AI和區塊鏈的融合：交易是什麼？

 

本文由 「AI前線」原創，原文連接： AI和區塊鏈的融合：交易是什麼？
做者 | Francesco Corea
譯者 | Erica Yi
編輯 | Vincent

AI 前線導讀："本文想要簡單介紹下 AI 和區塊鏈技術融合使用時的一些潛力，以及討論下相關的標準定義、面臨的挑戰、這樣作的好處以及在該領域一些有意思的玩家。"

不能否認的是，AI 和區塊鏈是促進創新和給每一個行業帶來根本性轉變的兩大技術。每種技術都有其技術上的複雜度和商業意義，可是二者的聯合使用也許可以從零開始從新設計整個技術產業（和人類社會）。

本文想要簡單介紹下人工智能和區塊鏈技術融合使用時的一些潛力，以及討論下相關的標準定義、面臨的挑戰、這樣作的好處以及在該領域一些有意思的玩家。

基本狀況介紹

我已經寫了一段時間關於人工智能的文章，因此在這裏我就不浪費時間來介紹什麼是什麼不是人工智能了。可是，至今爲止我尚未寫過關於區塊鏈和電子加密貨幣方面的文章，因此在這第一個章節我會先介紹下區塊鏈是什麼以及它的工做原理。

區塊鏈是 一種安全的分佈式的不可變的數據庫，在分佈式網絡中由全部人共享。在數據庫中，交易數據能夠被記錄（在鏈上的基本信息，或者在鏈外附加的附件）而且易於審計。

區塊鏈是一種安全的分佈式的不可變的數據庫，在分佈式網絡中由全部人共享。

簡而言之（用英格蘭銀行的話來講），區塊鏈就是「讓不相識的人相互信任所共享事件記錄的一種技術」。

數據存儲在稱爲 塊（block）的剛性結構中，這些結構經過 hash 在鏈中相互鏈接（每一個塊也含有一個時間戳（timestamp）和一個連接，可以經過其 hash 鏈接到前一個塊）。每一個塊會有本身的標題，標題中包括元數據（metadata）和真實的交易數據。因爲每一個區塊都與前一個區塊相連，隨着參與人數和區塊數量的增長，在沒有網絡共識的狀況下修改任何的信息都是很是困難的。

網絡能夠經過不一樣的機制來驗證交易，但主要仍是經過「工做量證實（proof-of-work）」或「權益證實（proof-of-stake）」來進行驗證的。工做量證實（Nakamoto，2008）要求參與者（稱爲「礦工（miner）」）解決複雜的數學問題來增長一個塊，這又須要大量的能源和硬件能力來解碼。權益證實（Vasin，2014）則試圖經過將更多挖礦權利分配到擁有更多虛擬貨幣的參與者那裏，來解決這個能源效率問題（這類證實存在多種變體，並且有一些人質疑它著名的「權益粉碎」問題）。

其餘的機制有拜占庭容錯算法（Byzantine-fault-tolerant algorithm，Castro 和 Liskov，2002），Quorum slicing（Mazieres，2016）以及權益證實（Mingxiao 等，2017）的變體，可是在這裏咱們就不一一討論了。

須要說明的最後一個特色是基於不一樣網絡訪問權限的區塊鏈的類別，便是否任何人均可以自由地查看（無需許可 permissionless 或須要許可 permissioned）或者參與共識的達成（公共或私人）。在前一種狀況下，任何人均可以訪問、讀取或寫入賬本中的數據，而在後一種狀況下，只有預約的參與者有權加入網絡（固然是在公共無需許可的狀況下，針對礦工的獎勵制度創建起來的） 。

到如今這種技術的基本狀況就清楚了，這不只僅是一種破壞性創新，而是一個旨在「改變中介範疇」的基礎技術（Catalini and Gans，2017）。

分佈式帳本技術的確會下降驗證和聯網的成本，影響現有市場的結構，並最終容許新市場的建立。Iansiti 和 Lakhani（2017）在最近的一個工做（我強烈推薦）中也提出了區塊鏈和 TCP / IP 之間的一個良好的平行關係，說明區塊鏈是如何緩慢地經歷了四個階段，來識別 TCP / IP 等先前的基礎技術，即單次使用階段，本地化使用階段，替代階段和轉換階段。

