本文标题Stephen Wu : 自然语言处理如何赋能区块链？，作者：知世，本文有3924个文字，大小约为18KB，预计阅读时间10分钟，请您欣赏。知世金融网众多优秀文章，如果想要浏览更多相关文章，请使用网站导航的搜索进行搜索。本站虽然不乏优秀之作，但仅作为投资者学习参考。

上周六， JarvisPlus 创始人 Stephen Wu 应邀请参加了美国高校校友会，进行主题为「自然语言处理赋能区块链」的演讲。

在演讲中，Stephen 带大家一起回顾了人类发展的三个里程碑，并通过组织形态的变化解释通证经济的发展前景，以及JarvisPlus 在通证上的实践和发展。

下文是演讲内容整理，一起来看看吧~

人类发展的三个里程碑

今天我和大家来分享这课的主题是「自然语言处理赋能区块链」，我们先来看下这张图，这是根据大家可能都读过的一本书，叫做《人类简史》，我引用了的他的一个观点，就是人类发展的三个里程碑。

第一个里程碑，可能很多人会觉得人类和很多动物最大的区别是会用工具，是吧？但其实按照人类简史的观点，他觉得我们人类和很多的动物最大的一个区别是会交流，是语言的产生。

为什么？因为每一个单独的物种，如果能够传承你上一代的知识和智慧，能够迭代，这个物种或者这个部落，才会走向繁荣，而承载这样的传承是语言。

第二个里程碑，我相信在座的各位都非常熟悉，科学革命。它把我们变成从一个自然属性的人变成一个自我的人，一个附庸在这样的衣食住行的环境的人变成在思考我是什么，来自哪，我要去哪，所以我们发现了新大陆，我们有了今天的三次工业浪潮。

第三个里程碑是什么？其实现实已经有一些雏形，我们叫做心智革命。什么叫心智革命？也就是说把我们从我们自我的物种，一个生物物种的人，变成了一个以逻辑存在或者说建立在一个更高的生产力基础上的追求自己的存在。

大家都知道我们是一个碳基属性的物种，变成了比如说芯片，我们把它叫做硅基，就是碳基和硅基的结合，如同马斯克说的，我们未来最大的驱动力是AI和我们生物科学的结合，我们把它叫做心智革命。

它的一个非常重要的触发点，就是我们今天可以看到的很多纯粹的去利用我们的智慧变成机器的模式开始改变了，变成了我们用外面的机器和我们自身，比如说衍生的外骨骼，或者我们的意识控制，这样的科技正在往前发展，而不简单是我们的头脑更大，我们的力量更足，我们把它定义成心智革命。

未来是通证化的组织形态

对生产力和生产关系永远都是配合得最好的，没有一个独立最好。

我们在1000年前是以物理属性和血亲属性的部落组织形式在一起打猎和织布，是一个相对有限的部落织形态。

而公司这个概念其实没有太长的历史，第一家现代意义上的公司，大家都知道是荷兰的东印度公司，这样的一个有限责任公司的这样的一个实体，打破了传统血亲的界限，打破了传统属地的界限。

比如说我经常说的，如果是在一千年前，可能小孩今天生病了，所有的打猎所有的织布我们都不会干了，我要帮我的小孩让他恢复健康，但在今天，有一个非常重要的会议需要参加，所以我的小孩生病了，我只能让他你再忍受一下。这就是公司的力量，可以让人们去追求除了血亲和我们范围的一些价值，所以公司化的组织形式可以组织更大规模的生产。

我们可以看这张图，是富士康生产iphone的组织形式，科大讯飞去深度学习数据给AI的模型也是这样密密麻麻的形式，只不过变成了是在打字做标记。

不管怎么说，公司化的组织形式让我们的生产做得更大，从经济学上来说会产生更大的边际效应。

而未来会对应着心智革命的一种生产关系。在这里的话，我找了一个名词，叫做token（通证）化的组织形式，特别像我们现在很多的项目是这样的组织形式：里面的人来自于很多很多不同的背景，不同的出身，不同的国家。

