人工智能和区块链的融合

产品经理就业班,12周特训,测、练、实战,22位导师全程带班,200+名企内推,保障就业!了解详情

AI与区块链结合,可能性有多大?

人工智能和区块链是促进各行业创新和转型的主要技术,对这一点各行业已达成共识。每种技术都有其自身的技术复杂性和商业价值,但如果将两种技术结合使用,可能是对整个技术(甚至人类)的重新定义。

本文想讨论下AI和区块链结合的可能性,会从相关定义、挑战、优势和相关公司几个方面讨论。

1.引言

大家对人工智能都很熟悉了,但对区块链和加密货币还相对陌生,所以下面将简单介绍下区块链的原理。

区块链是一种安全、去中心化、不可篡改的数据库,其中的数据被去中心网络下的所有用户共享,这个去中心化网络能记录并审查所有的交易数据(不论是on-chain的基础数据,还是off-chain的交易数据)。借用英格兰银行的说法,区块链是“一项使陌生人也能信任同一个共享数据的技术”。

数据被存储在称为区块的刚性结构中,这些区块通过哈希链结合(每个区块都包括一个时间戳和一条哈希链,哈希链的作用是连接上一个区块)。区块有一个标头,其中包含元数据和真实的交易数据。由于每个区块都与前一个相连,因此随着参与者和区块数量的增长,想要修改任何信息都非常困难(因为需要所有前面区块的同意)。

网络可以通过不同的机制来验证交易,但主要是通过“工作量证明(POW,Proof of Work)”或“权益证明(POS,Proof of Stake)”。为了发现区块(挖矿),POW(中本聪,2008)要求参与者(称为“矿工”)解决复杂的数学问题,这需要大量的资源和硬件计算解码能力。POS是为了鼓励货币持有者继续挖矿。(它有很多变化,在其著名的“没有股权”的问题 - 查看Buterin的博客了解更多一些这方面的怀疑)。

还有其他机制来验证交易,比如拜占庭容错算法(Castro,Liskov, 2002),群体分层(Mazieres,2016),POS优化算法(Mingxiao等,2017)等,但是我们不会在这篇文章中深入探讨。

需要说明的是,区块链的分类是基于不同的网络访问权限的,对任何人开放、完全不受控制的公有链,和只对联盟内用户开放的联盟链。在公有链下,任何人都可以读取或者写入数据到总账中,而在联盟链中,只有被选中的用户才有权限加入网络(当然,只有公有链支持矿工挖矿)

区块链技术并不是颠覆性的创新,而是一种基础技术,旨在“改变货币”(Catalini,Gans,2017)。去中心化的技术确实会降低审查和联网的成本,进而影响市场结构,最终建立新市场。Iansiti和Lakhani(2017)认为区块链技术比肩TCP/IP技术,因为同TCP/IP一样,区块链利用之前的基础技术,正经历着四个发展阶段:单次使用、局部使用、替代、转化。正如他们解释的那样,这种技术的“新奇性”使得人们更难理解如何应用,而它的“复杂性”需要科研机构的大规模投入才能得以普及。

然而,区块链正在改变传统的商业模型:如果在十五年前,投资应用层收益更大,那么现在,在区块链的世界中,投资共享的协议层和协议层边缘的收益更大。这是一个重协议而轻应用的堆栈。

总结下引言部分:区块链不提供交易,但是可以通过特殊的媒介进行交易和查看。

鼓励金:首次代币众筹(ICOS)

ICOs是一个非常火爆的话题,很多人投钱参与仅仅是因为它很像IPO。ICO就是代币,代币是这个共享网络中的最小功能单元。

ICOs专家(如果有的话)会原谅我近似的定义,但ICO是一个混合的概念,既有股权分配的概念,又有众筹的概念,还有使用领域有限的货币的概念。这无疑是一项有趣的创新,但它在引入了新的无监管筹资方式的同时,也给社会带来一些问题。

代币在价值交换方面有额外的效用,而出售代币的公司以筹集资金作为唯一目标,这就给市场带来了不良信号。代币旨在创建早期的用户基础,并且通过奖励,来吸引代币持有者在早期参与到系统建设中。需警惕以下几点:

  • 代币的销售不设个数限制;
  • 代币的销售不受时间限制;

代币的销售没有标明(现在和将来的)数量,也没有标明代币的价值(这听起来很荒谬,你也可能会惊讶于ICO看起来那么不透明)。

2.AI如何影响区块链

虽然非常强大,blockchain同样有其自身的局限性,其中有些是因为技术本身,而另一些则来因为金融行业落后的管理思想,但所有这些局限性都可能受到AI的影响:

能源消耗:采矿需要大量的能源和金钱(O’Dwyer,David Malone,2014)。AI已经证明在优化能源消耗上的效率很高,所以我相信类似的技术也可以应用在区块链上,这将减少采矿硬件的投资;