正如他們解釋的那樣，這種技術的「新穎性」使得人們很難去理解解決方案的相關領域，而其「複雜性」則須要更大的制度變革來促進這項科技的簡單使用。

然而，不能否認的一點是，區塊鏈也正在改變着傳統商業模式，以相反的方式進行着價值的分配：在十五年前投資於應用程序比投資協議技術更加合理，可是在區塊鏈的世界裏，價值絕大部分都集中在共享的協議層，只有極少許是在應用程序層面（參見 Joel Monegro 的「Fat Protocol」理論）。

區塊鏈是一個「肥」協議而「瘦」應用的堆棧 (Joel Monegro).

做爲這個介紹性章節的結束，我還簡單想說下的是區塊鏈的可能性不止是在交易上，並且還在於可以建立由特定事件和閾值觸發的（智能）合約，而且能夠不費力地對此進行追蹤和審計。

附加章節： 首次代幣發售或區塊鏈衆籌 (Initial Coin Offerings，簡寫 ICOs)

如今圍繞着區塊鏈的一大炒做是 ICOs 這一新的現象。即便如今不少人由於 ICO 與最多見的（和有價值的）首次公開募股（IPOs）類似而向其中投入了大量資金，可是 ICO 只不過是一種代幣銷售（token sale），其中一個代幣是特定網絡（或應用程序）中最小的功能單元。

ICOs 的專家（若是有的話）請原諒個人籠統定義，可是 ICO 是一個混合的概念，包含了股票分配、預售 / 衆籌活動，以及具備有限的權力和應用程序域的貨幣等多種元素。

引進一種新的沒有管制的方式來集資，毫無疑問是一個頗有意思的創新，可是這也給毫無準備的社區帶來了幾個問題。我很高興收到關於這方面的反饋意見，但在這裏，我會提煉一下 ICO 評估的幾個關鍵點：

• 代幣除了具備價值交換的功能外，還具備額外的效用。若是公司只是出於籌集資金的目的出售代幣，會向市場發出一個很差的信號。代幣是建立基礎用戶羣時所須要的，可以在最先期的時候鼓勵利益相關者參與到整個生態圈裏來。光是一份好的白皮書是不夠的。
• 要警戒沒有管制的代幣銷售
• 要警戒沒有時間限制的代幣銷售
• 要警戒沒有清楚聲明（如今和未來）代幣數量和價值的代幣銷售（這聽起來很荒謬，可是 ICO 的不透明度或許會讓你吃驚。）

