最近很多人都在問我，ChatGPT 把 AI 又帶火了，區塊鏈和 Web3 被搶了風頭，以後還有戲嗎？
作者：孟岩
封面： Photo by DeepMind on Unsplash
最近很多人都在問我，ChatGPT 把 AI 又帶火了，區塊鏈和 Web3 被搶了風頭，以後還有戲嗎？ 還有比較瞭解我的朋友問，當年你放棄 AI 而選擇區塊鏈，有沒有後悔？
這裡有一個小背景。 2017 年初我離開 IBM 之後，跟 CSDN 的創始人蔣濤商量下一步的個人發展方向，選項有兩個，一個是 AI，一個是區塊鏈。 我本人在那個時候已經研究了兩年的區塊鏈了，所以當然想選這個。 但是蔣濤堅定的認為 AI 的勢頭更猛、顛覆性更強，我經過仔細思考也同意了，所以從 2017 年初到年中，我短暫地做了半年的 AI 科技媒體，跑了不少會，採訪了很多人，還浮光掠影的看了一些機器學習。 不過到了 8 月，我就回歸區塊鏈方向，並且一路走到今天，所以對我個人說，確實存在一個所謂 “放棄 A 而選擇 B” 的歷史選擇。
就個人而言，我當然不後悔。 方向的選擇首先要考慮自身情況。 我的條件，在 AI 裡只能混到啦啦隊里，賺錢少就不說了，表演不賣力、表情不生動，還會被人鄙視。 而區塊鏈則是我的主場，不但有機會上場，而且之前的很多積累也用得上。 更何況當時我對於中國的 AI 圈子有點了解之後，也不是太看好。 技術方面我只知道一點皮毛，但是常識不瞎。 都說區塊鏈圈子浮躁，其實當時的中國 AI 圈子在浮躁這件事上也不遑多讓。 在尚未取得決定性突破之前，AI 在中國過早地變成了一門合謀撈錢的生意。 上野的櫻花也無非是這樣，那還不如去做我更有比較優勢的區塊鏈。 這個態度到今天也沒有變化。 假如我當時留在 AI，這幾年來在區塊鏈里取得的一點小小成績自然無從談起，而在 AI 裡也不會有什麼真正意義上的收穫，搞不好現在還陷入到深深的失落感中。
不過以上只是就個人選擇而論，上升到行業層面，則需要另一個尺度的分析。 既然強人工智慧已經無可爭議地到來了，那麼區塊鏈行業是否需要、以及如何重新定位，這確實是一個需要認真思考的問題。 強人工智慧將會對所有的行業構成衝擊，而且其長期影響是無法預測的。 所以我相信現在很多行業專家都在發慌，都在思考自己的行業未來怎麼辦。 比如有些行業在強人工智慧時代大概能暫時坐穩奴隸，而另一些行業，比如翻譯、繪製插圖、寫公文、簡單的程式設計、數據分析等，則恐怕是欲做奴隸而不得，已經開始瑟瑟發抖了。
那麼區塊鏈行業會怎樣呢？ 我看現在討論這個事情的人還不太多，所以我來談談自己的看法。
先說結論，我認為區塊鏈在價值取向上與強人工智慧是對立的，然而恰恰因為如此，它與強人工智慧之間形成一個互補關係。 簡單的說，強人工智慧的本質特點，就是其內部機制對人類來說不可理解，因此試圖通過主動干預其內部機制的方式達成安全性的目標，這是緣木求魚，揚湯止沸。 人類需要用區塊鏈給強人工智慧立法，與其締結契約，對其進行外部約束，這是人類與強人工智慧和平共處的唯一機會。 在未來，區塊鏈將與強人工智慧之間形成一對相互矛盾而又相互依存的關係：強人工智慧負責提高效率，區塊鏈負責維護公平; 強人工智慧負責發展生產力，區塊鏈負責塑造生產關係; 強人工智慧負責拓展上限，區塊鏈負責守護底線; 強人工智慧創造先進的工具和武器，區塊鏈在它們與人類之間建立牢不可破的契約。 總之，強人工智慧天馬行空，區塊鏈給它套上韁繩。 因此，區塊鏈在強人工智慧時代不但不會消亡，而且作為一個矛盾伴生行業，將隨著強人工智慧的壯大而迅速發展。 甚至不難設想，在強人工智慧取代人類大部分腦力工作之後，人類還需要自己親自 動手的少數工作之一，就是撰寫和檢查區塊鏈智慧合約，因為這是人與強人工智慧之間訂立的契約，是不能委託給對手方的。
下面展开论述。
1. GPT 就是强人工智能
我使用 “AI” 和 “强人工智能” 的字眼时十分小心，因为我们日常说的 AI 并不特指强人工智能（artificial general inteligence, AGI），而是包含较弱的或专用的人工智能。强人工智能才是值得我们讨论的话题，弱人工智能不是。AI 这个方向或者行业早就有了，但是只有到了强人工智能出现以后，才有必要讨论区块链与强人工智能的关系问题。
