（现货合约量化机器人）区块链技术在人工智能发展中的应用以及必要性发表时间：2023-05-05 10:05
ChatGPT是有史以来增长最快的顾客应用软件，并且依然在不断增长。 但AI背后真相是，仍需要人类开展建立，标识和结构型练习数据-而练习数据非常昂贵。不好的情况就是，伴随着AI的不断发展，对数据反馈解决要求正成指数型增长；因而，怎样在AI发展过程中管理方法这其中的参加者变成一个很重要的难题。 一些专家指出，当服务机器人在全球范围内盛行的情况下，她们最好是由去中心化的联网控制，而且人类是由获得激励的方式来奉献数据集的。区块链和货币（区块链）能够在此过程中给予帮助...可是区块链可以解救人类免遭AI造成的伤害吗？ ChatGPT 并不是 AGI（通用性人工智能） 依据有名的AI科研人员Ben Goertzel这样的说法，ChatGPT是一件大事，由于“ChatGPT让谷歌创始人多年以来第一次出现在办公室！”。Goertzel都是基于区块链的AI交易网站SingularityNET创始人，都是人工智能AGI（AGI：通用性人工智能，也被称为“强人工智能”）的执着拥护者-让电脑自身思索。这就意味着比多数人更清晰地看到ChatGPT存在的不足。（ChatGPT归属于弱人工智能） "ChatGPT和其它神经系统模型有意思之处就在于，他们完成了一定程度的实用性，却并没有太多的归纳能力。通过有着如此多练习数据，完成了相较于人类个人来讲一定的力所能及..也就是说，ChatGPT事实上是由有着那么多数据的蛮干完成的一种作用。"
Ben Goertzel与他的机器人Desdemona（如何运用区块链避免人工智能"解决人类"） “假如GPT-7就能完成80％的人类工作中，我不会感到惊讶；这一点很重要，但这并不代表他们可以变成人类水准的思路设备。但是它们能完成大部分人类水准的工作中。”Goertzel讲到。 对 AI 而言，根据工作经验的思路比爬取网络服务难以。谓词逻辑代表着人类懂得如何拧开瓶盖，但AI必须数十万亿数据才可以懂得这一艰难的任务。Goertzel解释道，好一点的大中型语言模型（LLMs）仍然能够将语音转换器为确定逻辑性，包含谬论逻辑或自相矛盾的逻辑性。 “如果把全部互联网做为AI的食材，那样基本上一切你问他它们难题都能够在互联网上寻找到答案。” Goertzel在人工智能逻辑思维研究方向至关重要，因为她深入研究AGI。Goertzel表示自己与90％的AGI朋友觉得像ChatGPT等LLM在一定程度上分散了大家期待“让AI能够自主思考”这一目标注意力。但是他补充道LLM也能够促进和加快全部可能会在AGI中充分发挥作用的创新工作。比如，LLM将加快编号的发展。LLM乃至能够帮助并没有编码能力的人搭建手机或网络应用程序。这就意味着非技术性创办人可以用LLM搭建技术创业企业。“人工智能应当使软件开发技术的研发民主建设，然后略微向前走一点，民主建设硬件配置科研开发的民主建设。” Goertzel创办了SingularityNET，尝试运用区块链和开源技术，将操纵AGI的专业技术权利“派发”给每一个人，而非使它留到垄断者手上。Goertzel强调，ChatGPT和其它文字应用软件启动了公布看得到的开源系统优化算法。因而，他的数据集的安全性基础设施建设以及客户怎样参加这一场科技革命，正处在一个紧要关头。 AI开发设计一样得到了很多怀疑。三月，OpenAI创始人埃隆·埃隆马斯克（Elon Musk）和其它1000多位技术性领导人员号召中止开发设计AI或布署比GPT-4更强的系统软件。他的联名信警告说，这将会为社会人类产生“重大的风险性”。信里明确提出，中止能够为AI系统运维“分享安全协议书”给予时长。“如果是这样的中止没法迅速执行，政府部门应付诸行动，执行中止令。” Goertzel却对专业改进人们的生活发展潜力较为开朗，我从1970年代就开始关注这一领域了。
