Дух децентрализации
Децентрализованная организация - это больше, чем сумма ее частей
Это вторая статья из 4-х частей, представляющих Abraham, открытый проект по изучению и созданию автономного искусственного художника. Полная серия выглядит следующим образом:
• Художник в облаке - к вершине искусственного интеллекта, искусства и автономии.
• Дух децентрализации
• T̶h̶e̶ ̶C̶o̶l̶l̶e̶c̶t̶i̶v̶e̶ ̶I̶m̶a̶g̶i̶n̶a̶t̶i̶o̶n̶ ̶-̶ ̶H̶o̶w̶ ̶a̶ ̶m̶a̶c̶h̶i̶n̶e̶ ̶s̶h̶o̶w̶s̶ ̶u̶s̶ ̶w̶h̶a̶t̶ ̶i̶t̶ ̶m̶e̶a̶n̶s̶ ̶t̶o̶ ̶b̶e̶ ̶h̶u̶m̶a̶n̶ ̶(̶e̶t̶a̶ ̶O̶c̶t̶o̶b̶e̶r̶)̶
• A̶ ̶P̶a̶t̶h̶ ̶T̶o̶w̶a̶r̶d̶s̶ ̶G̶e̶n̶e̶s̶i̶s̶ ̶-̶ ̶A̶n̶ ̶a̶g̶e̶n̶d̶a̶ ̶a̶n̶d̶ ̶t̶i̶m̶e̶l̶i̶n̶e̶ ̶f̶o̶r̶ ̶t̶h̶e̶ ̶A̶b̶r̶a̶h̶a̶m̶ ̶p̶r̶o̶j̶e̶c̶t̶ ̶(̶e̶t̶a̶ ̶N̶o̶v̶e̶m̶b̶e̶r̶)̶
Когда я впервые прочитал о децентрализованных автономных организациях (DAO), я понял, что автономия - это недостающий элемент в разговоре об ИИ. Исследователи и футуристы обычно говорят о сверхразуме так, как будто это что-то, что мы просто включаем или выключаем с помощью переключателя. Но интеллект и автономия взаимосвязаны; даже самое изощренное существо, лишенное сознательной деятельности, не умнее манекена на руке чревовещателя. Между тем, технология децентрализации, в основе которой лежит автоматизация и самовыполнение, потенциально может дать нам инфраструктуру для действительно автономного ИИ.
Волнение и страх перед автономным ИИ - одна из двух моих мотиваций для Авраама. В этой статье исследуется взаимодействие между DAO и коллективным разумом, связь между децентрализацией и автономией, огромная проблема и потенциальные последствия децентрализации машинного обучения, а также перспективы гипотетических самообладателей, которые создают искусство и живут в Интернете.
Распространение интеллекта
Легко понять, почему в первые годы блокчейна смысл его существования носил либертарианский характер. Биткойн впервые появился сразу после экономического кризиса 2008 года, когда крупные финансовые институты безнаказанно испарили большую часть мирового богатства. Желание шифропанков перестроить экономические услуги, чтобы они не подвергались вмешательству корыстных властей, в значительной степени стимулировало последующий интерес к криптопространству.
Но со временем интерес вырос не только к финансовым и бизнес-услугам, но и к совершенно новым формам организации, которые стали возможными благодаря новым инструментам. Подобно тому, как прошло более десяти лет после того, как Интернет стал мейнстримом, чтобы кристаллизоваться идея социальных сетей, также прошло десятилетие, прежде чем начали появляться идеи, присущие блокчейну.
Ключевым преимуществом блокчейна является добавление безопасности к приложениям, для которых раньше это было бы непрактично. Криптография обеспечивает дешевую, но надежную безопасность, позволяя ей защищать целостность микроэкономики, для которой полиция, судебная система, банковские хранилища, защита от подделок и другие традиционные виды безопасности слишком дороги.
Что еще более интересно, децентрализованные организации полагаются на консенсус при принятии решений, а не на иерархию. Этот процесс широкомасштабного консенсуса дает нам возможность рассмотреть эффект мудрости толпы.