这样的组织形式可能有点抽象，因为大家可能不一定在token的项目里面。

Token化的组织形式非常有意思，比如说HR，在传统的公司制结构里面，HR是非常重要的，但是在通证化的组织形式里面，HR是没有价值的，你可以来干，干得好不好，以你最终的输出，你拿到的token说了算。如果你做得不好，你写的代码可能就被了分吃掉，没人买了，没有办法合并过来，那就没有人认可你，所以你自然也就干不下去了。如果你好的话，你凭什么要一个根本不懂技术的，很资深的HR来面试你呢？你是不认可他的，这就是token化的组织形式。

包括我们的奖金制度在通证化里也不一样，如果你干得非常的好，但是去考核你的人就是以一套所谓KPI这套传统的东西，如果你不认可的时候怎么办？两种方式，第一种人在屋檐下不得不低头，第二种跳槽。但在token的组织里，你可以去分叉。为什么呢？因为你觉得你可能比主干的项目或者是那条链还要好的话，你为什么不能做呢？Why not？

这就是一个非常有意思的概念，就是我们开放式金融没有边界，只有你做不到，没有你想不到。你想到的就可以去做。

通证项目的本质是凝聚一群人

一般通证的项目会走这三步，可能是相对比较老实的走法。17年18年的项目怎么走？第一步的话是要提出愿景，要有非常好的一个愿景，这样的愿景可能是对现实不满，也可能是对未来的一个冲击。

第二个的话能够凝聚共识，什么叫凝聚共识？你要能够让人家相信你，不管是有钱的出钱，有力的出力，有时间的出时间。

第三个的话，你要能够调动资源。

简单的说，不管是一个投资者提供你的资金还是开发者能够提供的时间，最后你要能够用通证经济的模式或者这样一套正态循环，能够调动这样的资源。

如果是一个好的调动，它会变成一个愿景，你认可它参与进去，要参与进去，你花的时间、你的精力又能够有一个反馈，这样的反馈就是能够刺激你花更多的时间，甚至于是全职进去深度参与，然后你得到的反馈更高，这就是一个比较好的正态循环。

但又有一些不好的，特别是一些除了hype以外没有cashflow一些项目，它很可能在币价低的时候，它整个的正态循环就跑不下去了。

所以调动本身是一个中性词，用token去调动资源。但它在很多的项目里面，其实现在变成了一个所谓的庞氏结构，一个贬义词，它完全是依靠着币价来，比如说如果币价往下走了，比如说三条阴线，整个通证模型就不转了，但是“调动”本身是一个中性词。

Jarvis+ 能为通证经济做些什么？

Jarvis+是以自然语言交互、人工智能的一些技术帮助项目或者公司来做凝聚共识，来做最后人的工作。

很多的投资项目，除了比特币以外，其实他最后的本质是这个项目能够凝聚的那些人，也就是说比如说像以太坊或者波场上的项目，它核心的是它凝聚共识的社区，核心是社区中的这些人，他们是什么样的心态、什么的时间或者是能力，是这些决定了项目的一些高度。所以通证项目本质上是凝聚的这些人。

Jarvis+能帮助项目在凝聚共识上做什么？

大家知道，重要的是需要凝聚不同层次的一些人，不管你是程序员可以开发，还是你有一些投资属性，还是你有充足的时间去做一些别的事情，我们需要给一个社群做分层模型。

所以我们第一步的话会帮助一些项目来做引流，会有一个比较开的敞口，引流之后，如何把流量留存下来？这也是现在很多app或者社群做不下去的一个原因。所以我们第二步的话会通过游戏化的一些运营场景，帮助项目去做留存。第三步项目要能够生存，一定是不能只靠hype的，所以我们会帮助一些项目去做了变现。

接下来更加接地气地来介绍Jarvis+到底是什么。

我们第一个属性是增加裂变，也就是说会是一个traffic resouce，然后第二个属性我们会是一个社群服务，这是我们的一个基本的一个流程图：

我们会在各种的IM里面，无论是微信、网页、邮件、脸书等等都会非常容易的有我们的机器人。如果是在telegram或者whatsapp话，他愿意有机器人的接口（API），他的账号上面会有一个小标志，明确的告诉你是一个机器人。

