人工智能和区块链是促进各行业创新和转型的紧张技能，对这一点各行业已达成共识。
每种技能都有其自身的技能繁芜性和商业代价，但如果将两种技能结合利用，可能是对全体技能（乃至人类）的重新定义。

本文想谈论下AI和区块链结合的可能性，会从干系定义、寻衅、上风和干系公司几个方面谈论。

1.弁言

大家对人工智能都很熟习了，但对区块链和加密货币还相对陌生，以是下面将大略先容下区块链的事理。

区块链是一种安全、去中央化、不可修改的数据库，个中的数据被去中央网络下的所有用户共享，这个去中央化网络能记录并审查所有的交易数据（不论是on-chain的根本数据，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赖同一个共享数据的技能”。

数据被存储在称为区块的刚性构造中，这些区块通过哈希链结合（每个区块都包括一个韶光戳和一条哈希链，哈希链的浸染是连接上一个区块）。
区块有一个标头，个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，想要修正任何信息都非常困难（由于须要所有前面区块的赞许）。

网络可以通过不同的机制来验证交易，但紧张是通过“事情量证明（POW，Proof of Work）”或“权柄证明（POS，Proof of Stake）”。
为了创造区块（挖矿），POW（中本聪，2008）哀求参与者（称为“矿工”）办理繁芜的数学问题，这须要大量的资源和硬件打算解码能力。
POS是为了鼓励货币持有者连续挖矿。
（它有很多变革，在其著名的“没有股权”的问题 - 查看Buterin的博客理解更多一些这方面的疑惑）。

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磋商。

须要解释的是，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、完备不受掌握的公有链，和只对联盟内用户开放的同盟链。
在公有链下，任何人都可以读取或者写入数据到总账中，而在同盟链中，只有当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）

区块链技能并不是颠覆性的创新，而是一种根本技能，旨在“改变货币”（Catalini，Gans，2017）。
去中央化的技能确实会降落审查和联网的本钱，进而影响市场构造，终极建立新市场。
Iansiti和Lakhani（2017）认为区块链技能比肩TCP/IP技能，由于同TCP/IP一样，区块链利用之前的根本技能，正经历着四个发展阶段：单次利用、局部利用、替代、转化。
正如他们阐明的那样，这种技能的“新奇性”使得人们更难明得如何运用，而它的“繁芜性”须要科研机构的大规模投入才能得以遍及。

然而，区块链正在改变传统的商业模型：如果在十五年前，投资运用层收益更大，那么现在，在区块链的天下中，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运用的堆栈。

总结下弁言部分：区块链不供应交易，但是可以通过分外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由于它很像IPO。
ICO便是代币，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）会体谅我近似的定义，但ICO是一个稠浊的观点，既有股权分配的观点，又有众筹的观点，还有利用领域有限的货币的观点。
这无疑是一项有趣的创新，但它在引入了新的无监管筹资办法的同时，也给社会带来一些问题。

代币在代价交流方面有额外的效用，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旗子暗记。
代币旨在创建早期的用户根本，并且通过褒奖，来吸引代币持有者在早期参与到系统培植中。
需当心以下几点：

代币的发卖不设个数限定；代币的发卖不受韶光限定；

代币的发卖没有标明（现在和将来的）数量，也没有标明代币的代价（这听起来很荒谬，你也可能会惊异于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，个中有些是由于技能本身，而另一些则来由于金融行业掉队的管理思想，但所有这些局限性都可能受到AI的影响：

能源花费：采矿须要大量的能源和金钱（O’Dwyer，David Malone，2014）。
AI已经证明在优化能源花费上的效率很高，以是我相信类似的技能也可以运用在区块链上，这将减少采矿硬件的投资；

可扩展性：区块链以每10分钟1MB的速率稳步增长，目前已经增加了85GB。
中本聪提出的“交易剪枝”（是一种空间回收技能，也便是，删除不必要的完备化交易数据）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能，提高系统效率；