AI 可以如何改變區塊鏈呢？

儘管區塊鏈的功能很強大，但也有其侷限性。一些是技術上的，一些是從老式金融服務板塊繼承而來的固有的老舊思想，可是這些侷限性均能以某種方式受到 AI 的影響：

• 能源消耗：挖礦（mining）是一個極爲困難的任務，須要大量的能源（還有金錢）來完成 (O’Dwyer and David Malone, 2014)。AI 已經被證實可以高效率的完成對能源的有效利用，因此我相信一樣的結果也能在區塊鏈上實現。由此能夠下降在挖礦硬件上所須要的投資。
• 可伸縮性：區塊鏈正在以每 10 分鐘 1MB 的速度穩步增加，現已累計達 85GB。中本聰（2008）首次提出了「區塊鏈精簡」（即爲了避免用將整個區塊鏈都存儲在單個筆記本電腦中，能夠刪掉已完成消費交易中沒必要要的數據），做爲存量累積問題的可能解決方案。可是 AI 能夠引入去中心化的學習系統好比聯合學習（federated learning），或者使用新的數據分片技術（data sharding techniques）來提升系統的效率。
• 安全：即便區塊鏈幾乎不可能被破解，可是它下面的層和應用程序就不是那麼的安全了（例如：DAO、Mt Gox、Bitfinex 等）。機器學習在過去兩年中所取得的驚人進展，使得 AI 成爲保證區塊鏈應用程序部署的絕佳盟友，尤爲是在系統結構是固定的狀況下。
• 隱私：擁有我的數據的隱私問題引起了監管和策略上，對於比較優點的考量（Unicredit, 2016）。同態加密（Homomorphic encryption，直接對加密的數據進行處理），好比 Enigma 項目（Zyskind 等，2015）或 Zerocash 項目（Sasson 等，2014）毫無疑問都是潛在的解決方案，可是我認爲這個問題跟已經提到的可伸縮性和安全這兩個問題是緊密相連的，而且三者將會變得同等重要。
• 效率： Deloitte (2016) 以前估計在區塊鏈中關於覈實和共享交易一年的運營成本會有 6 億美圓。一個智能系統最終有可能計算出在以某個特定節點做爲第一個執行某項任務的可能性，下降其餘的礦工針對這一交易的投入，從而下降總成本。除此以外，即便存在一些結構上的約束，效率上的提升和能耗上的下降也可能會下降網絡延遲（network latency），幫助交易更快地完成。
• 硬件：礦工（不必定是公司，也有多是我的）將大量的錢投放進了專門的硬件組件中。由於能耗一直是一個大問題，因此在這個問題上有人們提出了不少的解決方案，將來也會有更多的方案被提出。一旦系統足夠的更加高效，一些硬件或許會被轉化（有時是部分轉化）用於神經網絡（挖礦巨頭 Bitman 正是這樣作的）。
• 缺乏相關人才：這是對原有信仰的跨越，可是咱們也同時想要將數據科學自己自動化（就我目前所知的狀況，還沒有成功），我以爲咱們能夠經過創造虛擬代理，讓代理本身來創造新的帳本（甚至是在帳本上實現交互，而且可以維護生成的帳本）。
• 數據門檻：在未來咱們全部的數據都會在區塊鏈中，而公司可以直接從咱們這裏購買這些數據。咱們將會須要不少方面的幫助，如訪問受權、跟蹤數據的使用和以計算機的速度弄清楚咱們我的信息中的變化等。這是（智能）機器須要去作的事。

區塊鏈會如何改變 AI

在前一章節中，咱們簡單說了下 AI 最終會對區塊鏈產生的影響。在這一章節，咱們將會反過來，嘗試去理解區塊鏈會對機器學習系統的發展產生怎樣的影響。具體來講，區塊鏈可能會：

幫助 AI 解釋本身（而且讓咱們相信這個解釋）：AI 存在着難以解釋的黑箱問題。清晰的審計跟蹤，不只能夠提升數據的可信度，並且也爲追溯機器決策過程提供了一條清晰的途徑。

• 提升 AI 的有效性：安全的數據共享就意味着會有更多的數據（和更多訓練的數據），而後是更好的模型，更好的執行，更好的結果……而後更好的新的數據。最後一切都會歸結到網絡效應的重要性。
• 下降市場準入的門檻：讓咱們一步步來講。區塊鏈技術能夠保障你數據的安全。因此爲何不私人儲存你全部的數據和買賣這些數據呢？你或許會這樣作。

因此首先，區塊鏈將會 促進建立更加乾淨和有組織的我的數據。其次，它將容許不一樣的新市場的出現：好比數據市場（舉手之勞，容易作到）；模型市場（更加有意思）；最終甚至是 AI 市場（可參照 Ben Goertzel 正試圖用 SingularityNET 作的東西）。

所以，簡單的數據共享和新的市場，以及區塊鏈數據鑑別一塊兒，將會提供更流暢的整合，從而下降小企業進入的門檻，縮小其與科技巨頭的競爭優點。下降了進入門檻以後，咱們實際上解決了兩個問題：提供了更普遍的數據訪問和更有效的數據貨幣化機制。

