AI 與區塊鏈融合 未來將會怎樣？
區塊鏈和AI可以說是當今最熱門的兩個技術方向了。在一般人看來，這兩大技術似乎沒有什麼交叉的地方，因爲區塊鏈和AI分別屬於是技術譜系的兩個極端：一個是在封閉數據平臺上培育中心化的智能，另一個則是在開放數據環境下促進去中心化的應用。但是有人卻認爲，AI與區塊鏈融合可能會對整個技術範式都產生革命性影響。我們看看他是如何分析的。
不可否認，AI和區塊鏈是促進創新節奏並且給每一個行業都引入了劇變的兩大重要技術。每一項技術都有其自身的技術複雜度以及商業影響，但如果這兩個強強聯合的話也許會從頭開始對整個技術範式（以及人類）進行重新設計。
本文旨在窺探一下AI與區塊鏈的融合所產生的潛能，並且討論這一聯盟的標準定義、挑戰以及好處，以及該領域的一些有趣的玩家。
I.區塊鏈技術
區塊鏈是「一種允許互不相識的人信任一個事件的共享記錄的技術」。
數據被存儲在名爲區塊的剛性結構裏面，這些區塊又通過散列值（每一個區塊都包含有一個時間戳和通過其散列值連到上一個區塊的鏈接）彼此連接爲一條鏈。區塊有一個頭部（header，裏面包含有元數據），以及含有真實交易數據的內容部。既然每一個區塊都是跟上一個連接的，所以隨着參與者和區塊的數量不斷髮展，在沒有取得網絡的共識的情況下想要篡改任何信息都是極其困難的。
這一技術的本質力量不僅僅是顛覆性技術，而更多在於它是旨在「改變中介範疇」的基礎性技術。分佈式總賬技術的確會降低驗證和聯網的成本，進而影響市場結構並最終使得新的市場形成。
區塊鏈正在變革傳統商業模式，正在將價值朝着與之前的技術棧背道而馳的方向分配：如果說15年前投資應用比投資協議技術更有意義的話，在區塊鏈的世界裏價值將集中在共享協議層，而在應用層的利潤水平將非常微薄。
II.AI將如何改變區塊鏈
儘管區塊鏈極其強大，但也存在自身的限制。其中一些是技術相關的，而有的則來自於金融服務領域固有的思想陳舊的文化，但所有這些都會在某種程度上受到AI的影響：
電力消耗：挖礦是一項極其困難的任務，需要大量的電力（以及金錢）才能完成。而AI已經被證明是優化電力消耗的有效手段，所以我認爲類似結果也可以在區塊鏈方面實現。這也許會導致挖礦硬件方面的投資下降；
可伸縮性：比特幣正在穩步地以每10分鐘1MB的節奏在發展，目前累計已達85GB。中本聰（2008）首次提出可以把「區塊鏈修剪」（比方說刪除有關已完全消費交易的不必要的數據）作爲可能解決方案，但是AI可以引入諸如聯邦學習等新的去中心化學習系統，或者引入新的數據分片技術來讓系統更加高效。
安全：即便區塊鏈幾乎不可能被攻擊，但區塊鏈更深的層和應用就沒那麼安全了（比如DAO、Mt Gox、Bitfinex等）。過去2年機器學習取得的不可思議的進展使得AI成爲區塊鏈極好的盟友來保障安全的應用部署，尤其是鑑於該系統架構的固定性；
隱私：擁有個人數據的隱私問題引起了對競爭優勢的監管和戰略性擔憂。同態加密（直接對加密數據進行操作），Enigma項目，或者Zerocash項目，絕對都是可能的解決方案，但我認爲這個問題跟前面的可伸縮性和安全問題是緊密關聯的，而且我認爲它們的重要程度也是一樣；
效率：德勤（2016）估計區塊鏈驗證和共享交易的總運行成本大概是每年6億美元左右。一個智能系統可能可以最終實時計算出特定節點成爲第一個執行特定任務的節點的可能性，從讓其他礦工有可能可以選擇放棄針對該特定交易的努力，從而削減總成本。此外，即便存在某些結構性的約束，效率更好能耗更低也許也能降低網絡時延，從而讓交易更快；
硬件：礦工把難以置信的金錢投入到專門硬件組件中。既然電力消耗一直都是關鍵問題，很多解決方案都被提了出來，未來還會引入更多。只要系統變得更加高效，其中一部分的硬件可能就會被轉化（有時候是部分轉化）爲神經網絡所用；
人才缺乏：這是信仰之躍，但同樣地我們正在試圖自動化數據科學本身（按照我目前的認知來看是不成功的），我看不出爲什麼我們無法創建可以創建新的分類賬的虛擬代理（甚至影響和維護分類賬）；
數據門：在未來當我們所有的數據都放在區塊鏈上，公司可以直接向我們購買時，我們就會需要幫助來進訪問授權，跟蹤數據使用，通常還需要以計算機的速度弄清楚我們的個人信息發生了什麼事情。這是（智能）機器的工作。
III. 區塊鏈如何改變AI
反過來再看看區塊鏈可能會對機器學習系統的發展產生什麼樣的影響。說得更仔細一點，區塊鏈可以：
幫助AI解釋自己（並讓我們相信它）：AI黑盒遭遇了可解釋性的問題。有一個清晰的審計跟蹤不僅可以提高數據的可信性，還可以提高模型的可信度，也爲追溯機器決策過程提供了一條清晰的途徑。
提高人工智能的有效性：安全的數據共享意味着更多的數據（和更多的訓練數據），然後就會有更好的模型，更好的行動，更好的結果......以及更好的新數據。到頭來網絡效應是最重要的東西。
降低市場的准入障礙：區塊鏈將促進更乾淨、更有組織的個人數據的建立。其次，區塊鏈會促進新市場的出現：比如數據市場；比如模型市場；甚至最後可能還會出現AI市場。因此，簡單的數據共享和新的市場，再加上區塊鏈數據驗證一起，這些將提供更加順暢的集成，從而降低小企業的進入門檻，縮小科技巨頭的競爭優勢。在降低進入門檻的努力中，我們實際上解決了兩個問題，即提供更廣泛的數據訪問以及更有效的數據貨幣化機制;
增加對人工的信任：一旦我們的部分任務將交給自動虛擬代理來管理，清晰的審計跟蹤將可以幫助機器人相互信任（並且幫助我們去信任它們）。在有了分項數據以及協調決策，再加上有健壯的機制到達法定人數（與羣體機器人和多代理場景高度相關）的安全手段之後，這最終還將增加機器與機器之間的交互（Outlier Ventures，2017）和交易。
減少災難性風險的情況：DAO中編寫的具有特定智能合約的AI只能執行那些動作，除此以外再無更多（那麼它的行動空間也是受限的）。
結論
區塊鏈和AI是技術譜系的兩個極端：一個是在封閉數據平臺上培育中心化的智能，另一個則是在開放數據環境下促進去中心化的應用。然而，如果我們能找到一個聰明的方式讓這兩個一起協作的話，總的正外部性就能夠在瞬間放大出去。
這兩大技術的融合當然還有技術和倫理內涵，比方說我們應該如何對區塊鏈上面的數據進行編輯（或者甚至遺忘）？可編輯的區塊鏈是不是解決方案？AI—區塊鏈的融合會不會把我們推向成爲數據囤積者的道路上？
說實話，我認爲我們唯一能做的就是不斷試驗。