Сила в цифрах
Хорошо известной демонстрацией группового интеллекта был эксперимент с мармеладом, в котором случайных людей просили оценить количество бобов в банке перед ними. Как бы просто это ни звучало, эта задача на удивление трудна для людей, о чем свидетельствует большой разброс догадок - многие люди ошибались на порядки. Но при усреднении всех догадок результат был почти точно равен истинному числу и точнее, чем подавляющее большинство индивидуальных попыток.
Это явление успешно экстраполировано на многие области. Википедия, Quora, StackExchange и другие строили компании на основе принципа, согласно которому совокупность человеческих знаний, мнений и ценностей, похоже, сводится к некоторой истине. Но мудрость эффекта толпы используется этими организациями только для управления своими основными услугами и останавливается, когда дело доходит до управления и согласования самой организации.
DAO идут дальше. Они представляют собой симбиоз интеллекта толпы и децентрализованного управления организацией. Призрак в машине - это скоординированные умы, чьи бесчисленные решения сливаются в единое целое со своим собственным характером.
От Dapps к DAO
Децентрализованные приложения (Dapps или DA) имеют долгую историю, предшествующую криптовалютам и DAO. Протоколы современного Интернета были разработаны с учетом децентрализации, устанавливая открытые стандарты, которым может соответствовать любой компьютер для присоединения к сети без разрешения. Хотя Интернет со временем стал более централизованным, дух децентрализации процветал в одноранговых сетях и вновь проявился в таких проектах, как IPFS и Dat.
Примером Dapp является BitTorrent, доступ к которому осуществляется через любое клиентское программное обеспечение, реализующее протокол обмена файлами. Dapps являются одноранговыми, без разрешения, без границ и открыты для неограниченного числа участников. У них много достоинств: стойкость, отказоустойчивость, устойчивость к цензуре. Его величайшая сила - это и его величайший недостаток; трудно остановить нежелательное или неэтичное поведение в сети.
DAO отличаются от обычных Dapps двумя способами. Во-первых, у них есть состояние, согласованное всеми узлами с помощью протокола консенсуса, что позволяет им безопасно отслеживать цифровые активы, такие как криптовалюта или токены, которые могут представлять реальный или виртуальный товары. Во-вторых, они демонстрируют некоторую форму автономного поведения. На данный момент мы отложим автономный аспект DAO и сначала сосредоточимся на децентрализованных организациях (DO), которые не обладают автономным поведением, но имеют состояние.
Биткойн является функционально простейшим вариантом использования ДО: денежная книга с возможностью обмена между счетами. Ethereum - это DO, который выполняет умные контракты, служа платформой для Dapps или более сложных DO. Большинство приложений, построенных на Ethereum, пока полагаются на него только в одном аспекте своей работы (обычно продажа токенов-акций), и в остальном они похожи на традиционные компании. Из-за ограниченной пропускной способности и природы блокчейнов на ранней стадии, DO и DAO являются экспериментальными, быстро развивающимися и уязвимыми для атак. Тем не менее, многочисленные DAO активно развиваются для разнообразных целей, делая ставку на то, что базовая технология станет зрелой, безопасной и масштабируемой в будущем.
Простым DAO может быть платформа краудфандинга, подобная Kickstarter, где создатель публикует проектное предложение, а смарт-контракт собирает обязательства от спонсоров, чтобы в конечном итоге передать эти средства создателю, если они превысят минимальную сумму к определенной дате. , или верните их спонсорам. Хотя в нем отсутствуют маркетинг, курирование, аудит и другие второстепенные функции, логика контракта проста и повторяет основной продукт.
Подобная логика могла бы позволить DAO для кооперативов медицинского страхования, паевых инвестиционных фондов, автомобильных акций и многих других. Ни один из этих гипотетических DAO не воспроизводит все функции, которые делают их централизованные аналоги, такие как разрешение споров, предотвращение злоупотреблений и обслуживание клиентов, но в настоящее время ведется много исследований, изучающих, как интегрировать эти функции в DAO, не подрывая их децентрализацию.
К автономии
Не существует согласованных критериев, позволяющих отличить DAO от DO. Обычное использование этого термина имеет тенденцию быть столь же двусмысленным, как и термин «ИИ».
