一、基本信息
论文题目：《Blockchain for AI: Review and Open Research Challenges》
发表时间：IEEE Access
论文作者及单位：
二、摘要
最近，人工智能（AI）和区块链已成为最流行和最具破坏性的两项技术。 区块链技术具有自动以加密货币进行支付的能力，并能够以分散，安全和受信任的方式提供对共享的数据，交易和日志分类账的访问。 同样，借助智能合约，区块链能够管理参与者之间的互动，而无需中介或受信任的第三方。 另一方面，人工智能为类似于人类的机器提供情报和决策能力。 在本文中，我们对AI的区块链应用进行了详细调查。 我们回顾文献，列出并总结专门针对AI领域的新兴区块链应用，平台和协议。 我们还将确定和讨论将区块链技术用于AI的开放研究挑战。
三、主要内容与工作
区块链是当今最被大肆宣传的创新之一，作为一种横向技术被广泛应用于各个领域[1] – [3]，它已经获得了很大的吸引力。自2008年启用以来，区块链一直是一种颠覆性创新，它将彻底改变我们的交互方式，自动付款，跟踪和跟踪交易的方式[4]。区块链可以非常经济有效地消除对多个参与者之间的管理和验证交互与交易的集中授权的需求。在区块链中，每笔交易都由所有挖掘节点进行加密签名和验证，这些挖掘节点持有整个分类账的副本，该副本包含所有交易的链接块。这将创建无法更改的安全，同步和共享的带时间戳的记录[5]。另一个获得极大关注的突出领域是人工智能（AI），它使机器具有认知功能，可以根据其收集的数据来学习，推断和适应。最近的市场研究预测，到2030年，人工智能市场将增长到13万亿美元。
传感系统，物联网设备，社交媒体和Web应用程序的大量生产和生成数据推动了AI的兴起[6]。各种机器学习和深度学习技术可以利用这些数据[7]来执行各种分析。迄今为止，人工智能的大多数机器学习和深度学习方法都依赖于集中式模型进行训练，其中一组服务器针对训练和验证数据集运行特定模型，而Google，Apple，Facebook和Amazon等许多组织管理着庞大的模型。数据量，以做出明智的决策[8]。但是，人工智能的集中式特性可能会导致数据篡改的可能性，因为在以集中方式管理和存储数据时，数据可能会受到黑客攻击和操纵[9]。此外，不能保证生成数据的源的数据来源和真实性[10]。这可能导致AI决策结果可能是高度错误，危险和危险的。
分布式AI的概念最近已经出现。分散式AI基本上是AI和区块链的结合[8]。去中心化的AI能够以分布式和去中心化的方式处理并执行已信任的，经过数字签名的安全共享数据的分析或决策，并以分散和去中心化的方式在区块链上进行存储，而无需受信任的第三方或中介[8] ，[9]。众所周知，人工智能可以处理大量数据，现在已经预见到区块链是存储此类数据的可靠平台。区块链智能合约的功能使人们能够对区块链进行编程，以管理参与决策或生成和访问数据的参与者之间的交易[11]。基于智能合约的自主系统和机器可以学习并适应随时间变化的变化，并做出可信赖且准确的决策结果，并由区块链的所有挖掘节点进行验证和验证。此类决定不能被反驳，并且所有参与实体都可以对其进行追踪，跟踪和验证。利用区块链的人工智能技术可以提供去中心化学习，以促进信任和安全地在众多自治代理之间共享知识和决策结果，从而可以为进一步的决策做出贡献，协调和投票[12]，[13]。
迄今为止，文献缺乏关于区块链在人工智能环境中扮演的角色的全面评论和研究。 现有文献表明，研究人员孤立地研究了区块链和人工智能，及其在各种垂直领域和企业中的应用[14]-[27]。 几项研究讨论了AI和区块链的集成，以及这种集成对我们的生活，工作，互动和交易方式的影响[9]，[28]。 本文的主要贡献可以概括如下：
