HUMAN Protocol：超前的夢想是要有，但還是別為它買單了吧？
人的「非理性「表現之一，是對於負面信息有遠超正面信息的敏感，大約2.5倍的「得到」才能彌補「失去」帶來的情緒傷害。所以很多時候，批判性的或者「戾氣」很重的文章能快速在朋友圈刷屏，一點莫須有的負面消息能帶來一片哀嚎和綠色瀑布。
所以，叨逼叨對於用負面評價分析項目非常謹慎，尤其在人心脆弱的當下。但面對用過於超前的想法驅動比較超前的技術，還是奉勸一句「冷靜」，不要看著花哨的idea和莫名高深的技術覺得「看不懂的就是最好的」，然後就產生了猛烈地想要投資的衝動。
你需要靜靜，她說：「衝動是魔鬼」。
坐穩了沒？今日份的車開了哦
AI是當下炒得最火熱的概念之一，大家都看好它的未來，Coursera的創建者、斯坦福大學計算機科學和電氣工程系副教授、斯坦福人工智慧實驗室主任吳恩達（Andrew Ng）先生說在接受採訪時說，「正如電在100年前改變了幾乎一切，今天我很難想到一個幾年內不會被AI改變的行業」。
但可惜，大多是人工智慧現在還處於「弱智」階段，機器需要學習，也需要人教。
簡單來說，目前的「機器學習」需要收集儘可能多的協議（或者分類數據），以一種機器能理解的方式放在資料庫里，對於一個機器學習模型來說，去學習標記恰當標記一個圖像，需要被提供幾千種對於一個特定物體的不同分類好的圖像。例如要讓機器靠譜地識別車，運演算法則需要輸入上千種汽車的圖像：不同的式樣和模型，不同角度的旋轉，在不同燈光條件下等等。資料庫足夠大的時候，新用戶不管發出什麼樣的「命令」，機器都可以在資料庫內找到對應的方式回應，於是，就聽到了人類關於機器的由衷讚歎「它好聰明！」
所以AI發展至少需要三個環節，設計程序、通過人類反饋收集足夠多的信息建立資料庫、AI公司根據機器學習的結果進行調整。目前，解決資料庫問題的辦法要麼是花很多時間設計「調試程序」收集數據，要麼是花很多時間和一些錢在類似Mechanical Turk、CrowdFlower等網站進行眾包。具體使用體驗可以參考https://www.zhihu.com/question/30185115，結論是為機器標記分類是個被嚴重低估的需要很多人參與的價值創造環節。
而HUMANProtocol想要以後來者的姿態，用超前的模式，在這個快速增長的行業分一杯羹。
坦白說，不靠譜。
解決目前機器學習中勞動力密集的問題
HUMAN Protocol藉助區塊鏈技術將人工為機器數據分類的環節融入網站的「人機驗證」流程，實現多方共贏：
?網站擁有者：收到補償金給每次用戶填寫驗證碼，保護網站不被黑客攻擊
? 網站訪客：創造價值而非僅僅通過回答問題證明自己是人類
? 做標籤的用戶：通過更低的成本達到更高的分類標籤效果，節省時間和金錢
這個行業的潛在市場規模巨大且增長迅速，根據目前存在最大的解決標籤分類的網站Amazon Mechanical和CrowdFlower數據來看，2013年兩家公司的年收益在12億美元，到了2017年總體市場規模已超80億美元，Mechanical Turk每天有50萬左右的工作需求，reCAPTCHA每天需求過百萬。
目前，市場上存在的矛盾及人類協議提供的解決方案是：
叨逼叨：從資源整合或者模式創新的角度看，HUMAN Protocols是一個很好的方案，將數量有限的付費工作（AmazonMechanical Turk等）與現有必需進行的無價值創造行為（人機驗證）相結合，用代幣和區塊鏈串聯起一整個流程，實現多方共贏。看似宏偉而且邏輯自洽的行為，仔細推敲卻少有落地的可能：AI未來光明但誰也不知道還有多久能看到明天，區塊鏈是全球熱議的話題但質疑它具體應用落腳點的聲音從來沒有停止過，而妄圖同時駕馭這兩個領先技術實現彎道超車，還是覺得HUMAN Protocols做了一個美好的夢。可能是叨逼叨眼界還不夠，這如果這是一個大學生創業策劃書，自洽的邏輯+高度資源整合+剩餘價值創造，鮮花掌聲讚許都給他；可如果是要真金白銀的投入，建議三思。