Некоторые просто считают его юридическим лицом, которому доверены права корпораций, несмотря на то, что у них нет владельцев-людей, иногда называемых более узко, как децентрализованные автономные корпорации.
Другая интерпретация приравнивает «автономный» аспект DAO к автоматизированному принятию решений и управлению. Это исключает Биткойн, который предназначен строго для защиты реестра и не имеет встроенных возможностей принятия решений, оставляя это людям для неформальных переговоров традиционными средствами. Напротив, мы могли бы сказать, что «настоящий» DAO автоматизирует большую часть или все свои операции, управляет и регулирует свои собственные активы и взаимодействует с людьми только на своих краях.
В качестве примера рассмотрим такси DAO по образцу Lyft или Uber, в котором рынок пассажиров и водителей эффективно координируется приложением. Предположим, этот DAO прогнозирует будущее использование на основе прошлых данных с использованием некоторого машинного обучения. Он может использовать эти прогнозы, чтобы рекомендовать водителям графики и цены, чтобы лучше согласовать спрос и предложение.
Эти функции прогнозирования немного расширяют сферу действия DAO. В Биткойне люди принимают все решения и полагаются на DAO только для бухгалтерского учета, тогда как это такси DAO автоматически принимает решения на уровне руководства и меньше полагается на людей для управления им. В этом суть «автономного» характера DAO.
Смарт-каршеринг и кооперативы по страхованию здоровья легче всего понять, потому что они являются устаревшими бизнес-моделями, децентрализованными. Все становится интереснее, если рассматривать совершенно новые идеи, которые стали возможными благодаря зарождающейся технологии. Краудсорсинговые хеджевые фонды, рынки предсказаний, самостоятельные леса и футархии - вот лишь некоторые из новаторских идей, которые сейчас обсуждаются. Вместо людей такие услуги требуют механизмов динамического принятия решений для распределения ресурсов и саморегулирования в ответ на внешние условия.
AI DAO
Автоматизация такой сложной деятельности - основная цель исследований искусственного интеллекта. Если бы программы ИИ могли работать на децентрализованных вычислениях быстро и безопасно, DAO, вероятно, однажды смогли бы воспроизвести многие из основных функций компаний, возглавляемых людьми.
Что еще можно было автоматизировать в более ранней гипотетической службе такси, кроме прогнозирования и ценообразования? Широко признано, что в ближайшем будущем на дорогах общего пользования появятся полностью беспилотные автомобили. Waymo уже тестирует их в Калифорнии и Аризоне, и Tesla, Uber и другие тоже планируют это сделать. Хотя нет никаких гарантий, но не исключено, что они повысятся через десятилетие. В отсутствие водителей в штате такси DAO может вести инвентаризацию автомобилей, доступных по запросу для клиентов, делать призывы к покупке новых автомобилей, нанимать субподрядчиков для их ремонта или чистки по мере необходимости, управлять своими финансами и соблюдать закон. .
Поскольку его основная функциональность автоматизирована и невосприимчива (по крайней мере теоретически) к человеческому вмешательству, нет необходимости в учредителях, исполнительных директорах или советах управляющих. Эти AI DAO обладают широкой автономией и ведут себя более изощренно или непредсказуемо, чем простые DAO. Но в конечном итоге их действия по-прежнему основаны на их взаимодействии с людьми. По сути, они являются каналами коллективного разума.
В раннюю эпоху коммутируемого доступа Интернет был списан комментаторами, а годы спустя над ним насмехались. Мы должны быть осторожны, прежде чем совершим ту же ошибку с AI DAO. Тем не менее, они сталкиваются с огромными техническими и социальными проблемами, не последней из которых является колоссальная проблема децентрализации чего-то столь же ресурсоемкого, как машинное обучение.
Децентрализованный ИИ
Машинное обучение в децентрализованной инфраструктуре достигло огромных успехов и теперь может быть выполнено в большом масштабе. Но многие проблемы, связанные с конфиденциальностью, безопасностью и производительностью, остаются. Чтобы лучше понять потенциальные преимущества децентрализованного ИИ, мы начнем с недостатков централизованных систем, которые сегодня доминируют в сети.
