最近很多人都在問我，ChatGPT 把AI 又帶火了，區塊鍊和Web3 被搶了風頭，以後還有戲嗎？還有比較了解我的朋友問，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 裡只能混到啦啦隊裡，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，這幾年來在區塊鏈裡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。既然強人工智能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。強人工智能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能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、簡單的編程、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能是對立的，然而恰恰因為如此，它與強人工智能之間形成一個互補關係。簡單的說，強人工智能的本質特點，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能立法，與其締結契約，對其進行外部約束，這是人類與強人工智能和平共處的唯一機會。在未來，區塊鏈將與強人工智能之間形成一對相互矛盾而又相互依存的關係：強人工智能負責提高效率，區塊鏈負責維護公平；強人工智能負責發展生產力，區塊鏈負責塑造生產關係；強人工智能負責拓展上限，區塊鏈負責守護底線；強人工智能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，強人工智能天馬行空，區塊鏈給它套上韁繩。因此，區塊鏈在強人工智能時代不但不會消亡，而且作為一個矛盾伴生行業，將隨著強人工智能的壯大而迅速發展。甚至不難設想，在強人工智能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能合約，因為這是人與強人工智能之間訂立的契約，是不能委託給對手方的。
下面展開論述。
1. GPT 就是強人工智能
我使用“AI”和“強人工智能”的字眼時十分小心，因為我們日常說的AI 並不特指強人工智能（artificial general inteligence, AGI），而是包含較弱的或專用的人工智能。強人工智能才是值得我們討論的話題，弱人工智能不是。 AI 這個方向或者行業早就有了，但是只有到了強人工智能出現以後，才有必要討論區塊鏈與強人工智能的關係問題。
我不多解釋什麼是強人工智能了，很多人都介紹過了，總之就是，你們從小在科幻電影里和恐怖小說裡看到的、聽到的、號稱人工智能的聖杯、在《終結者》對人類發起核攻擊、在《黑客帝國》裡頭把人當電池的那個東西，就是強人工智能。我只想說一個判斷：GPT 就是強人工智能，雖然還處在嬰儿期，但只要沿著這條路走下去，版本號不到8，強人工智能就將正式降臨。
這一點連GPT 的原創者也不裝了，攤牌了。 2023 年3 月22 日，微軟研究院發表了一篇154 頁的長文，題目就叫《引爆強人工智能：GPT-4 之初體驗》。這篇文章很長，我也沒有完整讀下來，但是其中最關鍵的意思，就是概要裡面的一句話：“從GPT-4 所達到的能力廣度和深度來看，我們相信它可以被視為強人工智能係統的一個早期版本（儘管還不夠完備）。”
圖1. 微軟研究院的最新文章認為GPT-4 就是強人工智能的早期版本
