针对所有人的AI：奖励数据生产者的超智能系统

这篇文章是CoinDesk的2019年年度回顾的一部分，该年度汇集了100篇专集，访谈和对区块链和世界状况的了解。 Ben Goertzel是基于区块链的AI市场项目SingularityNET的创始人兼首席执行官。

随着AI迅速渗透到经济的各个领域，没有什么问题比谁拥有，控制和指导用于训练AI系统的数据更迫切了，而AI从这些数据中学习的模型和结论也更为迫切。

现在，答案往往是大公司。电子邮件，消息，照片和文档中显示的有关我们的思想，偏好，恐惧和欲望的数据存储在公司数据库中，并用于制作个性化的广告来推动我们的购买行为。关于我们的身体和基因组的数据存储在制药公司的数据库中，未经我们的明确同意，也没有用于获得发现疗法的任何奖励的情况下，用于专有研发。这些大型公司当然与政府监视机构密切合作，有时是为了保护平民，有时是为了更邪恶。

随着AI越来越智能，谁拥有和控制AI的问题将变得更加尖锐。因此，幸运的是，存在能够对AI对个人数据，模型和结论的使用以及根据人们的数据学习的功能进行仔细跟踪和控制的技术。最终，这可能是区块链技术以及同态加密和多方计算等相关方法最关键的应用，这些方法允许进行复杂的AI数据处理，同时仍然尊重数据隐私。

随着AI越来越多的智能化，对谁拥有和控制的问题将变得更加精确。

在过去的两年中，将AI和区块链相结合的重要性在会议，研讨会和初创企业中已变得司空见惯。尚无去中心化的AI网络在商业上得到广泛采用，但这一概念已被广泛接受。到2020年底，似乎会有令人兴奋的场景，涉及大小不一的公司，它们的AI服务将从API调用转移到基于区块链的去中心化网络中，而不是通过集中式AI服务。

在同一时间范围内，人工智能系统的功能已得到显著提高，跨多个垂直市场的高端商业应用越来越多，基础研究进展也使从专用于“狭义的人工智能”系统的应用跃升为更通用的系统。通用的AI系统是科幻作者和未来主义专家们长期以来所预见的。

不久前，人工智能通用技术（AGI）仅在某些稀疏的研究界才成为讨论的主题。但是，自从微软向OpenAI投入10亿美元以来，人们现在已经听到了国家和企业领导人的口号。现在，相当广泛的理解是，AI不仅需要模仿其训练数据集，而且还具有处理程序员和培训者未曾想到的新领域的能力。虽然人类级别的AGI系统在未来仍然存在，但我们正在朝着该方向迈出的一步，这些AI系统可以进行因果推理（确定根本原因是诸如股市崩盘或疾病暴发等复杂事件的根本原因）并进行类比推理（使用知识）有关帮助理解人类疾病的小鼠疾病，或有关帮助我们理解英语的汉语知识）。

但是，AGI和去中心化AI的融合尚未在很大程度上引起公众的关注。在2020年，我们很可能会看到朝这个方向迈出的第一步。这将唤醒公众对去中心化框架向具有深远的想象力，泛化能力和创造性学习能力的AI迈进的潜力的关注。

实用形式

去中心化AI元网络中的面向AGI的代理（涉及多个互操作的去中心化AI网络：假设SingularityNET，Ocean，Fetch.ai，Shivom以及其他数十个都一起工作）将能够为应用提供抽象和泛化服务相同的元网络中运行的面向AI的AI代理。

假设面向健康技术的AI代理需要做出一个假设，即关于25,000多种人类基因中的哪些与导致前列腺癌有关。但是，假设它只有数百人的DNA数据–不足以得出关于这么多不同基因的可靠结论。如果没有允许该AI代理咨询其他AI代理寻求帮助的框架，则AI可能会放弃。但是在像SingularityNET这样的环境中，AI可以向其他AI咨询以寻求帮助，因此可能会有微妙的成功之路。如果还有关于模型生物（例如小鼠）中与前列腺癌相似的疾病的其他数据集，我们可能会看到通过结合多种AI试剂和不同的能力来了解哪些基因参与了前列腺癌的进展。

假设AI＃1（我们称为类比大师）具有类比推理的才能。这是将一种情况的知识映射到另一种情况的一种推理，例如，使用有关战争的知识来得出有关业务的结论。类比大师可以使用与患有前列腺癌的小鼠有关的基因数据得出关于人类前列腺癌的间接结论。

我们将对个人拥有和指导的更多一般AI形式进行工作

然后假设AI＃2（我们称为数据连接器）擅长查找与特定问题相关的生物学和医学数据集，并准备这些数据集进行AI分析。然后，假设AI＃3（我们称其为疾病分析家）是使用机器学习来了解人类疾病根本原因的专家。

