夸克区块链中的人工智能

在过去的五到六年里，人工智能行业逐渐重回主流视野，有股复兴之象。

我用“复兴”这个词是因为我们曾经有段时间认为人工智能是一项即将到来的技术。阿兰图灵在1950年设计了同名的图灵测试，让人们意识到「机器也会思考」这一可能性。1956年的达特茅斯研讨会是一个里程碑式的事件，它标志着人工智能的诞生。当时约翰麦卡锡提出了「人工智能」一词，用来说明当时控制论、神经网络和符号推理研究的蓬勃发展。

在60年代和70年代，自然语言处理、机器推理和机器视觉领域有了显著的进步。随着80年代日本所谓的第五代计算机的出现，在专家系统、基于案例的推理等领域取得了重大进展，反向传播的发明也带来了连接主义神经网络的复兴。机器学习在90年代得到了快速发展，早期的基于符号的方法也转向了概率和统计的方法。

最近，对早期和成熟初创企业的大规模投资；媒体对未来杀手级机器人的报导；包括IBM、微软和谷歌在内的老派巨头的营销闪电战；以及公众对Siri和Alexa等的狂热，这一切都似乎表明着人工智能终于出现了。但是，真的是这样吗？

点击添加

是机器学习？或者说是人工智能？

我们今天所说的人工智能，很大程度上是指机器学习在海量数据中的应用。准确地说，正是所谓的深度（机器）学习技术的应用，带来了语音搜索和语音激活助手（如Siri）的兴起、癌症诊断和治疗等领域的医疗创新、人脸识别如AWS识别以及图像视频分析识别等更为广泛领域的发展、机器翻译工具如Bing翻译器、语音识别工具以及所谓的自动驾驶汽车等的出现。

技术上来说，我们应该称之为深度学习的复兴，而不是人工智能的复兴。

深度学习的历史可以追溯到1943年，在对人脑神经网络理解的基础上，皮茨-麦卡洛赫建立了计算机模型。“深度学习”这个词是在80年代末出现的；然而，深度学习影响力的发挥是从21世纪初开始的，随着2012年开始的所谓深度学习革命，计算行业由此被真正地颠覆了。2019年3月，Yoshua Bengio、Geoffrey Hinton和Yann LeCun因其突破性的研究被授予图灵奖，这些研究将深度学习纳入了主流。

简单来说，深度学习是一种机器学习技术，它教计算机做人类天生会做的事，即从例子中学习。通过深入学习，计算机模型可以直接对图像、文本或声音等进行分类。深度学习模型通过使用一组打标签的数据和神经网络结构（包括多层软件建模人类神经元的行为）进行训练（有监督和无监督）。

当下机器学习的致命弱点

为了训练一个深度（机器）学习模型，当前有两种技术是有效的，但最终却会成为人工智能的祸根。

1. 传统的学习方法要求在单个系统（或供应商数据中心）上集中聚合训练数据。

谷歌、亚马逊、微软、苹果和脸书等公司收集了大量的用户数据，并将其存储在各自的系统中。随后，他们会通过一次或多次运行他们的算法来挖掘并建立最终的深度学习模型。很明显这种方法侵犯了用户隐私。在获得（通常没有）用户许可的情况下，这些系统利用敏感的隐私数据来构建他们的人工智能App。

2. 中心化方法对于供应商的依赖性过高。

同样存在问题的是，中心化的方法通常依赖于供应商，即供应商对算法、实现机制（语言、库、工具）、首选硬件（内部、外部、对芯片制造商的依赖性等）、数据中心架构、人员（存在妥协、贿赂等风险），以及显示训练算法结果工具的选择。用计算机科学的术语来说，单供应商实现存在所谓的拜占庭容错问题。

这些技术中的任何一种都将威胁到对当今人工智能App的存亡。如果这个行业不解决这些问题，重回主流视野的人工智能也必将再次沉寂。

区块链+机器学习

?

区块链平台在去中心化App和系统的设计和开发方面取得了令人欣喜的进展，并已应用于从加密货币到企业供应链等的各个领域。

更重要的是，区块链固有的去中心化实现使得区块链具有以下两种特性。

区块链赋予了用户管理其数据的权利。

首先，区块链赋予了用户管理其数据的权利，使他们能够决定何时、何地、向谁以及多长时间对其数据的访问权限，即区块链是那些默认可自动使用用户私有数据系统的克星。此外，随着零知识证明的出现，区块链现在对于交易而言仅能够证明其有效性。

区块链的设计不存在中心化的机构或系统。

其次，区块链的设计不存在一个中心化的机构或系统。因此，为了让数据和交易达成一致，区块链使用了各种容错的共识算法。虽然存在各种共识算法，但这些算法在对一组去中心化的节点（或系统）达成共识方面具有相似的特征。特别地，一种称为拜占庭共识的算法解决了前面提到的拜占庭容错问题。区块链使得人工智能App的开发不依赖于单一供应商的实现，也不存在由此带来的所有风险和故障。

这两个关键特性的结合使得现今机器学习的实现有可能解决其致命弱点，并使人工智能App既不侵犯隐私，也不易受单一供应商拜占庭式故障的影响。

未来设想

区块链+机器学习开辟了一种将人工智能变为主流的颠覆性方法，能够在保护用户隐私的同时，确保降低供应商依赖型App的风险。

用户在使用设备期间会产生海量的数据。这些数据包含了关于用户及其行为的有效信息：他们经常去哪些餐馆，访问哪些网站，他们喜欢去哪些地方旅游，他们使用哪些社交媒体App，他们看哪些视频等。这些数据已经成为深度学习模型的建立基石，以提供个性化服务，最大限度地提高用户体验（例如ala Siri）。而，区块链是在不侵犯用户隐私的情况下构建此类个性化模型的杰出选择。

尤为重要的是，这一行业将用户隐私置于任何商业利益之上，并使用区块链构建赋能人工智能应用的机器学习模型。

像人脸识别这样的应用正在被广泛普及（包括政府机构）；由于机器学习模型与供应商绑定可能会带来一系列问题，因此其潜在风险不容忽视。如，波音和空客飞机等航空电子系统数十年来一直被设计成拜占庭式的容错系统。当移民局和边境巡逻机构使用AWS Rekognition人脸识别等工具时，行业和监管机构必须重新思考现今人工智能应用的本质（例如与航空电子系统相关）。

我们必须使用跨越多个供应商的计算资源（算法、语言、硬件等），从单一供应商实现方式及其相关风险转为去中心化的深度学习实现。

夸克区块链将在未来融入我们的生活，夸克区块链是一个可开放的公共区块链，类似互联网基础设施，有底层协议核心区块链技术，使用与比特币安全强度一致加密算法，支持第三方应用开发，与其他类似激励机制项目，其落地场景就是想利用区块链技术去中心化的共识方式，链信定位基于夸克区块链公链主网技术以打造区块链互联网社交价值网络，使之成为互联网社交世界的价值链接器，并旨在通过基于夸克区块链的公链主网技术中不可篡改/加密算法、区块浏览器、全节点客户端等特性，为传统互联网社交和新型互联网价值互联网社交带来更安全的、多方参与的、分布式交易与事务处理，更可信的数据存储、保护与归属机制，更便捷的流通结算体验，促进社交行业透明度与效率，增强多方互信度。

未来是去中心化的，人工智能也不例外。否则，人工智能必将迎来寒冬。

—-

编译者/作者：链家子

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。