人工智能和区块链的深度结合——人类协议到底能够给人类带来什么？

1

Klaus Schwab的《第四次工业革命：转型的力量》著作中，提到驱动从工业4.0到第四次工业革命的技术发展趋势，其中AI人工智能、Blockchain区块链、IoT人工智能无疑是支撑第四次工业革命的铁三角。

IoT代表了无处不在的网络带来了先进的基础设施、AI则带来了更智能的先进生产力，Blockchain则通过分布式合作带来了更先进的生产关系。

人工智能、区块链和物联网，必将成为现代机器社会的三大基石。

随着GPU算力、大数据、物联网、传感器等领域过去几年的指数级发展，人工智能开始爆发威力，如人脸识别、语音交互技术已经开始融入我们的生活。

人工智能和区块链。在相互融合的领域，能够完美的结合。而它们在各自领域遇到的困难与瓶颈，很大程度上都可以被另两种技术解决，从而能够形成交叉支撑、循环进化的良性迭代。人工智能解决智能个体的问题，区块链解决群体共识和社会契约的问题。

人工智能和区块链的结合能够迸发出很多美妙的创新。Human protocol就是这么一个人工智能与区块链相结合的项目。

2

Human protocol，又被称为人类协议。是不是听上去很极客？有高科技风？

Human protocol的定义是这样的：基于区块链技术的动态数据+图形验证的开源协议，该协议通过区块链的激励和合理的任务分发来降低机器人对网络和产品造成的影响，并应用在全球各大企业及数据平台，让每一次数据相关的任务（标记，图形，文字识别归类等）都能产生价值。

听上去不是那么好理解。但是其实人类协议要做的事情，几乎已经影响了人们在网络生活中的方方面面。人们经常能够碰得到。比如我们在登录一些网站和APP的时候。经常会碰到人机验证。

比如Google需要用户只需勾选“我不是机器人（I'm not a robt）”即可。在大多数条件下，这个图形可以判断出一个真人和一个自动程序之间的不同。

或者有时候更加复杂，需要人们对于一些图片进行识别，比如下面这个让用户勾选出是猫的那张照片。

很多人会忽视这一行为的意义，觉得这是多此一举，在给用户制造障碍。而实际上，就是这么一个设计，能够给谷歌和广告商每年带来数十亿美元的收益。

Google多年以来一直在努力解决“点击欺诈”问题， 因为很多点击付费广告会利用机器人程序帮助他们产生收入，这对Google是非常不利的。

另外，reCaptcha功能会在“不经意间”收集大量信息，包括IP地址和cookies，然后通过收集这些数据看对方是否和过去在互联网上的行为一致，来判定这个用户究竟是不是机器人。

Google创建了一个人类行为模型，很多线索都会用于判断对方是否是一个机器人。

如果是一个真人，付出了有价值的信息，同样冒着个人数据被获取的风险，却没有得到任何回报。人类协议正是为这一潜藏的巨大市场而生，而上述这个场景只是人类协议的主要应用方向之一。

3

HUMAN Protocol借助区块链技术将人工为机器数据分类的环节融入网站的“人机验证”流程，实现多方共赢。在这个过程中有三个角色。

网站拥有者：收到补偿金给每次用户填写验证码，保护网站不被黑客攻击；

网站访客：创造价值而非仅仅通过回答问题证明自己是人类；

做标签的用户：通过更低的成本达到更高的分类标签效果，节省时间和金钱。

这是一个非常巨大的市场，而且增长很迅速。根据目前存在最大的解决标签分类的网站Amazon Mechanical和CrowdFlower数据来看，近两年总体市场规模已超百亿美元，Mechanical Turk每天有50万左右的工作需求，reCAPTCHA每天需求过百万。

人类协议实现了资源整合，把数量有限的工作和现在必须的看上去没有价值的创造行为，比如人机验证进行结合。通过采取代币HMT激励的方式，提供奖励而实现了三方共赢。而目前来说，在这一个方面还没有看到同类的竞争者。

人类协议具体的运转方式是这样的。人类协议的代币HMT作为整个激励的核心。数据请求者决定他们想要标注的内容,通过API的方式发送相关的问题，然后制定详细的请求并存储HMT。这是一个赏金模式，符合相关条件就会触发智能合约，网站发送HMT代币作为奖励。这一切由智能合约自动完成，数据请求者收到他们需要的数据。