疾病分析员在发现与前列腺癌相关的人类基因问题时，可能会决定需要一些横向思考来帮助其实现概念上的飞跃并解决问题。它向类比大师或许多不同的AI寻求帮助。

类比大师可能对癌症生物学一无所知，尽管它善于利用类比推理在概念上取得突破。因此，为了帮助疾病分析人员解决问题，它可能需要在知识库中填充一些相关数据，例如有关小鼠癌症的信息。然后，数据连接器开始救援，向模拟大师提供有关激发创造性脑力激荡所需的小鼠癌症数据，以支持疾病分析人员解决其问题。

从用户的角度来看，AI代理之间的所有这些合作都可以在幕后进行。研究实验室向疾病分析人员寻求有关前列腺癌基因分析的帮助，而无需知道疾病分析人员通过向Analogy Master和Data Connector寻求帮助来完成其工作。此外，Analogy Master和Data Connector不一定需要查看Disease Analyst的专有数据，因为使用多方计算或同态加密，AI分析可以在数据集的加密版本上进行而不会侵犯数据隐私性（在这种情况下，患者隐私）。

随着AI技术和基于云的IT的发展，多个AI之间的这种合作现在才变得可行。当然，这种合作可以通过防火墙后面的大公司控制的方式进行。但是，更有趣的是，这种实现越来越强大和通用的AI的范式可以自然地与分散的控制方式保持一致。

如果此示例场景中的三个AI代理由不同方拥有怎么办？如果疾病分析人员利用的有关人类前列腺癌的数据是由前列腺癌患者拥有并控制的，该人是从谁那里收集数据的呢？这不是医疗机构目前工作的方式。但是至少可以说，在技术层面上，没有任何理由需要由人工智能驱动的医学发现是单一且集中的。通过将现代AI与区块链基础设施相结合，一种去中心化的方法在技术上是可行的，该方法是通过多个代理，由多个所有者对安全加密的数据进行操作来实现智能化。

由于政治和行业结构的原因和惯性，目前在医学领域像在其他领域一样，对AI数据分析和决策的集中化普遍存在，而不是因为这是使技术起作用的唯一方法。

在这种情况下，原始的面向健康技术的AI的任务是了解癌症的遗传原因，可以很好地将幕后花絮与该类比推理AI以及相关模型生物数据的提供者联系起来，以提供给类比推理器，以帮助其解决任务。

在不久的将来的人工智能网络中，智能将存在于两个不同的层次上-单个AI代理，以及AI代理网络的协调一致的活动（上例中为三个AI代理的组合；以及在更复杂的情况下，会使用大量更多种类的AI代理）。在这两个级别上，在一定程度上也都将具有概括和抽象的能力。它将存在于单个AI代理中，例如上例中的Analogy Master，它们面向的是通用情报，而不是解决高度专业化的问题。它将存在于整个网络中，包括由面向通用化的AI代理（如Analogy Master）和特殊用途的AI代理（如Disease Analyst）和“连接器” AI代理（如上面的数据连接器）组成的组合。

分散式AI网络的可扩展部署和广泛采用仍处于起步阶段，并且在未来几年中将遇到许多微妙的问题并加以解决。毕竟，与谷歌，Facebook，亚马逊，IBM，腾讯或百度创建的IT系统相比，去中心化AI社区实现其中期目标所需要的更为复杂。这些系统是成千上万的杰出工程师数十年的工程工作的结果。

去中心化的AI社区不会雇用比这些公司更多的工程师。但是，Linux Foundation从来没有雇用过像Microsoft或Apple那样多的工程师，并且它现在拥有服务器端Internet以及移动和IoT生态系统背后的＃1操作系统。如果区块链AI世界试图通过众多具有不同抽象级别的AI代理的合作活动来催化通用情报的出现是成功的，那将必须通过社区活动来实现。这种社区活动将需要在很大程度上进行自我组织。但是，许多去中心化AI项目所基于的代币模型经过精确配置，可以通过向AI代理提供代币激励机制来鼓励这种自我组织，以激励和指导整个网络的智能并朝着各自的目标努力。

大型的中心化公司为公司带来了巨大的资源。但是，对于许多应用（包括医药和广告）而言，将数据提交表的不是公司，而是个人。人工智能需要学习数据。随着基于区块链的AI应用程序的出现，大公司可能会发现其独特的功能正在被淘汰。

您是否愿意拥有使用您的病历和基因组数据发现的医学疗法？您是否想确切地知道如何使用消息的内容和决定向您推荐哪些产品？我也是。

2020年将是这一愿景开始受到关注的一年。我们将看到真正的用户采用将区块链和AI结合在一起的平台的开始。我们将看到朝着更通用形式的AI迈进的工作，这些形式由向AI提供他们学习和成长所需数据的个人所拥有和指导。

ai-for-everyone-super-smart-systems-that-reward-data-creators

—-

编译者/作者：金刚

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。