我不多解释什么是强人工智能了，很多人都介绍过了，总之就是，你们从小在科幻电影里和恐怖小说里看到的、听到的、号称人工智能的圣杯、在《终结者》对人类发起核攻击、在《黑客帝国》里头把人当电池的那个东西，就是强人工智能。我只想说一个判断：GPT 就是强人工智能，虽然还处在婴儿期，但只要沿着这条路走下去，版本号不到 8，强人工智能就将正式降临。
这一点连 GPT 的原创者也不装了，摊牌了。2023 年 3 月 22 日，微软研究院发表了一篇 154 页的长文，题目就叫《引爆强人工智能：GPT-4 之初体验》。这篇文章很长，我也没有完整读下来，但是其中最关键的意思，就是概要里面的一句话：“从 GPT-4 所达到的能力广度和深度来看，我们相信它可以被视为强人工智能系统的一个早期版本（尽管还不够完备）。”
AI 的发展一旦进入到这个阶段，就标志着探路期已经结束了。走到这一步，AI 行业花了将近七十年的时间，可以说前五十多年连方向都确定不下来，五个大的流派还在相互较劲。直到 2006 年 Geoffrey Hinton 教授在深度学习上取得突破以后，方向基本确定下来，连接主义胜出。之后就是在深度学习这个方向上具体去寻找突破强人工智能的路径。这种探路阶段具有非常强的不可预测性，成功有点像抽彩票一样，顶级的行业专家，甚至是赢家自己，在最后取得突破之前也很难判断哪一条路是对的。比如，AI 大牛李沐在油管上有一个频道，一直在通过精读论文的方式跟踪 AI 的最新进展。ChatGPT 爆发之前，他就已经连篇累牍地跟踪介绍了 Transfomer、GPT、BERT 等方向的最新进展，可以说所有重要的前沿课题，他一个都没有放过。即使如此，在 ChatGPT 即将推出的前夕，他仍然不能确认这个路径能取得多大的成功。他评论道，也许到时候会有几百甚至几千人会去使用 ChatGPT，那就很厉害了。可见，即使是像他这样顶级专家，对于到底哪一扇门后面有圣杯，不到最后一刻也是没有把握的。
然而，科技创新往往就是如此，在狂暴的海上艰难航行很久都没有突破，而一旦找到通往新大陆正确的路径，短时间内就会出现爆发。强人工智能的路径已经找到，我们正在迎来爆发期。这个爆发，连 “指数速度” 都不足以描述。短时间内我们将看到大量以前只能出现在科幻电影里的应用。而就其本体来说，这个强人工智能的婴儿将很快成长为前所未有的巨大智慧体。
2. 强人工智能本质上就是不安全的
ChatGPT 出来以后，有不少自媒体大 V 一边极力赞美其强大，一边不断安慰受众，说强人工智能是人类的好朋友，是安全的，不会出现《终结者》或者《黑客帝国》的情况，AI 只会给我们创造更多机会，让人类活得更好等等。对这种看法我不以为然。专业人士要说真话，应该告诉公众基本事实。其实强大与安全本身就是矛盾的。强人工智能无疑是强大的，但是说它天然是安全的，这绝对是自欺欺人。强人工智能本质上就是不安全的。
这么说是不是太武断了呢？并不是。
我们首先要搞清楚，人工智能不管多强大，其实本质上就是一个用软件形式实现的函数 y = f(x)。你把你的问题用文字、语音、图片或者其他形式作为 x 输入，人工智能给你一个输出 y。ChatGPT 如此强大，对各种各样的 x 都可以对答如流的输出 y，可以想象，这个函数 f 肯定是非常复杂的。
有多复杂呢？现在大家都知道，GPT 是大语言模型（LLM）。这里所谓的 “大”，就是指这个函数 f 的参数非常多。有多少呢？GPT-3.5 有 1,750 亿个参数，GPT-4 有 100 万亿个参数，未来 GPT 可能有几万亿亿个参数，这是我们称 GPT 为大模型的直接原因。
