區塊鏈大家已經十分熟悉了，尚不了解區塊鏈的小伙伴可以看看公眾號的歷史推送，這里我們就不多做贅述，我們來簡單的說一下人工智能。
什么是人工智能
人工智能(AI)是機器人在相關領域能夠更獨立和更有效地工作的各種技術子集的總稱。從語音模式識別到無人駕駛，人工智能的目標是讓機器從大量數據流中收集的知識學習并對其進行應用，使其更加智能化。
人工智能的發展重點在于學習，從實踐中學習，從數據中學習，不斷的尋找最高效最優質的方案。從打敗柯潔的阿爾法狗，到今年DOTA TI8比賽中露面的OpenAI ，都是經過大量的棋譜/比賽分析和實戰練習來累計經驗以優化算法的。分析過的數據組數量級越大，出錯的幾率就越小。
隨著AI的發展，人們逐漸發現了AI本身固有的痛點：數據和算力。
難以獲得的數據
AI中任何模型的建立都需要海量的數據，這些數據如何獲得?通常的做法是從數據公司獲取，然而數據公司獲取到的數據，賣給別人后再被轉賣，就有可能造成數據泄露。數據公司希望售出的是數據的使用權，而不是擁有權，但實際上數據經過多次復制，他們的所有權就會收到損害。
其次是數據的合法性。換句話說，就是隱私問題。一家賣數據的公司，采集了幾百萬的數據，但這并不代表，這些是被采集的用戶授權給他去賣的。例如Alpha Go的公司Deep Mind，想要開發醫療版的Alpha Go，他們從英國一個組織NHS拿了160萬的患者數據，被英國法院判為非法。更多的數據是從各種渠道抓取來的，這里面多多少少都會涉及用戶隱私，法律風險很高。用戶不一定同意數據被出售，但AI必須基于海量的數據。而且數據公司會有很多技術人員，數據編輯接觸到數據，這其中的敏感數據會不會被泄露，在中心化的處理方式下，都是難以解決的問題。
算力成本過高
除了數據問題，算力也是AI發展過程中的一大難題。傳統互聯網企業用戶的點擊、查看、轉發單個用戶計算消耗資源小，而AI的計算要求高幾百幾千倍，因此對高性能計算定制深度學習芯片要求很高，意味著很多企業要花很多錢買算力、建很多計算中心，造成了很大的資源浪費。
區塊鏈與人工智能
人工智能所面臨的問題，是傳統技術無法解決的，轉而向同為新興技術的區塊鏈求助或許是一個明智的選擇。
數據中心化的前提下，數據的使用方式也缺乏透明度，當數據提供者無法對自己的數據進行有效管理時，很多人都選擇不再進行數據分享。而區塊鏈恰恰可以解決這一問題。在鏈上，每一份數據的上傳者、使用流向和成果都有跡可查用戶對數據擁有所有權和自主使用權。數據上傳者還會收到使用方提供的數字加密貨幣作為補償，當用戶能夠將自己產生的數據變現，并可控制數據流向，相信會有更多的人愿意提供相關數據。對于AI來說，安全的數據共享意味著更多的數據，然后就會有更好的模型，更好的行動，更好的結果，以及更好的新數據。
面對高昂的算力成本，AI行業可能束手無策，但是區塊鏈最不缺的恐怕就是算力了，挖礦是一項極其困難的任務，需要大量的電力和金錢來鋪設算力才能完成。冗余的算力完全可以為AI節省成本，反過來，AI已經被證明是優化電力消耗的有效手段，提供類似的解決方案應用在區塊鏈。這也許會導致挖礦硬件方面的投資下降。
區塊鏈能為人工智能行業帶來光明的前景，反過來人工智能也可以為區塊鏈加油助威。德勤在2016年估算區塊鏈驗證和共享交易的總運行成本大概是每年6億美元左右。一個智能系統或許實時計算出某個特定節點成為第一個執行特定任務的節點的可能性，從讓其他礦工有可以選擇放棄針對該特定交易的努力，從而削減總成本。從而減少無用功的付出，以此提高效率。
AI和區塊鏈可以說是技術領域的兩個極端方面：一個是在封閉數據平臺上培育中心化的智能，另一個則是在開放數據環境下促進去中心化的應用。但兩者天然優勢互補，在人工智能為區塊鏈提供更強大拓展場景與數據分析能力的同時，區塊鏈技術可為人工智能提供高度可信的原始數據以支持其持續的“深度學習”。兩種技術的相結合，會帶來什么樣的驚喜，我覺得還是很值得期待的。
京公網安備 11010502049343號