風投人內部分享：AI＋區塊鏈＝無限潛力，現在是開始思考的最佳時機

編者按：AI與區塊鏈是最近幾年炒作最火的技術了。但是從屬性上來說這兩種技術似乎是天生對立的。AI是中心化、封閉、黑箱、概率性的；而區塊鏈則是去中心化、開放、透明、確定性的。如果這兩種屬性對立的技術結合到一起會碰撞出什麼樣的火花呢？風投機構FirstMark的Matt Turck提供了他的思考和觀察。

在Rob May和Botchain團隊的好心邀請下，我有幸在Brains and Chains上發表了主旨演講。在紐約舉辦的這次會議非常有趣，因為它的主題是人工智慧與區塊鏈的交叉。

這個話題既令人興奮又富有挑戰。我演講的目標是給入門提供一個寬泛的介紹，並且為當天接下來的討論框定範圍：討論為什麼這個主題之所以重要，並且聚焦該領域一些有趣的公司的工作。

以下就是演講的片子，需要的時候我會進行一些注釋。資料可以到文末找鏈接直接下載。

我是從VC投資者的角度來審視這個主題的。我的機構在AI和加密技術/區塊鏈方面都很活躍。

區塊鏈是繼AI之後的技術新熱。

這種話題當然很容易引起打趣。AI（機器學習）好區塊鏈都是實驗性的技術，而且被討論得很多……AI在2016-2017的時候到達炒作巔峰，區塊鏈則是在2017-2018期間。每個趨勢各自都很有可能會以令人失望告終，導致對雙方交叉融合的探索歸於無用。

過去10年的決定性技術

不過如果看看計算史的話，似乎每隔10或者15年就會有大規模的新趨勢出現——硅晶晶元、PC、互聯網、Web 2.0等等。

我們可能處在當前趨勢的尾部，這股趨勢主要是由三個並發的現象推動：社交、移動以及雲計算。

我們今天熟知的許多巨頭都是從這些裡面來的。

很多東西都是事後之明，在當時並不明顯。

不過當然，那些趨勢的量級規模並不總是很明顯的。

比方說雲計算現在看起來似乎很明顯，但如果你回顧2008年的時候，這東西就很有爭議，被某些人稱為是「營銷的蛇油」。最後雲計算用了10年的時間才變成今天這樣大規模的產業。

一開始時，新趨勢往往看起來都是高度試驗性炒作過火的，但隨著時間轉移就會慢慢站穩腳跟，吸引越來越多的資金和人才，然後逐步變成新的範式。

根據阿瑪拉定律，新技術的影響往往在短期內被高估而從長期看卻被低估。

未來10年的決定性技術會不會是AI、區塊鏈、物聯網？

新的技術範式出現的時機似乎已經成熟。定義和推動下一波計算創新浪潮的東西又會是什麼？

有理由認為「AI、區塊鏈以及物聯網」是新的「社交、移動和雲計算」。那些趨勢仍然非常新興，但潛在影響確實非常巨大的。

在這種範式中會誕生出哪些新巨頭呢？

就像社交、移動、雲計算互相滋養一樣，那3股趨勢也有著非常有趣的重合。我曾經討論過至少一個物聯網與區塊鏈之間的交叉，但類似例子還有很多。

今天，我會把重點放在AI與區塊鏈的交叉融合上面。

Peter Thiel：加密技術是自由主義，AI是共產主義；Reid Hoffman：加密技術是無政府，AI是法治

觀察的一個非常有趣的出發點是，從哲學上來說，AI和區塊鏈在很多方面其實是對立的，就像Peter Thiel和Reid Hoffman在最近對話中很好地表達過的觀點那樣。

對立的範式（加密技術：去中心化、開放、透明、確定性；AI：中心化、封閉、黑箱、概率性）

比方說，AI是非常中心化的——AI僅掌握在少數公司手裡，主要是Google、蘋果、Facebook以及Amazon（「GAFA」）以及中國的互聯網巨頭阿里巴巴、騰訊和百度（「BAT」）。儘管部分AI研究以學術論文的方式開源，但那些公司卻也藉此吸引到了全世界的頂級AI人才，最重要的是，這些公司掌握了空前龐大的數據來訓練其AI演算法。那些數據集是一個巨大的競爭優勢，而且對其他人是不開放的。

