普京集团娱乐网如何让区块链获得人工智能的能力

随着人们在虚拟世界的行为数据日趋复杂和丰富,随着未来物联网设备数十亿数百亿级别的增加,数据复杂度将呈指数级增加。在这种情境下,区块链、人工智能以及物联网,将会是未来几十年最重要的技术推动力量,可以说是三驾马车。人工智能的产生源于人类对自身局限的改进。作为生物能的主体,人类无法持续进行大量的运算,难以接近事情的全貌。人工智能弥补了人类的局限,在极其庞杂的数据中,帮助人们作出更好的决策。区块链的本质是构建一套无须中介即可自运行的系统。跟中心化的系统不同,要达成自运行的系统,需要达成多方的共识,所以,需要有人记账,有人验证,以达成共识。通过这样的过程,区块链在人类历史上第一次实现了不依靠单一主体的信任和安全。仅这一点而言,区块链就是具有社会革新性的技术。区块链和人工智能有什么可以结合的地方?两者是相互赋能的关系。首先,区块链可以赋能人工智能。人工智能核心有算力、算法和数据。但目前少数巨头占据绝对优势。区块链让人工智能的发展有了新的路径选择。算力方面,目前有项目利用区块链无须中介信任的特点,试图构建去中心化的算力市场,聚集闲置的算力,用于人工智能的计算。当然,目前看还不成熟,但也是值得尝试的方向。数据方面,也可利用区块链的去中心化信任,形成数据市场,让用户自己控制数据,并获得回报。区块链的隐私保护技术可以促进数据市场的发展,为人工智能带来更多优质数据。而这些数据不再是巨头们的垄断,有利于形成更公平的人工智能市场。算法方面,通过区块链也可形成去中心化的模型市场。目前的模型和数据都是相互依存,训练模型需要数据,数据需要更好的模型。如果能够形成一个去中心化的模型市场。那么,在保证数据私密的情况下,能够带来更好的智能推断结果。总之,区块链之所以能够赋能人工智能,主要是基于区块链无须中介的信任特征。这决定了它在未来能够帮助到人工智能。此外,区块链的去中心化特性以及隐私技术的发展,也能带来更多的安全和隐私保护,这对于后续人工智能的发展都会有很大的帮助。同样,人工智能也会赋能区块链。通过人工智能的参与,dApp也有了更多可自演化的特性。从而让区块链具备更多价值,一个具有机器学习能力的去中心化应用能够有更多的落地场景。这也是让区块链证明自己的机会,让它产生更多的落地价值。本文阐述人工智能与区块链的关系,但由于话题比较大,首先会聚焦于去中介化的算法市场。这是Cortex的突破口。本文以Cortex为案例,分析区块链上人工智能化的探索,Cortex在去中心化推断和构建区块链场景下的新型确定性推断框架方面都取得了进展。Cortex的最终目标是要利用人工智能和区块链的结合实现去中心化的生产关系设计。

.wqpc_wechat_view *{max-width: 100%!important;box-sizing:
border-box!important;-webkit-box-sizing: border-box!important;
word-wrap: break-word!important;} 微信号 功能介绍 文 | 易柏伶编辑 |
王巧来源 |
锌链接电影《黑客帝国》想象了一个脑机交互的世界,人类创造了大量机器人从事工作,而机器人有了自我意识之后,将人类囚禁在数十亿个胶囊空间中,构建出一个称为“Matrix”的系统,模拟人的现实生活。直到有一天,程序员男主Neo在系统中被黑客女主Trinity唤醒,开始了一段与人工智能抗争的黑客故事。由人类发明而异化成能够与人类抗衡,甚至最终战胜人类,这是不少科幻小说或电影描写AI常用的桥段。然而,从现实看来,达到这样的场景还很遥远。经历了近60年的发展,AI到现在依然处于非常早期的阶段。5G的到来,虽然给AI赋予了新的可能性,但依赖于数据输入的AI,却不得不陷入数据资产确权和隐私安全的发展桎梏。人们自然而然将目光投射到了区块链技术。尽管两项技术有着风马牛不相及的开发和应用,但二者的结合却一直成为人们热议的话题。《黑客帝国》剧照来自于网络据普华永道预测,到2030年,人工智能将为世界经济增长15.7万亿美元,全球GDP为此将增长14%。而据Gartner
