AI與區塊鏈的結合

這就是區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。我在我們的業務當中，已經親眼所見，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塊鏈身份。

目前，該領域的專家們正在探索如何部署區塊鏈，以創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)，同時通過區塊鏈提供的去中心化安全計算，保證其數據仍然是安全的、隱私的。實際上，用戶可以容易地共享他們的敏感細節(例如健康和財務數據)，并且系統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，我相信這個行業將積累大量的數據，而這也是大型組織能夠保持競爭力的核心所在。

一篇來自Hacker noon的文章列出來一些最新的結合區塊鏈和AI技術的項目，其中一些值得關注的包括AI市場SingularityNET，全球范圍的企業可以通過它訪問人工智能能力(算法等)，以促進這個行業的成長。另一個項目是Namahe AI平臺，其旨在通過集成人工智能和區塊鏈來提供供應鏈的效率，從而能夠實時無縫地監控流程，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，其通過贊助行業愛好者進行互相競爭，開發和提交預測模型和解決方案。

AI與區塊鏈結合所面臨的挑戰

顯然，人工智能解決方案不同于傳統的解決方案，因為它們遵循了概率模型。換言之，傳統的程序遵循了“如果A發生，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步驟。AI的這一特性，使得該技術成為創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生了爭執，優步(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和區塊鏈解決方案實現數據聚合，這會是一項真正的挑戰。然而，物聯網(IOT)在提供人工智能訓練所需的數據方面，將是至關重要的。實際上，私有數據的安全性和保密性，也將在這個領域扮演至關重要的角色;

人才是區塊鏈和AI結合所面臨的另一大挑戰。雖然數據是訓練AI模型的主要因素，它們可以通過IoT設備來收集，但是這需要專業人員來開發算法，這些算法需按照區塊鏈技術的要求，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建創新的人工智能算法。

計算資源則是結合AI和區塊鏈的另一大問題。幸運的是，有可能利用全局空閑計算能力來運行與區塊鏈集成的資源密集型人工智能訓練。

結論

一些專家現在認為，區塊鏈具有將去中心化屬性傳遞給AI 的能力，以實現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人員，以及需要提出適當的遵從性要求，來指導產品的開發和部署。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，鼓勵在現實世界中發展區塊鏈和人工智能。