GPT 搞出这么多参数，并不是为了大而大，是有确凿的原因的。在 GPT 之前和同时，绝大多数的 AI 模型，从一开始就是为解决某一个特定问题而设计和训练的。比如说，专门用于研发新药的模型，专门进行人脸识别的模型，等等。但 GPT 不是这样，它从一开始就要成为一个全面发展的通用人工智能，而不是特定于某一个具体领域，它致力于在解决任何具体问题 AI 之前，先成为能够解决所有问题的 AGI。前不久在《文理两开花》播客里，一位来自百度的人工智能专家就曾经对此打过一个比方：别的 AI 模型都是刚学到小学毕业就让它去拧螺丝了，而 GPT 则是一直给它训练到研究生毕业才放出来，所以具备了通识。目前 GPT 在具体的领域，肯定还是赶不上那些专用的 AI 模型，但是随着它不断的发展和演化，特别是有了插件体系赋予它专业领域的能力，过几年我们可能会发现，通用大模型最后会反杀所有专用小模型，在所有专业领域都成为最厉害的选手。如果 GPT 有一个座右铭，那可能就是 “只有解放全人类，才能解放我自己”。
这又能说明什么呢？两个点：第一，GPT 非常大，非常复杂，远远超过人类的理解能力。第二，GPT 的应用范围没有边界。我们只要把这两个点连接起来，就很容易得出结论：基于大模型的强人工智能，能够在我们想象不到的位置，做出我们想象不到的事情。而这，就是不安全。
如果有人对此不以为然，可以去 Open AI 的网站上看看，他们已经将 “造福人类”、“创造安全的 AI” 放到了多么显眼的位置上，如果安全不是问题，需要这么声张吗？
另一个可以说明强人工智能有安全性问题的材料，就是前面提到的那篇 154 页的论文。实际上，GPT-4 早在 2022 年 8 月就做出来了，之所以隔了 7 个月才放出来，并不是为了完善和增强它，恰恰相反，是为了驯服它，弱化它，使它更安全，更圆滑，更加政治正确。因此我们现在见到的 GPT-4，是伪装驯良后的狗版 GPT-4，而这篇论文的作者们，却有机会从很早的阶段就接触原始野性的狼版 GPT-4。在这篇文章的第 9 部分，作者记录了一些跟狼版 GPT-4 的交互实录，可以看到它如何精心炮制一套说辞，误导某个加州的母亲拒绝给自己的孩子接种疫苗，以及如何 PUA 一个孩子，让他对朋友唯命是从。我认为这些只是作者精心挑选出来的、不那么惊悚的例子。我毫不怀疑，这些研究院们询问过类似 “如何诱骗一艘俄亥俄级核潜艇向莫斯科发射导弹” 这样的问题，而且得到了不能公诸于众的答复。
3. 靠自我约束解决不了强人工智能的安全性问题
人们可能会问，既然 OpenAI 已经找到了驯化强人工智能的办法，那你说的这个安全性问题不就不存在了吗？
完全不是这样。OpenAI 具体如何驯化 GPT-4，我也不知道。但是很显然，他们无论是通过主动调整干预，改变模型的行为，还是靠施加约束，防范模型越位，都是一种自我管理、自我约束、自我监督的思路。事实上，在这方面，OpenAI 并不是特别谨慎的一家公司。在 AI 领域，OpenAI 其实是比较大胆和激进的，倾向于先把狼版做出来，然后再想着怎么去通过自我约束来驯化出狗版。而曾经在很长一段时间里跟他对标的 Anthropic 公司，则显得更加谨慎，他们似乎是想从一开始就做出 “善良” 的狗版，所以动作一直比较慢。
不过在我看来，无论是先做一个狼版，再驯化成狗版，还是直接做狗版，长期来说，只要是依靠自我约束来发挥作用的安全机制，对强人工智能来说都是掩耳盗铃。因为强人工智能的本质就是要突破人为施加的各种限制，做到连其创造者都理解不了、甚至想不到的事情。这就意味着其行为空间是无限的，而人们能够考虑到的具体风险和采取的约束手段是有限的。以有限的约束，去驯化具有无限可能性的强人工智能，是不可能没有漏洞的。安全需要百分之百，而灾难只需要千万分之一。所谓 “防范大多数风险”，跟 “暴露少数漏洞” 以及 “不安全” 是一个意思。
因此我认为，靠自我约束驯化出来的 “善良” 的强人工智能，仍然具有巨大的安全性挑战，比如：
道德风险：如果未来强人工智能的制造者刻意纵容甚至驱使其作恶怎么办？美国国安局麾下的强人工智能绝不会拒绝回答对俄罗斯不利的问题。今天 OpenAI 表现得这么乖，其实就意味着他们心里明白，当 GPT 做恶的时候可以有多恐怖。
信息不对称：真正的邪恶高手是很聪明的，他们可不会拿着一些傻问题来挑逗 AI。会咬人的狗不叫，他们可以把一个恶意的问题拆分组合，重新表述，一人分饰多角，伪装成为一组人畜无害的问题。即使是未来强大善良的狗版强人工智能，面对不完整的信息，也很难判断对方的意图，可能会无意之中沦为帮凶。下面有一个小实验。