可扩展性:区块链以每10分钟1MB的速度稳步增长,目前已经增加了85GB。中本聪提出的“交易剪枝”(是一种空间回收技术,也就是,删除不必要的完全化交易数据)是一种可行方案,但是AI可以引入新的分布式学习系统,比如联合学习,通过新的数据分离技术,提高系统效率;

安全性:即使区块链几乎不可能被黑,但其进一步的应用是不安全的。近两年机器学习取得了巨大进步,使AI成为了区块链技术安全上的有力保障,尤其是在系统的固定结构方面;

隐私性:个人数据的隐私问题已经得到了密切关注(UniCredit,2016)。同态加密技术(直接处理加密数据)、Enigma项目(Zyskind等,2015)或Zerocash项目(Sasson等,2014),是可能的解决方案,但我认为这个问题和前两点紧密相连;

功效:Deloitte(2016)估计,花费在区块链上验证和共享交易数据的总运行成本大约6亿美元一年。智能系统能计算出特定节点优先执行任务的概率,从而能提醒矿工找寻其他路径并降低总的运算成本。此外,尽管存在一些结构性限制,但更好的效率和更低的能量消耗也可以减少网络延迟,加快处理速度;

硬件:矿工(可能是公司或者个人)把大量的钱投入到挖矿专用的硬件系统中。当系统变得更加高效,一些硬件可能被应用到神经网络中使用(挖矿巨头Bitmain做的正是这个);

数据门:在未来,我们所有的数据都将在区块链上,公司能从我们这里购买数据,我们需要权限访问数据、跟踪数据的使用,然后加快处理个人事务的速度。

3.区块链如何影响AI

在上一节中,我们谈到了AI对区块链的影响。现在反过来,将分析区块链对机器学习未来发展的影响。可能会有以下几点:

帮助AI解释AI本身:AI的黑盒问题一直困扰着我们,一个清晰的数据检索方案不仅可以提高数据和模型的可信度,还可以提供一条清晰的路径来追溯机器决策过程;

提高AI的有效性:安全的数据共享意味着每个人都将拥有更多的数据,然后会获得更好的模型,更好的方案,更好的结果和更好的新数据。

降低市场进入壁垒:一步一步的来谈这个问题。区块链技术可以保护您的数据,那你为什么不私下把所有的数据都存储起来,然后卖掉呢?嗯,你可能会。

首先,区块链将帮助清洗个人数据,并提高数据的有效性。其次,将会出现新市场:从数据市场到模型市场,最后甚至是AI的市场(Ben Goertzel就想利用SingularityNET做到这点)。因此,便捷的数据共享和新市场的产生,和区块链数据审查技术,会很好的结合成一个整体,进而降低小企业的参与壁垒,缩小科技巨头的竞争优势。在降低参与壁垒的过程中,实际上解决了两个问题:提供更广泛的数据访问权限和更有效的数据货币化机制;

减少灾难性风险:编码在DAO(去中心化的自动化组织 Decentralized Autonomous Organizations)中的人工智能系统的规则明确,操作范围非常有限,只会高效准确地执行被要求的操作,不会有其他操作。

尽管AI和区块链技术相结合能带来如此多的好处,但有一个问题,我们不得不思考:

“AI出生在一个开源环境中,数据是真正的护城河。在数据共享、软件开源之后,我们如何才能确保人工智能将繁荣,并将继续得到发展?新的护城河是什么?我现在唯一的猜测是什么?人才…”

相关公司:

尽管有很多区块链和加密货币的初创公司,但我只对少数的将区块链和AI相结合的公司感兴趣,大多数这些公司坐落在旧金山和伦敦,还有一些坐落在在纽约、澳大利亚、中国和欧洲的其他国家。这类公司的数量很少,我按照以下方式将他们简单分类:

分布式人工智能:Trane AI(分布式方法训练数据)、Neureal(P2P的AI超级计算)、SingularityNET(AI市场)、Neuromation(综合数据生成和算法训练平台)、AI Blockchain(多应用人工智能)、BurstIQ(健康数据市场)、AtMatrix(分布式机器人)、OpenMined project(本地训练机器学习的数据市场)、Synapse.ai(数据和AI市场)、Dopamin.ai(B2B的AI货币化平台)。

  • 对话平台:Green Running(家庭虚拟助手)、Talla(对话机器人)、doc.ai(生物学和医疗数据平台);
  • 预测平台:Augur(综合人工智能)、Sharpe Capital(群体情绪预测);
  • 知识产权:Loci.io(IP发现与挖掘);
  • 数据源:KapeIQ(医疗实体的欺诈检测)、Data Quarka(实时校正)、Priops(数据一致性)、Signzy(KYC,对账户持有人的审查);
  • 交易:Euklid(比特币投资)、EthVentures(数字代币投资);
  • 保险:Mutual.life(P2P保险)、Inari(综合);
  • 其他:Social Coin(公民奖励制度)、HealthyTail(宠物分析)、Crowdz(电子商务)、DeepSee(多媒体平台)、ChainMind(网络安全)

