请选择 进入手机版 | 继续访问电脑版
开启辅助访问
链路首页链路财经目前收录 币种 : 4908 交易所 : 310钱包 : 17 24H 交易量 : $43,403,137,051 总市值 : $245,388,183,835
2019
07/12
12:30
分享
评论
  • 社区:果壳宇宙(IDfinityFun)

    作者:Dominic Williams

    翻译:红军大叔  & BlockPunk

    原文标题:Future governance? Integrating traditional AI technology into the Blockchain Ner



    前言


    DFINITY一直被视为是以太坊的姐妹网络,在DFINITY网络里,一种新的"AI即法律"模式,为遵序"代码即法律"的以太坊网络,提供了一种补充性的替代方案


    DFINITY还创造了能解决性能和扩展性问题,具备革命性的密码学技术,比如BLS算法下的阀值签名接力,这些也可以在以太坊中使用。而DFINITY使用区块链神经系统(BNS),实现了“AI即法律”,这一点在前一篇文章中也探讨过。


    这是一个几乎无所不能的混合人工智能系统,任何人都可以在抵押和付费后提交新的提案,BNS能在其上进行决策,并利用嵌入在EVM虚拟机内的新特权指令,来修改经济参数,升级协议,冻结恶意合同。还能运行任意的修复代码,应用这些指令来挽回或改善像DAO事件这样,破坏力巨大的黑客攻击


    尽管BNS可以有很多 目标,但它最终是为了捍卫多元性的长期价值的,这个过程中,市场一直充当了神经系统中多巴胺的角色。


    回顾一下BNS的细节

    在前面的文章中,我介绍了系统的基本原理,但没有探讨如何结合传统的人工智能技术,从而来扩展系统。在描述这些有趣的尝试之前,让我们快速回顾一下系统的基本工作原理(如果你已经熟悉BNS的工作原理,可以跳过这些要点,或者可以考虑阅读早期的技术文档)。

    1、提案被提交给BNS,这些提案要么被拒绝,要么被采纳并执行(它也可以在多个不同的选项中进行选择,这将在另一篇文章中讨论)。

    2、BNS通过统计“神经元”的投票输出来决定。

    3、神经元的拥有者会因为神经元的投票而得到奖励。用户通过存储dfinities来创建新的神经元,神经元的投票权和潜在的奖励与锁在其中的dfinities成正比。

    4、必须关闭一个神经元,才能解锁在里面的dfinities,这需要好几个月的时间。因此,神经元所有者有动机配置好自己的神经元,以便神经网络做出正确的决策,否则,市场变化会是质押的dfinities价值受损。

    5、借助安装在个人电脑或者其他个人设备里的特殊客户端软件,用户可以管理他的神经元,包括手动投票。这可以通过神经元的“投票密钥”来设置。

    6、特殊客户端软件可以很容易地浏览提案,配置神经元的行为,查看其他神经元如何、为何投票。

    7、提案被提交给BNS的链上智能合约组件,涉及“治理”,“经济学”和“协议升级”等不同的主题类型。

    8、在大多数情况下,用户配置他们的客户端软件,通过设置追随关系,从而让他们的神经元自动跟票,来响应其他神经元的投票活动。例如,关于"协议升级"类型的提案,用户可以将自己的神经元配置为自动跟随一个专家神经元,该神经元的地址是reddit 帖子中公布的核心开发人员的地址。

    9、有许多不同种类的跟随关系可以配置。比如配置一个相对简单的跟随关系,神经元在等待周期内,当它看到一个新提案时(允许所有者手动投票),就会检索优先追随关系表,以便在之后自动投票。如果第一个神经元投了票,它就会跟着投。如果追随的优先度最高的神经元没有投票,当前神经元会检查优先度前二的神经元中,是否有一个投了票。如果有一个投了票,它就会按照最高优先级来投,否则它就会无限后退到上一步。更复杂的配置涉及到神经元总数与权重大小。

