本文由 「AI前線」原創，原文連結：AI和區塊鏈的融合：交易是什麼？
作者 | Francesco Corea
譯者 | Erica Yi
編輯 | Vincent
AI 前線導讀："本文想要簡單介紹下 AI 和區塊鏈技術融合使用時的一些潛力，以及討論下相關的標準定義、面臨的挑戰、這樣做的好處以及在該領域一些有意思的玩家。"
不可否認的是，AI 和區塊鏈是促進創新和給每個行業帶來根本性轉變的兩大技術。每種技術都有其技術上的複雜度和商業意義，但是兩者的聯合使用也許能夠從零開始重新設計整個技術產業（和人類社會）。
本文想要簡單介紹下人工智慧和區塊鏈技術融合使用時的一些潛力，以及討論下相關的標準定義、面臨的挑戰、這樣做的好處以及在該領域一些有意思的玩家。
基本情況介紹
我已經寫了一段時間關於人工智慧的文章，所以在這裡我就不浪費時間來介紹什麼是什麼不是人工智慧了。但是，至今為止我還沒有寫過關於區塊鏈和電子加密貨幣方面的文章，所以在這第一個章節我會先介紹下區塊鏈是什麼以及它的工作原理。
區塊鏈是 一種安全的分散式的不可變的資料庫，在分散式網路中由所有人共享。在資料庫中，交易資料可以被記錄（在鏈上的基本資訊，或者在鏈外附加的附件）並且易於審計。
區塊鏈是一種安全的分散式的不可變的資料庫，在分散式網路中由所有人共享。
簡而言之（用英格蘭銀行的話來說），區塊鏈就是“讓不相識的人相互信任所共享事件記錄的一種技術”。
資料儲存在稱為 塊（block）的剛性結構中，這些結構通過 hash 在鏈中相互連線（每個塊也含有一個時間戳（timestamp）和一個連結，能夠通過其 hash 連線到前一個塊）。每個塊會有自己的標題，標題中包括後設資料（metadata）和真實的交易資料。由於每個區塊都與前一個區塊相連，隨著參與人數和區塊數量的增加，在沒有網路共識的情況下修改任何的資訊都是非常困難的。
網路可以通過不同的機制來驗證交易，但主要還是通過“工作量證明（proof-of-work）”或“權益證明（proof-of-stake）”來進行驗證的。工作量證明（Nakamoto，2008）要求參與者（稱為“礦工（miner）”）解決複雜的數學問題來增加一個塊，這又需要大量的能源和硬體能力來解碼。權益證明（Vasin，2014）則試圖通過將更多挖礦權利分配到擁有更多虛擬貨幣的參與者那裡，來解決這個能源效率問題（這類證明存在多種變體，而且有一些人質疑它著名的“權益粉碎”問題）。
其他的機制有拜占庭容錯演算法（Byzantine-fault-tolerant algorithm，Castro 和 Liskov，2002），Quorum slicing（Mazieres，2016）以及權益證明（Mingxiao 等，2017）的變體，但是在這裡我們就不一一討論了。
需要說明的最後一個特點是基於不同網路訪問許可權的區塊鏈的類別，即是否任何人都可以自由地檢視（無需許可 permissionless 或需要許可 permissioned）或者參與共識的達成（公共或私人）。在前一種情況下，任何人都可以訪問、讀取或寫入帳本中的資料，而在後一種情況下，只有預定的參與者有權加入網路（當然是在公共無需許可的情況下，針對礦工的獎勵制度建立起來的） 。
到現在這種技術的基本情況就清楚了，這不僅僅是一種破壞性創新，而是一個旨在“改變中介範疇”的基礎技術（Catalini and Gans，2017）。
分散式賬本技術的確會降低驗證和聯網的成本，影響現有市場的結構，並最終允許新市場的建立。Iansiti 和 Lakhani（2017）在最近的一個工作（我強烈推薦）中也提出了區塊鏈和 TCP / IP 之間的一個良好的平行關係，說明區塊鏈是如何緩慢地經歷了四個階段，來識別 TCP / IP 等先前的基礎技術，即單次使用階段，本地化使用階段，替代階段和轉換階段。
正如他們解釋的那樣，這種技術的“新穎性”使得人們很難去理解解決方案的相關領域，而其“複雜性”則需要更大的制度變革來促進這項科技的簡單使用。
然而，不可否認的一點是，區塊鏈也正在改變著傳統商業模式，以相反的方式進行著價值的分配：在十五年前投資於應用程式比投資協議技術更加合理，但是在區塊鏈的世界裡，價值絕大部分都集中在共享的協議層，只有極少量是在應用程式層面（參見 Joel Monegro 的“Fat Protocol”理論）。
區塊鏈是一個“肥”協議而“瘦”應用的堆疊 (Joel Monegro).
