看过金庸先生《倚天屠龙记》的朋友们都知道，书中有两大神兵利器分别是：屠龙刀和倚天剑，相传能同时拥有这两件兵器的人在当时就可以称霸武林。同样在科技飞速发展的现在也存在着两把重量级的神兵，也是最近这几年备受关注的两大主要技术：人工智能和区块链。那么如何进一步驾驭和结合好这两大技术，并在行业中创造出新的产品模式。本篇要给大家展示的就是两者的结合点和方式。
刀剑合璧
要想结合这两大技术，必须要清楚地了解两者各自所具有的特点，然后找到共同点，并以此作为切入点将两者结合起来，这就像和陌生人交流沟通一样，需要先找到共同话题，然后以共同话题作为深入详细沟通的敲门砖。那我们先来看看人工智能的特点，人工智能有三个核心内容分别是：数据，模型和算法。
其中数据相对于比较简单，在这个数据爆炸的时代相信大家都能理解什么是数据，而算法则专指机器学习、深度学习、集成学习和强化学习等学习算法，虽然目前的机器学习算法众多，但是本质上来看，其底层核心原理无外乎两大类：神经网络和决策树，神经网络启发自人类大脑的网状结构，决策树则启发于木本植物生长中的分支结构，比如当下大行其道的卷积神经网络和循环神经网络就是神经网络的衍生品，GBDT和XGBOOST等算法则是决策树的改进与提升，所以从拓扑结构上看，人工智能的拓扑结构主要以网状结构和树状结构为主，是以非线性结构来连接各个基本单元；再来看模型，模型实际上是连接数据和算法的桥梁，因为算法要求输入的是数字，而原始的数据是不能直接作为算法的输入和输出，所以模型就是将数据转换和映射成算法输入输出的一套规则，这就是人工智能的核心。
那我们再来看看区块链的核心内容：分布式账本，共识机制和智能合约。
其中的分布式账本可以理解为一个去中心化的数据库，也就是说整个系统中数据不是集中地保存在一台数据库服务器中，而是系统将各种类型的数据存到了不同的区块节点中，然后节点以链这种线性结构组织连接起来，区块链以线性的拓扑结构来提供数据的分散存储。
对于共识机制，如果按照关系型数据库方式理解的话，实际上就是各个节点中数据的一致性问题，包括了PoW(工作量证明)、PoS(权益证明)等内容，以PoW为例，也就是我们常说的“挖矿”，其核心思想就是找到一个整数，使得该整数与另一个整数的积的Hash值必须以多少个0开头，这显然是个方程求解的算法问题，但是由于没有找到比较高效的算法，所以目前主要是依靠矿机进行穷举尝试，是一件非常非常耗时的工作。
最后一个是智能合约，关于智能合约到现在还没有一个确定的定义，但是其基本理念是清晰的，也就是将许多合约条款转换或者嵌入到计算机代码中。
通过上面的分析，可以看出两者的结合点会出现在两处，也就是模型学习、共识算法，这里我们分别称之为“链式学习”、“深度共识”。
（1）链式学习：目前的人工智能技术主要是由大数据系统以及关系型数据库提供训练数据源，结合之后将由区块链的分布式数据库来提供训练数据源，并且学习到的模型也将和区块中的数据一样是一种共享状态。
我们都知道传统的金融机构的数据不会共享，所以传统方式训练出来的机器学习模型也就是被某一机构所独享，而区块上训练出来的机器学习模型将被所有成员所共享。每一个成员的数据共享将使得机器学习有更多的训练数据集和学习资源，结果将更加全面和准确。
用区块链来改造人工智能，这个时候人工智能的数据源是来自于区块链中每一个成员贡献的。另外可以引导用户贡献数据，用户可以在贡献数据的同时获得相应的奖励，通过这种激励方式，又可以推动用户把原来不愿意分享的数据和资源分享出来。这里之所以叫链式学习，是因为传统的人工智能是树状和网状的拓扑结构，是不适用区块链这种线性的链式结构的，人工智能是一种典型的集中式结构，是集中化的训练与学习，需要强大的计算力，而区块链最大的特征是去中心化，如果没有了去中心化的特征就不叫区块链了，所以区块链的拓扑结构是无法改变的，我们只能使用区块链来将人工智能给去中心化，具体就是让区块链为人工智能解决分布式计算的问题，将一个大的机器学习计算任务怎样分配给不同的区块节点去计算，也就是说各个区块节点完成自己节点上数据的计算并且能够最小的传递模型参数，所以就需要使用区块链的分布式特点将人工智能的计算任务分布到到各个区块上变成链式计算，由各区块并行完成计算任务，也就是要有链式学习模型。
（2）深度共识：通俗的来讲，就是利用深度学习来挖矿，我们前面讲过工作量证明，工作量证明的本质是一个计算问题，是要寻找一个满足规律的整数，只不过这个规律太复杂了，复杂到只能让矿机一个一个地遍历尝试。可是对于人工智能来讲，找规律是它的强项，所以用人工智能来学习共识机制将会大大提高计算的效率，相信这一定也是一件非常有意思的事情。大家肯定都知道，近年来GPU的价格一直暴涨，之所以会出现这种情况的原因在于区块链挖矿、人工智能训练模型、虚拟/增强现实等技术对计算的大量需求，所以使用人工智能来做共识机制就可以让GPU完成从挖矿到学习的飞跃，GPU不再盲目尝试。而是先通过GPU学出一个人工智能模型，然后用该模型去预测“矿藏”可能在哪里。
实现与总结
那么采用何种编程语言来实现上面的构想呢，我们认为Python将是最佳的选择，Python是著名的胶水语言，具有代码简洁、模块众多、跨平台等多种优势，并且目前绝大多数的人工智能项目也是以Python作为开发环境的，所以Python在人工智能上具有先天的优势，另外以太坊上现在也有区块链的Python实现了，这样一来用Python来实现两者的结合将会非常方便。
另外，在区块链交易所的智能投顾领域人工智能也是可以大展拳脚的，指旺金科在这个细分领域将扩大在区块链应用上的技术优势。
人工智能和区块链的结合是个大胆的想法，会出现强强联合和优势互补的局面，一方面人工智能可以解决区块链领域的问题，反过来区块链也为人工智能提供了数据源泉。区块链解决了数据的安全与信任问题，所以会为未来的人工智能提供强大的数据与资源共享平台。比特币是区块链的1.0版本，以太坊是区块链的2.0版本，相信区块链+人工智能将是区块链的3.0版本。如何让区块链领域用上人工智能也是现在区块链技术亟待突破的一个瓶颈。
网友评论