区块链与人工智能的发展与融合

链证经济 閱讀 74 2019-12-16 17:32
分享至
微信掃一掃,打開網頁後點擊屏幕右上角分享按鈕

一、区块链系统有哪些不足?

区块链是对数据进行的全网一致性分发和冗余存储。区块链系统通过技术手段和社会治理手段的综合运用,确保了链上数据不可篡改不可伪造、数据可追溯,以及系统的无中心化运行和集体维护。

从效率上来讲,区块链是一种非常低效的系统。原本存储在一个或几个中心节点的数据,在区块链系统上需要在全网所有节点都有一个完整的备份,为此需要消耗大量的带宽和存储资源。为保证数据的一致性,还需要所有节点进行一致性验证,为此还需要消耗大量的带宽和计算资源。

受限于区块链系统数据全网一致性分发的要求,区块链系统的链上数据目前局限为一种特定类型的小数据,即交易记录数据;在数据规模上,传统的关系型数据库数据以及目前方兴未艾的大数据,没有办法直接在区块链系统上进行全网一致性分发。此外,区块链系统仅仅记录了数据,而没有对数据进行加工和处理的能力。再者,目前的区块链系统无法用于高并发任务场景。

二、区块链系统到底有什么作用?

区块链的本质,在于通过数据在全网范围内进行的一致性分发和冗余存储,极大降低甚至消除了信息不对称性,消除了整个系统对原信息系统中心节点的依赖,为系统从原来的中心化、他组织变为去中心化、自组织提供了技术和系统架构上的基础。

区块链对整个社会的作用,在于通过由区块链底层技术构造的去中心化信息系统,将重构整个社会的组织架构和生产业务流程。重构之后的社会组织架构和生产业务流程,将实现社会组织架构和生产业务流程的去中心化,在拥有对等数据的前提下,实现社会组织架构和业务流程的去中介化,以此提高整个社会的生产生活效率。

在重构整个社会的生产业务流程和社会组织架构基础上,由于不同节点拥有不同的业务定位,还会生成新的中心节点,承担新的业务管理和业务统筹等相关任务;由于不同节点具有不同的业务能力,因此还会在数据对等基础上,生成新的中介环节,承担对应的专业职能。但这些新的中心节点和中介环节,都是在数据对等基础上自发演化生成的,而不是基于数据独家占有或数据垄断基础上由数据占有方扮演或指定的,是为了进一步提高生产生活效率,而不是降低生产生活效率的。

三、区块链系统经历了哪些发展历程?

目前的区块链系统是一种低效系统,这种低效系统的存在是为了在更大范围更高层次上获得更高效率。同时,原始的区块链系统是一种封闭自足系统,与外界不发生或很少发生数据的交互。但为了在更大范围更高层次上获得更高效率,区块链系统必须与现实生产生活建立更加紧密的联系。因此,打破原始的区块链边界,让区块链系统与其他技术融合,与产业行业对接,就成为必然。

比特币系统被公认为是区块链1.0版本。比特币系统与外部无任何数据交互,自身也没有数据处理能力,链上数据量也极少,自创世区块诞生以来,10多年时间所积累的所有数据才100GB,同时数据维度单一,仅仅是记录了交易记录。

以太坊系统被公认为区块链2.0版本。为了能够处理现实生活中的金融业务,以太坊系统在比特币系统基础上增加了智能合约,通过预言机,实现了以太坊系统与外部的数据交互。尽管以太坊系统是全球区块链领域公认的领导品牌,但同样存在数据量少、数据维度单一的问题。但相比比特币系统,毕竟以太坊系统已经具备了一定的数据处理能力。

四、人工智能的分类和不足

人工智能系统发展至今,大体可分为无监督式学习和监督式学习两大类型。其中无监督式学习是指人工智能系统与外界无数据交互,纯粹依靠逻辑和规则进行自身训练。战胜了AlphaGo 和AlphaGo Master的AlphaGo Zero,就是无监督学习的例子。AlphaGo 曾战胜了韩国围棋选手李世石,AlphaGo Master战胜了中国围棋选手柯洁。AlphaGo 和AlphaGo Master都是在人类大量围棋棋谱的训练下,获得了相应的围棋对弈能力。但AlphaGo Zero则是没有经过任何人类围棋棋谱训练,完全依靠类似左右手互博的自学习,获得了超强的围棋对弈能力。无监督式学习有其自身应用局限性,仅适用于那些规则清晰、信息完备的场景。这样的场景,在生产性业务流程中可能还比较多,但在人类的生活中确实比较有限。

人工智能的另一大类型是监督式学习。监督式学习需要大量数据对人工智能系统进行训练。监督式学习一般建立在大数据基础上,适用于规则不清晰、信息不完备的情况。监督式学习通过大量数据的训练,发现数据背后未被发现的规则和关联。监督式学习有广阔的应用空间和应用场景,但监督式学习系统的建立和完善,与大数据系统的建立和使用息息相关。