連續創業者的又一次試水
Eli-Shaoul Khedouri
Eli是AI公認的領導者，在過去的十年里，AI已經將機器智能應用於各種業務問題。他共同創立了四家科技公司，擔任首席技術官或首席執行官，將他的專業知識應用於Array Ventures等以AI / ML為重點的公司的風險投資領域，並且為各種早期和中期公司的諮詢委員會提供服務。 Eli創立並擔任Intuition Machines的首席執行官，該公司為世界上一些最大的公司提供大規模AI / ML產品和服務。
Todd Anderson
自1999年起與神經網路合作。斯坦福大學計算生物學博士。注重應用ML和深度學習。美國國立衛生研究院R1和SBIR與西北大學合作授予收件人。關於神經科學和醫療設備主題的多項專利。直覺機器的職員科學家。負責跨項目協議，多目標優化的IM項。
Alex Newman
資料庫和區塊鏈專家。 Cloudera和Planet Labs的早期工程師，專為大型金融系統設計的資料庫。 Apache軟體基金會負責Hadoop和HBase項目的許多其他項目。 OpenCL，Rust，Tensorflow黑客，開發用於高速機器學習應用的定製內核。多家公司的創始人，二十年的專業構建軟體和團隊。 CS和數學在RPI。
叨逼叨：這大概是叨逼叨發稿以來最簡陋的團隊介紹吧？就白皮書中給出的團隊介紹來看，三位核心人物實力強勁，是創業實戰經驗+機器學習+資料庫與區塊鏈的強強強結合，非常符合項目需求。但是，由於目前關於項目的信息只能通過白皮書獲取，而項目所說的「母公司」網站也找不到CEO相關信息或者照片，領英顯示白皮書中提到的項目母公司IntuitionMachines是2017年中才建立，或許只是因為公司年輕尚未完善「基礎設施建設」，或許…嗯，不管是哪種可能，無法確切核實項目成員的情況下，觀望是最好的選擇。
去中心化的人類分類標籤資料庫
Google的reCAPTCHA系統證明網站的通信量也被用來創造有價值的機器學習數據套裝，而人類協議建議通過使用成千的公司而不只是一個的民主化方式進入這樣的數據通信量，與此同時因為使用了這樣的標籤數據通信量和避免外掛程序而給網站所有者帶來經濟回報。
系統運轉的組織分為兩部分：
人類令牌由這些服務的請求者交換為人類評論服務。
請求者決定他們想要標註的內容，放置數據集或通過API發送每個問題，然後制定詳細請求並存儲令牌。
該請求由區塊鏈通過智能賞金（即，在滿足某些條件時才付款的智能合約）調解。
在這種情況下，是否滿足條件由信譽預言確定，信譽預言評估問題的答案並防止系統的濫用者得到補償。最後，當聲望預言啟動時，網站在發送給他們以太坊錢包的人類代幣中得到補償從智能賞金持有的請求者資金中轉移。然後智能賞金完成，請求者收到他們的數據。
區塊鏈的使用允許透明和高效的解耦系統在貼標客戶，系統操作員，採礦伺服器和個人用戶之間的最小信任和共享信息的情況下運行，同時另外為使用開放協議發生的新創新提供激勵。
開發一個強大的分散系統，創建一個開放協議，支持多種形式的人類審查並鼓勵競爭。區塊鏈提供了一種新穎而有效的方式來在生態系統參與者之間分配獎勵。完整的系統形成一個開放協議的分散平台。每個組件都會收取角色費用，並通過以太坊區塊鏈上的智能獎勵來協調相互作用。
叨逼叨：看完白皮書，真正對項目可落地性產生懷疑的時候，出現在介紹「為什麼這個項目要使用區塊鏈」部分，作為一個與現有成熟商業模式產生競爭關係的「後來者」，如何真正利用區塊鏈實現自己的「獨一無二」應該是最重要的環節，很可惜，這部分資料還不足以讓人信服。
TAG:全球大搜羅 |