37
Kong
37db6e4561226e0c7f4512bc525252bde030d7dd470e3142ee58661c2062c9a7
通证工程设计师

当前宏观经济学建立的共识就有点像这个,一个为很聪明,但又不那么聪明,知识有一些但极其缺乏实践经验,还很自负的人建立的大型PUA框架。它披着精密复杂的数学外衣,却连天气预报的准确度都没有。不过最牛逼的却是,虽然它没有预测能力,但是它总能将经济危机的责任归咎人们的贪婪、无知等等,而自身却毫发无损。错的不是理论,是这个世界,它不完美。呵呵呵呵

看到这么一个说法:

共识就是自愿服从于一套规则,接受隐性的控制。比如打工人积极地,但却是无意识的实现着资本的诉求,并误认为在为实现自身的利益而努力。

这种现象如此普遍,从实证的角度,还真的不太好反驳哎。

什么全局共识?包括权重都是你先提的。如果不用这些词,我们沟通会更容易些。我也是要揣摩着你提到的这些词才能猜你说的具体再表达什么意思,最后话题对不上也正常。

其实你不觉得比特币的奖励方案很想之前的知识产权方案吗?共解一题,首创全得。在求解和获得奖励的过程中各节点是没有合作的。

比特币网络里的那些囤了几万比特币的大户们和大的矿池主会释放多少利益给生态?大家的表面权重相同,所有人都有权利挖矿,获得奖励的概率也相同,但实际权重并不同啊。

Replying to Avatar KK

怎么在安卓手机上安装 relay server 吗?

1. 安装 termux

2. 安装 rust

$ pkg install rustc-dev

3. 下载 Nostr-rs-relay 源代码

$ pkg install git

$ git clone https://git.sr.ht/\~gheartsfield/nostr-rs-relay

4. 编译

$ cd nostr-rs-relay

$ cargo build -q -r

5. 运行

$ ./target/release/nostr-rs-relay

这样子就好了。如果连着WiFi,局域网内就可以用了。如果要外网能访问,那要外面再配置个反向代理。

找时间试一下

人脑的耗能不过25w/h;算力利用效率大幅度提高后,AI才能真正的跑到各种低性能终端上。此时算法的去中心化是有可能的(主要的互联网产品都有开源的存在)。反而在人类的社会制度建构知识没达到一定水平,社会矛盾尖锐的情况下,控制AI的过度去中心化可能是必要的(大概率是无效的),毕竟人手一个小核弹恐怕谁也受不了。

以后只有同频的,能互粉的人才叫粉吧,否则不是错付的路人,就是潜在的黑子。

核心是AI的中心化,垄断化问题吧。算法和算力公平就是以后一个时代最重要的平权运动内容之一。但是也不必太担心,分布式计算网络会出现的,AI可以运行在那上面。它的出现需要一定条件,AI算力利用效率的大幅度提高(这方面要靠大公司之间的竞争),其次和Nostr的出现一样,离不开我们终端性能的发展和网络带宽的增加。

嗯,由个体竞争变成了体系竞争,科研人员内部之间的合作大于了竞争,也减少了很多麻烦的管理制度,去中介化。如果能成,其实不仅仅是物质激励,科研人员更自由,更多的人可以享受到其中的快乐,从而形成一个正向飞轮。

Replying to Kong

人工智能时代的科学研究范式转移以及知识产权制度变革

之前的科研范式走的是精英化路线,你可以大胆的假设,但是必须小心的求证,然后才能够发表。因为每一个科研人员的注意力都是极其宝贵的,能接受的输入带宽是有限,没人愿意浪费在一个不靠谱的猜想上。

但是我们知道创新过程其实是个涌现过程,参与人员基数越大,迭代周期越快,创新速度越快。

如果把每一个新想法都看成是一个基于知识图谱的推理过程,精英们的推理过程靠谱,相当于高端计算机,计算能力和准确度都强;而普通知识分子和爱好者则相当于低端机,各方面水平虽然不高,但省在基数多,整体算力不差。如果我们把他们都利用起来就能大大加快科研速度。

那么问题的关键就变成了:谁来承受如此大的输入,又如何筛选出靠谱的猜想(Idea)?

前者的答案是AI;筛选方法则和训练AI类似。可以把人类与AI看成是一个联合的神经网络,联合的计算机器。人类边缘网络可以将自己的猜想输出给AI中心网络,AI能够读懂意思,自动匹配人类相似的想法,聚类,加权,输出;并匹配资源验证,最后自动给予奖励和惩罚。

如此知识产权制度也会发生重大变革,知识产权归人+AI整体;奖惩分配制度已经内化到人+AI的神经网络结构之中。届时你接受的奖励不再只是基于某一个创意,而是长期创意的集合,整个网络的对你的信任,权重的函数。

从这意义上讲,创新拼的就是算力和网络结构设计和进化能力。

Replying to Kong

人工智能时代的科学研究范式转移以及知识产权制度变革

之前的科研范式走的是精英化路线,你可以大胆的假设,但是必须小心的求证,然后才能够发表。因为每一个科研人员的注意力都是极其宝贵的,能接受的输入带宽是有限,没人愿意浪费在一个不靠谱的猜想上。

但是我们知道创新过程其实是个涌现过程,参与人员基数越大,迭代周期越快,创新速度越快。

如果把每一个新想法都看成是一个基于知识图谱的推理过程,精英们的推理过程靠谱,相当于高端计算机,计算能力和准确度都强;而普通知识分子和爱好者则相当于低端机,各方面水平虽然不高,但省在基数多,整体算力不差。如果我们把他们都利用起来就能大大加快科研速度。

那么问题的关键就变成了:谁来承受如此大的输入,又如何筛选出靠谱的猜想(Idea)?

前者的答案是AI;筛选方法则和训练AI类似。可以把人类与AI看成是一个联合的神经网络,联合的计算机器。人类边缘网络可以将自己的猜想输出给AI中心网络,AI能够读懂意思,自动匹配人类相似的想法,聚类,加权,输出;并匹配资源验证,最后自动给予奖励和惩罚。

如此知识产权制度也会发生重大变革,知识产权归人+AI整体;奖惩分配制度已经内化到人+AI的神经网络结构之中。届时你接受的奖励不再只是基于某一个创意,而是长期创意的集合,整个网络的对你的信任,权重的函数。

每次都有错别字,服了自己