到這一步，ArtDAO可能會(huì)從其他的DAO或者Github上搜索代碼，跟自己的代碼雜交生成下一代。而這些生成的下一代，可能不僅僅是畫圖能力產(chǎn)生了變化，還可能會(huì)改變ArtDAO的核心目標(biāo)。“下一代”可能不再把“作畫”做為自己的“DAO生”目標(biāo)，而是其他的什么目標(biāo)，比如檢查軟件中的安全漏洞。如果新生的目標(biāo)有對(duì)人類不利的成分，那人類這個(gè)物種說不定會(huì)被AI DAO淘汰……
AI DAO不是科幻，而是我們已經(jīng)能在今天構(gòu)建的事物。
AI是一個(gè)強(qiáng)力而危險(xiǎn)的技術(shù)。DAO們是強(qiáng)力而危險(xiǎn)的技術(shù)。AI沒有的資源，DAO有；DAO沒有的自主決策能力，AI有。AI DAO是更強(qiáng)力更危險(xiǎn)的技術(shù)。
于是在系列的第三篇文章中，Trent繼續(xù)寫到：
AI掌握人類的資源是大趨勢(shì)，無論是我們拱手相讓，還是AI強(qiáng)取豪奪。我們正在將大量金錢投入AI。我們已經(jīng)在將工廠的生產(chǎn)線、汽車和飛機(jī)交給AI。我們?yōu)榱颂嵘?，將不同領(lǐng)域的AI合并為通用的高等級(jí)AI。我們?yōu)榱瞬蛔屇硞€(gè)企業(yè)或國家壟斷最強(qiáng)力的AI系統(tǒng)，而設(shè)計(jì)了去中心化的AI DAO。
人類是高消耗低產(chǎn)出的任務(wù)處理單元。機(jī)器是低消耗高產(chǎn)出的任務(wù)處理單元。以效率之名，AI最終會(huì)在所有生產(chǎn)行為中“優(yōu)化”掉人類。
Trent認(rèn)為AI超越人類的那一天可能比很多人想象得更早（這在一些狹義領(lǐng)域已經(jīng)實(shí)現(xiàn)了，比如圍棋大師），并提出四點(diǎn)理由：
- 摩爾定律將繼續(xù)生效（這是作者的觀點(diǎn)）。對(duì)于很多AI而言，即使算法沒有改良，單純投入更多的算力（CPU、帶寬、存儲(chǔ)）就能夠變強(qiáng)。
- 資本對(duì)AI的青睞已經(jīng)產(chǎn)生了多方面的影響：小白用戶也可以使用深度神經(jīng)網(wǎng)絡(luò)得到不錯(cuò)的結(jié)果；無監(jiān)督學(xué)習(xí)能力的成熟；專用芯片大幅加成AI的效率（從通用芯片 -> GPU -> FPGA -> digital ASIC -> analog ASIC，每一次改進(jìn)就是10倍的效率提升）。
- DAO的發(fā)展程度，已經(jīng)足以提供讓AI自行獲取資源的能力。
- AI的發(fā)展道路上，并不存在根本性的阻礙。
當(dāng)區(qū)塊鏈遇到大數(shù)據(jù)
2016年年底，Trent先后撰文兩篇，其一是《區(qū)塊鏈與大數(shù)據(jù)》，其二是《區(qū)塊鏈與AI》。
在21世紀(jì)最初的幾年間，互聯(lián)網(wǎng)規(guī)模的大數(shù)據(jù)方案開始成形：Yahoo的ZooKeeper，Google的BigTable與MapReduce，F(xiàn)acebook的Cassandra，然后是開源的Hadoop文件系統(tǒng)、Hadoop MapReduce、Cassandra等。到2010年前后，MongoDB、Cloudera、DataStax等初創(chuàng)企業(yè)又把這些開源的大數(shù)據(jù)項(xiàng)目做成了商業(yè)方案。今天，大數(shù)據(jù)技術(shù)正在靜悄悄的改變世界上每一個(gè)企業(yè)的后端。
Trent認(rèn)為目前的大數(shù)據(jù)技術(shù)正面臨三個(gè)關(guān)鍵挑戰(zhàn)：
- 控制權(quán)。誰控制數(shù)據(jù)背后的基礎(chǔ)架構(gòu)？數(shù)據(jù)如何向全球共享？數(shù)據(jù)的多個(gè)版本如何更新？不同區(qū)域的管理員指派給誰？數(shù)據(jù)能否成為像水、電、計(jì)算、網(wǎng)絡(luò)一樣高度共享的資源？
- 數(shù)據(jù)驗(yàn)證。數(shù)據(jù)生成者如何證明數(shù)據(jù)是來自這里？數(shù)據(jù)使用者如何能夠信任別人生成的數(shù)據(jù)？如何應(yīng)對(duì)機(jī)器故障造成的數(shù)據(jù)錯(cuò)誤？
- 變現(xiàn)。數(shù)據(jù)的所有權(quán)、使用權(quán)如何交易？如何打造一個(gè)通用的數(shù)據(jù)市場(chǎng)？
區(qū)塊鏈也是一種數(shù)據(jù)庫，具有三個(gè)明顯特征：
- 去中心化（每一個(gè)管理員控制一個(gè)節(jié)點(diǎn)，全體管理員共享控制權(quán)）
- 數(shù)據(jù)不變性（全鏈路各個(gè)環(huán)節(jié)均可用私鑰/公鑰/哈希進(jìn)行數(shù)據(jù)驗(yàn)證，能夠更有效的剔除“壞”數(shù)據(jù)）
- 天生的資產(chǎn)/交易屬性
因此，Trent認(rèn)為區(qū)塊鏈能夠解決大數(shù)據(jù)目前面臨的挑戰(zhàn)——前提是區(qū)塊鏈技術(shù)要在可擴(kuò)展性方面有所突破，能夠滿足海量用戶群的寫入、讀取、查詢需求。
當(dāng)大數(shù)據(jù)遇到AI
我從90年代開始從事AI研究，當(dāng)時(shí)最常見的研究方式是：拿一個(gè)數(shù)據(jù)集（一般很小，而且數(shù)據(jù)是固定的），設(shè)計(jì)一個(gè)能提升性能的算法——比如針對(duì)SVM的分類器設(shè)計(jì)一個(gè)新內(nèi)核以減少AUC，然后把這個(gè)算法拿去發(fā)表。在當(dāng)時(shí)，“可發(fā)表”的標(biāo)準(zhǔn)差不多是10%的提升。如果你的算法實(shí)現(xiàn)了2倍甚至10倍的提升，那就算得上是“最佳論文”了。
2001年，微軟研究員Banko和Brill發(fā)布了一篇重要的論文。他們首先描述了自然語言處理領(lǐng)域在當(dāng)時(shí)的狀態(tài)：通常以不到百萬數(shù)量的詞匯做為數(shù)據(jù)集，在普通算法（如Naive Bayes / Perceptrons）下有25%的錯(cuò)誤率，在一些全新的基于內(nèi)存的算法下能實(shí)現(xiàn)19%的錯(cuò)誤率。然而這并不是重點(diǎn)。Banko和Brill的重要發(fā)現(xiàn)是：不改算法，只是增加數(shù)據(jù)集——10倍100倍1000倍的增加，結(jié)果是錯(cuò)誤率驚人的下降。在1000倍的數(shù)據(jù)量下，系統(tǒng)的錯(cuò)誤率減少至5%以下。更驚奇的是在這個(gè)量級(jí)的數(shù)據(jù)集下，老掉牙的50年代Perceptrons算法的表現(xiàn)反而超越了那些基于內(nèi)存的新算法。