作為這個介紹性章節的結束，我還簡單想說下的是區塊鏈的可能性不止是在交易上，而且還在於能夠建立由特定事件和閾值觸發的（智慧）合約，並且可以不費力地對此進行追蹤和審計。
附加章節： 首次代幣發售或區塊鏈眾籌 (Initial Coin Offerings，簡寫 ICOs)
現在圍繞著區塊鏈的一大炒作是 ICOs 這一新的現象。即使現在很多人因為 ICO 與最常見的（和有價值的）首次公開募股（IPOs）相似而向其中投入了大量資金，但是 ICO 只不過是一種代幣銷售（token sale），其中一個代幣是特定網路（或應用程式）中最小的功能單元。
ICOs 的專家（如果有的話）請原諒我的籠統定義，但是 ICO 是一個混合的概念，包含了股票分配、預售 / 眾籌活動，以及具有有限的權力和應用程式域的貨幣等多種元素。
引進一種新的沒有管制的方式來集資，毫無疑問是一個很有意思的創新，但是這也給毫無準備的社群帶來了幾個問題。我很高興收到關於這方面的反饋意見，但在這裡，我會提煉一下 ICO 評估的幾個關鍵點：
- 代幣除了具有價值交換的功能外，還具有額外的效用。如果公司只是出於籌集資金的目的出售代幣，會向市場發出一個不好的訊號。代幣是建立基礎使用者群時所需要的，能夠在最早期的時候鼓勵利益相關者參與到整個生態圈裡來。光是一份好的白皮書是不夠的。
- 要警惕沒有管制的代幣銷售
- 要警惕沒有時間限制的代幣銷售
- 要警惕沒有清楚宣告（現在和將來）代幣數量和價值的代幣銷售（這聽起來很荒謬，但是 ICO 的不透明度或許會讓你吃驚。）
AI 能夠如何改變區塊鏈呢？
儘管區塊鏈的功能很強大，但也有其侷限性。一些是技術上的，一些是從老式金融服務板塊繼承而來的固有的老舊思想，但是這些侷限性均能以某種方式受到 AI 的影響：
- 能源消耗：挖礦（mining）是一個極為困難的任務，需要大量的能源（還有金錢）來完成 (O’Dwyer and David Malone, 2014)。AI 已經被證明能夠高效率的完成對能源的有效利用，所以我相信同樣的結果也能在區塊鏈上實現。由此可以降低在挖礦硬體上所需要的投資。
- 可伸縮性：區塊鏈正在以每 10 分鐘 1MB 的速度穩步增長，現已累計達 85GB。中本聰（2008）首次提出了“區塊鏈精簡”（即為了不用將整個區塊鏈都儲存在單個膝上型電腦中，可以刪掉已完成消費交易中不必要的資料），作為存量累積問題的可能解決方案。但是 AI 可以引入去中心化的學習系統比如聯合學習（federated learning），或者使用新的資料分片技術（data sharding techniques）來提高系統的效率。
- 安全：即使區塊鏈幾乎不可能被破解，但是它下面的層和應用程式就不是那麼的安全了（例如：DAO、Mt Gox、Bitfinex 等）。機器學習在過去兩年中所取得的驚人進展，使得 AI 成為保證區塊鏈應用程式部署的絕佳盟友，尤其是在系統結構是固定的情況下。
- 隱私：擁有個人資料的隱私問題引發了監管和策略上，對於比較優勢的考量（Unicredit, 2016）。同態加密（Homomorphic encryption，直接對加密的資料進行處理），比如 Enigma 專案（Zyskind 等，2015）或 Zerocash 專案（Sasson 等，2014）毫無疑問都是潛在的解決方案，但是我認為這個問題跟已經提到的可伸縮性和安全這兩個問題是緊密相連的，並且三者將會變得同等重要。
- 效率： Deloitte (2016) 之前估計在區塊鏈中關於核實和共享交易一年的運營成本會有 6 億美元。一個智慧系統最終有可能計算出在以某個特定節點作為第一個執行某項任務的可能性，降低其他的礦工針對這一交易的投入，從而降低總成本。除此之外，即使存在一些結構上的約束，效率上的提高和能耗上的降低也可能會降低網路延遲（network latency），幫助交易更快地完成。
- 硬體：礦工（不一定是公司，也有可能是個人）將大量的錢投放進了專門的硬體元件中。因為能耗一直是一個大問題，所以在這個問題上有人們提出了很多的解決方案，未來也會有更多的方案被提出。一旦系統足夠的更加高效，一些硬體或許會被轉化（有時是部分轉化）用於神經網路（挖礦巨頭 Bitman 正是這樣做的）。
