作者：Francesco Corea，决策科学家和数据战略家
这篇文章介绍了AI和区块链的融合之后会带来的可能性，讨论了这两者融合之后的标准定义、挑战和带来的好处，以及在这个领域中一些有趣的玩家。
不可否认，人工智能和区块链无论在任何一个行业都是促进创新步伐和引入根本转变的两大主要技术。每种技术都有其自身的技术复杂程度以及业务影响, 但是两者的融合使用可能会从头开始重新设计整个技术(和人类)范式。
这篇文章介绍了AI和区块链的融合之后会带来的可能性，讨论了这两者融合之后的标准定义、挑战和带来的好处，以及在这个领域中一些有趣的玩家。
这一段时间以来，我一直在谈论和写作与AI有关的内容，所以我不会浪费任何时间来定义它是什么和不是什么。(如果你想知道更多关于它的信息，你可以查看我的解释或 AI 简史)。 但是，到目前为止，我从未涉及过区块链和加密货币，所以我会用这里的第一部分来描述它是什么以及它是如何工作的。
区块链是分布式网络中由各方共享的安全分布式不可变数据库，可以记录 (无论是在链上的基本信息或额外附件情况下的链下信息)和轻松审核交易数据。区块链是分布式网络中由各方共享的安全分布式不可变数据库。简单地说(与英格兰银行的话)，区块链是“一种可以让互不了解的人信任 共享记录事件的技术”。
数据存储在一种刚性结构中，这种结构称之为“块”，区块之间通过散列链相互连接，(每个块还包括一个时间戳，以及通过它的散列与上一个块的链接)。 这些块具有包含元数据的头部和包含真实交易数据的内容部分。由于每个块都链接到前一块，随着参与者和区块数量的增加，在没有网络共识的情况下修改任何信息是非常困难的。
网络可以通过不同的机制来验证交易，但主要通过“工作量证明”(proof-of-work)和“权益证明”(proof-of-stake)这两种机制。工作量证明(Nakamoto，2008)要求参与者(称为“矿工”)解决复杂的数学问题，以便添加一个块，这反过来又需要大量的能量和硬件容量来解码。权益证明(Vasin，2014)反而试图解决这个能源效率问题，将更多的采矿权归于拥有更多金币的参与者(这里存在很多的质疑，特别是关于所谓的根本“无利害关系“(Nothing at stake)——请参阅Buterin的博客文章以了解更多信息)。
此外还有一些其它机制，例如拜占庭容错算法(Castro和Liskov，2002)，Quorum 切片(Mazieres，2016)，以及权益证明的各种派生，但是我们不在这里进行介绍了。
关于区块链的特点，最后需要说明一点的是基于不同网络访问权限的区块链类别，例如是不是任何人都可以进行查看(无许可Vs需许可)，或者是否参与到共识的形成(公共Vs私有)。在前一个情况下，任何人都具有读写权限，而在后一种情况下，预先决定的参与者有权力加入网络(当然是在公共无许可的情况下，才设计矿工的奖励结构)。
需要解释的最后一个特点是基于不同网络访问权限的区块链类别，即是否任何人都可以免费查看(无权或无权)或者参与共识形成(公共还是私人)。 在前一种情况下，任何人都可以从分类帐中访问和读取或写入数据，而在后一种情况下，预先确定的参与者有权加入网络(当然，只有在公共无权的情况下，才设计矿工的奖励结构)。
现在情况应该很清楚这一技术的本质力量，它不仅仅是颠覆性技术，而更多在于它是旨在“改变中介范畴”(Catalini and Gans, 2017)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。Iansiti 和 Lakhani(2017)在最近的工作中(我强烈推荐)还对区块链和TCP/CP这两项技术之间进行了精彩的比较，说明了区块链是如何慢慢地经历了TCP/IP之类的先前基础性技术所经历的 4 个阶段的，也就是单个使用阶段、 本地化使用阶段、替代阶段以及变革阶段。就像他们解释那样，此类技术的“新颖性”使得它很难让人理解解决方案域，而它的“复杂性”需要更大规模的制度性转变才能培育出更便利的采用氛围。
然而，区块链也正在改变传统商业模式的分配价值，这与之前的技术栈方式相反: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(参见 Joel Monegro 的“胖协议”理论)。
这是一个由“胖”协议和“瘦”应用组成的堆栈(Joel Monegro)。 作为这个介绍章节的结束，我还想提一下实际上区块链的可能性还不仅仅在交易上面，而且在建立(智能)合约方面(由特殊事件和阈值触发并且可以轻易追溯和审计)也有着可能性。
附加段落:首次代币发售(ICO)
目前围绕着这一新现象的一大炒作是首次代币发售(ICO)。即便很多人投钱进去是因为这个名字让人想起最常见(也是最值钱)的首次公开募股(IPO)，但ICO仅仅是令牌销售，而令牌是特定网络(应用)的最小功能单位。
ICO 专家(如果有的话)会原谅我的近似定义，但 ICO 是一种混合概念，它包含股票分配，售前/众筹活动以及具有有限权力和应用程序域的货币。