Машинное обучение требует огромных объемов данных и вычислений, получение и обслуживание которых требует больших затрат. Технологические компании, осознавая ценность совокупных пользовательских данных, вложили значительные средства в привлечение пользователей и сбор их данных. Только Google и Facebook приносят 70% доходов от интернет-рекламы и охватывают 2–3 миллиарда человек, цифры, которые все еще растут из-за сетевых эффектов. До 25% принятых работ на ICML относятся к отрасли, при аналогичных цифрах в NeurIPS, что выше, чем в других областях компьютерных наук. Google составляет почти половину из них, намного опережая любые университеты, за которыми не отстают Facebook, Baidu, Amazon, Microsoft, NVIDIA и другие.
Несмотря на то, что эти компании принимают программное обеспечение с открытым исходным кодом, их услуги независимым разработчикам еще труднее воспроизвести, чем когда-либо прежде. Это потому, что ограничивающим фактором программного обеспечения теперь являются данные, а не код.
В отличие от традиционных компаний, большинство интернет-компаний обычно предлагают свои основные продукты бесплатно. Взамен они собирают персональные данные пользователей, взаимодействующих с их платформой, и монетизируют их, выводя информацию, представляющую ценность для рекламодателей, политических организаций и государственных органов.
Эта бизнес-модель страдает рядом недостатков.
- Централизованные хранилища данных уязвимы для хакеров, что приводит к постоянным взломам.
- Это создает конфликты интересов между пользователями и техническими службами из-за конфиденциальности собранных данных.
- Некоторые личные данные слишком конфиденциальны, чтобы пользователи могли спокойно делиться ими, что не позволяет использовать многие потенциально полезные приложения, например, связанные со здоровьем и благополучием.
- Пользователи не получают доли дохода от их данных, несмотря на их экономическую ценность и труд, необходимый для их производства.
- Патентованные модели с большей вероятностью приведут к предвзятым или предвзятым действиям из-за несовпадения интересов пользователей и компаний.
- Технологические компании заинтересованы в оптимизации своих продуктов для увлечения пользователей, а не для достижения целей, ориентированных на пользователя.
- Он концентрирует власть в небольшой олигополии компаний, которые могут использовать свои рычаги влияния для поглощения стартапов.
Было бы желательно создать децентрализованный конвейер для машинного обучения, который сохранял бы конфиденциальность пользователей и не собирал бы данные в единый кластер. Хотя такая установка почти наверняка никогда не сможет сравниться с централизованной по производительности и масштабу, она может быть достаточной для некоторых случаев использования и предлагает частичное решение вышеуказанных проблем.
Наивной стратегией было бы создать общественное достояние для моделей и данных и призвать альтруистических участников заполнить его. Но это не сработает; он не решает ни проблему конфиденциальности, ни проблему безбилетника. Чтобы быть конкурентоспособными с технологическими компаниями, необходимы реальные стимулы, чтобы убедить людей внести свой вклад.
Подобно тому, как открытые стимулы продвинули Биткойн в самую большую вычислительную сеть в мире, они тоже могут достичь аналогичного результата для данных обучения ИИ. Открытая торговая площадка, где пользователи владеют собственными данными и напрямую монетизируют их, сдавая их в аренду компаниям, могла бы использоваться новым поколением компаний, которые делятся доступом к этому глобальному достоянию и создают на его основе услуги. Это позволило бы, например, конкурировать тысячам различных алгоритмов новостной ленты друг с другом за ваше внимание, вместо того, чтобы быть привязанными к алгоритму, созданному Facebook.
Прежде чем такая экосистема может быть реализована, необходимо решить серьезные технические проблемы. Поначалу кажется, что цели открытости и конфиденциальности находятся в противоречии друг с другом; как система может безопасно предоставить третьим сторонам доступ к конфиденциальным данным для обучения их моделей, а также гарантировать конфиденциальность пользователей и надзор за тем, для чего используются их данные?