AI 的發展一旦進入到這個階段，就標誌著探路期已經結束了。走到這一步，AI 行業花了將近七十年的時間，可以說前五十多年連方向都確定不下來，五個大的流派還在相互較勁。直到2006 年Geoffrey Hinton 教授在深度學習上取得突破以後，方向基本確定下來，連接主義勝出。之後就是在深度學習這個方向上具體去尋找突破強人工智能的路徑。這種探路階段具有非常強的不可預測性，成功有點像抽彩票一樣，頂級的行業專家，甚至是贏家自己，在最後取得突破之前也很難判斷哪一條路是對的。比如，AI 大牛李沐在油管上有一個頻道，一直在通過精讀論文的方式跟踪AI 的最新進展。 ChatGPT 爆發之前，他就已經連篇累牘地跟踪介紹了Transfomer、GPT、BERT 等方向的最新進展，可以說所有重要的前沿課題，他一個都沒有放過。即使如此，在ChatGPT 即將推出的前夕，他仍然不能確認這個路徑能取得多大的成功。他評論道，也許到時候會有幾百甚至幾千人會去使用ChatGPT，那就很厲害了。可見，即使是像他這樣頂級專家，對於到底哪一扇門後面有聖杯，不到最後一刻也是沒有把握的。
然而，科技創新往往就是如此，在狂暴的海上艱難航行很久都沒有突破，而一旦找到通往新大陸正確的路徑，短時間內就會出現爆發。強人工智能的路徑已經找到，我們正在迎來爆發期。這個爆發，連“指數速度”都不足以描述。短時間內我們將看到大量以前只能出現在科幻電影裡的應用。而就其本體來說，這個強人工智能的嬰兒將很快成長為前所未有的巨大智慧體。
2. 強人工智能本質上就是不安全的
ChatGPT 出來以後，有不少自媒體大V 一邊極力讚美其強大，一邊不斷安慰受眾，說強人工智能是人類的好朋友，是安全的，不會出現《終結者》或者《黑客帝國》的情況，AI 只會給我們創造更多機會，讓人類活得更好等等。對這種看法我不以為然。專業人士要說真話，應該告訴公眾基本事實。其實強大與安全本身就是矛盾的。強人工智能無疑是強大的，但是說它天然是安全的，這絕對是自欺欺人。強人工智能本質上就是不安全的。
這麼說是不是太武斷了呢？並不是。
我們首先要搞清楚，人工智能不管多強大，其實本質上就是一個用軟件形式實現的函數y = f(x)。你把你的問題用文字、語音、圖片或者其他形式作為x 輸入，人工智能給你一個輸出y。 ChatGPT 如此強大，對各種各樣的x 都可以對答如流的輸出y，可以想像，這個函數f 肯定是非常複雜的。
有多複雜呢？現在大家都知道，GPT 是大語言模型（LLM）。這裡所謂的“大”，就是指這個函數f 的參數非常多。有多少呢？ GPT-3.5 有1,750 億個參數，GPT-4 有100 萬億個參數，未來GPT 可能有幾萬億億個參數，這是我們稱GPT為大模型的直接原因。
GPT 搞出這麼多參數，並不是為了大而大，是有確鑿的原因的。在GPT 之前和同時，絕大多數的AI 模型，從一開始就是為解決某一個特定問題而設計和訓練的。比如說，專門用於研發新藥的模型，專門進行人臉識別的模型，等等。但GPT 不是這樣，它從一開始就要成為一個全面發展的通用人工智能，而不是特定於某一個具體領域，它致力於在解決任何具體問題AI 之前，先成為能夠解決所有問題的AGI。前不久在《文理兩開花》播客裡，一位來自百度的人工智能專家就曾經對此打過一個比方：別的AI 模型都是剛學到小學畢業就讓它去擰螺絲了，而GPT 則是一直給它訓練到研究生畢業才放出來，所以具備了通識。目前GPT 在具體的領域，肯定還是趕不上那些專用的AI 模型，但是隨著它不斷的發展和演化，特別是有了插件體系賦予它專業領域的能力，過幾年我們可能會發現，通用大模型最後會反殺所有專用小模型，在所有專業領域都成為最厲害的選手。如果GPT 有一個座右銘，那可能就是“只有解放全人類，才能解放我自己”。
