些领域里的有趣公司。

关于这两个主题,嘲笑和反驳当然轻而易举。因为无论是 AI(机器学习),还是区块链,都算不上十拿九稳,都带有非常明显的实验性、先锋性。

AI 在 2016-2017 年达到了热度高峰,然后区块链则占领了 2017-2018。

谁也无法保证,这两大技术趋势最后都能“善始善终”,也无法保证,这两大技术交叉探索会产生了不起的商业可能。



但如果我们回顾一下计算机历史,每 10 年或 15 年,就会有新的技术趋势和大变革发生:硅芯片—PC—互联网—Web2.0 等。

而我们当前可能处于这一波趋势的尾端。受到社交、移动和云计算的三方驱动。

并且这几年生长出的超级独角兽,都与这些背后驱动力息息相关,比如 Airbnb,Uber 等等。



然而如果从一开始就想看清这些趋势,其实并不容易。

比如,云计算在现在已经司空见惯,但如果回到 2008 年,当时还被认为是“营销万金油”,很难想象达到今天的规模化、工业化商用,差不多经历了 10 年左右的时间。

历史的进程也总是惊人相似:起初都是高度实验性和过度炒作,但随着时间向前,资本来了,人才也来了,然后开始成为新技术应用的典型范例。

阿马拉定律其实说得透彻:新技术的影响在短期内往往被高估,长期内被低估。

现在,我认为新技术范式出现的时机已然成熟。并且驱动力和源技术也显而易见。

我认为 AI、区块链和物联网,正是新时代的“社交”、“移动”和“云”。

对于这些领域交叉、重叠,相互加持可以产生的可能,我无比期待,也认为未来已来。

AI 和区块链有什么交集?



 里德·霍夫曼 (左),LinkedIn 联合创始人,“硅谷人脉王”

彼得·蒂尔 (右),“硅谷天使投资教父”,Facebook 第一位外部投资人

AI 和区块链的关系,有一点非常有意思:它们在哲学上很多方面都是对立的。两名教父级的硅谷天使投资人,彼得·蒂尔(Peter Thiel)和里德·霍夫曼(Reid Hoffman)两位风投大咖在最近一次对话中,很好地总结了这个特性:

蒂尔把加密(区块链)比作自由主义者,把 AI 比作共产主义者;

霍夫曼把加密比作无政府,把 AI 比作法治。



比如说,AI 是非常中心化的。它集中在少量公司手里,比如美国的谷歌、苹果、Facebook、亚马逊,中国的阿里、腾讯、百度。

尽管一些 AI 研究在学术界是开源的,但是只有这些大公司,才能吸引全球的 AI 人才。也只有它们,才能获取规模史无前例的数据,用来训练 AI 算法。

这些数据集,让它们形成了无与伦比的竞争优势。

另外,区块链也具备开放、透明、确定性的特征,而 AI 通常是封闭的、不透明的黑箱,具备概率性特征。



AI 的中心化特性就带来了一个问题:滥用。

谷歌帮美国军方的无人机自动识别目标、微软帮移民局作恶、亚马逊为警方做人脸识别……这些科技巨头和政府机构的合作,都导致了美国人民的震惊和抗议。



除了这种政治问题之外,中心化平台还会与它们周围出现的新生态竞争。

安德森·霍洛维茨基金(A16Z)的管理合伙人克里斯·迪克森(Chris Dixon)曾经专门论述过去中心化的重要性。他说:对抗政府审查、发扬自由主义政治思想,都不是去中心化重要性的主要原因。

重点在于,中心化平台的生命周期是可预测的。它们一开始都会尽可能吸引用户和第三方协作者,让自己的服务更有价值。但平台和协作者的关系,会从合作走向竞争。

随着时间推移,最好的企业家、开发者和投资人,都会对于在中心化平台上构建服务保持警惕。几十年的经验证明这会以失望告终。另外,用户放弃了隐私、对自己数据的控制权,无力对抗安全漏洞。

中心化平台的这些问题未来会更加显著。

相关阅读:

https://medium.com/@cdixon/why-decentralization-matters-5e3f79f7638e



区块链的出现,不止是纯粹技术问题的解决方案,也是对政治和组织问题的有力回应。

而前面,我们也谈到 AI 有很多本质上属于政治和组织的问题。那么,可以用区块链来对抗 AI 的这些缺陷吗?