    10、BNS 利用神经元的投票来做决定,需要"敬候投票完成",而不是简单的等待"最小限度的参与"——它总能迅速并确定的获得最终决策,而不会因为参与度不高产生严重推迟。

    11、针对每一个提案,有整个BNS中最终的追随映射关系来决定。由于时间变化下最终的映射关系可能发送变化,因此该过程是非确定性的。

    12、追随关系封装了信任过程,这使得可以通过算法来展现群体智慧。因为这些封装只存储了每一个神经元客户端软件的链下部分,所以整个网络的追随关系图是不可知的。

    13、由于跟随关系是不可知的,BNS就好像一个黑箱子,办法预测BNS会以做出什么决策,或者知道哪些关键神经元可能会左右到未来提案的采纳。不可见一个基本属性。

    14、BNS将从市场反馈中学习。例如,假设一个煽动者在reddit上说服了许多神经元所有者,让他们的神经元集体跟随他的步伐。然后由于他的影响,一个愚蠢的提议被采纳并执行。市场不会长时间被愚弄并做出负面反应,这使得人们会仔细检查他们的神经元,到底是追随了谁才会导致投票赞成这项提议。煽动者的神经元将从追随关系中被移除,随着时间的推移,通过这些行动,跟随关系将趋向于更理想的形式。

    重点来了


    终于到了这篇文章的重点。虽然大多数神经元会通过接受处理其他神经元的输出而自动投票,但必须始终有一部分人自主的产生判断,进行投票,从而启动整个追随关系。通常,这些事情将由影响力强、知识渊博、责任意识强的人(如核心开发人员和行业人士)控制,但由于他们也是遵序程序化构造的,因此使用传统AI技术构建的系统来控制核心神经元,是理所当然的。这并不像看起来的那么复杂。


    为了便于理解,我将先讨论使用一种非常基本的AI机制——贝叶斯分类器。利用托马斯·贝叶斯(Thomas Bayes, 1702-1761)的概率论,可以训练这些系统出于统计关系,感知属于不同类别的数据的概率。


    最著名的例子,这类AI系统的应用,一直以来为我们过滤了许多的垃圾邮件。当你将Gmail上的一封邮件归类为垃圾邮件时,这些反馈信息被用于改进这个分类器,以便将来更好地自动识别垃圾邮件。此外,这类AI系统还用于一些其他的领域,比如根据你的个人资料数据,智能的推送广告。


    让我们想象一下,BNS被扩展到这样一种情况:在过去的决策和市场波动之间的关系变得更加清晰之后,神经元上的AI程序可以在一段时间内对这类决策进行评估。


    如果设计得当,这可以提供强大的训练反馈,结合提案中的数据点(实际上是其他上下文数据),可以让AI评估一个提案是"好"还是"坏"。这就可以嵌入到BNS中去,通过将这类AI连接到一个神经元上,从而来帮助BNS对提案做出判断。


    简单地说,用户可能会发布一个由贝叶斯分类器控制的神经元的地址,这样信任这个AI,并认可它的投票记录的人,就可以将其纳入追随关系中。实际实现时,我们希望这些AI是基于预言机的,这样单个受信任的AI控制者,就不能通过简单地覆写AI代码,来间接的干扰BNS的决策。


    虽然引入了AI,但我不应该认为它就具备了足够的独立性与智慧,更不应该优先追随这些AI。在BNS的追随关系中,AI应该只是通过评分机制来施加影响力

    最后

    因此,必须通过这种方式,将传统的AI技术整合到神经元上,甚至可以在很早的时候将这些技术嵌入到系统中。DFINITY基金会很有可能,在Copper版中就完成这个工作。我们也希望听到大家对“如何在BNS中应用传统AI”的讨论。



    ●编号240,输入编号直达本文

    ●输入m获取文章目录

主题帖 42 关注 0 粉丝 0
情感指数

链路大数据分析置信度 21.81 %

TA的主题帖
主题相关
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

快速回复 返回顶部 返回列表