安全性：纵然区块链险些不可能被黑，但其进一步的运用是不屈安的。
近两年机器学习取得了巨大进步，使AI成为了区块链技能安全上的有力保障，尤其是在系统的固定构造方面；

隐私性：个人数据的隐私问题已经得到了密切关注（UniCredit，2016）。
同态加密技能（直接处理加密数据）、Enigma项目（Zyskind等，2015）或Zerocash项目（Sasson等，2014），是可能的办理方案，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本钱大约6亿美元一年。
智能系统能打算出特定节点优先实行任务的概率，从而能提醒矿工找寻其他路径并降落总的运算本钱。
此外，只管存在一些构造性限定，但更好的效率和更低的能量花费也可以减少网络延迟，加快处理速率；

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，一些硬件可能被运用到神经网络中利用（挖矿巨子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，我们须要权限访问数据、跟踪数据的利用，然后加快处理个人事务的速率。

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，将剖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阐明AI本身：AI的黑盒问题一贯困扰着我们，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，还可以供应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，然后会得到更好的模型，更好的方案，更好的结果和更好的新数据。

降落市场进入壁垒：一步一步的来谈这个问题。
区块链技能可以保护您的数据，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，区块链将帮助洗濯个人数据，并提高数据的有效性。
其次，将会涌现新市场：从数据市场到模型市场，末了乃至是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能，会很好的结合成一个整体，进而降落小企业的参与壁垒，缩小科技巨子的竞争上风。
在降落参与壁垒的过程中，实际上办理了两个问题：供应更广泛的数据访问权限和更有效的数据货币化机制；

减少灾害性风险：编码在DAO（去中央化的自动化组织 Decentralized Autonomous Organizations）中的人工智能系统的规则明确，操作范围非常有限，只会高效准确地实行被哀求的操作，不会有其他操作。

只管AI和区块链技能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，并将连续得到发展？新的护城河是什么？我现在唯一的预测是什么？人才…”

干系公司：

只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，我按照以下办法将他们大略分类：

分布式人工智能：Trane AI（分布式方法演习数据）、Neureal（P2P的AI超级打算）、SingularityNET（AI市场）、Neuromation（综合数据天生和算法演习平台）、AI Blockchain（多运用人工智能）、BurstIQ（康健数据市场）、AtMatrix（分布式机器人）、OpenMined project（本地演习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（群体感情预测）；知识产权：Loci.io（IP创造与挖掘）；数据源：KapeIQ（医疗实体的敲诈检测）、Data Quarka（实时校正）、Priops（数据同等性）、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（公民褒奖制度）、HealthyTail（宠物剖析）、Crowdz（电子商务）、DeepSee（多媒体平台）、ChainMind（网络安全）

几点个人意见

很难评估这些公司的代价，他们的主页常日都十分神秘，无法确切知道他们是做什么的、怎么做的，这些公司的技能也须要专业人士来评估。
要只管即便识别并避开炒作，有一个详细的例子：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技能驱动的公司，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须要分享很多ICOs的材料和信息，但是这个主页停更了，只管荒诞，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先容。
我考试测验着找它的联合创始人，但终极还是没能在Linkedin上找到。

好吧，我理解成总有些人不喜好社交，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，在繁芜环境下的准确率，鼻尖Libratus和DeepStack在德州扑克领域，但我从未听过这些技能，乃至找不到任何信息。
在研究了良久后，我终于Googke到了两个关键词“Magos骗局”，彷佛这家公司圈钱跑了，他们可能在某个地方创造着第6种神经网络，敬请关注。

指数技能是前辈的，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的技能谱线中，有两个极度：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能结合，总收益就可以瞬间放大。

当然，这两种强大技能相浸染时，可能会产生技能和伦理问题，例如在区块链上如何编辑乃至删除数据呢？可编辑区块链是办理方案吗？AI-区块链会不会让我们大略地成为数据保存者？

诚笃说，我想我们唯一能做的便是连续做实验。

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.

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

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.

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

本文系大家都是产品经理翻译团队 @李小新 翻译发布，未经本站容许，禁止转载。

题图来自unsplash，基于CC0协议