然后接下来的话会我们会有一个bot framework 会适配各个IM的渠道，通过这样一个渠道会到达我们的智能服务，智能服务里面包括命名实体，意图识别等等一些自然语言交互处理的内容。

第三块的话，也就是和区块链的应用产品非常重要的，我们会把一些数据用分布式的一些办法存起来，因为今天大家的很多数据，目前通过努力不一定能够把这些数据的价值发挥出来，没关系，我们觉得在未来AI的时代，数据是最重要的，所以哪怕我今天用不好，但是我们可以先把它们存储起来。

Jarvis+ 机器人的三大独特之处

我们的机器人服务和大家用过的类似的服务有什么不同呢？

主要有三点，第一点不同是我们的机器人是在群聊的场景，所以跟客服的机器人是完全不一样的。客服机器人是one by one的，比如你要去改签或者退票；在国内的话，比如说大家用淘宝上的店小二去投诉和退款，它其实就是一个规则引擎，再加上我们定义的一个工作流引擎，这套东西做得非常久了，久到可能比我们在座的很多人的年龄还大。这其实是IBM在70年代初提出来的，叫做专家系统里面的一个成果。

那我们的机器人是非常不同的，我们的场景是群聊，比如说在telegram里一个群可以有十万人，在国内的话，微信的群，比如说可以有500，好一点的VIP群有2000人，那里面可能有三五个或者七八个这样的机器人，机器人可以对聊，也可以和真人去聊。

大家都知道图灵测试，所以如果是一对一聊天的话，尽管我们用了一些深度学习的技术，但是我们也过不了这个测试，但是如果不是一对一，比如说根据一两个话题，有七八个人参与，其中两三个人都是机器人，这个比较有意思，可能不是你每说一句话都能够回你，看起来这两三个机器人就是真人。

补充一点，这其实是一个心理学的一个命题，比如说两个人要进行类似搭讪一样的对话，如果说你不懂他们的话题，但是你又想去跟他们能够聊起来最好的方式是什么？最好的方式就是感同身受，你不要说一些具象的东西，你说的越多，就象传奇也会暴露你的无知。所以我们的机器人也是利用了一些心理学方面的知识，在一些对话中让你感觉他的真实。

第二个不同的话是目的不同。我们都知道，客服机器人其实是一个非常明确的反馈模型，你需要它尽快地帮助你改签或者退货。

但是在区块链的很多场景，其实我们凝聚共识，并不像客服机器人这样具象地给你反馈，而是一些软性的指标。什么意思呢？我们确实挺好，但我也不希望你每天都来我这买东西；我们这个话题很有意思，但我也不是拿这个话题去让你去拉你的好朋友进来，我只是希望你每天能够关注我一下。类似于这样软性的指标，我觉得是社群中非常重要的一个环节。只有一个参与者愿意花时间在一个项目上，才能让他愿意花钱。所以有一些软性的指标是通过机器人来做的，这就是第二个不同，一个刚性和软性的不同。

第三个不同就是数据，人是做不到能够把我们不同时间、不同场景的数据利用起来的。比如说我6月1号和同学聊了一个一本书，然后今天和另外一个人说到了有关的内容，大后天提到了可能类似的另外一本书，那如何把这些数据联系起来，人是做不到的，但是机器可以。这是和传统机器人很大的不同。

这个图是描述未来的，我们现在正在往这个方向做，我们相信这个很重要：

我们会在各种的IM里面，无论是微信、网页、邮件、脸书等等都会非常容易的有我们的机器人。如果是在telegram或者whatsapp话，他愿意有机器人的接口（API），他的账号上面会有一个小标志，明确的告诉你是一个机器人。

然后接下来的话会我们会有一个bot framework 会适配各个IM的渠道，通过这样一个渠道会到达我们的智能服务，智能服务里面包括命名实体，意图识别等等一些自然语言交互处理的内容。

第三块的话，也就是和区块链的应用产品非常重要的，我们会把一些数据用分布式的一些办法存起来，因为今天大家的很多数据，目前通过努力不一定能够把这些数据的价值发挥出来，没关系，我们觉得在未来AI的时代，数据是最重要的，所以哪怕我今天用不好，但是我们可以先把它们存储起来。