的预测,区块链技术带来的商业价值将在同年增长至3.1万亿美元。区块链技术起源于分布式计算与密码学的应用,2009年比特币诞生后开始有了独立的概念和研究;而现代AI,以1958年麦卡锡、明斯基等科学家在美国达特茅斯学院会议首次提出概念为起点,经历了几次兴衰起落。2010年至今,基于5G、云计算、大数据、物联网等多项技术爆发得天独厚的环境,AI再次火热起来。区块链与AI两项前沿技术的碰撞,能产生怎样的火花?理论上看来,AI能让区块链更加智能,区块链能够使AI更加安全可信,两者的结合似乎能实现1+1>2。数据:区块链与AI技术交界的中间地带区块链与AI本属两种不同的技术,诞生之初本是为了解决不同的问题,适应的应用场景也不尽相同。若要找到应用的结合点,需要先了解区块链技术与AI技术的本质。VNT
chain
首席科学家刘振广介绍,人工智能的本质在于,当数据量已经庞大到人处理不了,如何从大数据中抽取有用的知识。而区块链的本质在于,在众多互不信任的的参与者间构建一个可信的关系和环境,把共同的交易记录到一个不可篡改安全可信的账本上。由此,数据成为了区块链与AI技术共同衔接的中间地带。区块链上各个节点每天产生的每笔细小的交易,都会记录在链上产生大量的数据,有了数据,人工智能便派上了用场。而人工智能在处理数据时,如需要达到数据隐私安全的需求,同样也需要区块链。TEEX联合创始人余炀则认为,在大数据时代,一群数据寡头大肆搜刮着这个时代的数据,独享数据红利。“现有的信任体系无法调和各层的利益冲突,例如,医院不愿意把数据开放出来作为AI医疗的研究,更不用说多家医疗机构间的数据融合。”数据质量对于AI至关重要,好的数据可以帮助模型更好地演进,而区块链的可追溯性可以帮助AI评价和审计数据和模型,提高模型的可信度。另一方面,区块链现有技术存在的诸多不足也能从AI中找到不错的解决方案,例如利用AI更好地规避智能合约中的漏洞,或者预测市场行为等。国家互联网金融安全技术专家委员会发布的《“区块链+AI”行业研究报告》指出,区块链与人工智能两项技术的结合具有七个方面的优势:一是区块链可以提高人工智能的数据安全性。二是区块链可以加速数据的累积,给人工智能提供更强大的数据支持,解决AI的数据供应问题。三是区块链可以解决数据收集时的数据隐私问题。四是人工智能可以减少区块链的电力消耗。五是区块链使得人工智能更加可信任。六是区块链帮助人工智能缩短训练时间。七是区块链有助于打造一个更加开放与公平化的人工智能市场。信息时代,从最早互联网的信息传递,到区块链的价值传递,或许下一个阶段,就是AI+区块链的智慧传递。早期实践:蟹脸识别和安全漏洞检测区块链与AI结合的智慧传递,预示着智能商业的来临,火热两极间的空洞地带,开始吸引着大批机构纷纷抢滩。然而,这两项技术目前依然处于早期阶段,单独一项技术取得突破已实属困难,更何况两项技术双管齐下。2018年,区块链+AI领域出现PAI与Dxchain这两大火热项目,前者称为用户提供社交、娱乐、医疗等个性化人工智能服务,后者称通过区块链给大数据分析和机器学习提供计算机和存储服务。如今,这两大项目发展貌似后劲不足,鲜有消息传出。一些技术实力相对雄厚的机构成功落地相关案例。在百度的区块链应用中“蟹脸识别”的区块链溯源案例就用到这两项技术。百度认为,AI用来保证数据的真实,区块链保证上链数据不可篡改,进而使“大闸蟹”从原产地、物流、售卖的流转信息公开透明。其称,“蟹脸识别”分为两部分:一、建立一套识别蟹脸的AI模型,用一批样蟹,进行图片机器识别训练,训练完可以比较精准的识别蟹的生物指纹;二、每只蟹生产时会采集蟹纹,消费者收到时可进行扫描,与之前收录的做对比来证明是同一只。采集蟹纹是标准化操作,承担为了让蟹可信而增加的成本,可以在可信带来的收益中获得弥补。据了解,智能城市也是区块链+AI一个很好的场景,区块链作为使城市大数据可信的基础设施,百度正在推进这方面的落地。此外,VNT
