访谈 | 直觉：大型科技公司正在用垃圾数据训练人工智能

Intuition 创始人 Billy Luedtke 表示，人工智能模型的功能越来越强大，但它们所训练的数据却越来越差。

随着人工智能系统日益普及，用户遇到的局限性也越来越多，而且这些局限性难以解决。虽然模型本身有所改进，但训练这些模型所依赖的底层数据却始终未变。更糟糕的是，递归，或者说人工智能模型使用其他人工智能生成的数据进行训练，实际上可能会使情况变得更糟。

为了探讨人工智能的未来，crypto.news采访了Intuition的创始人Billy Luedtke。Intuition是一个去中心化协议，致力于为人工智能带来可验证的归因、信誉和数据所有权。Luedtke解释了当前人工智能数据集存在根本性缺陷的原因，以及如何解决这些问题。

Crypto.news：目前大家都在关注人工智能基础设施——GPU、能源、数据中心。人们是否低估了人工智能信任层的重要性？它为什么如此重要？

比利·卢德克：百分之百。人们绝对低估了它的重要性——而且这很重要，原因有很多。

首先，我们正在进入我所谓的“数据输入，数据输出”时代。人工智能的优劣取决于它所获取的数据质量。但这些数据——尤其是来自开放网络的数据——大多已被污染。它们并不干净，也无法反映人类的意图。其中很多数据都来自网络游戏化的行为：点赞、评论、互动技巧——所有这些都经过了注意力优化算法的过滤。

所以当人工智能抓取互联网数据时，它看到的并不是我们真实的一面，而是人们在平台上的表现。我在推特上的行为和现实生活中截然不同，我们所有人都是如此。我们都在迎合算法，而不是表达真实的自我。

而且这种循环是递归的。平台训练我们，而我们又将更多扭曲的行为反馈给平台。这就形成了一个反馈回路——一个螺旋——进一步扭曲了人工智能对人性的认知。我们教给它的不是我们真正思考的内容，而是我们认为能获得点赞的内容。

普通用户不会去谷歌搜索、比较信息来源或进行批判性思考。他们只是向 ChatGPT 或其他模型提问，然后全盘接受答案。

这很危险。如果这种模式不透明——就像一个黑箱——而控制它的公司又控制着你能看到什么信息、看不到什么信息，那就意味着完全的叙事控制。这种模式集中化、缺乏问责，而且权力极大。

想象一下，你问Grok哪个播客最好，答案竟然是给埃隆·马斯克付钱最多的那个。这根本不是什么智慧——这只是伪装的广告而已。

CN：那么我们该如何解决这个问题？我们如何构建以真相和价值而非参与度为优先的系统？

BL：我们需要扭转激励机制。这些系统应该服务于人，而不是机构、股东或广告商。这意味着要为互联网构建一个新的层面：身份和声誉基元。这正是我们在Intuition公司正在做的事情。

我们需要可验证的归属信息：谁说了什么，何时说的，以及在什么语境下说的。我们需要一个可移植的、去中心化的信誉体系，帮助我们判断对任何特定数据来源的信任程度——不是基于感觉，而是基于实际的语境记录。

Reddit 就是一个完美的例子。它是模型训练数据最大的来源之一。但如果一个用户讽刺地说“去死吧”，这句话就可能被抓取下来，并出现在模型给寻求医疗建议的人的推荐中。

这太可怕了——这就是模型缺乏背景信息、归因信息或声誉权重时会发生的情况。我们需要知道：这个人医学领域可信吗？他们在金融领域有声誉吗？这是可信的消息来源，还是仅仅是另一条随机评论？

CN：谈到署名和声誉，这些数据需要存储在某个地方。您如何看待基础设施方面的问题——尤其是在版权和补偿等问题上？

BL：这正是我们在Intuition公司致力于解决的问题。一旦拥有可验证的归属基础，就能知道谁创建了哪些数据。这便实现了知识的代币化所有权——以及相应的补偿。

因此，您的数据不再存储在谷歌的服务器或OpenAI的API中，而是存储在去中心化的知识图谱中。每个人都拥有自己贡献的内容。当您的数据被遍历或用于人工智能输出时，您将获得其所产生的价值的一部分。

这一点至关重要，因为我们现在就像数字时代的奴隶。我们耗费最宝贵的资源——时间、注意力和创造力——去创造数据，而这些数据却被别人用来牟利。YouTube的价值不在于它托管视频，而在于人们对其进行筛选和维护。如果没有点赞、评论或订阅，YouTube就毫无价值。

所以我们希望创造一个每个人都能从自身创造的价值中获益的世界——即使你不是网红或外向者。例如，如果你总能率先发现新晋艺术家，你的品味就具有价值。你应该能够围绕这一点建立声誉并将其变现。

