【小哈划重点：人工智能有时还是会出现错误。而且，对于何时出错、出了错如何修补，用户还难以确定。著名案例包括：微软聊天机器人“耍流氓”、维基百科的机器编辑互结梁子、Uber的自动驾驶汽车闯红灯、俄罗斯机器人Promobot逃离实验室。】
1、一方面，这些商业巨头用海量数据来训练购入的人工智能设备，从中获取巨大的比较优势。另一方面，这些大公司的数据和能力又对外保密。
2、只要把区块链与人工智能结合起来，人们就能享受去中心化与加密计算的保障，无忧无虑地分享个人身份信息，再不需为安全性、隐私性而担心。
3、人工智能有时还是会出现错误。而且，对于何时出错、出了错如何修补，用户还难以确定。著名案例包括：微软聊天机器人“耍流氓”、维基百科的机器编辑互结梁子、Uber的自动驾驶汽车闯红灯、俄罗斯机器人Promobot逃离实验室。
作为奋战在密码学战线二十余年的一名老兵，并积极投身于数字虚拟货币的生产工作，我对今天这篇文章的主题非常感兴趣。我坚信，人工智能与区块链的相互融合，将是一项令人振奋而颇具挑战性的发展。
不久前，马特·图克（Matt Turck）刚探讨过这个问题的意义，介绍了若干个引人入胜的分支，包括大数据、数据科学、机器学习这类人工智能问题，以及区块链这种去中心化的基础设施。无论人工智能还是区块链，都是在未来十年具有决定意义的技术。虽然作为崭新的概念，人工智能和区块链还有待发展，但显然它们的时代已经到来。
妙的是，就概念层面而言，人工智能与区块链其实在很多方面都存在差异：
其一，人工智能主要是由中心化的基础设施实现的，而区块链本质上却是去中心化、分布式的。
其二，许多人工智能技术都是由中心化的供应商提供、运营。但是，市场上绝大多数区块链用户都愿意公开代码库，做开源。任何人，任何时候，都能免费查看。
其三，人工智能目前主要是暗箱操作，但在处理各类交易时区块链更趋近于透明操作。
其四，人工智能的基础是概率程式，而区块链本质上是确定的。
今天，IBM、苹果、脸书、亚马逊、谷歌、英特尔、阿里巴巴等商业巨头正大肆收购人工智能新兴企业。一方面，这些商业巨头用海量数据来训练购入的人工智能设备，从中获取巨大的比较优势。另一方面，这些大公司的数据和能力又对外保密。
问题在于，中心化的人工智能有可能发生滥用现象。例如，大量采用面部识别与机器视觉技术的用户，可能已经受到了监视。但是，在一个中心化的结构下去设计解决方案，需要企业将自己的隐私和数据控制权让渡给第三方。这就让企业陷入了两难。
将人工智能与区块链结合起来
这时候，区块链恰好可以克服人工智能的部分短板，正堪其用。我就亲眼见过这样的例子。已经有公司在大规模使用人工智能与机器学习能力，来识别、验证用户的区块链身份。
当前，业界专家（如麻省理工学院研究者）正积极探索，想办法用区块链来营造一个去中心化的市场环境，强化人工智能。而这只不过是整个行业走向技术融合大势的一个信号。只要把区块链与人工智能结合起来，人们就能享受去中心化与加密计算的保障，无忧无虑地分享个人身份信息，再不需为安全性、隐私性而担心。到时候，再敏感的信息，比如健康数据、金融数据，都能轻松共享。在相互融合的新系统里，只有预先设定的服务供应商，才能在用户明确认可的前提下，解码这些信息。假以时日，我相信使用人工智能算法的大公司为了保持比较优势，会为这个行业积累大量的数据。
关于将二者融合在一起、谋求优秀方案的问题，Hackernoon网站上的一篇文章，谈到了若干最新进展。本文选取其中三个比较有名的例子。第一是人工智能系统SingularityNET。通过这个系统，各个企业可以分享全球的人工智能技术，有利于推动产业发展。第二个例子叫做Namahe人工智能平台。该平台通过将人工智能与区块链相结合，实现对业务流程的实时无缝监控，并标记异常与错误，以待复核。第三个例子叫Numerai。这是一个基于人工智能的对冲基金，主要赞助同业爱好者的竞赛，竞赛内容是预测模型和方案的开发与提交。
技术融合面临的挑战
显而易见，人工智能走的是概率论的路子，与传统方案截然不同。换而言之，如果说传统程序遵循“若A发生，则B发生”的逻辑，那么人工智能（如深度学习、机器学习）则用“有多大可能”这种问题来决定下一步如何进行。鉴于这种概率性的特点，人工智能非常适合用来寻找灵活的解决方案。不过，有些人工智能程序会犯错。这是代价。
时至今日，人工智能有时还是会出现错误。而且，对于何时出错、出了错如何修补，用户还难以确定。著名案例包括：微软聊天机器人“耍流氓”、维基百科的机器编辑互结梁子、Uber的自动驾驶汽车闯红灯、俄罗斯机器人Promobot逃离实验室。
是否合规是另一个问题。如何防止人工智能方案“不被玩坏”或造成破坏，始终是一个引人忧虑的问题。人工智能与区块链的方案需要数据积累，这是个挑战。人工智能要训练好，必须有大量数据。而说到提供大量数据，“物联网”是核心。说到底，私人占有的数据，其隐私性、安全性将至关重要。
第三个技术融合的难题是人才。虽然人工智能模型主要是基于数据完成训练，但数据可以从物联网设备上获得。人才不一样。能够满足区块链技术的需要，开发出一套以去中心化，或者说分布式的形式运行的算法，这种专家是这个行业急需的。幸运的是，像Deep Brain Chain、SingularityNET这些公司已经开始搜索和创新人工智能算法。
最后是长期存在的一个问题——计算资源。好消息是，现在我们已经可以利用全世界的闲置计算能力，来填补这种资源稀缺性，推进人工智能与区块链的技术融合工作。
结语
有些专家已经提出设想，认为可以用区块链来设计一个去中心化的人工智能设备，让去中心化的知识面向公众开放。我认为，要发挥出技术融合的优势，必须要搞清楚，如何找到人工智能方案的运行错误，如何培养专业人才队伍，以及制定恰当的规范条款，正确引导产品的发展与使用。各方应努力破解这些障碍，鼓励现实世界的区块链与人工智能技术发展。唯此，方可取得实实在在的进步。
原文标题: Next Steps In The Integration Of Artificial Intelligence And TheBlockchain
来源链接: https://www.forbes.com/sites/forbestechcouncil/2018/10/09/next-steps-in-the-integration-of-artificial-intelligence-and-the-blockchain/#24083fa43273