这绝对是一个有趣的创新，它引入了新的不受管制的筹集资金的方式，但它也给一个毫无准备的社区带来了一些问题。我很高兴收到这方面的反馈意见，但我会在下面提炼一下ICO评估的关键点:
令牌在价值交换方面具有额外的效用，对于只有筹集资本目的的出售令牌的公司则向市场发出了不好的信号。令牌是用来创建用户群并激励利益相关者在最早阶段参与生态系统，一张好的白皮书是不够的;
警惕不受限制的令牌销售;
警惕没有时间限制的令牌销售;
警惕令牌销售，没有明确说明(现在和未来)数目以及令牌的价值(这听起来很荒谬，但您可能会对ICO的外观的不透明度感到惊讶)。
尽管区块链功能非常强大，但也有其自身的局限性。其中一些与技术相关的，而有的则来自于金融服务领域固有的思想陈旧的文化，但所有这些文化都会在一定程度上受到 AI 的影响:
电力消耗：挖矿是一项非常艰巨的任务，需要耗费大量的能源(然后是资金)才能完成(O'Dwyer和David Malone，2014)。AI已经证明在优化能源消耗方面非常高效，所以我相信在区块链方面也能实现类似的结果。这可能也会导致对挖矿硬件的投资减少;
可扩展性：区块链每0分钟稳步增长 1MB，而且已经达到了85GB。 作为一种可能的解决方案，Satoshi(2008)首次提到了“区块链修剪”(即为了不在一台笔记本电脑上保存整个区块链，而去删除有关已完全消费交易的不必要的数据)作为一种解决方案，但AI可以引入新的如联邦学习去中心化的学习系统， 例如，或新的数据分片技术来提高系统效率;
安全性：即使区块链几乎不可能被攻击，它的更深的层和应用程序也不是很安全(例如，DAO，Mt Gox，Bitfinex 等)。机器学习在过去两年取得的惊人进展使得AI成为区块链的绝佳盟友来保证应用程序的安全部署，特别是考虑到系统的固定结构;
隐私：拥有个人数据的隐私问题引发了对竞争优势的监管和战略担忧 (Unicredit，2016)。同态加密(直接对加密数据执行操作)，Enigma项目(Zyskind等，2015)或 Zerocash 项目(Sasson等，2014)绝对是可能的解决方案，但我认为这个问题与前两个即可伸缩性和安全性紧密相关，而且我认为他们同样重要;
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。一个智能系统最终可能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，一个更好的效益和更低的能耗也许也能降低网络时延，从而让交易更快;
硬件：矿工(未必是公司也可以是个人)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，并且未来还会引入更多。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(挖矿巨头 Bitmain 正在这么做);
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。
3 区块链如何改变AI
在上一节中，我们迅速触及了 AI 可能最终对区块链产生的影响。现在我们反过来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和模型的可信性，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。最终网络效应将会是最重要的。
降低市场的准入障碍：我们一步一步来。区块链技术可以保护你的数据。 那么为什么你不能私下存储你所有的数据并且也许出售这些数据呢?是的，你也许会。那么首先，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(这个是比较容易实现的);比如模型市场(这个要有趣得多);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一个更有效的数据货币化机制;
增加人工的信任：只要我们的部分任务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，这也会最终增加机器与机器之间的交互和交易，这种交互和交易提供共享数据和协调决策的安全方式，并且达到法定人数的强大机制(与群体机器人和多代理场景极其相关)。Rob May在他最近的邮件简报中也表达了类似的概念(我强烈建议——你一定要订阅)。
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，并且没有别的(它将会有一个受限的行动空间)。
尽管AI跟区块链技术的交互能够带来诸多好处，但是还有一个没有解决的大问题，AI是诞生在一个开源的环境下的，在这样的环境下数据是真正的护城河。 但随着这一数据的民主化(以及软件的开源化)，我们如何才能确保AI能取得成功并且不断发展呢?新的护城河又会是什么? 我现在唯一的猜测是?人才......
