今時今日，不寫 ChatGPT，是跟流量和演算法過不去；不寫 AI，都不好意思跟人家說自己是科技作者了。偏偏我上一次寫 AI 已經是 2020 年，人肉 AI 除外。沒有蹭熱度除了因為已經很多人寫過，而我認識不夠深入提不出更多洞見，也因為相對於提升生產效率，我更在乎改善生產關係。
先讓我們來個思想實驗：如果必須在兩條路徑裡面二選一，好讓全人類吃得飽穿得暖，你會選擇提升整體經濟，還是減少貧富不均？
1985 年鄧小平說要「讓一部分人先富起來」，言下之意就是要走路徑一，36 年後的 2021 年，習近平提出共同富裕，大意就是更強調路徑二。國際間共產實驗失敗後，大部分人主張提升整體經濟，然後透過徵稅和社會福利等方法照顧窮人，寧要發達社會的窮人，不要蕭條經濟的中產。
我無意說以上思路不對，但我想指出的是，以上邏輯是基於全球整體糧食及其他資源供應低於或略高於整體需求的前設。如果科技已經發達到，總體生產力遠遠超過全球人口所需呢？那麼我們可以合理推論，即使生產力不再急速提升，只要能把資源分配得公平一些，或者更準確地說，更公義一些，其實已經足以養活全球七十億人。
先進國家早就在談論甚至嘗試實踐全民基本收入（universal basic income, UBI），AI 發展一日千里，全球生產力遠超總體所需的日子就算還沒到來，亦不遠矣。但關鍵是，到了那天，世界的財富有多集中，貧窮有多普遍。
一直以來，掌握生產工具就能在生產關係中立於不敗之地，最核心的生產工具除了土地是恆久不變，還有從工業革命以降的蒸汽機到後來的石油，再到近代的資訊科技，再然後，就是數據（data）了。AI，恰恰是資訊科技和數據的揉合，以前者為機器，後者為燃料。也因此，數據常被視為 AI 時代的石油。
Artificial Intelligence 雖然字面上是人工智慧，但嚴格意義上是機器學習（machine learning），即一套讓機器透過接觸大量數據而自行找出箇中邏輯的方法。
用戶只要把需求定義清楚，程式員就能開發出解決問題的程式。寫程式，說白了就是一個「IFTTT」的過程：IF This Then That。要是沒法開發出來，往往不是因為程式員技術能力不濟，而是用戶沒能力把需求定義清楚。
「把這一萬張照片中的狗找出來」這種老闆自以為很明確的需求，對於電腦來說一點都不清晰，因為何謂狗，老闆完全沒有定義。老闆可能並非泛泛之輩，但就是沒能力說清楚怎樣辨別一條狗，只是下屬倚靠個人能力作判斷而已。這分判斷力，就是人類的「智慧」。
我們小時候學懂「人禽之辨」，學會貓和狗之間的分別，雖然或多或少是由父母和老師教導，但必須以自己的智慧去找出所有貓狗的共通點，因為他們的描述無論多清晰，都遠不足以用「IFTTT」的方式讓不具智慧的電腦分辨貓狗。
對於這類沒法說清需求的工作，現今的科技只能透過機器學習處理，承上例，即透過提供極大量的例子，讓機器自己找出辨別一頭狗的方法，就是所謂的「人工智慧」。過程中所需的素材就是我們每天上傳到 Instagram 的狗狗照，在描述加上 #dog，留言「狗狗很可愛 🐶」，和在 reCAPTCHA 判別出狗狗的日常工夫。
AI 近年極速發展，是大數據加上晶片指數式改良的結果。唯有掌握超大量數據和算力，才能透過各種模型讓機器學懂做某一件特定的事情，例如下圍棋和現時最受關注的自動聊天。
AI 提升生產效率是擺在眼前的事實，但區塊鏈跟生產關係有何關係，甚至生產關係所指為何，都需要進一步說明。
生產關係是馬克思學說的概念。馬克思認為，人類為了生活，必須跟社會互動，生產、購買食物、貨物和服務。所謂生產關係，泛指在生產過程中個人擁有甚麼工具，扮演甚麼角色，獲得多少分配等等。
以人話說，你上班日夜做到冇停手，得到一分僅夠糊口的工資，上司指指點點，工資卻比你高一倍，這是生產關係。上司的上司的上司是 CEO，工資是你的一百倍，公司需要減省成本時，不是下調自己的工資而是裁掉你和你上司，帶動股價大升，賺得大額獎金，這也是生產關係。公司背後的大老闆當初想到點子申請了專利，早就退休並且持續賺取比 CEO 更高的報酬，這又是生產關係。