•我们概述了区块链的基础知识和关键功能，以及如何将这些功能用于AI。
•我们讨论了人工智能和区块链的集成如何帮助开发去中心化经济的新生态系统。 此外，我们概述了此集成带来的主要好处。
•我们提供了有关区块链平台，体系结构和基础架构类型以及共识协议的详细分类法，以及现有的分散式AI应用程序。
•我们报告并讨论了在不同垂直域中利用区块链的AI应用程序和实现的多个实际使用案例。
•我们确定并概述在为未来的AI应用程序采用和利用区块链功能方面的开放研究挑战。
HOW BLOCKCHAIN CAN TRANSFORM AI
结合两个技术生态系统，可以有效解决人工智能和区块链的许多缺点[19]，[41]。人工智能算法依赖于数据或信息来学习，推断和做出最终决策。当从可靠，安全，可信赖和可信的数据存储库或平台收集数据时，机器学习算法会更好地工作。区块链充当分布式账本，可以在该账本上以所有挖掘节点经过加密签名，验证和同意的方式存储和处理数据。区块链数据以高完整性和高弹性存储，不能被篡改。当将智能合约用于机器学习算法来制定决策和执行分析时，这些决策的结果将是可信赖的且无可争议的。人工智能与区块链的整合可以为人工智能驱动的系统必须收集，存储和利用的高度敏感的信息创建安全，不变，分散的系统[41]。此概念导致显着改进，以保护各种领域的数据和信息的安全，包括医疗，个人，银行和金融，贸易以及法律数据。
图1显示了AI可以从许多区块链平台的可用性中受益，这些区块链平台可以执行机器学习算法并跟踪存储在分散式P2P存储系统上的数据。这些数据通常来自智能连接产品，这些产品包括各种来源，例如物联网设备，群体机器人，智能城市，建筑物和车辆。还可以利用云的功能和服务进行链下机器学习分析和智能决策以及数据可视化。将区块链用于AI的一些重要功能（如表2所示）可以总结如下：
•增强的数据安全性。区块链中保存的信息是高度安全的。区块链以在无磁盘环境中存储敏感和个人数据而闻名。区块链数据库保存经过数字签名的数据，这意味着只有“各自的私钥”必须保持安全[42]。这使AI算法可以处理安全数据，从而确保获得更可信和可信的决策结果。
•增强了对机器人决策的信任。当难以使消费者或用户理解和信任时，由AI代理做出的任何决策都会变得功能失调。区块链以逐点记录分散式账本中的交易而闻名，在涉及人员的审计过程中，更容易接受并信任所做出的决定，并确信记录没有被篡改[42] ]。在区块链上记录一个AI系统的决策过程将增加透明度，并且可以理解公众对机器人的决策[43]。在群体机器人生态系统中可以消除对第三方审核员的需求，在群体生态系统中，可以通过绝对分散的方法来达成群体共识[42]-[44]。
•集体决策。在一个机器人群体生态系统中，所有代理都需要协同工作以实现群体目标[44]-[46]。分散和分布式决策算法已在许多机器人应用中采用，而无需中央授权。机器人通过投票做出决定，结果由多数规则决定。每个机器人都可以以交易的形式进行投票，区块链对所有机器人都是公开的，可用于验证投票结果。所有机器人都会重复此过程，直到决定性的结论。
•分散情报。为了做出涉及多个代理以执行可访问公共培训数据的不同子任务的明智的高层决策（例如，在监督学习的情况下），可以组合不同功能的单个网络安全AI代理以在底层提供完全协调的安全性-ing网络并解决调度问题[45]，[47]。
高效率。 由于涉及多方业务交易授权，因此涉及多个利益相关者（如个人用户，企业和政府组织）的多用户业务流程本质上效率低下。 人工智能和区块链技术的集成使智能的分散式自治代理（或DAO）能够在不同利益相关者之间自动，快速地验证数据/价值/资产转移[48]。