• 增長人爲的信任：一旦咱們的部分任務將由自主虛擬代理管理，擁有清晰的審計跟蹤將有助於機器人之間的相互信任（和咱們對它們的信任）。最終還會增長機器與機器之間的交互（Outlier Ventures，2017），而且交易也爲人們提供了一種安全地共享數據和協調決策的方式，以及實現分佈式系統的魯棒機制（robust mechnism，與羣體機器人和多代理的場景高度相關）。Rob May 在他最近的新聞簡報中也表達出了相似的概念（強烈建議訂他的簡報）。
• 減小災難性風險的情景：在 DAO 編寫的具備特定智能合約的 AI，將會只能執行這些操做（這就侷限了動做空間（action space））。

儘管 AI 與區塊鏈技術的交互會帶來不少的好處，可是我有一個一直沒想明白的問題：

人工智能誕生於開源環境中，數據的多寡是其壁壘。可是隨着如今數據的民主化（軟件的開），咱們如何才能保證 AI 的繁榮和持續的發展呢？我如今惟一的猜想是？人才。

去中心化的智能公司

如今有不少作區塊鏈和電子加密貨幣的初創公司。我我的的話更對作 AI 和區塊鏈交叉板塊（有些人也叫它交匯點 convergence）的公司感興趣，可是顯然這樣的公司還不是不少。雖然這些公司主要集中在舊金山地區和倫敦，可是紐約、澳洲和中國，以及歐洲的一些國家也有這樣的公司。

由於如今這樣的公司不多，因此也很難將它們分類。我一般喜歡試圖去理解不一樣組公司在行業中所屬的底層模式以及影響 / 應用的類型。但在這種狀況下，因爲數據量太少，因此我將簡單地把它們作以下分類：

• 去中心化智能：TraneAI（以去中心化的方式訓練 AI）、Neureal（點對點 AI 超級計算）、SingularityNET（AI 市場）；Neuromation（合成數據集的生成和算法訓練平臺）；AI Blockchain（多應用智能）；BurstIQ（醫療數據市場）；AtMatrix（去中心化機器人）；OpenMined 項目（數據市場，本地機器學習的訓練）；Synapse.ai（數據和 AI 市場）；Dopamine.ai（B2B AI 貨幣化平臺）
• 語言會話平臺：Green Running（家庭能源虛擬助手）、Talla（聊天機器人）、doc.ai（量化生物和醫療保健看法提供）
• 預測平臺：Augur（集體智能）、Sharpe Capital（衆包情緒預測）
• 知識產權：Loci.io（IP 發現和挖掘）
• 數據溯源：KapeIQ（醫療機構欺詐檢測）、Data Quarka（事實覈查）、Priops（數據符合性）、Signzy（KYC）
• 交易：Euklid（比特幣投資） EthVentures（數字代幣投資）。對於金融領域的其餘（理論）應用，見 Lipton（2017）
• 保險：Mutual.life（P2P 保險）、Inari（普通保險）
• 雜項：Social Coin（公民獎勵制度）、 HealthyTail（寵物分析）、 Crowdz（電子商務）、DeepSee（媒體平臺）、ChainMind（網絡安全）

對上述提到公司一些零散的觀點：

• 有趣的是，許多 AI- 區塊鏈公司的諮詢委員會比自己的團隊還要大。這多是代表兩者的融合尚未徹底實現的一個早期跡象，相較於咱們已知的東西，咱們不知道的東西可能更多；
• 我我的很是高興看到第一類（去中心化智能）的發展，可是我也看到了語言會話和預測平臺以及知識產權方面的巨大發展。我把其餘的例子歸類爲「雜項」，由於我不認爲在這個階段它們表明某些特定的類別，只是試圖將 AI 與區塊鏈匹配起來的單個嘗試；
• 這些公司很是難以評估。這些網站每每足夠隱晦，因此很難真正地理解他們作什麼和是怎麼作的（若是你衝區塊鏈透明模式購買的話，顯得有些矛盾），並且對於技術的徹底理解是須要通過高科技教育才能作到的。