- 缺少相關人才：這是對原有信仰的跨越，但是我們也同時想要將資料科學本身自動化（就我目前所知的情況，尚未成功），我覺得我們可以通過創造虛擬代理，讓代理自己來創造新的賬本（甚至是在賬本上實現互動，並且能夠維護生成的賬本）。
- 資料門檻：在將來我們所有的資料都會在區塊鏈中，而公司能夠直接從我們這裡購買這些資料。我們將會需要很多方面的幫助，如訪問授權、跟蹤資料的使用和以計算機的速度弄清楚我們個人資訊中的變化等。這是（智慧）機器需要去做的事。
區塊鏈會如何改變 AI
在前一章節中，我們簡單說了下 AI 最終會對區塊鏈產生的影響。在這一章節，我們將會反過來，嘗試去理解區塊鏈會對機器學習系統的發展產生怎樣的影響。具體來說，區塊鏈可能會：
幫助 AI 解釋自己（並且讓我們相信這個解釋）：AI 存在著難以解釋的黑箱問題。清晰的審計跟蹤，不僅可以提高資料的可信度，而且也為追溯機器決策過程提供了一條清晰的途徑。
- 提高 AI 的有效性：安全的資料共享就意味著會有更多的資料（和更多訓練的資料），然後是更好的模型，更好的執行，更好的結果……然後更好的新的資料。最後一切都會歸結到網路效應的重要性。
- 降低市場準入的門檻：讓我們一步步來說。區塊鏈技術可以保障你資料的安全。所以為什麼不私人儲存你所有的資料和買賣這些資料呢？你或許會這樣做。
所以首先，區塊鏈將會 促進建立更加乾淨和有組織的個人資料。其次，它將允許不同的新市場的出現：比如資料市場（舉手之勞，容易做到）；模型市場（更加有意思）；最終甚至是 AI 市場（可參照 Ben Goertzel 正試圖用 SingularityNET 做的東西）。
因此，簡單的資料共享和新的市場，以及區塊鏈資料鑑別一起，將會提供更流暢的整合，從而降低小企業進入的門檻，縮小其與科技巨頭的競爭優勢。降低了進入門檻之後，我們實際上解決了兩個問題：提供了更廣泛的資料訪問和更有效的資料貨幣化機制。
- 增加人為的信任：一旦我們的部分任務將由自主虛擬代理管理，擁有清晰的審計跟蹤將有助於機器人之間的相互信任（和我們對它們的信任）。最終還會增加機器與機器之間的互動（Outlier Ventures，2017），並且交易也為人們提供了一種安全地共享資料和協調決策的方式，以及實現分散式系統的魯棒機制（robust mechnism，與群體機器人和多代理的場景高度相關）。Rob May 在他最近的新聞簡報中也表達出了類似的概念（強烈建議訂他的簡報）。
- 減少災難性風險的情景：在 DAO 編寫的具有特定智慧合約的 AI，將會只能執行這些操作（這就侷限了動作空間（action space））。
儘管 AI 與區塊鏈技術的互動會帶來很多的好處，但是我有一個一直沒想明白的問題：
人工智慧誕生於開源環境中，資料的多寡是其壁壘。但是隨著現在資料的民主化（軟體的開），我們如何才能保證 AI 的繁榮和持續的發展呢？我現在唯一的猜測是？人才。
去中心化的智慧公司
現在有很多做區塊鏈和電子加密貨幣的初創公司。我個人的話更對做 AI 和區塊鏈交叉板塊（有些人也叫它交匯點 convergence）的公司感興趣，但是顯然這樣的公司還不是很多。雖然這些公司主要集中在舊金山地區和倫敦，但是紐約、澳洲和中國，以及歐洲的一些國家也有這樣的公司。
因為現在這樣的公司很少，所以也很難將它們分類。我通常喜歡試圖去理解不同組公司在行業中所屬的底層模式以及影響 / 應用的型別。但在這種情況下，由於資料量太少，所以我將簡單地把它們做如下分類：
- 去中心化智慧：TraneAI（以去中心化的方式訓練 AI）、Neureal（點對點 AI 超級計算）、SingularityNET（AI 市場）；Neuromation（合成資料集的生成和演算法訓練平臺）；AI Blockchain（多應用智慧）；BurstIQ（醫療資料市場）；AtMatrix（去中心化機器人）；OpenMined 專案（資料市場，本地機器學習的訓練）；Synapse.ai（資料和 AI 市場）；Dopamine.ai（B2B AI 貨幣化平臺）
- 語言會話平臺：Green Running（家庭能源虛擬助手）、Talla（聊天機器人）、doc.ai（量化生物和醫療保健見解提供）
- 預測平臺：Augur（集體智慧）、Sharpe Capital（眾包情緒預測）
- 智慧財產權：Loci.io（IP 發現和挖掘）
- 資料溯源：KapeIQ（醫療機構欺詐檢測）、Data Quarka（事實核查）、Priops（資料符合性）、Signzy（KYC）