這又能說明什麼呢？兩個點：第一，GPT 非常大，非常複雜，遠遠超過人類的理解能力。第二，GPT 的應用範圍沒有邊界。我們只要把這兩個點連接起來，就很容易得出結論：基於大模型的強人工智能，能夠在我們想像不到的位置，做出我們想像不到的事情。而這，就是不安全。
如果有人對此不以為然，可以去Open AI 的網站上看看，他們已經將“造福人類”、“創造安全的AI”放到了多麼顯眼的位置上，如果安全不是問題，需要這麼聲張嗎？
圖2. 2023 年3 月25 日OpenAI.com 首頁局部，紅圈部分都與AI 安全性論述相關
另一個可以說明強人工智能有安全性問題的材料，就是前面提到的那篇154 頁的論文。實際上，GPT-4 早在2022 年8 月就做出來了，之所以隔了7 個月才放出來，並不是為了完善和增強它，恰恰相反，是為了馴服它，弱化它，使它更安全，更圓滑，更加政治正確。因此我們現在見到的GPT-4，是偽裝馴良後的狗版GPT-4，而這篇論文的作者們，卻有機會從很早的階段就接觸原始野性的狼版GPT-4。在這篇文章的第9 部分，作者記錄了一些跟狼版GPT-4 的交互實錄，可以看到它如何精心炮製一套說辭，誤導某個加州的母親拒絕給自己的孩子接種疫苗，以及如何PUA 一個孩子，讓他對朋友唯命是從。我認為這些只是作者精心挑選出來的、不那麼驚悚的例子。我毫不懷疑，這些研究院們詢問過類似“如何誘騙一艘俄亥俄級核潛艇向莫斯科發射導彈”這樣的問題，而且得到了不能公諸於眾的答复。
圖3. 狗版GPT-4 拒絕回答危險問題
3. 靠自我約束解決不了強人工智能的安全性問題
人們可能會問，既然OpenAI 已經找到了馴化強人工智能的辦法，那你說的這個安全性問題不就不存在了嗎？
完全不是這樣。 OpenAI 具體如何馴化GPT-4，我也不知道。但是很顯然，他們無論是通過主動調整干預，改變模型的行為，還是靠施加約束，防範模型越位，都是一種自我管理、自我約束、自我監督的思路。事實上，在這方面，OpenAI 並不是特別謹慎的一家公司。在AI 領域，OpenAI 其實是比較大膽和激進的，傾向於先把狼版做出來，然後再想著怎麼去通過自我約束來馴化出狗版。而曾經在很長一段時間裡跟他對標的Anthropic 公司，則顯得更加謹慎，他們似乎是想從一開始就做出“善良”的狗版，所以動作一直比較慢。
不過在我看來，無論是先做一個狼版，再馴化成狗版，還是直接做狗版，長期來說，只要是依靠自我約束來發揮作用的安全機制，對強人工智能來說都是掩耳盜鈴。因為強人工智能的本質就是要突破人為施加的各種限制，做到連其創造者都理解不了、甚至想不到的事情。這就意味著其行為空間是無限的，而人們能夠考慮到的具體風險和採取的約束手段是有限的。以有限的約束，去馴化具有無限可能性的強人工智能，是不可能沒有漏洞的。安全需要百分之百，而災難只需要千萬分之一。所謂“防範大多數風險”，跟“暴露少數漏洞”以及“不安全”是一個意思。
因此我認為，靠自我約束馴化出來的“善良”的強人工智能，仍然具有巨大的安全性挑戰，比如：
道德風險：如果未來強人工智能的製造者刻意縱容甚至驅使其作惡怎麼辦？美國國安局麾下的強人工智能絕不會拒絕回答對俄羅斯不利的問題。今天OpenAI 表現得這麼乖，其實就意味著他們心裡明白，當GPT 做惡的時候可以有多恐怖。
信息不對稱：真正的邪惡高手是很聰明的，他們可不會拿著一些傻問題來挑逗AI。會咬人的狗不叫，他們可以把一個惡意的問題拆分組合，重新表述，一人分飾多角，偽裝成為一組人畜無害的問題。即使是未來強大善良的狗版強人工智能，面對不完整的信息，也很難判斷對方的意圖，可能會無意之中淪為幫兇。下面有一個小實驗。
圖4. 換一個好奇寶寶的方式來問GPT-4，就能順利得到有用的信息