区块链能帮我们构建更好的 AI 吗?

这一领域的先驱一直在探索各种想法,比如说用去中心化方法来构建 AI,或者给 bots(或者说 AI)建立一个网络,又或者让 AI 管理全自动的组织。



但值得注意的是,AI 也能在很多方面帮助区块链,这是另一个很有意思的话题。

比如说,AI 能优化能耗,提升挖矿效率;AI 能通过数据分区来提高区块链的可扩展性;AI 还能用来检测欺诈行为。

这些方面我们以后再做详细讨论,接下来,我们先来讲讲区块链能在哪些方面帮助 AI。

区块链对 AI 的三大助力

去中心化的 AI 市场



第一个想法,是构建一个去中心化的市场,在它的帮助下构建更好的 AI。

概括地说,这个想法是这样的:

用物质奖励,来刺激我们所有个人和机构提供私人和专业数据。

因为这些数据会通过去中心化的安全计算方式,安全、私密地存储起来,人们会更愿意分享花销、健康信息等隐私数据。

时间一长,这些市场就会积累大量高质量数据,比科技巨头手里的数据还要多。

基于这些数据,在以物质奖励来刺激机器学习专家开发模型来竞争,性能最好的模型会获得更高比例的收益。



要探索如何构建这样一个去中心化市场,我们看看怎样将 AI 的三大关键要素分别去中心化:

数据、模型、算力。

这是一个生机勃勃、进展迅速的领域。很多公司在 AI 和区块链的十字路口,做着非常 exciting 的工作。它们着野心勃勃的计划,想要构建生态中的多个模块。

这些项目很多都还没有面世,要等尘埃落,看清各家公司核心要做的究竟是什么,尚需时日。

为了说明 AI 三大关键模块的去中心化情况,接下来,我们会用其中一些公司来举例。

AI 三大关键要素中,第一就是数据,而且是大数据。

如果想借助区块链存储大量数据,需要让区块链数据库比当前数据库更好。



上图是柏林是柏林公司 BigChainDB 的模式。正如我们上面所说,它构建了可扩展的区块链数据库。

这张图显示,分布式数据库的功能与区块链技术几乎没有重叠。因此,构建一个真正的数据库级区块链是一个具有挑战性的项目。



为了保障数据共享,另一个重要的基础设施组件非协议莫属。

专门面向人工智能的数据交换协议 Ocean Protocol(海洋协议)是这一领域的先行者。

和海洋协议类似,Computable Labs 也致力于构建一个数据市场协议,其 CEO Roger Chen 的这篇文章也是不错的学习资料:

https://www.computable.io/blog/introducing-computable-labs



在训练 AI 模型的过程中,很多时候你需要创建自己的数据。这一般有两种原因,要么你合适的数据集不让你用,要么你的 AI 模型用例太新,还没有数据。

巴黎软件公司 Snips 正利用加密货币激励用户形成一个网络,参与数据制造。





谈完数据,我们再看看 AI 的第二大要素模型

要让去中心化的 AI 市场起作用,你需要保证个人和公司提供的任何数据都能以完全私密的方式来处理。OpenMined 项目就是一个很好的例子。



OpenMined 关注的重点是私密机器学习,运用了各种安全计算技术,包括联合学习(Federated learning ,由谷歌提出并支持)和差分隐私(differential privacy,由苹果支持)。





AI 技术的第三大要素是计算力。在人工智能领域的许多进展得益于计算力的大幅提升,这既得益于我们更好地利用现有硬件,也得益于一些新型高性能硬件的问世(如谷歌 TPU 等)。

DeepBrain Chain 就是一个有趣的项目,它的目的是在全世界共享空闲的计算资源。与 Coronai、Hadron、Golem 或 Hypernet 等其他相似项目相比,DeepBrain Chain 更侧重于 AI 特定需求所需的计算力 (以及相关硬件)。