BLOCKCHAIN-ENABLED AI APPLICATIONS
在本节中，我们将描述文献中报道的有关如何在人工智能中利用区块链来改善人工智能应用程序中数据和算法的可靠性，安全性，透明度，信任以及管理的工作。
OPEN RESEARCH CHALLENGES
在本节中，我们讨论并重点介绍了将AI和区块链技术相结合的最新挑战。下面列出了与两种技术的集成和集成相关的一些可预见的挑战：
•隐私权。公开的区块链分类帐可实现安全可靠的数据处理，但是，收集的数据可公开访问，并可供所有读者使用。这可能是逃避和关注隐私的问题。此外，物联网中无处不在的传感系统会不断收集消费者的个人和敏感数据，并将这些数据放在开放的分类帐中可能会导致隐私问题。使用私有区块链分类帐，可以通过启用加密并允许对分类帐的受控访问来确保数据隐私。但是，此类私有区块链平台将限制AI处理和执行准确，正确的决策和分析所需的大量数据的访问和公开。
•可伸缩性和侧链。可伸缩性是当今区块链平台的主要关注之一。对于加密货币区块链平台，比特币区块链平均每秒可以执行4笔交易，而以太坊每秒可以平均执行12笔交易。与Facebook每秒处理数百万笔交易（包括喜欢，帖子和评论）的Facebook相比，这种表现实在令人无法接受。侧链（也称为侧通道）用于提高区块链的性能，其中交易在主链之外的各方之间以快速方式进行结算，并且每天仅在主链上结算一次[91]。许多新兴的区块链类型极大地改善了挖掘节点的共识算法。例如，Algorand和IoTA等平台可以提供比以太坊和Hyperledger区块链更好的性能[130]，[131]。但是，仍然需要做更多的工作来提高可扩展性，使其与Facebook及其类似物的可扩展性相媲美。
•区块链安全。区块链中发现的去中心化权力可能遭受滥用和滥用。尽管区块链提供了可靠的方案来保护物联网和预测分析，但由于51％的攻击，区块链系统容易受到网络攻击[26]。依赖于矿工哈希能力的共识机制可能会受到损害，其中分散的平台集中在一些控制共识和结算最终性的采矿场附近。这种安全性问题在以太坊和比特币等公共区块链中更为明显。私有区块链平台受此问题困扰较小，因为各方之间已预先确定了共识协议。此外，挖矿节点的执行环境不受保护，尤其是对于像Hyper-ledger那样具有少量挖矿节点的私有区块链平台而言，其执行结果可能会受到影响。为了解决这个问题，新兴的区块链平台配备了可在可信执行环境（TEE）中执行的硬件，例如英特尔SGX [132]。
•智能合约漏洞和确定性执行。确保智能合约的实施没有错误和漏洞，并防止受到攻击，这一点至关重要。保护网络上的代码和信息很重要，因为它们可能容易受到攻击。例如，建立在以太坊平台上的DAO智能合约具有严重的代码漏洞，并于2016年被黑客入侵。这导致损失了360万以太币。明确需要区块链工程，以解决由智能合约编程和其他在区块链上运行的应用程序引起的问题[133]。漏洞问题是由于编写智能合约代码（如Solidity和Chaincode）所使用的语言中的编程错误和疏忽造成的。测试智能合约的漏洞已经变得至关重要，并且已经开发了一些工具来评估智能合约代码的安全状态。
[134] – [136]。此外，截止到今天，智能合约的执行结果都是确定性的，不可能是概率性的。这可能会给去中心化AI带来一个关键挑战，在这种情况下，挖掘节点将AI和基于机器学习的决策算法作为智能合约执行，其中执行结果通常不是确定性的，而是随机的，不可预测的且通常是近似。这需要一种新颖的解决方案来处理近似计算，并为采矿节点设计共识协议，以便以特定的确定性，准确性或准确性以及可能像IoT和IoT一样高度波动的数据输入来达成一致的结果。感官读数。