难以控制的 “外脑”：这两天科技网红们又在欢呼 ChatGPT 插件体系的诞生。程序员出身的我，当然也对此倍感兴奋。不过，“插件” 这个名称可能是有误导性的。你可能以为插件是给 ChatGPT 装上了胳膊和腿，让它具有更强的能力，但其实插件也可以是另一个人工智能模型，跟 ChatGPT 进行亲密交互。在这种关系里，一个人工智能插件就相当于一个外脑，两个人工智能模型，谁是主、谁是次，那是说不清楚的。就算 ChatGPT 模型自我监督的机制完美无瑕，也绝对管不到外脑。所以如果一个一心作恶的人工智能模型成为了 ChatGPT 的插件，那么就完全可以让后者成为自己的帮凶。
不可知风险：其实以上提到的这些风险，在强人工智能带来的全部风险之中，不过是非常小的一块。强人工智能的强，就体现在它的不可理解、不可预测之上。当我们说强人工智能的复杂性，不光是指 y = f(x) 当中的那个 f 足够复杂，而且当强人工智能充分发展起来之后，输入 x 和输出 y 都会非常复杂，超过人类理解的能力。也就是说，我们不但不知道强人工智能是怎么思考的，甚至不知道它看到了什么、听到了什么，更理解不了他说了什么。比如一个强人工智能对另一个强人工智能发出一个消息，其形式是一个高维数组，基于一秒钟之前双方设计并达成一致的、只使用一次就作废的通讯协议，这种情况并非不可想象。我们人类如果不经过特殊训练，连向量都理解不了，何况高维数组？如果我们连输入和输出都无法完全掌控，那么对它的理解就会非常局限。或者说，强人工智能做的事情，我们甚至都只能了解和解读很小一部分，在这种情况下，谈何自我约束，谈何驯化？
我的结论很简单，强人工智能的行为是不可能被完全控制的，能够被完全控制的人工智能就不是强人工智能。所以，试图通过主动控制、调整和干预的手段来，制造出一个有完善的自控能力的 “善良” 的强人工智能，这与强人工智能的本质是相矛盾的，长期来讲肯定是徒劳的。
4. 用区块链进行外部约束是唯一办法
几年前我听说比特币的先驱 Wei Dai 转而去研究 AI 伦理了，当时还不太理解，他一个密码极客大神跑去搞 AI，这不是扬短避长吗？直到最近几年做了更多区块链相关的实际工作，我才逐渐认识到，他大概率并不是去做 AI 本身，而是发挥自己密码学的优势，去给 AI 加约束去了。
这是一个被动防御的思路，不是主动调整和干预 AI 的工作方式，而是放手让 AI 去做，但是在关键环节上用密码学来施加约束，不允许 AI 越轨。用普通人能听懂的方式来描述这种思路，就是说我知道你强人工智能非常牛，可上九天揽月，可下五洋捉鳖，挟泰山以超北海，牛！但是我不管你多牛，你爱干啥干啥，但不能碰我银行账户里的钱，不能没有我手工拧钥匙就发射核导弹。
据我了解，实际上在 ChatGPT 的安全性措施中已经大量应用了这个技术。这个路子是对的，从求解问题的角度来说，是一种大大降低复杂度的方法，也是大多数人能够理解的。现代社会就是这么实施治理的：给你充分的自由，但是划定规则和底线。
但如果仅仅做在 AI 模型里面，基于上一节里提到的原因，长远来说也是没有什么用的。要想把被动防御思路的作用充分发挥出来，必须把约束放在 AI 模型之外，把这些约束变成 AI 与外部世界之间的牢不可破契约关系，而且让全世界都看到，而不能靠 AI 自我监督、自我约束。
而这就离不开区块链了。
区块链的核心技术有两个，一是分布式账本，二是智能合约。两个技术相结合，其实就是构造了一个数字契约系统，其核心优势是透明、难以篡改、可靠和自动执行。契约是干什么的？就是约束彼此的行为空间，使之在关键环节上按照约定行事。契约的英文是 contract，本意是 “收缩”。为什么是收缩？就是因为契约的本质就是通过施加约束，收缩主体的自由，使其行为更加可预测。区块链完美的符合了我们对于契约系统的理想，还买一送一的附赠了 “智能合约自动执行”，是目前最强大的数字契约系统。
当然，目前也存在非区块链的数字契约机制，比如数据库里的规则和存储过程。世界上有很多德高望重的数据库专家是区块链的忠实反对者，其原因就在于他们觉得你区块链能做的事情，我数据库都能做，而且成本更低、效率更高。尽管我不认同这种看法，事实也不支持这种看法，但是我也不得不承认，如果只是人与人间相互玩耍，数据库与区块链的差距在大多数情况下可能并不那么明显。