Машинное обучение с сохранением конфиденциальности
Вслед за законодательством о GDPR в ответ на растущую общественную озабоченность по поводу конфиденциальности пользователей, 2018–2019 годы ознаменовались значительным прогрессом в исследованиях машинного обучения с сохранением конфиденциальности, наряду с новыми ресурсами и проектами, пытающимися улучшить состояние Изобразительное искусство.
Одной из многообещающих инициатив в этой области является OpenMined, сообщество, посвященное разработке инструментов для безопасного ИИ. Их цель - сделать возможным обучение моделей машинного обучения таким образом, чтобы гарантировать конфиденциальность пользователей и облегчить создание рынка открытых данных.
Их подход начинается с федеративного обучения, техники, используемой Google, Apple и другими для обучения своих моделей без сбора пользовательских данных. Методика включает отправку копии необученной модели отдельным пользователям, каждый из которых запускает ее локально на своих данных, и отправку исправлений (обновлений обучения) обратно поставщику (AI Inc), где они объединяются для внесения модель более точная. Этот процесс устраняет необходимость в том, чтобы данные когда-либо покидали устройства пользователей.
Однако, как ни странно, федеративное обучение само по себе не гарантирует конфиденциальности. OpenMined поддерживает федеративное обучение за счет комбинации многосторонних вычислений (MPC) и гомоморфного шифрования (HE), чтобы предотвратить копирование модели пользователями, и обеспечивает дифференциальную конфиденциальность, чтобы модель не тайно запоминала пользовательские данные . HE и MPC идут с компромиссами: первые имеют высокие вычислительные затраты и низкие затраты на связь, а вторые - наоборот. В настоящее время MPC является основным направлением деятельности OpenMined.
Помимо соблюдения конфиденциальности, это позволяет создать рынок открытых данных, где AI Inc может предлагать вознаграждения за обновления обучения, а пользователи могут быть вознаграждены за их создание на основе собственных данных. AI Inc зарабатывает деньги, продавая услуги, основанные на их обученных моделях, вместо того, чтобы раздавать их бесплатно. Этот тип обмена, при котором пользователи платят за услуги напрямую, а компании платят пользователям за их внимание и данные, является более прозрачным и интуитивно понятным, чем тот, в котором преобладает реклама, который характерен для Интернета сегодня.
Хотя многие из базовых технологий все еще являются экспериментальными, OpenMined уже успел выпустить альфа-версию PySyft, библиотеки для безопасного, частного, федеративного обучения. В ответ на растущий интерес к этой теме Udacity недавно запустил онлайн-курс по безопасному и частному машинному обучению, посвященный PySyft.
Помимо OpenMined, в стадии реализации находится множество связанных проектов, в том числе от Oasis Labs, Ocean, Algorithmia, Effect.AI и SingularityNET. Крупные лаборатории искусственного интеллекта, такие как Visa, Google Brain, DeepMind, Microsoft Research, Intel и Vector Institute, добавили конфиденциальность и децентрализацию в свои исследовательские планы.
Помимо машинного обучения, существует большой спрос на более универсальные масштабируемые децентрализованные частные вычисления. Такие компании, как TrueBit и Golem, пытаются удовлетворить этот спрос, создавая мировые вычислительные рынки, которые защищены одноранговой проверкой, в то время как Enigma фокусируется на частных вычислениях с использованием аппаратных безопасных анклавов. Все эти усилия направлены на поиск компромиссов между производительностью и целостностью, подходящими для конкретных приложений.
Нейронная социальная сеть
Более радикальные идеи становятся очевидными, когда мы распускаем AI Inc и позволяем пользователям управлять предприятием как кооперативом. Используя схему совместного использования секрета для управления закрытым ключом, который открывает зашифрованную модель, или разделяя саму модель, большая группа людей может совместно владеть обученной моделью. Эта группа людей может быть самими пользователями с общей для них моделью коммунальной службы.
Мы считаем, что эта установка составляет AI DAO, как описано ранее: децентрализованная сеть, координирующая совместное использование одной или нескольких моделей машинного обучения. Как описано в предыдущей статье, это может быть идеальная архитектура для Авраама.