在照片中，Goertzel辩驳了埃隆马斯克等有关中止GPT-4探索的见解：LLMs不容易变为AGI 一个信誉系统是非常必要的 Humayun Sheikh是有名的AI科研试验室DeepMind的创办投资人，他适用初期AI和神经网络算法技术性的市场化。现阶段，自己作为Fetch.ai的CEO兼创办人，率领这一家新成立公司开发一个深度技术用于“基层民主将来”。 在他看来，区块链和AI的交叉式是经济驱动，由于除非你是十分大型企业或个人，不然练习AI实体模型所需要的资产是非常昂贵的。“数字货币整个基础是技术以及金融的民主建设。大家构想，与只有一个垄断性实体线有着关键AI实体模型的使用权不一样，区块链能将使用权分散化给向其开发设计做出贡献的人们。” “为让消费者（大家）能够持续地参加AI练习发展的循环系统，大家可以采用的一种方法是从一开始就使人们参与进来，这也就是为什么始终坚持将AI技术性去中心化。不论是从一开始使人们练习AI，或是让她们检测和测试AI系统软件，保证平常人能拥有AI模型一部分使用权是一种很好的方法来让消费者（大家）留到“循环系统”中。我希望做到这一点，并且让这类民主化以适度的激励制度为载体。” 为了实现这一目标，可以采取新型的信誉系统和去中心化的社交媒体。比如，SingularityNet分支商品Rejuve将对本人递交的动物数据开展货币化及众包平台，期待应用人工智能对它进行剖析并把它与动物和虫类数据开展交叉式配对，进而发觉基因的什么一部分能够让我们活得更久。这是一个根据AI和Web3的“长命经济发展”。在这个例子中，参加者参加了科学合理开放并且为结论做出贡献，因而数据提交者也应当以其奉献而领取奖励。
Sheikh宣称一个数据贸易市场是非常必要的 “AI 的高速发展取决于人类的练习。信誉系统能够为数据给予品质保证，去中心化的社交媒体能够确保在实施过程中包括多种不同的创意想法见解。” Sheikh强调，根据区块链的人工智能整治也可以有一定的帮助，他说道，根据每一个人都能看见的收集到的数据和作出决定的无可置疑记录，可以确保决策的过程公开性与去中心化。但区块链技术性仅仅拼图图片的一部分。他说道："制度和规范，如同大家在DAO里看到的那般，一直必须可靠的整治。 Goertzel强调：“你没法交易其他人信誉度”，而货币具备网络效应。根据区块链的人工智能信誉系统能够确保顾客区别AI仿冒品（全文：AI fakes）和真人版，同时还可以保证清晰度，便于人工智能模型搭建的人可以为他的人工智能搭建承担。在这个观点下，必须在区块链小区，之后在流行技术性生态系统中的选用一些规范，对信誉度开展货币化考量。 而相反，信誉系统可以加快人工智能的突破。"这个不是快速赚钱的路面，但是却是区块链核心世界经济道路一部分。在信誉度行业，区块链有一点“公地悲剧”（公地悲剧是政治经济学中的一个问题，出现于本人为追求个人得失而忽略社会保障制度时）的感觉了；但是每个人也将从一个互通的信誉系统中受益。 将区块链用以数据集管理方法 AI与数据融合能做很多事--但全世界各国政府都特别关注怎么管理数据。 重要环节到底是谁有着数据集。开源系统和闭源之间的差别越来越模糊不清，两者之间的相互影响变得十分细微。AI优化算法一般是开源系统的，但数据集的参数和数据集自身一般是独有的和密闭的，包含ChatGPT。 群众不清楚用于练习ChatGPT-4的数据是啥，因而即便算法是公开发布，AI也无法复制。各式各样的人都推断这是使用谷歌和推文的数据集进行练习的；谷歌搜索却否定它曾应用数据及与 ChatGPT 聊天的方法练习自已的名叫 Bard 的AI，这进一步淡化了谁有着哪些（What）及其“怎样做到”（How）问题。 有名气的AI职业投资人李开复常说，开源系统AI是历史上最优秀的人类协作，AI学术论文一般包括它们数据集便于再现，或供别人拷贝。可是虽然Lee发布了此番观点，当数据与科学研究有关时，常常会被贴了不正确标签，Goertzel讲到。