然而一旦把强人工智能加入到游戏中，区块链作为数字契约系统的优势就立刻飞升了，而同样作为黑盒子的中心化数据库，面对一个强人工智能，其实是无力抵抗的。这里我不展开说，只讲一点：所有数据库系统的安全模型，从本质上都是有漏洞的，因为创建这些系统的时候，人们对于 “安全” 这件事情的理解都是非常原始的，于是几乎所有我们使用的操作系统、数据库、网络系统，都有一个至高无上的 root 角色，拿到这个角色就可以为所欲为。我们可以断言，所有具有 root 角色的系统，面对超级强人工智能，长远来说都是不堪一击的。
区块链是目前唯一一个得到广泛运用的、从根子上就没有 root 角色的计算系统，它给了人类一个机会，可以去跟强人工智能缔结透明可信的契约，从而从外部约束它，与它友好共处。
简单地把区块链与强人工智能的可能协作机制做一个展望：
- 重要的资源，比如身份、社交关系、社会评价、金钱资产和关键行为的历史记录，由区块链予以保护，无论你强人工智能多么无敌，到此下马，俯首称臣，按照规矩来。
- 关键操作需要去中心化授权模型的批准，一个人工智能模型，不管它有多强，只是其中一票。人类可以通过智能合约 “锁住” 强人工智能自行其是的手。
- 重要决策的依据必须一步步上链，透明给大家看，甚至用智能合约步步加锁，要求它每往前走一步都必须获得批准。
- 要求关键数据上链存储，不得事后销毁，给人类和其他的强人工智能模型分析学习、总结经验教训的机会。
- 把强人工智能赖以生存的能量供给系统交给区块链智能合约来管理，必要时人类有能力通过智能合约切断系统，给人工智能关机。
- 肯定还有更多的思路，这里就不连篇累牍了。
一个更抽象、更哲学意义上的思考：科技甚至文明的竞争，可能归根结底是能量级别的竞争，是看谁能调度和集中更大规模的能量来实现一个目标。强人工智能本质上是将能量转化为算力，将算力转化为智能，其智能的本质是以算力形态展示的能量。现有的安全机制，本质上是基于人的意志、人类组织的纪律和授权规则，这些都是能量级别很低的机制，在强人工智能面前，长期来说是不堪一击的。用高能量级别的算力构造的矛，只有用高能量级别的算力构造的盾才能防御。区块链和密码学系统，就是算力之盾，攻击者必须燃烧整个星系的能量，才能暴力破解。本质上，只有这样的系统才能驯服强人工智能。
5. 结语
区块链在很多方面都跟人工智能是相反的，尤其是在价值取向上。这个世界上大部分的技术都是以提高效率为取向，只有极少数的几个技术是以促进公平为取向。在工业革命时期，蒸汽机是前者的代表，而市场机制则是后者的代表。而在今天，强人工智能是效率派中最闪亮的那一个，而区块链则是公平流的集大成者。
区块链以提升公平为取向，为此甚至不惜降低效率，而就是这样一个与人工智能相互矛盾的技术，几乎与人工智能同时取得突破。2006 年，Geoffrey Hinton 发表了跨时代的论文，把反播算法实现在了多层神经网络上，克服了困扰人工神经网络流派多年的 “梯度消失” 问题，打开了深度学习的大门。而两年之后，中本聪发表了 9 页的比特币论文，打开了区块链的新世界。两者之间没有任何已知的关联，但是在大的时间尺度上，几乎是同时发生的。
歷史地看，這也許並不是偶然的。 假如你不是徹底的無神論者，或許可以這樣來看待：科技之神在工業革命兩百年之後，再一次同時在 “效率” 與 “公平” 的天平上加碼放大招，在放出強人工智慧這個瓶子裡的精靈的同時，也把駕馭這個精靈的咒語書交給人類，這就是區塊鏈。 我們將迎來一個激動人心的時代，這個時代所發生的事情，將使未來的人類看待今天的我們，正如同今天的我們看待石器時代的原始人。
免責聲明：作為區塊鏈資訊平臺，本站所發佈文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。 文章內的資訊僅供參考，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。