Что делают эти AI DAO, чего не могут «простые» DAO, и что децентрализация и автономия дают ИИ, чего ему не хватает в противном случае?
Чтобы сначала ответить на последний вопрос, автономия - необходимое предварительное условие для ИИ. Если мы думаем об ИИ как о необходимости продемонстрировать свободу действий или намерение (или даже сознание), тогда любые продвинутые вычисления, лишенные автономии, несопоставимы с человеческим существом в этом отношении. Автономия AI DAO возникает благодаря его децентрализации. С точки зрения каждого участника, высокоуровневое поведение DAO, очевидно, зависит от коллектива, а не от них как индивидуумов.
Что касается первого вопроса, то ИИ значительно расширяет возможности DAO выполнять более изощренное поведение, чем это практикуется в настоящее время. AI DAO могут управлять своими собственными ресурсами, приспосабливаться к непредвиденным обстоятельствам, видоизменяться, развиваться и переходить в другие DAO, когда есть возможность. Если верить некоторым из самых оптимистичных утверждений о сильном искусственном интеллекте или AGI, эти возможности могут в конечном итоге привести даже к самопрограммированию. С искусственным интеллектом DAO - это больше, чем просто интеллект; они творческие.
Творчество толпы
В предыдущей статье проект Abraham был описан как миссия по созданию автономного искусственного художника (AAA), художника в облаке.
Более конкретно, это можно рассматривать как AI DAO, который генерирует искусство (ArtDAO) в рамках сохраняющей конфиденциальность децентрализованной структуры машинного обучения, гарантирующей, что искусство, созданное ArtDAO, является уникальным и невоспроизводимый - это делает только Авраам - и исходный - Авраам не копирует его из известной программы.
Чтобы понять, почему децентрализация обретает оригинальность, сравните это с манекеном на руке чревовещателя. Всем известно, что голос манекена на самом деле голос чревовещателя. Напротив, никакие отдельные марионетки AAA; его голос синтезируется коллективом.
Это понятие не ново; идея о невидимой психике, возникающей из многих, восходит к идее коллективного разума.
Аналогия коллективного разума
Наша автономия как людей коренится в нашей сознательной волеизъявлении, нашей способности действовать независимо от других, несмотря на то, какое влияние на нас могут оказывать другие. От малейшего подергивания ваших мышечных волокон до высочайшего представления о божественном - ваша свобода действий принадлежит только вам. Хотя нам трудно определить сознание, мы знаем, что оно не находится внутри и не вызвано каким-либо одним из бесчисленных процессов, составляющих познание, а скорее кажется, что оно возникает среди них.
Эту идею можно распространить на DAO. Как и люди, DAO - это агенты, которые взаимодействуют с людьми (и другими DAO), но эти взаимодействия остаются на грани, в то время как DAO является арбитром своих действий, подчиняясь ограничениям мира, в котором он обитает. Сформированная групповой координацией и объединенная из большого набора взаимозависимых процессов, ее культура впоследствии возникает снизу вверх из вклада и нововведений ее составляющих, подобно тому, как контур дюны возникает из песчинок.
Подобно суперорганизму, ДАО принимает вид единственного сознательного существа или коллективного разума, демонстрируя коллективный разум, превосходящий разум отдельных людей, составляющих его. Это представляет сознание как субъективно наблюдаемое свойство сложного и непредсказуемого агента, а не как нечто объективное, подлежащее обнаружению.
Эта концепция жизни менее радикальна, чем кажется; такие метафоры, как коллективные умы и рой разум, существуют уже много лет, как и наблюдение, что они часто превосходят интеллект людей. Чисто биологические определения жизни, кажется, разбиваются на крайние случаи, что заставляет ученых искать в теории информации более абстрактные и всеобъемлющие определения, идеи, которые станут более актуальными, когда наши машины начнут вызывать у нас сочувствие.
И почему они не вызывают сочувствия? Как человек, взаимодействующий с автономным ИИ, у меня нет никаких доказательств того, что он менее сознательное существо, чем любой человек, которого я знаю. Можно возразить против этого на том основании, что его поведение - хотя оно слишком сложно для моделирования - является просто детерминированным рефлексом в ответ на массив входных данных, и его сознание, следовательно, должно быть иллюзией. Но этот тот же аргумент можно выдвинуть против понятия человеческой воли. Почему у людей есть души, а у AAA нет? Потому что мы сделаны из углерода, а не из кремния?