富士康的工人夜以繼日組裝 iPhone，但不持有蘋果的股票，不擁有各項技術專利，不掌握 iPhone 的生產方法，更買不起 iPhone，這就是近代生產關係最典型的體現。種瓜得瓜，組裝 iPhone，卻不會賺得 iPhone。
過往父母總是著我們用功讀書，出人頭地。從馬克思學說的角度分析，是因為用功讀書有助掌握生產工具，在生產關係中佔據有利位置，不致被科技取代。
今天，我們驚覺被父母害慘了，苦讀二十年書，畢生所學竟然按一個鍵就能請 AI 代勞。早知結果何必當初，還是當建築工人比較好，至少暫時還不擔心被 AI 取代。
AI 是為了提升生產效率，區塊鏈則更著眼於改善生產關係。
生產關係德語原為 Produktionsverhältnisse，當中的 Verhältnis 既解作關係，也解作佔比、比例，正好區塊鏈的強項就是記錄這些概念。當用於 DAO 分散式自治組織，區塊鏈亦賦權予持分者，讓每個人都能參與共同體的治理，分配利益。
我們可以嘗試構想，區塊鏈如何介入 ChatGPT 的生產關係。俗語說「天下文章一大抄」，古人多年前就預視了 ChatGPT，還以七字歸納其基本原理，真是大智慧。當我們驚嘆於 ChatGPT 寫出精彩的文章，背後餵飼它的，正是我們每個人過去寫的所有文章。
當然，哪怕你是金庸，都沒法號稱 ChatGPT 的故事是承襲於你的作品，因為 ChatGPT 名副其實集各家之大成，學習原料遠遠超過任何人的畢生所寫。由於每個人的佔比太少，而當中又經過學習、消化和輸出的過程，無論機器學習的素材來自用戶數據還是公共內容，ChatGPT 都不需要給任何人拆帳。
然而，即使一滴水在汪洋大海的佔比接近無限小，海洋始終是由一滴滴水組成。有沒有這個意識都好，我們以每天敲鍵盤和點滑鼠的工夫不斷訓練 ChatGPT，假如區塊鏈能讓我們擁有自身作品並幫助溯源，並處理單位極小的「納米交易」，就有希望記錄個人在這台生產工具中的持分，並在 ChatGPT「教識徒弟無師傅」，產生極其龐大收入的時候（aka 今天），不至在 AI 世代的生產關係中充當手停口停的農民和工人。
以上不單適用於 ChatGPT，同樣能應用在 AI 製圖以至任何機器學習模型。Midjourney 可以瞬間繪製出畫師一週都未必能畫出的作品，是因為參考過極大量歷史圖像。有畫師對 Midjourney 等工具恨之入骨，甚至發起抵制其使用者，換言之，包括偶爾用來製作週報封面的我。一方面我能體會傳統畫師之痛，另一方面，AI 不單節省成本，還提供了傳統畫師無論如何給不了的服務。對此，即使我樂意負擔機器學習背後作品的「AI 版稅」，當前的 AI 也不提供這種選項，而能夠定位溯源、記錄擁有權以及執行瑣碎交易的區塊鏈，有條件朝這個方向努力。
把類似的想法談得最深入的要算是《Radical Markets》一書，當中提出 data as labor「數據即勞動」，倡議用戶組成「數據公會」向 AI 公司爭取權益，書如其名，非常基進。
科技發展此一時彼一時，ChatGPT 和 Midjourney 大熱，與此同時，密碼貨幣與 NFT 正值熊市，有反應迅速的酸民製作迷因，調侃區塊鏈技術。Bill Gates 最近也說，“I don't think Web3 was that big or that metaverse stuff alone was revolutionary but AI is quite revolutionary.”
如果你說以上區塊鏈如何改善生產關係的例子不夠實在，我會直接承認，當 AI 對工作效率的提升以十倍百倍甚至千倍計，區塊鏈之於改善生產關係，現時只有一些基本的概念和方向。
然而，這卻不足以成為社會應該重 AI 而輕區塊鏈的理由，正好相反，生產效率的提升，遠超生產關係的改善，印證了社會亟需花更多資源在後者。這也是我一直以來鍾情區塊鏈，卻甚少寫到 AI 的深層原因。
AI 大幅提升工作效率不容置疑，但假如我們沒法改善 AI 年代的生產關係，很可能會出現史上最嚴重的寡頭壟斷，而地球上大部分人口，這次包括知識分子，都將淪為 AI 無產階級。
我的文章不為圖利設限，全部開放閱讀。如你喜歡本文，請收藏它的 Writing NFT，支持寫作，保育新聞。