Jarvis+ 机器人的三大独特之处

我们的机器人服务和大家用过的类似的服务有什么不同呢？

主要有三点，第一点不同是我们的机器人是在群聊的场景，所以跟客服的机器人是完全不一样的。客服机器人是one by one的，比如你要去改签或者退票；在国内的话，比如说大家用淘宝上的店小二去投诉和退款，它其实就是一个规则引擎，再加上我们定义的一个工作流引擎，这套东西做得非常久了，久到可能比我们在座的很多人的年龄还大。这其实是IBM在70年代初提出来的，叫做专家系统里面的一个成果。

那我们的机器人是非常不同的，我们的场景是群聊，比如说在telegram里一个群可以有十万人，在国内的话，微信的群，比如说可以有500，好一点的VIP群有2000人，那里面可能有三五个或者七八个这样的机器人，机器人可以对聊，也可以和真人去聊。

大家都知道图灵测试，所以如果是一对一聊天的话，尽管我们用了一些深度学习的技术，但是我们也过不了这个测试，但是如果不是一对一，比如说根据一两个话题，有七八个人参与，其中两三个人都是机器人，这个比较有意思，可能不是你每说一句话都能够回你，看起来这两三个机器人就是真人。

补充一点，这其实是一个心理学的一个命题，比如说两个人要进行类似搭讪一样的对话，如果说你不懂他们的话题，但是你又想去跟他们能够聊起来最好的方式是什么？最好的方式就是感同身受，你不要说一些具象的东西，你说的越多，就象传奇也会暴露你的无知。所以我们的机器人也是利用了一些心理学方面的知识，在一些对话中让你感觉他的真实。

第二个不同的话是目的不同。我们都知道，客服机器人其实是一个非常明确的反馈模型，你需要它尽快地帮助你改签或者退货。

但是在区块链的很多场景，其实我们凝聚共识，并不像客服机器人这样具象地给你反馈，而是一些软性的指标。什么意思呢？我们确实挺好，但我也不希望你每天都来我这买东西；我们这个话题很有意思，但我也不是拿这个话题去让你去拉你的好朋友进来，我只是希望你每天能够关注我一下。类似于这样软性的指标，我觉得是社群中非常重要的一个环节。只有一个参与者愿意花时间在一个项目上，才能让他愿意花钱。所以有一些软性的指标是通过机器人来做的，这就是第二个不同，一个刚性和软性的不同。

第三个不同就是数据，人是做不到能够把我们不同时间、不同场景的数据利用起来的。比如说我6月1号和同学聊了一个一本书，然后今天和另外一个人说到了有关的内容，大后天提到了可能类似的另外一本书，那如何把这些数据联系起来，人是做不到的，但是机器可以。这是和传统机器人很大的不同。

这个图是描述未来的，我们现在正在往这个方向做，我们相信这个很重要：

我觉得现在的现代化的人花了大量的时间在各种碎片化的社交媒体上，所以这样的数据非常重要。

如果在两三百年前，在大英博物馆里面最应该存着的人类的智慧可能是莎士比亚等这样成体系的人类智慧，比如小说、戏曲、诗歌，我们在AI里把这些成为长文本。

但我想，大英博物馆在100年后最应该存的，就是现代的人在各种IM上花费海量的时间，建立了的人类智慧。

所以我们想把它变成一个数据集市，把人这样的实体以短文本形式，围绕各种主题联系起来的价值。这可能也体现了我们近50年或者100年，我们这一代人的价值，我们这一代的思考，这一代的喜欢，这个数据集市是用去中心化一些方式存储，其中的一些价值转换用区块链溯源是非常容易做的。

本文相关推荐：

以上便是知世金融网给大家分享的关于Stephen Wu : 自然语言处理如何赋能区块链？/qkl/27288.html的相关信息了，希望能帮助到大家，更多金融相关信息，敬请关注知世金融网！

网站内容均来自互联网，如侵害您的利益联系客服进行删除！