•Trusted Oracles Smart合同旨在由外部事件或由区块链参与者调用的外部函数来调用。智能合约并非旨在自动触发事件或自行启动数据检索。换句话说，合同无法从外界获取数据。数据和事件必须推送到合同中。为了弥补这些缺点，正在提议使用受信任的oracle（基本上是受信任的外部方或节点）作为替代方案，并将其用于将事件和数据推送到智能合约。 Oracle为确保和管理信任而增加了一定程度的复杂性和不安全性，其中，完全分散的系统集中在必须信任的一组Oracle周围。受信任的预言者之间的投票通常用于达成共识[137]。
•特定于AI的新兴共识协议。现有共识协议通过启用X协议的不同证明来考虑区块链系统的网络和中间件层（如III-E节所述）。大量的研究机会可供未来的研究人员探讨，是否可以基于学习模型的质量，有效的搜索策略，数据的质量和出处以及优化的质量来考虑证据，从而设计应用程序级别共识协议。
•雾计算范例。雾计算是一种新兴的计算范例，它允许在靠近客户或物联网设备生成的数据源的位置进行本地化计算和存储。雾节点通常用于增加由云环境中的计算和存储引起的长时间延迟。雾节点可被视为本地小型云。在AI和区块链的背景下，未来的雾节点必须具备AI和机器学习功能，并必须具有区块链接口，从而由雾节点执行数据的本地化管理，访问和控制。
缺乏标准，互操作性和法规。迄今为止，尚未制定区块链技术标准。 IEEE，NIST，ITU和许多标准机构正在进行工作，以提出有关区块链互操作性，治理，集成和体系结构的标准[138]，[139]。此外，在AI应用程序的背景下，尤其是在公共区块链交易中，需要在地方和全球层面制定政府和机构指南，规则，法律，法规和政策，以进行区块链部署，仲裁和争议处理涉及使用加密货币的融资和自动支付。这就需要进行旨在设计模型和概念证明的研究，这些模型和概念可以在为区块链架构模型，服务，部署和互操作性定义正确的技术标准集方面发挥关键作用。
•量子计算。可以预见，未来的量子计算将具有打破可以确定私钥的公钥加密的能力。当前的区块链依赖于使用公共密钥加密的数字签名。许多专家认为，量子计算可能使区块链的基础安全性在2027年之前被打破[140]，[141]。这需要对承受这种破坏性并仍保证高性能和可扩展性的量子安全和安全区块链进行认真研究。此外，这还需要合理的迁移计划以及与具有量子弹性的区块链平台的互操作性。
•治理。在不同的参与者和利益相关者之间部署，构建和管理区块链平台是一项繁琐的任务。即使使用私有联盟区块链，也会出现与要部署的区块链类型（例如，Hyperledger或以太坊）有关的严重问题，后者负责管理区块链并对其进行故障排除，区块链节点的部署位置，由谁编写智能代码。合同，争端解决，可信赖的预言家的选择，链下活动的机制，副渠道的部署，要遵守的法规和标准以及许多其他内容。这需要针对设计合理的治理模型进行研究。
四、总结
在本文中，我们调查并审查了与AI区块链功能的使用和适用性相关的最新技术。我们对区块链和去中心化存储进行了概述，介绍了区块链技术如何增强和解决与AI相关的关键问题。此外，我们在分散的AI运算，区块链类型和基础架构以及共识协议方面对常见的区块链实现进行了详细的分类学讨论和比较。就去中心化数据管理和AI基础设施方面的内容，对智能多代理系统的区块链应用进行了广泛的分析。还总结了用于区块链应用的AI的各种功能。我们的文献综述表明，将区块链用于AI应用仍处于起步阶段，在与隐私，智能合约安全，可信任的oracle，可伸缩性，共识协议，标准化，互操作性相关的领域存在许多需要解决的研究挑战。 ，量子计算的弹性和治理。