我在密碼學領域已工作了二十多年，并且自其誕生以來，我一直是密碼學發(fā)展的積極參與者。尤其是，我認為人工智能(AI)和區(qū)塊鏈的結合，會是一個令人興奮，但具有挑戰(zhàn)性的新發(fā)展。
Matt Turck最近討論了為什么這個話題很重要，并強調了行業(yè)當中一些有趣的項目，他將人工智能(大數(shù)據(jù)、數(shù)據(jù)科學、機器學習)和區(qū)塊鏈(去中心化基礎設施)定義為下一個十年的核心技術。顯然，這些新概念的時機已經(jīng)成熟了，盡管它們仍然是新生的、仍不發(fā)達的。
有趣的是，人工智能和區(qū)塊鏈在哲學上是不同的：
1.AI是由更中心化的基礎設施驅動的，這與區(qū)塊鏈去中心化、分布式的性質是相對的;
2.很多人工智能技術由中心化提供商所擁有和運營的，而市場上的大多數(shù)區(qū)塊鏈企業(yè)都將其代碼庫開源公開，任何人都可以在任何時間點自由地查看這些代碼。
3.就現(xiàn)在而言，AI更像是一個黑盒解決方案，而區(qū)塊鏈在處理其交易時往往是很透明的。
4.AI基于概率公式，而區(qū)塊鏈在本質上更具確定性;
目前，很多AI創(chuàng)業(yè)公司的最終命運，就是被IBM、蘋果、Facebook、亞馬遜、谷歌、英特爾、阿里巴巴這些巨頭公司所收購。這些巨頭依靠史無前例的數(shù)據(jù)量，來培訓他們的人工智能代理，這給他們提供了巨大的競爭優(yōu)勢。與此同時，他們的數(shù)據(jù)和能力，也與世界其它地區(qū)的情況截然不同。
不幸的是，中心化的AI為濫用提供了空間，例如使用人臉識別和計算機視覺技術大規(guī)模地監(jiān)視人們。同時，在中心化的環(huán)境之上創(chuàng)建解決方案，要求企業(yè)放棄隱私，并對其它第三方放開數(shù)據(jù)控制;
AI與區(qū)塊鏈的結合
這就是區(qū)塊鏈進入其中的突破口，因為它可以用來克服很多人工智能的缺點。我在我們的業(yè)務當中，已經(jīng)親眼所見，我們利用了很多AI和機器學習(ML)能力，以便更好地識別和驗證用戶的區(qū)塊鏈身份。
目前，該領域的專家們正在探索如何部署區(qū)塊鏈，以創(chuàng)建去中心化的市場來增強AI。麻省理工學院的提供的這門課程只是這個行業(yè)運動的一個指示器。這將允許人們舒適地分享他們的個人可識別信息(PII)，同時通過區(qū)塊鏈提供的去中心化安全計算，保證其數(shù)據(jù)仍然是安全的、隱私的。實際上，用戶可以容易地共享他們的敏感細節(jié)(例如健康和財務數(shù)據(jù))，并且系統(tǒng)將確保只有預期的服務提供者才有能力在用戶明確同意的情況下解密用戶的PII。隨著時間的流逝，我相信這個行業(yè)將積累大量的數(shù)據(jù)，而這也是大型組織能夠保持競爭力的核心所在。
一篇來自Hackernoon的文章列出來一些最新的結合區(qū)塊鏈和AI技術的項目，其中一些值得關注的包括AI市場SingularityNET，全球范圍的企業(yè)可以通過它訪問人工智能能力(算法等)，以促進這個行業(yè)的成長。另一個項目是Namahe AI平臺，其旨在通過集成人工智能和區(qū)塊鏈來提供供應鏈的效率，從而能夠實時無縫地監(jiān)控流程，并標記異常和欺詐以供審查。最后，還有Numerai，一個基于人工智能的對沖基金，其通過贊助行業(yè)愛好者進行互相競爭，開發(fā)和提交預測模型和解決方案。
AI與區(qū)塊鏈結合所面臨的挑戰(zhàn)
顯然，人工智能解決方案不同于傳統(tǒng)的解決方案，因為它們遵循了概率模型。換言之，傳統(tǒng)的程序遵循了“如果A發(fā)生，然后跟隨B”的方法。相反，人工智能(深度學習和機器學習)使用概率回答來跟隨后續(xù)步驟。AI的這一特性，使得該技術成為創(chuàng)建靈活解決方案的理想選擇。然而，權衡點在于，一些人工智能程序是會出錯的。
到目前為止，AI代理在某些情況下仍然是會出錯的，并且用戶仍然很難知道何時出錯，或者當出錯時應該做什么。一些令人難忘的例子包括微軟的聊天機器人變成了流氓，維基百科的編輯機器人之間發(fā)生了爭執(zhí)，優(yōu)步(Uber)的自動駕駛汽車忽視了紅燈，俄羅斯機器人Promobot IR77逃離了實驗室……
另一個問題是合規(guī)性。防止人工智能解決方案淪為流氓或造成損害，仍然是我們主要去解決的問題。而AI和區(qū)塊鏈解決方案實現(xiàn)數(shù)據(jù)聚合，這會是一項真正的挑戰(zhàn)。然而，物聯(lián)網(wǎng)(IOT)在提供人工智能訓練所需的數(shù)據(jù)方面，將是至關重要的。實際上，私有數(shù)據(jù)的安全性和保密性，也將在這個領域扮演至關重要的角色;
人才是區(qū)塊鏈和AI結合所面臨的另一大挑戰(zhàn)。雖然數(shù)據(jù)是訓練AI模型的主要因素，它們可以通過IoT設備來收集，但是這需要專業(yè)人員來開發(fā)算法，這些算法需按照區(qū)塊鏈技術的要求，以去中心化或分布式的方式運行。
幸運的是，諸如DeepBrain Chain和 SingularityNET這類組織正在不斷研究和創(chuàng)建創(chuàng)新的人工智能算法。
計算資源則是結合AI和區(qū)塊鏈的另一大問題。幸運的是，有可能利用全局空閑計算能力來運行與區(qū)塊鏈集成的資源密集型人工智能訓練。
結論
一些專家現(xiàn)在認為，區(qū)塊鏈具有將去中心化屬性傳遞給AI 的能力，以實現(xiàn)為大眾提供去中心化的人工智能。為了從結合這兩大技術中，獲得真正的好處，我認為必須要解決幾個主要的問題：如何確定AI解決方案何時操作錯誤，如何培訓該領域的專業(yè)人員，以及需要提出適當?shù)淖駨男砸螅瑏碇笇Мa(chǎn)品的開發(fā)和部署。為了取得真正的進步，這個領域的參與者應該努力打破這些障礙，鼓勵在現(xiàn)實世界中發(fā)展區(qū)塊鏈和人工智能。
京公網(wǎng)安備 11010502049343號