區塊鏈和AI的融合，將為產業帶來全新的機會，尤其是很可能會催生新一代終端應用平台，同時以公平、開放的方式解決了數據提供方、AI模型開發方等方面資源的共享問題。
近期，鏈捕手（ID：iqklbs）向清華大學副教授、MATRIX首席AI科學家鄧仰東教授約稿，請他談一談對區塊鏈與AI關係的理解。鄧教授主攻AI、電子設計自動化、並行計算和圖形處理器架構等領域的研究，曾為中國高鐵設計及研發了AI預警安全解決方案。
在鏈捕手2月初推送的《區塊鏈的五大挑戰以及AI帶來的四大機遇》一文中，鄧教授已經探討了區塊鏈與AI的概念，以及AI能給區塊鏈帶來的機會。在本文，鄧教授將探討區塊鏈能給AI帶來的機會，以及區塊鏈化的AI雲端平台。
過去幾年中，區塊鏈和AI無疑是最熱的兩個技術詞彙，相關成果在學術界引起了廣泛的關注，在資本界也是極受追捧的項目。自從2018年以來，更是有很多關於融合區塊鏈和AI的探討，究竟這種融合有無意義？具體說來，我們其實關注這樣一系列問題：區塊鏈和AI互相能為對方帶來什麼？二者的融合能否形成1+1>2的效果？特別是，區塊鏈和AI都不是終端級產品，那麼兩者結合能否催生新的終端應用平台？
圖1.區塊鏈和AI的融合
總體上看，筆者認為區塊鏈和AI的融合，的確能帶來全新的機會，總體關係如上圖。筆者將從四個方面對以上問題進行探討，首先，我們簡單介紹區塊鏈和AI的基本概念，並且討論當前這兩者面臨的主要挑戰；第二，從區塊鏈角度看，AI能否帶來什麼好處；第三，從AI角度看，區塊鏈能夠解決什麼問題；第四，我們看看區塊鏈和AI融合的一種全新可能，即離散計算資源以區塊鏈組織，形成AI雲端平台。
區塊鏈為AI提供的機會
從AI的角度來看，區塊鏈確實提出了令人興奮的可能性，包括建立數據/模型/應用的共享交易平台、提供分散式算力以及追蹤AI模型效能等。
- 數據-模型-應用的開放市場平台
AI技術具有兩個顯著的特點：首先與Google搜索引擎、Facebook社群網路等互聯網技術不同，AI技術不是最終的產品，而是必須融入到具體應用之中才能發揮作用；其次AI技術一般透過具有推斷能力的模型發揮作用，而模型的訓練需要大量數據，也就是人們常說的沒有數據就沒有AI。因此AI產品總是包含數據、模型和應用這三個環節。值得注意的是，這三個環節的所有權經常來自不同利益方。
例如，在智慧工廠環境中，透過物聯網採集的數據通常屬於工廠本身，機器學習模型一般需要專業AI團隊開發，該模型最終融合到應用中體現功能，而應用可以屬於工廠、也可以屬於第三方。
由於產值只能在最終應用上實現，數據和模型提供方（特別是數據方）往往很難保證利益的分享。這樣一來，目前典型的局面是很多數據方寧可選擇不開放數據，也就是說，在社會高度數位化的今天，經常是由於權益的不確定性、而不是數據的可採集性造成了數據壁壘。由此可見，完整、有效的AI應用只有在各方利益能夠有效保障的前提下才能形成。
圖2. 基於區塊鏈的數據-模型-應用的開放市場平台
區塊鏈最本質的功能是不可篡改的分散式帳本，這一功能恰恰為建立具有公信力的數據-模型-應用共享交易平台，提供了技術基礎。如果數據-模型-應用都在鏈上使用，那麼其使用情況就能夠以可信方式記錄，從而能夠準確結算，保障各方利益。當前基於區塊鏈、以AI應用為目標的數據-模型-應用的開放市場平台正在逐漸成為區塊鏈的重要應用，以下是一個不完全的列表：
· SingularityNET (側重數據應用DApp)
· Neuromation (側重針對AI模型訓練的合成數據)
· AI Blockchain (側重多應用集成)
· BurstIQ (側重醫療健康數據)
· Medical Token Currency（側重醫療數據和模型）
· OpenMined project (本地訓練模型的數據市場)
· Synapse.ai (數據和模型市場)
· Dopamine.ai (B2B的AI變現平台)