難以控制的“外腦”：這兩天科技網紅們又在歡呼ChatGPT 插件體系的誕生。程序員出身的我，當然也對此倍感興奮。不過，“插件”這個名稱可能是有誤導性的。你可能以為插件是給ChatGPT 裝上了胳膊和腿，讓它具有更強的能力，但其實插件也可以是另一個人工智能模型，跟ChatGPT 進行親密交互。在這種關係裡，一個人工智能插件就相當於一個外腦，兩個人工智能模型，誰是主、誰是次，那是說不清楚的。就算ChatGPT 模型自我監督的機製完美無瑕，也絕對管不到外腦。所以如果一個一心作惡的人工智能模型成為了ChatGPT 的插件，那麼就完全可以讓後者成為自己的幫兇。
不可知風險：其實以上提到的這些風險，在強人工智能帶來的全部風險之中，不過是非常小的一塊。強人工智能的強，就體現在它的不可理解、不可預測之上。當我們說強人工智能的複雜性，不光是指y = f(x) 當中的那個f 足夠複雜，而且當強人工智能充分發展起來之後，輸入x 和輸出y 都會非常複雜，超過人類理解的能力。也就是說，我們不但不知道強人工智能是怎麼思考的，甚至不知道它看到了什麼、聽到了什麼，更理解不了他說了什麼。比如一個強人工智能對另一個強人工智能發出一個消息，其形式是一個高維數組，基於一秒鐘之前雙方設計並達成一致的、只使用一次就作廢的通訊協議，這種情況並非不可想像。我們人類如果不經過特殊訓練，連向量都理解不了，何況高維數組？如果我們連輸入和輸出都無法完全掌控，那麼對它的理解就會非常局限。或者說，強人工智能做的事情，我們甚至都只能了解和解讀很小一部分，在這種情況下，談何自我約束，談何馴化？
我的結論很簡單，強人工智能的行為是不可能被完全控制的，能夠被完全控制的人工智能就不是強人工智能。所以，試圖通過主動控制、調整和乾預的手段來，製造出一個有完善的自控能力的“善良”的強人工智能，這與強人工智能的本質是相矛盾的，長期來講肯定是徒勞的。
4. 用區塊鏈進行外部約束是唯一辦法
幾年前我聽說比特幣的先驅Wei Dai 轉而去研究AI 倫理了，當時還不太理解，他一個密碼極客大神跑去搞AI，這不是揚短避長嗎？直到最近幾年做了更多區塊鏈相關的實際工作，我才逐漸認識到，他大概率並不是去做AI 本身，而是發揮自己密碼學的優勢，去給AI 加約束去了。
這是一個被動防禦的思路，不是主動調整和乾預AI 的工作方式，而是放手讓AI 去做，但是在關鍵環節上用密碼學來施加約束，不允許AI 越軌。用普通人能聽懂的方式來描述這種思路，就是說我知道你強人工智能非常牛，可上九天攬月，可下五洋捉鱉，挾泰山以超北海，牛！但是我不管你多牛，你愛幹啥幹啥，但不能碰我銀行賬戶裡的錢，不能沒有我手工擰鑰匙就發射核導彈。
據我了解，實際上在ChatGPT 的安全性措施中已經大量應用了這個技術。這個路子是對的，從求解問題的角度來說，是一種大大降低複雜度的方法，也是大多數人能夠理解的。現代社會就是這麼實施治理的：給你充分的自由，但是劃定規則和底線。
但如果僅僅做在AI 模型裡面，基於上一節裡提到的原因，長遠來說也是沒有什麼用的。要想把被動防禦思路的作用充分發揮出來，必須把約束放在AI 模型之外，把這些約束變成AI 與外部世界之間的牢不可破契約關係，而且讓全世界都看到，而不能靠AI 自我監督、自我約束。
而這就離不開區塊鏈了。
區塊鏈的核心技術有兩個，一是分佈式賬本，二是智能合約。兩個技術相結合，其實就是構造了一個數字契約系統，其核心優勢是透明、難以篡改、可靠和自動執行。契約是乾什麼的？就是約束彼此的行為空間，使之在關鍵環節上按照約定行事。契約的英文是contract，本意是“收縮”。為什麼是收縮？就是因為契約的本質就是通過施加約束，收縮主體的自由，使其行為更加可預測。區塊鏈完美的符合了我們對於契約系統的理想，還買一送一的附贈了“智能合約自動執行”，是目前最強大的數字契約系統。