- 交易：Euklid（比特幣投資） EthVentures（數字代幣投資）。對於金融領域的其他（理論）應用，見 Lipton（2017）
- 保險：Mutual.life（P2P 保險）、Inari（普通保險）
- 雜項：Social Coin（公民獎勵制度）、 HealthyTail（寵物分析）、 Crowdz（電子商務）、DeepSee（媒體平臺）、ChainMind（網路安全）
對上述提到公司一些零散的觀點：
- 有趣的是，許多 AI- 區塊鏈公司的諮詢委員會比本身的團隊還要大。這可能是表明二者的融合還沒有完全實現的一個早期跡象，相較於我們已知的東西，我們不知道的東西可能更多；
- 我個人非常高興看到第一類（去中心化智慧）的發展，但是我也看到了語言會話和預測平臺以及智慧財產權方面的巨大發展。我把其他的例子歸類為“雜項”，因為我不認為在這個階段它們代表某些特定的類別，只是試圖將 AI 與區塊鏈匹配起來的單個嘗試；
- 這些公司非常難以評估。這些網站往往足夠隱晦，所以很難真正地理解他們做什麼和是怎麼做的（如果你衝區塊鏈透明模式購買的話，顯得有些矛盾），而且對於技術的完全理解是需要經過高科技教育才能做到的。
在這個過程中，擺脫炒作的干擾是很困難的，因而人很容易受到愚弄。舉個簡單的例子：聽過 Magos AI 沒有？在搜尋本文中用的公司的時候，我發現我讀到了由 AI 驅動的預測區塊鏈的平臺公司（Wired、Prnewswire 等等），這家公司剛剛做了一個超過 50 萬美元的 ICO，這就保證其平臺成果的交付。
但是這個網站竟然無法執行——奇怪吧，如果考慮到他們需要在 ICOs 上共享材料或資訊。但是，怎麼說，網站無法執行這種事有時候也會發生。因為我是在 Wired 上讀到過這個公司的資訊，所以我就又額外費力的找了找相關的資訊，我很想知道更多地瞭解這家公司。我找到了這個公司的聯合創始人，但是最終並沒能在 Linkedin 上找他們的資料。
好吧，退一步說，也有人不喜歡社交媒體的，尤其是考慮到這家公司才剛成立，3 個月前還沒有任何它存在的跡象。那我們看下隊伍裡的其他人吧。什麼介紹都沒有，甚至沒有任何可以追溯表明他們之前經歷資訊（除了寫明 CTO 是分析學碩士，但是我沒有找到任何證據）。
然後，我又試圖從技術層面入手：白皮書、藍皮書、黃皮書、和其他你說的上來的書。我只找到了對這些書的評價，但是並找不到原文。最後兩步：我不覺得我自己是區塊鏈的專家，但是我會讀很多相關的文章。
而且我認為我對 AI 方面的知識和行業中正發生的事算是比較瞭解的。這些人聲稱他們建立了 5 個不同的神經網路，可以在不同複雜的領域媲美 Libratus (或 DeepStack) 在 Poker 所取得的精確度，但是我重來沒聽過他們——太奇怪了對吧？
但是或許我可以給他們寫個信，約他們見下面，瞭解下情況。他們的地址是蘇黎世的安盛辦事處……哈~
經過 5 分鐘的研究，我終於谷歌到了兩個關鍵詞：“Magos 騙局”。看來這些人是拿錢跑路了。他們可能確實在哪建立了 6 個神經網路，所以敬請關注。
我的觀點是，指數成長型的技術很迷人，可以推動人類社會的發展，但隨著利益的增加，潛在的“負面融合”也會呈指數級增長。請保持警惕。
結論
區塊鏈和人工智慧技術是技術領域的兩個極端：一個是在封閉式的資料平臺上助長中心化的智慧，另一個是在開放資料環境中推動去中心化的應用。但是，如果我們找到一個聰明的方法讓它們一起工作，總的積極的外部效應就可以在一瞬間被放大。
當然這兩種強大的技術之間的互動會產生技術和倫理上的影響，例如我們如何編輯（甚至遺忘）區塊鏈上的資料？ 是可編輯區塊鏈會是解決方案嗎？AI- 區塊鏈會不會推動我們成為資料囤積者呢？
老實說，我認為我們唯一能做的就是不斷嘗試。
參考文獻
- Castro, M., Liskov, B. (2002). “Practical Byzantine Fault Tolerance and Proactive Recovery”. ACM Transactions on Computer Systems, 20(4): 398–461.
- Catalini, C., Gans, J. S. (2017). “Some Simple Economics of the Blockchain”. MIT Sloan School Working Paper: 5191–16.
