HUMAN Protocol：超前的梦想是要有，但还是别为它买单了吧？

人的“非理性“表现之一，是对于负面信息有远超正面信息的敏感，大约2.5倍的“得到”才能弥补“失去”带来的情绪伤害。所以很多时候，批判性的或者“戾气”很重的文章能快速在朋友圈刷屏，一点莫须有的负面消息能带来一片哀嚎和绿色瀑布。

所以，叨逼叨对于用负面评价分析项目非常谨慎，尤其在人心脆弱的当下。但面对用过于超前的想法驱动比较超前的技术，还是奉劝一句“冷静”，不要看着花哨的idea和莫名高深的技术觉得“看不懂的就是最好的”，然后就产生了猛烈地想要投资的冲动。

你需要静静，她说：“冲动是魔鬼”。

坐稳了没？今日份的车开了哦

AI是当下炒得最火热的概念之一，大家都看好它的未来，Coursera的创建者、斯坦福大学计算机科学和电气工程系副教授、斯坦福人工智能实验室主任吴恩达（Andrew Ng）先生说在接受采访时说，“正如电在100年前改变了几乎一切，今天我很难想到一个几年内不会被AI改变的行业”。

但可惜，大多是人工智能现在还处于“弱智”阶段，机器需要学习，也需要人教。

简单来说，目前的“机器学习”需要收集尽可能多的协议（或者分类数据），以一种机器能理解的方式放在数据库里，对于一个机器学习模型来说，去学习标记恰当标记一个图像，需要被提供几千种对于一个特定物体的不同分类好的图像。例如要让机器靠谱地识别车，运算法则需要输入上千种汽车的图像：不同的式样和模型，不同角度的旋转，在不同灯光条件下等等。数据库足够大的时候，新用户不管发出什么样的“命令”，机器都可以在数据库内找到对应的方式回应，于是，就听到了人类关于机器的由衷赞叹“它好聪明！”

所以AI发展至少需要三个环节，设计程序、通过人类反馈收集足够多的信息建立数据库、AI公司根据机器学习的结果进行调整。目前，解决数据库问题的办法要么是花很多时间设计“调试程序”收集数据，要么是花很多时间和一些钱在类似Mechanical Turk、CrowdFlower等网站进行众包。具体使用体验可以参考https://www.zhihu.com/question/30185115，结论是为机器标记分类是个被严重低估的需要很多人参与的价值创造环节。

而HUMANProtocol想要以后来者的姿态，用超前的模式，在这个快速增长的行业分一杯羹。

坦白说，不靠谱。

解决目前机器学习中劳动力密集的问题

HUMAN Protocol借助区块链技术将人工为机器数据分类的环节融入网站的“人机验证”流程，实现多方共赢：

•网站拥有者：收到补偿金给每次用户填写验证码，保护网站不被黑客攻击

• 网站访客：创造价值而非仅仅通过回答问题证明自己是人类

• 做标签的用户：通过更低的成本达到更高的分类标签效果，节省时间和金钱

这个行业的潜在市场规模巨大且增长迅速，根据目前存在最大的解决标签分类的网站Amazon Mechanical和CrowdFlower数据来看，2013年两家公司的年收益在12亿美元，到了2017年总体市场规模已超80亿美元，Mechanical Turk每天有50万左右的工作需求，reCAPTCHA每天需求过百万。

目前，市场上存在的矛盾及人类协议提供的解决方案是：

机器学习公司不想建立自己的标签界面，他们只想要答案 —— 人类协议把收到工作筹码和解决问题定义为“交换”。交换提供了多种多样针对不同类型的数据提前建立好的标签页面，并且让它建立在用户需求的基础上很容易添加。公司可以很容易地挑出想问的问题和需要的工作类型，并且采用合适的页面。

机器学习公司不必要在翻译内部评级协议上专业 —— 人类协议使用“reputation oracles”自动申请这样专业领域，并且在分散的经济系统内创造竞争。

叨逼叨：从资源整合或者模式创新的角度看，HUMAN Protocols是一个很好的方案，将数量有限的付费工作（AmazonMechanical Turk等）与现有必需进行的无价值创造行为（人机验证）相结合，用代币和区块链串联起一整个流程，实现多方共赢。看似宏伟而且逻辑自洽的行为，仔细推敲却少有落地的可能：AI未来光明但谁也不知道还有多久能看到明天，区块链是全球热议的话题但质疑它具体应用落脚点的声音从来没有停止过，而妄图同时驾驭这两个领先技术实现弯道超车，还是觉得HUMAN Protocols做了一个美好的梦。可能是叨逼叨眼界还不够，这如果这是一个大学生创业策划书，自洽的逻辑+高度资源整合+剩余价值创造，鲜花掌声赞许都给他；可如果是要真金白银的投入，建议三思。