三要素讲解到此,你的脑海中应该能够想象一个完全去中心化的人工智能市场,人们提供自己的数据,开发人员竞相提供最好的机器学习模型,整个系统就像一个自我强化网络,吸引越来越多的参与者创造更好的人工智能。

这里的秘密武器密码经济学,其实生活中很多时候已经用到,就是创造一个小型经济的能力,参与者通过代币积累和交换价值。因为这种鼓励人们尽快加入网络的机制,代币帮助解决了过去困扰许多网络建设工作的冷启动问题。

上面幻灯片上的图表来自 Fred Ehrsam 的文章《基于区块链的机器学习市场》,这篇文章准确描述了一个去中心化的人工智能市场是如何运作的,推荐阅读。

文章链接:

https://medium.com/@FEhrsam/blockchain-based-machine-learning-marketplaces-cb2d4dae2c17

去中心化的市场可能是构建 AI 的一种新颖的方式,但无论从市场中得到什么,都需要满足产品 / 市场的需求,并解决真正的问题,才能在商业上取得成功。

AI 的合作网络

将这个讨论再向前推进一步,就是建立一个 AI 之间的网络。

现在,很多公司都在构建“AI for X”,也就是专用于某一种任务的 AI。假设去中心化的市场让 AI 继续蓬勃发展、加速前进,我们就会创造出很多很多种 AI,它们能够完成各种任务。

接下来,这些 AI 怎样运行呢?区块链就能提供一个组织模型,帮这些 AI 以一种透明的方式协作。

Fetch 就是一家这样的公司,他们在做一个协作构建 AI、再让它们以有组织形式合作的网络。

AI 之间的协作可以体现在旅行这个场景下。比如说你让一个 AI 买了机票,如果航班延误了,会有另一个 AI 来预测转机衔接不上的可能性,再提出一条新的路线建议,第一个 AI 再去改签机票。

这些都可以实时自动完成。

SingularityNET,也就是那个著名机器人表演艺术家索菲亚的脑子,也是一例。

这个项目非常复杂,而且目标雄伟。开发索菲亚正是为了展示不同的 AI 可以合作构成一个大脑。

如果这个世界要依赖一群机器人来执行各种任务,就需要一个能让它们保持透明、受控的基础架构。

这正是 Botchain 的目标,这家公司想要为 AI bot 提供身份验证,对它们进行审查,控制自动化的边界,同时还想成为 bot 插件的市场。

AI 驱动的去中心化自动组织

再进一步,就是一个由 AI 管理的,完全自动运转的系统。

之前的去中心化的自动组织(decentralized autonomous organization),简称 DAO 也是这个想法。

很多人可能知道 2016 年 DAO 所陷入的危机。作为当时融资额最高的项目,DAO 被黑客入侵,造成的损失高达 5000 万美元。

而如果它由 AI 来管理,也就是一个“AI DAO”,又会是另外一种情形。AI DAO 会是完全由机器来管理的去中心化组织,没有、或者很少收到人类的干涉。

比如说,你可以想象将来会出现一个由 AI 管理的、完全去中心化的、自动驾驶汽车版 Uber。它会包含一个反馈闭环,系统可以持续学习,优化派车算法,更高效地运输乘客和货物。

但是 AI DAO 也存在问题。比如有一点细思极恐:这样一个全自动、去中心的组织如果出了问题,没有人知道怎样让它停下来。

拔电源显然是不管用的……

总结起来,上面很多实验性的想法都非常具有吸引力。

我提到的大部分项目都还没有面世,它们能不能实现自己追求的远大目标尚未可知。同时,很多基础的工作已经做好了,而接下来,AI 和区块链的结合能够以难以预测的速度,创造出非常强大的技术。

有些进步可能会导致意料之外的结果,所以现在,已经到了认真思考“AI+ 区块链”的影响的时候。

以上。

附原文链接:http://mattturck.com/ai-blockchain/


更多高质资源 尽在AIQ 机器学习大数据 知乎专栏 点击关注

转载请注明 AIQ - 最专业的机器学习大数据社区  http://www.6aiq.com