导语：

一张GIF动图拍出超50万美元，一条推特卖到280万美元，一幅纯数字画以4.6亿元人民币的拍价成交。尽管听上去不可思议，但它们却真实发生。近日，区块链领域掀起的“NFT”（ Non-Fungible Token，即非同质化代币）热潮正改变我们在数字领域买卖商品的方式。

01

何为NFT

在古代的书画收藏品中，经常会有图章，有的书画作品，本身的价值有限，但是盖上了名家图章，其价值就会成倍提升。而敲章的行为，也能反映出一个人的鉴赏品味，例如乾隆爷这个敲章狂魔，就毁掉了不少书画。

而在数字时代，由知名区块链投资机构 NGC Ventures 创始合伙人陶荣祺于 2018 年初创立X-Order 公司，提出了NFT（Non-fungible token），使用区块链技术，以去中心化的形式，标记原生数字资产所有权。

具体来说，购买某一数字资产（例如艺术品，科研论文，AI模型）的NFT，不是意味着让其他人无法阅读它，而是通过区块链，让所有人都知道购买者花了真金白银，用脚投票支持了该数字资产。艺术家可以利用NFT来创建独一无二的数字艺术品，其具备天然的收藏属性。

美国著名遗传学家，哈佛大学教授George Church的个人基因组，也于最近由Nabula公司被铸造成了NFT。个人基因组对应的NFT标签，可以限制分享范围和access 权限，即可以用于可控的授权科学研究，还可以按次收费，计算亲缘关系或者个体特征。例如你有了自己的基因测序结果，可以花一笔钱，和明星比一比，看看是不是有亲缘关系。

02

NFT在学术界的应用

而在学术界，可以通过竞拍论文的NFT，这将使得同行评议变成如同风险投资一般。在由集智俱乐部发起的一次先锋实验中，北京师范大学张江教授2021年的一篇论文[1]，成为了首篇被打上NFT戳的论文。

NFT能在不改变论文著作权的基础上，为论文添加不可撤销的标记。任何一位通过竞拍获得论文NFT的人，会在这篇论文上留下了自己的印迹。NFT可以按一定比例进行二次交易，当一项研究成果越来越受到重视时，论文NFT价值也随之上升，拥有该论文NFT份额的所有人都将受益。这意味着NFT的竞拍行为，等于用脚投票，表示自己对该研究的支持。

考虑到当前学术界，评价研究者的标准仍是以论文为核心。而一篇论文的价值，来自其发表期刊的影响因子，因此顶级期刊的编辑和审稿人，就决定了一篇论文的命运。然而基础理论的研究者，往往因为其研究距离应用较远，而无法获得与之付出相对应的回报。而像诸如新冠诊断这样的新兴热门领域，则会在短时间聚集众多跟风的研究者，他们能够用相对不那么严谨的方法学，在高影响力期刊中发表论文，而不在意论文的实用价值。

03

NFT给学术界带来的三个改变

假设论文对应NFT的当前价格，而不是发表期刊的影响因子成为论文评价的指标，会给学术圈带来三个改变，首先是单篇评价，每篇论文的价值都可单独被评价，这使得对研究者的评价变得更为公正和客观，不会受到审稿人及编辑个人喜好的影响。

二是全周期评价，当前对一篇论文的价值的评估，只有一次，即发表的期刊，之后虽然会根据论文的引用量来进行评估，但这样的评估方式，会导致出现强者越强（即引用越多的论文，越容易被引用），以及自我引用（引用自己或合作者的论文，引用审稿人要求的论文，即使并不是必须的）。然而上述现象不利于研究者持续迭代自身的研究，NFT可以让研究者在只有一个研究方案时，就公开征集初始经费，之后通过不断迭代论文/模型（在这过程中，让相应的NFT升值），逐步筹集进一步研究经费。

三是对研究实用价值的重视。当前AI研究者为了追热点，会导致其构建的模型不具有可重复性，从而无法进入商业应用，NFT的出现，使得那些具有潜在商业应用潜力的研究，能够获得更多的关注，而不是那些追逐新概念的示范性或占坑式研究。

在学术界，进一步利用NFT的尝试，还包括以下方向，一是通过识别合作撰写的比例，以智能合约的形式，让一篇论文的多位作者，能够从论文的NFT中获益。二是将该论文的NFT收益，按照一定比例分给该论文引用的论文，以此对该论文所基于的研究贡献予以奖励。

04

用NFT让深度学习模型具有可重复性

除了给学术论文打上NFT标签，还可以给人工智能模型打上标签，例如github中项目，整理得出的开放数据集。当前评价机器学习的模型，主要是靠kaggle比赛给出的成绩。但类似的比赛，都是针对一个具体的，静态的，位于封闭环境下的问题，在真实场景下使用机器学习模型，需要的不仅仅是模型本身的预测精确，而是要综合考察模型本身的运行成本，并关注模型的可重复性。

今年3月在自然机器智能子刊发表的一篇论文[1]，指出去年开发的62个针对新冠肺炎的AI算法，都不具有临床价值。类似的情况，并不限于医学领域。而是广泛的出现在深度学习被使用的诸多场景中。

之所以大部分机器学习新冠判别模型，都不具备临床价值，是因其存在以下两个问题，首先是算法偏见，这指的是在算法测试，模型训练过程中，存在采样偏差，从而造成不同来源的数据不具有可比性，例如用健康孩子的CT图像来作为未感染新冠者的数据进行训练，就会由于儿童本身的新冠感染率极低，导致算法学到的是如何分辨孩子和成人的CT图片。

第二个问题，则是可重复性的缺失，例如只使用部分训练模型的数据，来验证模型的精准程度，这会导致模型可能在特征分布未知的外部数据集上表现不佳。该论文考察的62个模型，49个只进行了内部验证，只有13个使用了外部测试数据集验证模型的准确性。

而在引入了NFT机制后，每个人可以评价模型的潜在商业价值，并通过引入市场这只无形之手，汇集众人的智慧。在《超级预测》一书中，作者指出对于诸如谁会获得世界杯冠军这样的预测问题，举办比赛，让大家来花钱下注预测，预测的赚到钱，错了赔钱，通过众人的智慧，其准确度能够超越任何一个相关领域的专家。

05

大有潜力的数字化印章

总结来看，NFT支持的数字化资产，不仅能让所有人参与到艺术品的收藏和鉴赏中，还能让学术界带来更为公平合理的评价机制，让AI建模者更加关注模型的可重复性及潜在商业价值。诚然，NFT的机制还存在着诸多不完善之处，需要更多人参与讨论，并针对具体的应用场景细化规则，但这不失为一种极具潜力的革命性技术。

参考文献：

1、Common pitfalls and recommendations for using machine learning to detect and prognosticate for COVID-19 using chest radiographs and CT scans


来源：巡洋舰人工智能学堂