· Neuroseed (AI解決方案市場)
圖3是SingularityNET的區塊鏈開放數據市場示意圖，其定位是數據和AI應用的開放市場平台。SingularityNET開發了一組較為完備的服務模塊，能夠滿足數據和DApp交易的各種需求：
· 服務代理：把平台提供的AI應用封裝為API函數接口；
· 服務仲裁：與AI服務交互的智慧合約接口；
· SDK：軟體開發包；
· 多方交易支持：通過智慧合約決定調用AI服務時的Token分發；
· 定價指導：鏈上交易定價參考數據；
· 開發數據儲存池：儲存用戶數據和AI訓練數據的IPFS節點。
圖3. SingularityNET的區塊鏈開放數據市場
- 基於區塊鏈的分散式算力
區塊鏈提供了有效的獎勵機制，使得參與者願意將自己的計算資源貢獻出來進行挖礦計算，比特幣因此有能力成為當今世界最大的算力網路。當然，目前的挖礦計算不具備普世價值，但如果我們能夠透過改造挖礦機制（包括算法和使用模式），區塊鏈有可能催生世界最大的、去中心化的計算平台。
你可能會想，我們不是已經有數據中心和雲端計算模型嗎？為什麼還需要去中心化的計算平台呢？實際上，現有的雲端計算是非常有力量的模式，但是問題還在中心化上。具體說來，中心化數據中心存在這樣一些突出問題：
首先是建造成本不斷飆升。谷歌1999年建構的集群計算的成本只有1400美元，而2017年在北卡羅來那州建造的數據中心成本，已經達到驚人的12億美元。從2011年到2017年，北美地區數據中心建設投資從47億美元一路上升到200億美元，繼續建造更大的雲端平台將逐漸遭遇消費比的瓶頸。
其次是雲端平台營運企業往往也是大數據服務提供商，因此用戶向雲端平台上傳數據，總是存在數據隱私的潛在漏洞。事實上，前一陣Facebook的用戶數據洩露事件只是冰山一角，Uber、Morgan Stanley均出現過濫用用戶數據的問題。
最後是數據中心並非完全可靠。一份針對美國584家數據中心的調查報告顯示，過去兩年中，91%的數據中心均發生過不同程度的故障，平均故障時間86分鐘，圖4列出數據中心故障率、故障分布和亞馬遜雲數據中心的典型故障。
圖4.數據中心故障率、故障分布和亞馬遜雲數據中心典型故障
另一方面，現代社會存在著大量「閒散」算力。網吧就是一個典型的例子（為了支持高端遊戲，網吧電腦配置一般較高，普遍擁有專用顯卡）。進一步講，在集成電路以摩爾定律的速度不斷更新的大趨勢下，所有的電腦（包括手機和嵌入式設備上的CPU）的價值都在不斷縮水。然而，人類畢竟需要消耗資源才能製造這些設備，如果能把閒置的算力組織起來並且加以利用，則善莫大焉。
圖5. 基於區塊鏈的分散式算力
組織碎片化算力當然也並不容易，既需要有精細權衡計算能力，和網路帶寬的調度方法，也需要可信的、細粒度結算機制保證利益分配，而區塊鏈為後者提供了有效解決路徑。
- 可信模型
作為不可篡改的分散式帳本，區塊鏈在鏈上數據可信性能夠保證的前提下，具有完美的溯源能力。因此，區塊鏈可以作為追溯機器學習模型使用效果的工具，即用來追溯數據來源、模型發展過程和AI應用系統使用情況。特別是，通過追蹤在不同數據輸入和應用場景下的AI行為，我們可以深入理解和評估AI系統的決策效果，從而增強模型的可解釋性。
本文為金色財經授權刊登，原文標題「區塊鏈與AI融合將催生新型終端應用平台」
《證券型代幣融合區塊鏈與實體世界——台灣的金融新契機論壇》3月15日10:00-16:00在台北國際會議中心4F貴賓廳舉辦，報名時輸入優惠碼「BITNANCE」獨家享8折優惠，報名網址：https://www.accupass.com/event/1902270632438226436330
《Maxonrow 陽光區塊鏈全球啟動盛會》3月17日18:00-21:00在台北和平籃球館舉辦，幣特財經讀者專屬8折優惠，報名網址：http://bit.ly/MXW0317_Bitnance