在這個過程當中，擺脫炒做的干擾是很困難的，於是人很容易受到愚弄。舉個簡單的例子：聽過 Magos AI 沒有？在搜尋本文中用的公司的時候，我發現我讀到了由 AI 驅動的預測區塊鏈的平臺公司（Wired、Prnewswire 等等），這家公司剛剛作了一個超過 50 萬美圓的 ICO，這就保證其平臺成果的交付。

可是這個網站居然沒法運行——奇怪吧，若是考慮到他們須要在 ICOs 上共享材料或信息。可是，怎麼說，網站沒法運行這種事有時候也會發生。由於我是在 Wired 上讀到過這個公司的信息，因此我就又額外費力的找了找相關的信息，我很想知道更多地瞭解這家公司。我找到了這個公司的聯合創始人，可是最終並沒能在 Linkedin 上找他們的資料。

好吧，退一步說，也有人不喜歡社交媒體的，尤爲是考慮到這家公司纔剛成立，3 個月前尚未任何它存在的跡象。那咱們看下隊伍裏的其餘人吧。什麼介紹都沒有，甚至沒有任何能夠追溯代表他們以前經歷信息（除了寫明 CTO 是分析學碩士，可是我沒有找到任何證據）。

而後，我又試圖從技術層面入手：白皮書、藍皮書、黃皮書、和其餘你說的上來的書。我只找到了對這些書的評價，可是並找不到原文。最後兩步：我不以爲我本身是區塊鏈的專家，可是我會讀不少相關的文章。

並且我認爲我對 AI 方面的知識和行業中正發生的事算是比較瞭解的。這些人聲稱他們建立了 5 個不一樣的神經網絡，能夠在不一樣複雜的領域媲美 Libratus (或 DeepStack) 在 Poker 所取得的精確度，可是我重來沒聽過他們——太奇怪了對吧？

可是或許我能夠給他們寫個信，約他們見下面，瞭解下狀況。他們的地址是蘇黎世的安盛辦事處……哈~

通過 5 分鐘的研究，我終於谷歌到了兩個關鍵詞：「Magos 騙局」。看來這些人是拿錢跑路了。他們可能確實在哪創建了 6 個神經網絡，因此敬請關注。

個人觀點是，指數成長型的技術很迷人，能夠推進人類社會的發展，但隨着利益的增長，潛在的「負面融合」也會呈指數級增加。請保持警戒。

結論

區塊鏈和人工智能技術是技術領域的兩個極端：一個是在封閉式的數據平臺上滋長中心化的智能，另外一個是在開放數據環境中推進去中心化的應用。可是，若是咱們找到一個聰明的方法讓它們一塊兒工做，總的積極的外部效應就能夠在一瞬間被放大。

固然這兩種強大的技術之間的交互會產生技術和倫理上的影響，例如咱們如何編輯（甚至遺忘）區塊鏈上的數據？ 是可編輯區塊鏈會是解決方案嗎？AI- 區塊鏈會不會推進咱們成爲數據囤積者呢？

老實說，我認爲咱們惟一能作的就是不斷嘗試。

參考文獻

• 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.
• Mazieres, D. (2016). 「The stellar consensus protocol: A federated model for internet-level consensus」. White Paper.
• 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
• Nakamoto, S. (2008). 「Bitcoin: A Peer-to-Peer Electronic Cash System」. White Paper.
• 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.
• Vasin, P. (2014). 「BlackCoin’s Proof-of-Stake Protocol v2」. White Paper.
• Zyskind, G., Nathan, O., Pentland, A. (2015). 「Enigma: Decentralized computation platform with guaranteed privacy」. arXiv:1506.03471.

做者簡介

Francesco Corea 是一名英國倫敦的決策科學家和數據戰略家。

原文連接：

The Convergence of AI and Blockchain: What’s the deal?

更多幹貨內容，可關注AI前線，ID：ai-front，後臺回覆「AI」、「TF」、「大數據」可得到《AI前線》系列PDF迷你書和技能圖譜。