区块链提供了一种新颖而有效的方式来在生态系统参与者之间分配奖励。完整的系统形成一个开放协议的分散平台。每个组件都会收取角色费用，并通过以太坊区块链上的智能奖励来协调相互作用。

目前的“机器学习”需要收集尽可能多的协议（或者分类数据），以一种机器能理解的方式放在数据库里，对于一个机器学习模型来说，去学习标记恰当标记一个图像，需要被提供几千种对于一个特定物体的不同分类好的图像。

引入平衡证明共识机制，人人都能增加其网络价值，嵌至于以Human Protocol独创平衡证明共识机制使更多的被投资方受益，提高攻击弹性，同时不会阻止新用户参与网络。太坊上的Human Protocol可以每天扩展数十亿用户承载并提供相应任务。

Human Protocol同样设计了新型AI学习模式，通过注解和验证模型推理质量让数据集适用于模型训练。

人工智能产品需要进行通过神经网络计算来训练模型，人工智能产品想要达到更好的产品指标，除了算法，就是需要海量的数据来进行训练。采取智能学习的模式通过对人工智能网络进行培训，让网络掌握一定的技能，从而可以适应更多的数据情况。

未来个人所有的数据都能呈现在区块链上，需要数据的公司可以直接从区块链上购买我们的数据，我们需要做的是授予访问权限，跟踪数据使用情况，并且可以了解我们的个人信息最新进展。这些都是智能机器的工作。机器可以基于Human Protocol直接向人类索要其完善自身所需的数据。

4

Human Protocol项目理念和构思前卫大胆，但目前技术开发上的难度也是不小。我们来看一看项目团队能否支撑项目的发展。

Human Protocol的主要成员及顾问团队有：

Eli - CEO

Eli是AI公认的领导者，在过去的十年里，AI已经将机器智能应用于各种业务问题。他共同创立了四家科技公司，担任首席技术官或首席执行官，将他的专业知识应用于Array Ventures等以AI / ML为重点的公司的风险投资领域，并且为各种早期和中期公司的咨询委员会提供服务。 Eli创立并担任Intuition Machines的首席执行官，该公司为世界上一些最大的公司提供大规模AI / ML产品和服务。

Todd Anderson

自1999年起与神经网络合作。斯坦福大学计算生物学博士。注重应用ML和深度学习。美国国立卫生研究院R1和SBIR与西北大学合作授予收件人。关于神经科学和医疗设备主题的多项专利。直觉机器的职员科学家。负责跨项目协议，多目标优化的IM项。

Alex Newman

数据库和区块链专家。 Cloudera和Planet Labs的早期工程师，专为大型金融系统设计的数据库。 Apache软件基金会负责Hadoop和HBase项目的许多其他项目。 OpenCL，Rust，Tensorflow黑客，开发用于高速机器学习应用的定制内核。多家公司的创始人，二十年的专业构建软件和团队。

Brendan Eich （顾问）

CEO of Brave，Mozilla联合创始人,JavaScript编程语言的创建者,推出了首批成功的ICO（BAT）。

Dawn Song（顾问）

加州大学伯克利分校CS领域教授。AI深度学习、网络安全学、区块链等领域的专家，也是 Oasis Labs的首席执行官。

Keiran Thompson（顾问）

斯坦福大学研究科学家，PAPIs机器学习委员会主席。曾致力于银行以及对冲基金的机器AI学习、量化金融等领域。

Human Protocol的创始团队和顾问可谓豪华，Eli专注人工智能领域，是AI公认的领导者。另两位创始人是人工智能和区块链领域的技术大牛。顾问中鼎鼎大名的BAT的CEO，另外几位顾问也是各自领域中的顶级专家，都能够给项目的发展提供相当的支持和帮助。团队成果值得期待。

小结

目前Human Protocol的Hcaptcha网络已经驱动了互联网上超过10%的机器人拦截程序。网络终端每个月服务用户超过1亿人。

Human Protocol希望创建一个去中心化的数字世界，在这个世界中通过人工智能、开放经济架构、智能合约开展高效的经济活动，从而构建一个近自动化、极低摩擦的经济生态，利用区块链账本与数字货币激励收集、认证数据，利用机器学习与人工智能技术处理数据并作出决策。

自动高效的模式，多方共赢的设计，这一切让人类社会更加美好，你期待吗？

—-

编译者/作者：牛盾

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。