“区块链”
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式 。 其通过去中心化的、共享和加密等技术进行分布式记账 。 有着去中介化、开放性、自治性、信息不可篡改、匿名性等显著特点 。
然而为了支撑这些技术的实现 ， 需要付出电力消耗大、算力过剩、效率低等代价 。
采用POW共识机制的区块链项目需要消耗大量的电力资源 ， 区块链要实现分布式数据存储的功能 ， 需要大量节点长期运行 ， 规模越大 ， 所耗费的电力也会同比例增长 。 若真想让区块链应用于更多领域 ， 这样的消耗显然是不切实际的 。
如此大的消耗背后 ， 是算力资源利用率低的难点 。 区块链的算力并没有得到合理地利用 ， 普遍存在过剩或闲置状态 ， 造成了极大的浪费 ， 这与人工智能算力不足恰恰相反 。
区块链各节点重复工作过多 ， 导致效率缓慢 ， 也浪费了很多成本 。 据德勤在2016年估算区块链验证和共享交易的总运行成本大概是每年6亿美元左右 。
存在各自痛点的两门技术如今正要联手 ， 究竟会互相融合、和谐共处 ， 还是会互相排斥？

文章图片

理论上的互补
虽然AI和区块链都存在各自的痛点 ， 但是优点也不少 ， 而且理论上讲 ， 各自的优点恰好能够弥补彼此的不足 。
对于人工智能匮乏的数据 ， 区块链海量的数据恰好能为其所用 。 由于区块链全球数据可共享、可溯源 ， 在如此巨大的审计工作之下 ， 数据标注质量更好 。 又因为区块链分布式存储 ， 每个节点都保存有完整的数据信息 ， 也保证了数据的安全 ， 提升了信息的可信任程度 。 除非所有节点都被篡改 ， 否则难以对其安全性构成威胁 。
对于人工智能可能导致个人隐私泄露的问题 ， 区块链的匿名性也能很好解决 。 由于区块链采用非对称加密和授权技术 ， 虽然交易信息公开透明 ， 但账户身份信息却是高度加密的 。 所以就避免了个人隐私被窥探或被别有用心之人窃取 。
数据的安全性和和可信任程度得到了保证 ， 人工智能训练自然也可以剩下不少心思 。 此时 ， 利用区块链分布式数据存储的方式 ， 将单个的模型或者数据分布在不同的机器之上 ， 采用模型并行或者数据并行的方式进行训练 ， 定然可以大大缩短训练的时间 。
如此看来 ， 区块链可算是给AI送了一份大礼 。 礼尚往来 ， AI似乎也可以为区块链解忧 。
如何实现通过AI减少区块链能源损耗？一方面 ， 人工智能可以替代人力挖矿 ， 以更有效的手段完成这个任务 。 既节省了人力 ， 也节省了能源浪费 。 另一方面 ， 通过AI学习算法 ， 对设备进行有效管理 ， 进行散热、冷却等操作 ， 同样可以减少能源的损耗 。 这方面的应用已被谷歌、百度等公司落实 。
挖矿是个繁复的工作 ， 通过人工智能 ， 或许可以推算出第一个执行任务的节点 ， 由此或许可以减少其他旷工不必要的探索 ， 省去更多无用功 ， 也提高了效率 。
至于区块链过剩的算力的问题 ， 附能于人工智能后 ， 自然也就迎刃而解 。
综上所述 ， 区块链解决了人工智能数据匮乏、数据安全、可信任程度、个人隐私算力不足等问题；而人工智能也可以弥补区块链能源损耗、效率低等不足之处 。
两者结合 ， 岂不是如同双剑合璧 ， 所向披靡了？话虽如此 ， 这些互补也还多处在理论阶段 。 对于这两门技术的融合才刚刚开始 。