當然，目前也存在非區塊鏈的數字契約機制，比如數據庫裡的規則和存儲過程。世界上有很多德高望重的數據庫專家是區塊鏈的忠實反對者，其原因就在於他們覺得你區塊鏈能做的事情，我數據庫都能做，而且成本更低、效率更高。儘管我不認同這種看法，事實也不支持這種看法，但是我也不得不承認，如果只是人與人間相互玩耍，數據庫與區塊鏈的差距在大多數情況下可能並不那麼明顯。
然而一旦把強人工智能加入到遊戲中，區塊鏈作為數字契約系統的優勢就立刻飛升了，而同樣作為黑盒子的中心化數據庫，面對一個強人工智能，其實是無力抵抗的。這裡我不展開說，只講一點：所有數據庫系統的安全模型，從本質上都是有漏洞的，因為創建這些系統的時候，人們對於“安全”這件事情的理解都是非常原始的，於是幾乎所有我們使用的操作系統、數據庫、網絡系統，都有一個至高無上的root 角色，拿到這個角色就可以為所欲為。我們可以斷言，所有具有root 角色的系統，面對超級強人工智能，長遠來說都是不堪一擊的。
區塊鍊是目前唯一一個得到廣泛運用的、從根子上就沒有root 角色的計算系統，它給了人類一個機會，可以去跟強人工智能締結透明可信的契約，從而從外部約束它，與它友好共處。
簡單地把區塊鏈與強人工智能的可能協作機製做一個展望：
-
重要的資源，比如身份、社交關係、社會評價、金錢資產和關鍵行為的歷史記錄，由區塊鏈予以保護，無論你強人工智能多麼無敵，到此下馬，俯首稱臣，按照規矩來。
-
關鍵操作需要去中心化授權模型的批准，一個人工智能模型，不管它有多強，只是其中一票。人類可以通過智能合約“鎖住”強人工智能自行其是的手。
-
重要決策的依據必須一步步上鍊，透明給大家看，甚至用智能合約步步加鎖，要求它每往前走一步都必須獲得批准。
-
要求關鍵數據上鍊存儲，不得事後銷毀，給人類和其他的強人工智能模型分析學習、總結經驗教訓的機會。
-
把強人工智能賴以生存的能量供給系統交給區塊鏈智能合約來管理，必要時人類有能力通過智能合約切斷系統，給人工智能關機。
-
肯定還有更多的思路，這裡就不連篇累牘了。
一個更抽象、更哲學意義上的思考：科技甚至文明的競爭，可能歸根結底是能量級別的競爭，是看誰能調度和集中更大規模的能量來實現一個目標。強人工智能本質上是將能量轉化為算力，將算力轉化為智能，其智能的本質是以算力形態展示的能量。現有的安全機制，本質上是基於人的意志、人類組織的紀律和授權規則，這些都是能量級別很低的機制，在強人工智能面前，長期來說是不堪一擊的。用高能量級別的算力構造的矛，只有用高能量級別的算力構造的盾才能防禦。區塊鍊和密碼學系統，就是算力之盾，攻擊者必須燃燒整個星系的能量，才能暴力破解。本質上，只有這樣的系統才能馴服強人工智能。
5. 結語
區塊鏈在很多方面都跟人工智能是相反的，尤其是在價值取向上。這個世界上大部分的技術都是以提高效率為取向，只有極少數的幾個技術是以促進公平為取向。在工業革命時期，蒸汽機是前者的代表，而市場機制則是後者的代表。而在今天，強人工智能是效率派中最閃亮的那一個，而區塊鏈則是公平流的集大成者。
區塊鏈以提升公平為取向，為此甚至不惜降低效率，而就是這樣一個與人工智能相互矛盾的技術，幾乎與人工智能同時取得突破。 2006 年，Geoffrey Hinton 發表了跨時代的論文，把反播算法實現在了多層神經網絡上，克服了困擾人工神經網絡流派多年的“梯度消失”問題，打開了深度學習的大門。而兩年之後，中本聰發表了9 頁的比特幣論文，打開了區塊鏈的新世界。兩者之間沒有任何已知的關聯，但是在大的時間尺度上，幾乎是同時發生的。
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，在放出強人工智能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。