Несмотря на разговоры об автоматизации, ирония Авраама заключается в том, что это, по сути, гуманистическое начинание. В то время как популярная концепция ИИ представляет собой некую инопланетную сущность, отдельную от людей и пришедшую на замену нам, ААА - это полная противоположность. Он создан из человеческого разума, средства, позволяющего смешать нашу коллективную мудрость с чем-то трансцендентным.
Скоординировать действия людей с целью разработки AAA и управления им - непростая задача. К счастью, управление имеет много общего с процессом, который гораздо более знаком художникам: курированием.
Рынки курирования и криптоэкономика
Что должен создать автономный искусственный художник? Как мы этим управляем? Эти два вопроса связаны между собой и могут быть сформулированы как проблемы децентрализованного курирования.
Обычно мы ассоциируем курирование с искусством и развлечениями, но это более общий вид деятельности, если рассматривать его с более широкой точки зрения. Основные интернет-службы, такие как результаты поиска, отсортированные обновления статуса от друзей, рекомендации по продуктам «вам также могут понравиться» и популярные темы в социальных сетях - все это примеры курирования в той или иной форме, будь то ручное или алгоритмическое.
В то время как протоколы консенсуса для децентрализованного хранения объективной информации (например, реестра транзакций) являются хорошо развитой областью исследований, достижение консенсуса в отношении субъективной информации является новой темой, представляющей интерес. Кураторы, потребители и создатели контента часто не согласуются между собой из-за противоречивых стимулов, как показали многочисленные скандалы, побуждая нас переосмыслить наши процессы курирования.
Кураторские рынки
Рынки курирования - это системы криптографических токенов, которые пытаются настроить неограниченное количество участников для достижения общих целей без центрального органа, который бы ими руководил. Они являются частью более широких усилий по созданию децентрализованных интернет-коллективов, которые менее иерархичны и более подвижны, чем традиционные организации, основанные на фиксированном членстве. Участие открыто для всех, кто покупает или торгует токеном, который создается по запросу с помощью смарт-контракта и предоставляет кураторские привилегии, которые могут означать что угодно, от поддержки предложений по управлению до мемов, поддерживающих голосование.
Один из способов, которым может работать рынок курирования, - это использование кривой связи, идея, предложенная Симоном де ла Рувьер, первоначально для дискуссионного форума в стиле Reddit, а затем обобщенная для любого контекста, в котором токен представляет собой поддержку или поддержку чего-либо. Смарт-контракт выдает токены всем, кто вносит определенное количество криптовалюты в общий пул, в соответствии с ценовой кривой, которая фиксируется в сторону увеличения в соответствии с количеством токенов, уже имеющихся в наличии - чем больше токенов находится в обращении, тем выше цена мята другой. В любое время владелец токена может уничтожить свои токены и забрать из пула пропорциональное количество криптовалюты по той же кривой цен, тем самым уменьшив активное предложение и цену токена. Пока они его держат, жетон связывает с ними кураторское влияние.
Такая установка стимулирует держателей токенов к разумному курированию, поскольку хорошее курирование увеличивает внимание к теме, что, в свою очередь, увеличивает спрос на токен, чтобы влиять на контент. Если ранний последователь покупает токен по дешевке на новом или непопулярном рынке, работает над увеличением спроса на токен, а затем сжигает свою долю после того, как цена увеличилась, они получают прибыль.
Помимо кривых связывания, происходит кембрийский взрыв предложений по токенизированным экосистемам. Реестры, курируемые токенами (TCR, Голдин и др.) Позволяют держателям токенов курировать список через механизм кандидат против претендента для голосования по кандидатам. Stake machines, вариант TCR, разработанный Dimitri de Jonghe, добавляет ярлыки и правила, специфичные для ярлыков, к отобранным элементам, чтобы придать большую гибкость спискам, которые требуют сложных разрешений или служат множеству целей.