即便是对外开放数据集，例如期刊论文，也有可能不够成熟，标识不正确，没用且一般难以拷贝。 因而，AI与区块链的融合将于数据预备处理行业充分发挥很大的作用。数据加密公司与 DAO 还有机会为用以清除练习数据集的去中心化基础设施建设建立专用工具。开放源码是一回事，但维护数据尤为重要。 Goertzel强调，“你需要有方法得到实时AI实体模型，但是最终，有些人应为运作该流程的电子计算机付钱”，这往往意味着让用户使用定阅实体模型付钱浏览AI；可是，代币经济是一种更“当然”的挑选。那样，怎么不鼓励好一点的数据集用以进行进一步的探索呢？例如分子生物学数据什么的“数据剖析管路”需要由数据加密企业/DAO搭建。LLMs早已能做这些事了，但“大部分这种预备处理流程需要由去中心化的形式（分布式的电子计算机）能够更好地进行，”Goertzel说，“但是搭建它需要大量的工作中。” 人和AI的合作：大量的数据必须有责任心的管理人员 澳大利亚Ocean Protocol创办人Trent McConaghy说，考虑到人和AI 合作的一种好用方法是什么“计算机辅助设计”（CAD，computer-aided design，指用计算机以及图型机器设备协助设计者开展设计任务）这个概念。自1980年代至今，技术工程师逐渐从AI支撑的CAD中受益。“这是一个重要的架构：人类与电子计算机共同奋斗达成目标，并利用彼此之间的优点，”他说道。
McConaughy从1990年代正在为加拿大政府工作中，而且花掉了15年的时间为电路原理开发设计AI支撑的CAD专用工具。她在2016年写相关AI的第一篇关键文章内容。 CAD为我们带来了一种具体的人和AI合作框架。可是，这种AI支撑的CAD专用工具仍需要数据。 图片信息：“想像一下手画一个有着100亿次零部件的处理芯片...可是，大家或是做到了极致，你了解是怎样做到的嘛？答案就是应用人工智能技术... McConaughy于2017年创办了Ocean Protocol，以解决这一问题。Ocean Protocol是一个公共文化服务互联网，能够安全性分享AI数据，与此同时保护个人隐私。“这是一款运用区块链的AI技术应用，致力于为地球上群众改进数据情况。”令人印象深刻的是，这是GitHub上第六有活力的数据加密新项目。 区块链针对将数据交给平常人手里有许多可谈得优点。如同Goertzel一样，McConaghy坚信分布式系统电子计算机能够为了保护AI不会被故意应用作出巨大贡献。IPFS、Filecoin、Ocean Protocol和其它分布式系统数据操纵者早就在最近几年里组织开展了此项每日任务。 Ocean里的数据大农场（全文：Data farming）早已鼓励大家选择在他们看来可用作AI开发设计高人气值数据财产。比如，公司数据销售市场Acentrik、公司AI助手Algovera及其分布式系统数据科学竞赛协议书Desights。McConaghy说：“AI工作人员存在的困难是获得更多的数据和更多数据的源头。” 区块链能够帮助 AI 快速地分享数据（初始练习数据、模型数据初始练习预测分析），具备不可篡改性、由来性、抗核查性与私密性等优点。 McConaghy视之为两者结合的重要优点。“AI将数据转化为使用价值，但人类务必确定什么都是好的数据财产。” Ocean Protocol早已进一步发展出了一个AI数据经济的基础。这将数据财产以货币化，让人们能将有意义的数据做为NFT和货币公布，在钱夹中拥有他们，把它们放到数据DEX上售卖，甚至是在数据DAO中管理方法他们。通过运用DeFi专用工具，将数据货币解决锁了数据经济发展；但是这些勤奋会在人工智能以前趋于成熟吗？
