区块链技术如何拯救人工智能

Neo的John deVadoss来宾

约翰是Neo的开发主管。

在过去的五到六年中，人工智能的兴起已逐渐兴起。

我使用resurgence一词是因为我们曾经有过将AI视为迫在眉睫的时代。艾伦·图灵（Alan Turing）在1950年设计了同名的图灵测试，并引起了人们对机器思考的可能性的关注。 1956年的达特茅斯研讨会是一个里程碑式的事件，标志着AI的诞生，当时约翰·麦卡锡（John McCarthy）提出了“人工智能”一词，以表示当时对控制论，神经网络和符号推理的研究迅速增长。

在60年代和70年代，自然语言处理，机器推理和机器视觉领域取得了重大进步。随着80年代日本所谓的第五代计算机计划的到来，在反向专家的发明，专家系统，基于案例的推理以及连接主义神经网络的复兴方面取得了重大进展。机器学习在90年代获得了动力，它从早期的符号方法转向使用概率和统计数据。

最近，在对早期和成熟初创企业的大量投资之间；媒体预示着杀手机器人的未来；来自IBM，微软和谷歌等老牌庞然大物的营销热潮；以及公众对Siri和Alexa等人的痴迷，看来AI可能终于来了。但是，它在这里停留吗？

是机器学习吗？还是AI？

我们今天所说的AI大部分是由于机器学习应用于大量数据而产生的。确切地说，正是所谓的“深度（机器）学习”技术的应用推动了语音搜索和语音激活助手（例如Siri），癌症诊断和治疗等领域的医疗保健创新， AWS Rekognition和更广泛的图像和视频分析与识别，机器翻译（包括Bing Translator之类的工具），语音识别工具以及所谓的自动驾驶汽车的出现，以及更多领域。

从技术上讲，我们应该将其称为深度学习复兴，而不是AI复兴。

深度学习的历史可以追溯到1943年，当时的Pitts-McCulloch计算机模型的创建基于对人类大脑神经网络的理解。深度学习是在80年代后期创造的；但是，深度学习的影响确实在2000年代开始了，随着所谓的“深度学习”革命于2012年开始，计算行业真正地受到了干扰。 2019年3月，Yoshua Bengio，Geoffrey Hinton和Yann LeCun因其突破性研究获得了图灵奖，该研究已将深度学习纳入主流。

简而言之，深度学习是一种机器学习技术，可以教计算机去做对人类来说自然的事情，即从示例中学习。通过深度学习，计算机模型可以直接从图像，文本或声音等中学习执行分类任务。深度学习模型是通过使用大量标记数据和神经网络体系结构（包含多层建模人类神经元行为的软件）进行训练的（有监督的和无监督的）。

当今机器学习的致命弱点

为了今天训练一种深度（机器）学习模型，有两种技术在今天有效的同时最终将成为AI的祸根。

首先，传统的学习方法使用一种方法，要求将培训数据中心化聚集在单个系统（或供应商数据中心）上。 Google，Amazon，Microsoft，Apple和Facebook等人聚集了大量的用户数据并将其存储在系统中。随后，他们以一次性或连续方式运行其算法，以挖矿并构建最终的深度学习模型。对于读者来说很明显，这种方法是侵犯隐私的。只要有未经用户许可，这些系统就会利用敏感的私有数据来构建其AI应用程序。

其次，同样存在问题的是，中心化方法通常取决于供应商，即供应商的算法选择，其实现机制（语言，库，工具），其首选硬件（内部，外部，对芯片MKR的依赖等）。 ），他们的数据中心架构，他们的人员（受到威胁，贿赂等风险）以及他们选择的工具来展示训练算法的结果。用计算机科学的话来说，单供应商的实现受制于拜占庭容错问题。

这些技术本身对当今的AI应用程序的使用寿命都是致命的挑战。但是，它们在一起就是AI的致命弱点。如果业界不解决这些问题，那么今天的AI复兴势必会再次火起来。

区块链+机器学习

区块链平台在去中心化应用程序和系统的设计和开发方面取得了令人难以置信的进步，并已应用于从加密货币到企业供应链的各个领域。

更重要的是，由于区块链固有的去中心化实现，它们具有两种功能。

首先，区块链为用户提供了控制其数据并决定何时，何地，向谁以及多长时间提供访问其数据的能力，即区块链是固有的，自动地利用数据的系统的主题。用户的私人数据。此外，随着零知识证明的出现，区块链现在能够显示任何与交易无关的信息，只是它是有效的。

其次，区块链的设计没有中央机构或系统。因此，为了在数据和事务上达成共识，区块链使用了各种容错共识算法。尽管有各种各样的共识算法，但它们在去中心化节点（或系统）集合上达成协议方面都具有相似的特征。特别是，称为拜占庭共识的变体解决了前面提到的拜占庭容错问题。区块链支持开发不依赖于单一供应商实现的所有伴随风险和错误的AI应用程序。

这两项关键功能加在一起，有可能使当今的机器学习实现能够解决其致命弱点，并使既不侵犯隐私又不易受单厂商拜占庭式故障影响的AI应用成为可能。

下一步是什么

区块链+机器学习开辟了一种颠覆性的新方法，将AI主流化，同时保护用户隐私并确保与供应商无关的应用程序可降低风险。

消费者及其设备在其生命周期内会生成大量数据。这些数据包含有关用户及其行为的有价值的信息：他们经常光顾的餐馆，访问哪些网站，喜欢旅行的地点，使用的社交媒体应用程序，观看的视频等。这些数据已成为构建建筑物的基石。有效的深度学习模型来提供个性化服务，以最大程度地增强用户体验（例如ala Siri）。区块链为构建此类个性化模型提供了一种独特的选择，而不会侵犯用户的隐私。

至关重要的是，该行业广泛地将用户隐私置于任何商业利益之上，并使用区块链功能来构建支持其AI应用程序的机器学习模型。

人脸识别等应用正在被广泛使用（包括政府机构）；当机器学习模型与单个供应商联系在一起时，由一系列问题导致的误报和误报所带来的风险实在是太严重了，以至于无法继续忽略。就上下文而言，数十年来，诸如波音和空中客车飞机上的航空电子系统已被设计成具有拜占庭式容错性。当移民服务和边境巡逻机构使用诸如AWS Rekognition之类的工具时，至关重要的是，行业和监管政策机构重新考虑当今AI应用程序的原始性质（例如，与航空电子系统有关）。

当务之急是，我们要使用跨多个供应商和供应商的计算资源（算法，语言，硬件等），从单一供应商的实现及其相关风险转移到去中心化深度学习实现。

未来是去中心化的。人工智能也不例外。替代方案是另一个AI冬季。

Neo的John deVadoss来宾

Neo是一个开源，社区驱动的平台，它利用区块链技术的内在优势来实现未来的优化数字世界。

学到更多

封面图片由Drew Graham摄于Unsplash

发表于：嘉宾帖子，技术

—-

编译者/作者：不详

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。