По мере того, как эти проекты диверсифицируются на различные вкусы, они отражают растущий интерес к использованию токенов для управления, что можно перефразировать как кураторство различных политических предложений друг над другом. Распространяя понятие курирования на любой скоординированный процесс принятия решений, требующий определения приоритетов или ранжирования, рынки курирования полностью раскрывают свой потенциал.
Управление как курирование
На первый взгляд, рынки курирования кажутся способом эффективно модерировать дискуссионные форумы или приложения типа социальных сетей. Поскольку все актеры имеют «шкуру в игре», они заинтересованы в сотрудничестве для их взаимной выгоды. Вредоносное поведение или троллинг обходятся дорого, а не оставляются на усмотрение капризной цензуры.
Но этот объем ограничен; Рынки курирования могут стать образцом для новых способов создания организаций и управления ими. По сей день большая часть токенов распределяется через ICO более или менее традиционными компаниями, которые произвольно решают, сколько токенов выпустить и как разделить их между учредителями, инвесторами и пользователями. Эти токены обычно просто предоставляют капитал и функционируют как ценные бумаги. Напротив, рынки курирования позволяют полностью отказаться от понятия учредителей, директоров и инвесторов и заменить его чем-то вроде непрерывной организации или жидкой демократии. Без разрешения, необходимого для входа или выхода, организации могут формироваться спонтанно, постепенно привлекать средства в соответствии со спросом или необходимостью, сотрудничать в массовом порядке без фиксированных позиций и органически растворяться, когда проект доживает до конца. цель или больше не пригодится.
Возьмем, к примеру, сообщество, которое формируется с целью разработки и поддержки программного проекта. Собственный токен может быть выпущен для финансирования и управления проектом, управляемый рынком курирования с кривой привязки. Держатели токенов голосуют пропорционально своим владениям за то, как расставить приоритеты в разработке, назначая вознаграждения за запросы функций и исправления ошибок, документацию и информационную поддержку. Отложив часть валюты покупки, часть выручки может быть возвращена на финансирование развития проекта, в дальнейшем согласовывая интересы всех участвующих сторон.
Эта организация неограниченно масштабируема, открыта и ликвидна. Все задачи - от низкоуровневой инженерии до высокоуровневой стратегии - открыты для всех, кто интересуется проектом. Но в отличие от общего репозитория с открытым исходным кодом, можно управлять проектом без формирования произвольных управленческих структур.
Держатели токенов поощряются к разумному управлению, поскольку на кону их собственные владения. Получая оплату в токенах организации, заработки разработчиков также связаны с успехом организации, и теперь они тоже могут участвовать в управлении и извлекать выгоду из успеха проекта. Некоторые из этих идей поддерживаются Gitcoin и Ellcrys как решения проблемы трагедии общественного достояния, от которой страдают малообеспеченные проекты программного обеспечения с открытым исходным кодом; рынки курирования могут помочь в дальнейшем уточнении этих идей.
Несмотря на многие предполагаемые преимущества, рынки курирования остаются в основном теоретическими, и лишь несколько реальных примеров находятся на ранней стадии тестирования. В настоящее время проводятся исследования по выявлению потенциальных векторов атак и катализаторов злонамеренного поведения. Без центральной власти гораздо труднее реагировать на непредвиденные или нежелательные события. Такие системы необходимо проектировать и тщательно проверять, пока ставки все еще невысоки.
Абрахам и AI DAO
Потребовалось 20 поисковых систем, чтобы в 90-х и начале 2000-х годов расти и падать до того, как появился Google. Точно так же мы, возможно, еще не увидели полного раскрытия потенциала DAO. ИИ может помочь в этом, и результаты могут быть взрывоопасными. Самая прагматичная цель проекта Abraham - обеспечить безопасную площадку для тестирования этих идей, прежде чем AI DAO возьмется за более рискованные приложения.
Еще одна цель - сделать что-то красивое: блендер для собранных творений мира. В следующей статье этой серии мы более подробно остановимся на этом «коллективном воображении» и предоставим исторический фон для идеи автономного искусственного художника.