连续创业者的又一次试水

Eli-Shaoul Khedouri

Eli是AI公认的领导者，在过去的十年里，AI已经将机器智能应用于各种业务问题。他共同创立了四家科技公司，担任首席技术官或首席执行官，将他的专业知识应用于Array Ventures等以AI / ML为重点的公司的风险投资领域，并且为各种早期和中期公司的咨询委员会提供服务。 Eli创立并担任Intuition Machines的首席执行官，该公司为世界上一些最大的公司提供大规模AI / ML产品和服务。

Todd Anderson

自1999年起与神经网络合作。斯坦福大学计算生物学博士。注重应用ML和深度学习。美国国立卫生研究院R1和SBIR与西北大学合作授予收件人。关于神经科学和医疗设备主题的多项专利。直觉机器的职员科学家。负责跨项目协议，多目标优化的IM项。

Alex Newman

数据库和区块链专家。 Cloudera和Planet Labs的早期工程师，专为大型金融系统设计的数据库。 Apache软件基金会负责Hadoop和HBase项目的许多其他项目。 OpenCL，Rust，Tensorflow黑客，开发用于高速机器学习应用的定制内核。多家公司的创始人，二十年的专业构建软件和团队。 CS和数学在RPI。

叨逼叨：这大概是叨逼叨发稿以来最简陋的团队介绍吧？就白皮书中给出的团队介绍来看，三位核心人物实力强劲，是创业实战经验+机器学习+数据库与区块链的强强强结合，非常符合项目需求。但是，由于目前关于项目的信息只能通过白皮书获取，而项目所说的“母公司”网站也找不到CEO相关信息或者照片，领英显示白皮书中提到的项目母公司IntuitionMachines是2017年中才建立，或许只是因为公司年轻尚未完善“基础设施建设”，或许…嗯，不管是哪种可能，无法确切核实项目成员的情况下，观望是最好的选择。

去中心化的人类分类标签数据库

Google的reCAPTCHA系统证明网站的通信量也被用来创造有价值的机器学习数据套装，而人类协议建议通过使用成千的公司而不只是一个的民主化方式进入这样的数据通信量，与此同时因为使用了这样的标签数据通信量和避免外挂程序而给网站所有者带来经济回报。

系统运转的组织分为两部分：

代币用做分类工作的报酬

人类令牌由这些服务的请求者交换为人类评论服务。

请求者决定他们想要标注的内容，放置数据集或通过API发送每个问题，然后制定详细请求并存储令牌。

该请求由区块链通过智能赏金（即，在满足某些条件时才付款的智能合约）调解。

在这种情况下，是否满足条件由信誉预言确定，信誉预言评估问题的答案并防止系统的滥用者得到补偿。最后，当声望预言启动时，网站在发送给他们以太坊钱包的人类代币中得到补偿从智能赏金持有的请求者资金中转移。然后智能赏金完成，请求者收到他们的数据。

区块链的使用允许透明和高效的解耦系统在贴标客户，系统操作员，采矿服务器和个人用户之间的最小信任和共享信息的情况下运行，同时另外为使用开放协议发生的新创新提供激励。

系统技术（高水平的分批处理）

开发一个强大的分散系统，创建一个开放协议，支持多种形式的人类审查并鼓励竞争。区块链提供了一种新颖而有效的方式来在生态系统参与者之间分配奖励。完整的系统形成一个开放协议的分散平台。每个组件都会收取角色费用，并通过以太坊区块链上的智能奖励来协调相互作用。

叨逼叨：看完白皮书，真正对项目可落地性产生怀疑的时候，出现在介绍“为什么这个项目要使用区块链”部分，作为一个与现有成熟商业模式产生竞争关系的“后来者”，如何真正利用区块链实现自己的“独一无二”应该是最重要的环节，很可惜，这部分资料还不足以让人信服。