人工智能是提高生产力的工具。人工智能系统通过在大量无规则不相关的数据中发现数据之间的相关性,寻找到更多的规律和关联,可以极大提高单点效率和系统效率。同时,人工智能与业务逻辑结合,可以在业务逻辑的约束和支撑下,实现更加纵深、更大容量、更加快速的计算,在此基础上拓展出更加广阔的可选择空间,提供更接近最终目标的路径选择方案,实现效率的极大提升。

目前大部分人工智能系统,都是建立在大数据基础上,建立在中心化服务器或中心化的计算环境上面。基于小数据、基于确定性数据,能否进一步挖掘里面的智能?在分布式环境下如何实现分布式的人工智能,也是人工智能未来发展的方向之一。

五、区块链与人工智能的融合

区块链是改变生产关系的工具。但区块链要改变生产关系,必须克服自身体系架构上的一系列不足,对其目前的体系架构进行大幅度的重构和扩展。目前的一系列技术手段,都能够在某个领域某个层面提升人类生产生活效率,但只有区块链才能够把大数据、物联网、人工智能、云计算、边缘计算等技术进行统一整合。

人工智能无论是监督式学习,还是无监督式学习,都能极大提高生产生活效率。如果在区块链系统上能够构建起人工智能应用,不但在整体上可以提高生产生活效率,而且在单点上也会提高生产生活效率。

但在现有区块链系统上建立人工智能应用也存在一系列问题。区块链系统的存储和带宽以及数据全网一致性局限了区块链系统链上数据扩展的空间;链上存储数据的类型单一性也不足以支撑人工智能监督式学习的数据需要;区块链的分布式计算都还是单点计算,节点之间远未建立起协同关系,其单点的计算能力也不足以支撑大规模人工智能应用对计算能力的需要。

因此,区块链与人工智能融合的契合点,一是从区块链角度,扩充区块链系统所能容纳的数据容量,扩展数据维度;二是从人工智能角度,构建分布式智能,建立分布式协同。实际上这也是未来区块链发展的方向。

扩充区块链的数据容量和数据维度,需要对区块链系统数据的存储方式进行改变。可以采用以下解决办法。一是实现链上数据和链下数据的分布式存储,将大部分数据存储在链下,以云计算或边缘计算,或IPFS的方式实现传统关系型数据库和目前大数据系统数据的链下分布式存储,同时将这些数据的HASH值存储在链上,也能够从技术手段上保证数据的不可篡改不可伪造。二是对大量的链下数据,由原来的单中心化存储,变为多中心的分布式冗余一致性存储,这样既可以节省空间和带宽,也可以实现数据在链上链下的不可篡改不可伪造。当然,出于系统可靠性和鲁棒性考虑,链下数据的多中心冗余存储在存储节点空间分布、节点数量部署、数据可访问性等方面,需要基于业务逻辑,做更多考虑和设计。

从人工智能角度,要逐步实现分布式智能。要实现分布式智能,就需要实现对人工智能应用系统中计算节点与数据存储节点的分离。一个方面是改变目前人工智能系统,尤其是大型和巨型人工智能系统建立在大数据或云数据基础上的数据存储结构,让每个计算节点从遍布全网的数据存储节点中建立自己的智能系统;二是多个节点协同完成同一个人工智能任务。这两者都将极大丰富目前人工智能的处理模式。

数据存储分离,意味着区块链系统要处理的数据,已经不再仅仅是单一的链上交易数据,而是包含不同内容不同维度的全数据,这些数据在链上链下基于数据自身属性和业务逻辑属性进行分布式存储。这种分布,也已经不再是过去数据在不同节点之间的分布式存储,还包括数据在链上链下的分布式存储。

区块链与人工智能的融合,既需要对区块链的体系结构进行改变和扩展,也需要对人类智能系统的数据存储、数据传输、数据处理方式进行改变,这同时也是人工智能系统由单一智能系统向分布式智能系统的扩展。

区块链系统与人工智能应用的融合,不仅会继续在整体上提高系统效率,而且也将改变区块链单点效率低下问题,由单点效率提升,向协同式多点效率提升方向改进。

btcfans公众号

微信掃描關注公眾號,及時掌握新動向

來源鏈接
免責聲明:
2.本文版權歸屬原作所有,僅代表作者本人觀點,不代表比特範的觀點或立場
2.本文版權歸屬原作所有,僅代表作者本人觀點,不代表比特範的觀點或立場
上一篇:比特币“泡菜溢价”的未来 下一篇:区块链的“去信任”,到底是什么信任?

相關資訊