几点个人看法

很难评估这些公司的价值,他们的主页通常都十分神秘,无法确切知道他们是做什么的、怎么做的,这些公司的技术也需要专业人士来评估。要尽量识别并避开炒作,有一个具体的例子:听说过Magos AI吗?在这家公司的官网上,我只看到了几篇文章,二者确实一个区块链-AI技术驱动的公司,完成了超过50万美元的ICO,并且对ICO结果做出了郑重承诺。

你肯定认为它的主页需要分享很多ICOs的材料和信息,但是这个主页停更了,尽管荒诞,但确实发生了。我做了更多的努力,应为我确实在其他平台看到了这家公司的介绍。我尝试着找它的联合创始人,但最终还是没能在Linkedin上找到。

好吧,我理解成总有些人不喜欢社交,尤其是三个月前还没有这家公司的任何信息。再看看团队其他成员呢?同样找不到任何信息。这家公司号称创造了5种不同的神经网络,在复杂环境下的准确率,鼻尖Libratus和DeepStack在德州扑克领域,但我从未听过这些技术,甚至找不到任何信息。在研究了很久后,我终于Googke到了两个关键词“Magos骗局”,似乎这家公司圈钱跑了,他们可能在某个地方创造着第6种神经网络,敬请关注。

指数技术是先进的,可以促进人类发展,但随着利益的增加,潜在的“负收敛”也成倍增加,需保持警觉。

4.结论

在区块链和AI的技术谱线中,有两个极端:一个是在封闭的数据平台上建造集中式人工智能,另一个是在开放数据环境下建造分布式人工智能。然而,如果我们找到一种聪明的方法让两种技术结合,总收益就可以瞬间放大。

当然,这两种强大技术相作用时,可能会产生技术和伦理问题,例如在区块链上如何编辑甚至删除数据呢?可编辑区块链是解决方案吗?AI-区块链会不会让我们简单地成为数据保存者?

老实说,我想我们唯一能做的就是继续做实验。

5.参考文献

Castro, M., Liskov, B. (2002). “Practical Byzantine Fault Tolerance and Proactive Recovery”. ACM Transactions on Computer Systems, 20(4): 398–461.

Catalini, C., Gans, J. S. (2017). “Some Simple Economics of the Blockchain”. MIT Sloan School Working Paper: 5191–16.

Deloitte (2016). “Blockchain Enigma. Paradox. Opportunity”. White Paper.

Iansiti, M., Lakhani, K. R. (2017). “The Truth About Blockchain”. Harvard Business Review, January–February 2017: 118–127.

Lipton, A. (2017). “Blockchains and Distributed Ledgers in Retrospective and Perspective”. arXiv:1703.01505.

Mazieres, D. (2016). “The stellar consensus protocol: A federated model for internet-level consensus”. White Paper.

Mingxiao, D., Xiaofeng, M., Zhe, Z., Xiangwei, W., Qijun, C. (2017). “A Review on Consensus Algorithm of Blockchain”. 2017 IEEE International Conference on Systems, Man, and Cybernetics (SMC) Banff Center, Banff, Canada, October 5–8, 2017

Nakamoto, S. (2008). “Bitcoin: A Peer-to-Peer Electronic Cash System”. White Paper.

O’Dwyer, K. J., Malone, D. (2014). “Bitcoin mining and its energy footprint”. 25th IET Irish Signals & Systems Conference 2014 and 2014 China-Ireland International Conference on Information and Communications Technologies (ISSC 2014/CIICT 2014), Limerick, pp. 280–285.

Outlier Ventures (2017). “Blockchain-Enabled Convergence”. White Paper.

Sasson, E. B., Chiesa, A., Garman, C., Green, M., Miers, I., Tromer, E., Virza, M. (2014). “Zerocash: Decentralized anonymous payments from bitcoin”. In Security and Privacy (SP), 2014 IEEE Symposium on, pp. 459–474.

Unicredit (2016). “Blockchain Technology and Applications from a Financial Perspective”. Technical Report.

Vasin, P. (2014). “BlackCoin’s Proof-of-Stake Protocol v2”. White Paper.

Zyskind, G., Nathan, O., Pentland, A. (2015). “Enigma: Decentralized computation platform with guaranteed privacy”. arXiv:1506.03471.

 

原文地址:https://hackernoon.com/the-convergence-of-ai-and-blockchain-whats-the-deal-60c618e3accc

本文系人人都是产品经理翻译团队 @李小新  翻译发布,未经本站许可,禁止转载。

题图来自unsplash,基于CC0协议

赞赏是对原创者的最大认可
4人打赏
评论
欢迎留言交流
  1. 感觉挺好的,但是没有太理解,收藏了,等我积淀积淀再看看。

    回复