首页 > 区块链 > 正文

AI 与区块链融合 未来将会怎样?

2018-01-03 10:51:15  来源:CIO时代网

摘要:区块链和AI是技术谱系的两个极端:一个是在封闭数据平台上培育中心化的智能,另一个则是在开放数据环境下促进去中心化的应用。然而,如果我们能找到一个聪明的方式让这两个一起协作的话,总的正外部性就能够在瞬间放大出去。
关键词: 区块
  区块链和AI可以说是当今最热门的两个技术方向了。在一般人看来,这两大技术似乎没有什么交叉的地方,因为区块链和AI分别属于是技术谱系的两个极端:一个是在封闭数据平台上培育中心化的智能,另一个则是在开放数据环境下促进去中心化的应用。但是有人却认为,AI与区块链融合可能会对整个技术范式都产生革命性影响。我们看看他是如何分析的。
\
  不可否认,AI和区块链是促进创新节奏并且给每一个行业都引入了剧变的两大重要技术。每一项技术都有其自身的技术复杂度以及商业影响,但如果这两个强强联合的话也许会从头开始对整个技术范式(以及人类)进行重新设计。
 
  本文旨在窥探一下AI与区块链的融合所产生的潜能,并且讨论这一联盟的标准定义、挑战以及好处,以及该领域的一些有趣的玩家。
 
  I.区块链技术
 
  区块链是“一种允许互不相识的人信任一个事件的共享记录的技术”。
 
  数据被存储在名为区块的刚性结构里面,这些区块又通过散列值(每一个区块都包含有一个时间戳和通过其散列值连到上一个区块的链接)彼此连接为一条链。区块有一个头部(header,里面包含有元数据),以及含有真实交易数据的内容部。既然每一个区块都是跟上一个连接的,所以随着参与者和区块的数量不断发展,在没有取得网络的共识的情况下想要篡改任何信息都是极其困难的。
 
  这一技术的本质力量不仅仅是颠覆性技术,而更多在于它是旨在“改变中介范畴”的基础性技术。分布式总账技术的确会降低验证和联网的成本,进而影响市场结构并最终使得新的市场形成。
 
  区块链正在变革传统商业模式,正在将价值朝着与之前的技术栈背道而驰的方向分配:如果说15年前投资应用比投资协议技术更有意义的话,在区块链的世界里价值将集中在共享协议层,而在应用层的利润水平将非常微薄。
 
  II.AI将如何改变区块链
 
  尽管区块链极其强大,但也存在自身的限制。其中一些是技术相关的,而有的则来自于金融服务领域固有的思想陈旧的文化,但所有这些都会在某种程度上受到AI的影响:
 
  电力消耗:挖矿是一项极其困难的任务,需要大量的电力(以及金钱)才能完成。而AI已经被证明是优化电力消耗的有效手段,所以我认为类似结果也可以在区块链方面实现。这也许会导致挖矿硬件方面的投资下降;
 
  可伸缩性:比特币正在稳步地以每10分钟1MB的节奏在发展,目前累计已达85GB。中本聪(2008)首次提出可以把“区块链修剪”(比方说删除有关已完全消费交易的不必要的数据)作为可能解决方案,但是AI可以引入诸如联邦学习等新的去中心化学习系统,或者引入新的数据分片技术来让系统更加高效。
 
  安全:即便区块链几乎不可能被攻击,但区块链更深的层和应用就没那么安全了(比如DAO、Mt Gox、Bitfinex等)。过去2年机器学习取得的不可思议的进展使得AI成为区块链极好的盟友来保障安全的应用部署,尤其是鉴于该系统架构的固定性;
 
  隐私:拥有个人数据的隐私问题引起了对竞争优势的监管和战略性担忧。同态加密(直接对加密数据进行操作),Enigma项目,或者Zerocash项目,绝对都是可能的解决方案,但我认为这个问题跟前面的可伸缩性和安全问题是紧密关联的,而且我认为它们的重要程度也是一样;
 
  效率:德勤(2016)估计区块链验证和共享交易的总运行成本大概是每年6亿美元左右。一个智能系统可能可以最终实时计算出特定节点成为第一个执行特定任务的节点的可能性,从让其他矿工有可能可以选择放弃针对该特定交易的努力,从而削减总成本。此外,即便存在某些结构性的约束,效率更好能耗更低也许也能降低网络时延,从而让交易更快;
 
  硬件:矿工把难以置信的金钱投入到专门硬件组件中。既然电力消耗一直都是关键问题,很多解决方案都被提了出来,未来还会引入更多。只要系统变得更加高效,其中一部分的硬件可能就会被转化(有时候是部分转化)为神经网络所用;
 
  人才缺乏:这是信仰之跃,但同样地我们正在试图自动化数据科学本身(按照我目前的认知来看是不成功的),我看不出为什么我们无法创建可以创建新的分类账的虚拟代理(甚至影响和维护分类账);
 
  数据门:在未来当我们所有的数据都放在区块链上,公司可以直接向我们购买时,我们就会需要帮助来进访问授权,跟踪数据使用,通常还需要以计算机的速度弄清楚我们的个人信息发生了什么事情。这是(智能)机器的工作。
 
  III. 区块链如何改变AI
 
  反过来再看看区块链可能会对机器学习系统的发展产生什么样的影响。说得更仔细一点,区块链可以:
 
  帮助AI解释自己(并让我们相信它):AI黑盒遭遇了可解释性的问题。有一个清晰的审计跟踪不仅可以提高数据的可信性,还可以提高模型的可信度,也为追溯机器决策过程提供了一条清晰的途径。
 
  提高人工智能的有效性:安全的数据共享意味着更多的数据(和更多的训练数据),然后就会有更好的模型,更好的行动,更好的结果......以及更好的新数据。到头来网络效应是最重要的东西。
 
  降低市场的准入障碍:区块链将促进更干净、更有组织的个人数据的建立。其次,区块链会促进新市场的出现:比如数据市场;比如模型市场;甚至最后可能还会出现AI市场。因此,简单的数据共享和新的市场,再加上区块链数据验证一起,这些将提供更加顺畅的集成,从而降低小企业的进入门槛,缩小科技巨头的竞争优势。在降低进入门槛的努力中,我们实际上解决了两个问题,即提供更广泛的数据访问以及更有效的数据货币化机制;
 
  增加对人工的信任:一旦我们的部分任务将交给自动虚拟代理来管理,清晰的审计跟踪将可以帮助机器人相互信任(并且帮助我们去信任它们)。在有了分项数据以及协调决策,再加上有健壮的机制到达法定人数(与群体机器人和多代理场景高度相关)的安全手段之后,这最终还将增加机器与机器之间的交互(Outlier Ventures,2017)和交易。
 
  减少灾难性风险的情况:DAO中编写的具有特定智能合约的AI只能执行那些动作,除此以外再无更多(那么它的行动空间也是受限的)。
 
  结论
 
  区块链和AI是技术谱系的两个极端:一个是在封闭数据平台上培育中心化的智能,另一个则是在开放数据环境下促进去中心化的应用。然而,如果我们能找到一个聪明的方式让这两个一起协作的话,总的正外部性就能够在瞬间放大出去。
 
  这两大技术的融合当然还有技术和伦理内涵,比方说我们应该如何对区块链上面的数据进行编辑(或者甚至遗忘)?可编辑的区块链是不是解决方案?AI—区块链的融合会不会把我们推向成为数据囤积者的道路上?
 
  说实话,我认为我们唯一能做的就是不断试验。
责编:kongwen