AI的中心化為各種濫用打開了大門。

技術帶來的壟斷越來越嚴重

中心化的平台往往會跟周圍出現的生態體系競爭。更多可參閱Chris Dixon精彩的《為什麼去中心化很重要》。

用區塊鏈對抗AI的缺陷：1）去中心化AI集市2）AI網路與去中心化自治組織（DAO）

區塊鏈的出現是對政治和組織問題的強力回應，不僅僅只是純粹的技術問題。

既然我們討論的很多問題本質上都是政治性、組織性的，那能不能用它來對抗AI的陷阱呢？

區塊鏈能不能幫助建設更好的AI？

這個領域的先驅一直在探索各種想法，從去中心化方式創建AI到組建機器人網路乃至於完全由AI運營的全自治組織。

我們今天要談的是區塊鏈可以如何幫助AI，但是值得注意的是AI也有一些地方可以幫助區塊鏈——不過這個改天再討論了。

去中心化AI集市的思路：我的數據我做主

第一個大的想法是建立一個去中心化的市場來幫助創建更好的AI。

這個想法大概是這樣：我們所有人（包括個人和機構）都會受到金融激勵來提供個人數據和專業數據。在知道這些數據可以安全保證安全和隱私（通過去中心化和安全計算）的情況下，我們對共享敏感數據（開支、健康信息）會感到更加放心。跟GAFA掌握的那些相比，隨著時間轉移，市場會積累了越來越多的大量數據，數據的質量也會越來越高。基於這些數據，機器學習專家就會受到激勵去相互競爭，而表現最出色的模型將會獲得不成比例的回報。

對AI的三大建構塊分別進行去中心化

為了探討應該如何建立這樣一個去中心化的市場，我們先談談如何對AI的三個關鍵的建構塊進行去中心化：也就是數據、模型以及計算能力。

接下來的演示中我們將提供一些從事AI與區塊鏈結合工作的公司例子。這一領域非常有活力，發展非常快，所以這裡列舉的例子只是其中一部分而已。

還有一點值得注意的是：這個領域的很多公司都有雄心勃勃的計劃，要搭建這一生態體系的許多方面，而且許多看起來都有點一樣。其中很多項目都處在試行階段，所以看看誰是在真心事情的還需要時間觀察。

區塊鏈本身存在問題，適合用它來解決AI的問題嗎？

我們先從數據開始。重要的一點：如果我們要用區塊鏈來存儲大規模數據的話……得有個比目前的要好得多的資料庫才行。

BigChainDB：可伸縮的區塊鏈資料庫

柏林的BigChainDB做的就是可伸縮的區塊鏈資料庫。上面這張圖表的有趣在於它表明分散式資料庫與區塊鏈技術其實沒什麼重合之處。因此，開發真正的資料庫級的區塊鏈是一個很有挑戰性的項目。

Ocean：去中心化的數據協議

為了幫助分享數據，另一個關鍵的基礎設施組件是協議。

Ocean Protocol一直在做著該領域的先驅工作，任何人要是對深入研究感興趣的話，其創始人TrentMcConaghy在AI與區塊鏈一般話題方面寫的一切都值得閱讀一下。

Computable Labs還在致力於開發一個數據市場協議，CEO Roger Chen寫的這篇好文章也很值得一看。

Snips：去中心化的數據生成

有時候出於AI訓練的目的你需要創建自己的數據——或者因為你無權訪問數據集，或者因為你訓練AI的用例太新，數據還不存在。

來自巴黎的Snips正在利用加密經濟來激勵工人網路參與到綜合數據的生成當中。

Gems、Effect：數據打標籤去中心化的土耳其機器人

安全計算的目標是在保證數據私密性的情況下訓練模型

接下來我們再談談AI的第二個建構塊：模型。

去中心化的AI市場要想見效，你需要能夠保證個人和公司所提供的任何數據都是以完全私密的方式進行處理的。這就引出了安全計算。

OpenMinded：私密的機器學習

一個好的例子是OpenMined項目，其關鍵的關注就是私密機器學習，利用到了包括聯邦學習（Google支持）以及差異化隱私（蘋果支持）等各種安全技術。

Algorithmia：賣模型

Numerai：讓模型競爭

DeepBrain Chain：去中心化的雲計算平台

我們再切到AI的第三個建構塊：計算能力上面。AI很多最近的進展都是在計算能力的大規模提升的促進下取得的，這既是更好利用現有硬體的結果，也是因為開發出了特別針對AI的新的高性能硬體。（比如Google的TPU）

DeepBrain Chain是一個有趣的項目，其目標是共享全世界閑置的計算資源。其哲學跟Coronai、Hadron、Golem或者Hyperne等可以相提並論，但是DeepBrain Chain更加專註於AI特殊需求的那種計算能力（以及相關硬體）。

去中心化的數據集市

把這些綜合到一起，你就可以想像一個完全去中心化的AI市場，在這個市場里大家提供自己的數據，開發者相互競爭提供最好的機器學習模型，而整個系統以一個自我強化網路的方式運作，吸引越來越多的參與者並且造出越來越好的AI。

這裡的秘密武器其實是加密數字經濟：創造微型經濟的能力，讓參與者通過令牌獲得價值並進行交易。因為令牌激勵大家儘早參與到這個網路裡面，所以幫助解決了冷啟動的問題，而這個問題在過去已經困擾了太多的建設網路的努力。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！