- Deloitte (2016). “Blockchain Enigma. Paradox. Opportunity”. White Paper.
- Iansiti, M., Lakhani, K. R. (2017). “The Truth About Blockchain”. Harvard Business Review, January–February 2017: 118–127.
- Lipton, A. (2017). “Blockchains and Distributed Ledgers in Retrospective and Perspective”. arXiv:1703.01505.
- Mazieres, D. (2016). “The stellar consensus protocol: A federated model for internet-level consensus”. White Paper.
- Mingxiao, D., Xiaofeng, M., Zhe, Z., Xiangwei, W., Qijun, C. (2017). “A Review on Consensus Algorithm of Blockchain”. 2017 IEEE International Conference on Systems, Man, and Cybernetics (SMC) Banff Center, Banff, Canada, October 5–8, 2017
- Nakamoto, S. (2008). “Bitcoin: A Peer-to-Peer Electronic Cash System”. White Paper.
- O’Dwyer, K. J., Malone, D. (2014). “Bitcoin mining and its energy footprint”. 25th IET Irish Signals & Systems Conference 2014 and 2014 China-Ireland International Conference on Information and Communications Technologies (ISSC 2014/CIICT 2014), Limerick, pp. 280–285.
- Outlier Ventures (2017). “Blockchain-Enabled Convergence”. White Paper.
- Sasson, E. B., Chiesa, A., Garman, C., Green, M., Miers, I., Tromer, E., Virza, M. (2014). “Zerocash: Decentralized anonymous payments from bitcoin”. In Security and Privacy (SP), 2014 IEEE Symposium on, pp. 459–474.
- Unicredit (2016). “Blockchain Technology and Applications from a Financial Perspective”. Technical Report.
- Vasin, P. (2014). “BlackCoin’s Proof-of-Stake Protocol v2”. White Paper.
- Zyskind, G., Nathan, O., Pentland, A. (2015). “Enigma: Decentralized computation platform with guaranteed privacy”. arXiv:1506.03471.
作者簡介
Francesco Corea 是一名英國倫敦的決策科學家和資料戰略家。
原文連結：
The Convergence of AI and Blockchain: What’s the deal?
更多幹貨內容，可關注AI前線，ID：ai-front，後臺回覆「AI」、「TF」、「大資料」可獲得《AI前線》系列PDF迷你書和技能圖譜。