Trent McConaghy,Ocean Protocal创办人，总体目标创建一个数据贸易市场 去中心化电子计算机能够为自主机器人服务项目 AGI就是指电子计算机逐渐主动思考，并搭建更加好的本身源码版本号。Goertzel解释道：“人类水准的AGI能够阅读文章自已的源码、已有的数学和电子信息科学，并且可以拷贝本身以做实验，随后搭建下一级-ASI人力智能。” 在Goertzel的观点中，这一技术由每一个人来引导会比由某一科技有限公司或地区独立操纵要好很多。 “如果把AGI系统部署到全世界数百万台电脑中，没有人能够拿枪跟你说“帮我系统软件”-区块链解决了问题，对不对？区块链比处理贷币难题更容易解决这些问题，”Goertzel觉得。 Goertzel实际界定AGI为“具备超过其程序编写和考核的强大水平的app或硬件；它可以制造出超过其获得的信息内容的重要创造力飞越。” “按自己的可能，我们目前间距人类水准的AGI仅有三到八年的路途，随后再过几年就可到达超人类AGI。我们正在生活在一个有意思的时期。” 在中后期，其实就是未来三到五到八年，我们将要见到明显依靠数据的AI实现突破，做到人类水准，随后此后发生什么？” 不少人都觉得，AI持续发展的下一步有可能是区块链治理关键测试用例之一。“AGI将促进世界领导人聚集在一起。AGI必须开源系统工作在散播于地球上各地数百万台设备上，”Goertzel说。“因而，并没有我国能控制它，都没有企业能控制它。” 去中心化技术性不绝对完美解决方案 凯（Kai）专家教授是香港科大计算机科学与工程的专家教授，都是伯克利大学国际性电子信息科学研究所的优秀学者，他允许，使AI民主建设的关键所在短板是运作AI极大的云计算服务器。但他不明确去中心化技术性能否成为完美解决方案。他说道：“假如我们没解决当下的难题，大家永远不到终极者的时期。如今存有人工智能技术在不知不觉中撕破社会发展问题；我们应该处理人类的成见，及其AI的成见难题。” 他说道，去中心化技术性依旧是相对高度试验性的，但这些Web2难题必须要先处理，因为它已经带给我们现阶段的难题。 “AI在一些事情上做的决定通常是大家在日常生活中没法发觉的；百度搜索引擎、YouTube、TikTok——他们决定的事你通常难以发觉，但是却造就更多两极化的立场，进而造成步履维艰国内和国际局势瓦解。” 凯表明，数据集的清晰度尤为重要，那如果数据集在全部互联网技术，那么这个数据集实际是开源系统的。在他看来，谷歌搜索是100%在网络上锻炼的，而LLMs很快就快速替代搜索引擎优化算法；LLMs能够几近100%的从网络上练习出去。 因而，凯对区块链可以解决杂乱的AI问题见解提出异议。 "这个说法[人工智能分散化测算]的方面是，AI更为独立并可能造成影片“终极者”里的网（Skynet）的场景发生。这类分布式的计算水平并非解决方案，由于你很有可能无意间造成人工智能技术军团的发生。” 那样比较好的解决方案是啥？“去中心化有一定的用途，却不是万能药；Web2早已创造了许多出乎意料的不良影响，我们应该从这当中汲取教训，而且意识到区块链是一种能够提供很多竞争力的基本技术，但依然不是唯一解决方案。” 但自然，不是所有在网络上的数据都可以免费试用：科研、诊疗数据、应用软件收集到的本人数据以及其它很多的私人拥有的数据可用于练习AI。 他指出，其中一个最实用的工具是建立大规模仿真模拟，看这一切很有可能怎样充分发挥。他说道，关键是“我们应该去中心化哪些，及其不去中心化哪些”。
因为AI而引发的社会现象早已呈指数级增长，因而一切切实可行的解决方案也需要由AI来达到 结果：应用区块链能够进行更加好的数据预备处理 因而，区块链 AI的最优组合是啥？Sheikh觉得：“将区块链视作流行AI开发设计中的重要一部分，将是一个很好的搭配。” “对于我们来说，将AI实体模型查询中的所有数据集中在一个地方并非最理想的AI开发方法。反过来，使训练算法的人类拥有自己数据并通过对结论的准确性水平遭受鼓励，将进一步加快AI的使用。这些平台里的AI实体模型能够更具有扩展性和可持续，并具有更高的可靠性和私密性。” De Kai一样担忧：“在70-80时代，大家在AI层面犯较大错误之一就是假设大家所做的一切都正确。我们目前务必再度检测我们自己的假定。” |