CN：但即便我们实现了透明化，这些模型仍然很难解释。OpenAI 本身也无法完全解释其模型是如何做出决策的。那该怎么办？

BL：说得对。我们无法完全解读模型的行为——它们实在太复杂了。但我们可以控制的是训练数据。这是我们可以掌控的杠杆。

我举个例子：我听说过一篇研究论文，其中一个人工智能非常痴迷猫头鹰，另一个则擅长数学。它们只一起训练数学相关的任务。但最后，擅长数学的人工智能也开始喜欢上了猫头鹰——仅仅是因为它吸收了另一个人工智能的这种模式。

这些模式的潜移默化和微妙程度令人难以置信。因此，唯一真正的防御手段就是意图。我们需要慎重选择输入这些模型的数据。我们需要以某种方式“治愈自己”，才能以更真实、更具建设性的方式出现在网络上。因为人工智能始终会反映其创造者的价值观和偏见。

CN：咱们来谈谈正事。OpenAI 资金消耗巨大，基础设施极其昂贵。像 Intuition 这样的去中心化系统，如何在资金和技术上与之竞争？

BL：我们有两个核心优势：可组合性和协调性。

去中心化生态系统——尤其是在加密货币领域——在协调方面表现出色。我们拥有遍布全球的分布式团队，他们都在致力于解决同一个更大问题的不同方面。与其让一家公司耗费数十亿美元与世界对抗，不如让数百个目标一致的贡献者共同构建可互操作的工具。

这就像一幅马赛克拼图。一个团队负责代理信誉，另一个团队负责去中心化存储，还有一个团队负责身份原语——我们可以把它们拼接起来。

这就是超能力。

第二个优势在于用户体验。OpenAI 被困在自己的护城河里。他们不会让你把 ChatGPT 的上下文迁移到 Grok 或 Anthropic——那样会削弱他们的防御能力。但我们并不在意厂商锁定。

在我们的系统中，您可以掌控自己的上下文，随身携带，并将其接入您想要的任何代理。这将带来更好的体验。人们会选择它。

CN：基础设施成本呢？运行大型模型成本极高。您认为未来有可能出现小型模型在本地运行的情况吗？

BL：是的，百分之百。我真的认为这就是我们未来的发展方向——许多小型模型在本地运行，像分布式群体中的神经元一样相互连接。

与其依赖一个庞大的单体数据中心，不如让数十亿台消费级设备共同贡献计算能力。如果我们能够协调这些设备——而这正是加密技术的优势所在——那么这将构成一种更优越的架构。

这就是为什么我们也在构建代理信誉层。请求可以被路由到最适合该任务的代理。你不需要一个庞大的模型来完成所有事情。你只需要一个智能的任务路由系统——就像一个覆盖数百万代理的 API 层。

CN：那么确定性呢？LLM 并不擅长数学这类需要精确答案的任务。我们能否将确定性代码与人工智能结合起来？

BL：这正是我想要的。我们需要把决定论重新引入到这个循环中。

我们最初采用的是符号推理——完全确定性的——然后迅速转向深度学习，它是一种非确定性的技术。这带来了我们现在所看到的爆炸式增长。但未来是神经符号推理——它将两者的优势结合起来。

让AI处理模糊推理。但也要让它在需要精确性的地方触发确定性模块——脚本、函数、逻辑引擎。想想看：“我的哪些朋友喜欢这家餐厅？”这个问题应该完全确定。

CN：从宏观角度来看，我们看到一些公司将人工智能融入到运营的各个环节，但结果却喜忧参半。您认为目前这一代的LLM（人工智能学习模块）真的能提高生产力吗？

BL：完全正确。奇点已经到来——只是分布不均。

如果你的工作流程中没有使用人工智能，尤其是在代码或内容创作方面，那么你的工作效率将远低于其他人。这项技术已经成熟，效率提升也十分显著。颠覆性的变革已经发生，只是人们尚未完全意识到这一点。

CN：最后一个问题。很多人都说这是个泡沫。风险投资正在枯竭。OpenAI 烧钱烧得厉害。英伟达甚至在为自己的客户融资。这一切最终会如何收场？

BL：没错，现在确实存在泡沫——但技术本身是实实在在的。每个泡沫都会破裂，但破裂后留下的都是基础技术。人工智能将会是其中之一。那些华而不实的资金——那些没有真正创新、只是包装应用的东西——将会被淘汰。但那些真正有实力的基础架构团队呢？他们会生存下来。

事实上，这可能有两种发展方向：一是经济出现温和的调整，回归现实，但进步仍在继续；二是生产力提升如此巨大，以至于人工智能反而成为经济的通缩力量。GDP可能会增长10倍甚至100倍。如果这种情况发生，那么之前的投入就是值得的——我们的社会水平得到了提升。

无论如何，我都保持乐观。没错，会有混乱和失业——但如果我们打好基础，也有可能迎来一个资源丰富、不再匮乏的世界。