有很多从事区块链和加密货币的初创企业。不过这里我只对那些从事 AI、区块链技术交叉(或者融合)的感兴趣，显然就没有那么多了。这样的企业有许多主要集中在旧金山和伦敦，但是在纽约、澳大利亚、中国以及欧洲国家也有例子。这样的初创企业的确是太少了，所以很难把它们进行分类。我通常喜欢尝试去理解一组公司的底层模式和对行业的影响/应用类型，但在这种情况下，由于数据点数量较少，因此非常困难，因此我将它们分类如下:
去中心化智能：TraneAI(以去中心化的方式训练 AI);Neureal(点对点的 AI 超级计算);SingularityNET(AI 市场);Neuromation(综合数据集生成 和算法训练平台);AI Blockchain(多应用智能);BurstIQ(医疗保健数 据市场); AtMatrix(去中心化机器人);OpenMined项目(在本地训练机器学习的数据市场);Synapse.ai (数据和 AI市场); Dopamine.ai (B2B AI货币化平台);
会话式平台：Green Running(家庭能源虚拟助手);Talla(聊天机器 人);doc.ai(量化生物和医疗保健洞察);
预测平台：Augur(集体智能);Sharpe Capita(众包情绪预测);
知识产权：Loci.io(IP 发掘和挖矿);
数据溯源：KapeIQ(对医疗保健实体的欺诈检测);Data Quarka(事实核 验);Priops(数据合规性);Signzy(KYC)
交易：Euklid(比特币投资); EthVentures(对数字令牌的投资)。其他的 (理论性)金融应用可参见Lipton(2017);
保险：Mutual.life(P2P 保险)，Inari(普通保险);
其他：市民奖励系统;宠物分析;电子商务;媒体平台;网络安全。
一些评论:
看起来有趣的是，许多AI-区块链公司的顾问委员会要比团队规模还要大。这也许是融合尚未完全完成的早期迹象，说明我们不知道的要比知道的东西要多;
我个人对看到第一类(去中心化智能)的发展非常兴奋，但是我也看到会话式平台和预测平台以及知识产权的巨大发展。我把其他的例子归类为 “杂项”是因为我并不认为目前阶段他们代表了特定类别，而只是将AI于区块链进行匹配的单次尝试;
这些公司很难进行评估。这些网站经常很神秘，让人不清楚它们是做什么的，怎么做的(这和你买区块链是因为它的透明度有点相悖)，并且这种技术需要有高科技教育的才能充分评估。削减炒作是一项艰巨的任务，这很容易受到愚弄。但是我可以给你看个具体的例子:听说过 Magos AI吗?在为了这篇文章对公司进行研究时，我读了几篇关于 AI 驱动的区块链预测平台公司(Wired、Prnewswire等)的几篇文章，这家公司刚刚完成了一次超过50万美元的ICO，并且对其交付成果给出了很好的承诺。但如果你认为他们需要把ICO的材料/信息共享出来，很怪异的是，这个网站是打开不了的。当然，有时候会发生这种情况。但是我做了一些额外的努力，因为我在Wired上读过它并且很想知道更多。因为我在Wired上读过它的文章，我很想知道更多的东西。我能找到它的联合创始人，但是最终无法在Linkedin找到他，又是一件怪事。当然，有些人不喜欢社交，这很公平，特别是如果你考虑到三个月前还没有任何关于这家公司存在的迹象。那我来看看团队的其他成员的情况。也是没有任何信息，也没有过往经历的任何可追溯的证据(除了CTO是学分析的，我没有发现证据)。我视图深入挖掘这项技术:白皮书、蓝皮书、黄皮书，或者其他的什么书。但我只能找到他们的评论，却找不到正文。最后两步:我不认为自己是区块链专家，但我读了很多这方面的东西。而且我也相信，在人工智能以及行业动态方面我是相当了解的。这些人声称他们建立了5个不同的神经网络，可以在比Libratus(或DeepStack)还要复杂的不同领域达到相同的准确度，但我从来都没有听说过这样的网络——非常奇怪。好吧，可你知道吗?也许我可以写信给他们并且见面去了解一下。啊，他们的地址是AXA的苏黎世办事处。
经过 5 分钟的调查之后，我终于Google了两个关键字:“Magos 骗局”。似乎这些家伙卷走钱消失了。他们一定是在某个地方建立六个神经网络去了。所以，敬请关注。 我的观点是，指数性技术是非常好的，可以推进人类发展，但随着利益的增加，潜在的“负面融合”也会呈指数性增长。保持警觉。
区块链和 AI 是技术领域的两个极端方面: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中心化的应用。然而，如果我们能找到一种好的方式让这他们一起工作的话，那么总的正外部性可能会在一瞬间放大。
当然，这两种强大技术之间的融合，会对技术和伦理产生影响，例如我们如何对区块链上的数据进行编辑(甚至遗忘)?可编辑的区块链是解决方案吗? AI—区块链的融合以后，是不是促使我们成为了数据贮藏户? 说实话，在我看来我们唯一能做的就是不断尝试。
如果对本文有自己的见解，欢迎在评论区留言, 或者扫码关注公众号交流。
此为贪心科技编译，转载请联系本公众号获得授权。