Chain在AI+Blockchain领域已经落地了两个小实践,包括采用深度学习的方式实现对危险账户的监管,以及基于图神经网络进行智能合约漏洞检测。刘振广介绍,早在2017年,VNT
Chain
就开始针对公链上的一些不友好、或恶意的节点采用AI的方式识别出来。具体方式是基于链上节点的交易数据、频率、金额,以及打包块、提交块等信息形成一个时间序列。然后,针对多个不同节点的时间序列,VNT
Chain基于神经网络的方法,把他们分成四个等级,安全无作恶的、中等安全的、稍微有危险嫌疑的、以及作恶嫌疑较大的,从而对节点实现不同程度的把控。在智能合约的安全漏洞检测实践中,最主要的难点在于区块链的非结构化数据。现有AI的技术和算法之所以能运行较好,是因为处理的数据都是比较规则的。比方说,图像识别中,像素乘像素的一个矩阵,方方正正,一行行扫描即可。“而区块链数据种类多样,所以用AI分析的时候,往往会遇到处理非结构化数据的问题。”刘振广称,采用图神经网络加K分法的方法,可以处理非结构化的数据。1)首先将非结构化的数据,抽取成一个图结构的神经网络。在漏洞检测的例子中,把里面某个函数,就抽成一个节点,不同函数抽取成不同的节点,如果是有分支语句或者循环语句,再划分为不同的类型。如此下去就能抽出一个图结构。2)根据图结构,每一份代码,对应不同的图,这个时候的数据就是非结构化了。使用K分法可以进行结构化,即不管图结构长得如何,将节点都分成K类,比同一类的节点都融合成一个节点,所有的节点都划分到K个。3)对K个节点的边,进行消融,由此不管图长得怎样,最终都会变成统一,具有K个节点的图。4)然后再用神经网络的方法,去处理这个归一化之后的图结构。图神经网络加K分法示意图VNT
Chain提供由此,整个过程全部自动化的,包括神经网络的训练和学习化,机器能够自动判断相应的合约有无漏洞,而不需要人参与。此外,国内外区块链+AI的典型案例中,刘振广比较看好谷歌Deep
mind
Health案例。具体说来,谷歌通过搭建一个数据保护平台,将病人的疾病记录保存在区块链上,然后共享给医院和科研实验室,但这些科研实验室和医院看不到病人的记录,以及其它敏感信息。基于这一项目,很多科研实验室和医院,可以对这些疾病记录进行AI
model去分析这些数据,而区块链又能将这些使用情况记录得清清楚楚。在区块链与AI结合领域的早期实践中,能具体落地并揭露操作方式的,实属凤毛麟角,大部分机构,现在还处于摸索探索阶段。新想象空间:
链上AI程序和隐私保护国内不少机构在探索阶段中有了不少的研究成果,赋予了区块链与AI新想象空间,如Cortex和TEEX团队。Cortex首席运营官Amy
Chen介绍,上Cortex主链之前,没有任何一个区块链解决方案可以在链上执行AI程序。基于多种因素如虚拟机的设计、AI模型在异构环境下推断结果的不确定性、以及链上AI推断比较慢的确认速度等等,一般认为在区块链上运行AI计算程序是不现实的。通过独有的虚拟机CVM支持了Inference指令,Synapse作为定点化AI推断引擎,Cortex可以在异构计算环境下保证AI推断结果的一致性,从而达到AI与合约代码双重去中心化、不可被篡改、公开透明。而早期TEEX团队的出发点认为解决现有区块链在性能、隐私上的不足,而这些其实也恰好解决了AI应用在区块链上的一些重要的技术壁垒。TEEX是一个安全隐私的数据市场,也是一个去中心化的通用计算平台。余炀认为,通过TEE(Trusted
Execution
Environment,可信执行环境)搭建一个二层分布式网络,依靠软硬件结合的TEE技术来保证计算的完整性。对于计算本身往往非常复杂、数据量庞大的AI应用,TEE可以提供金融级别的安全性,支持任意规模的通用计算,只需要常数级别的验证开销。同时,TEE保证其内部的计算过程不会被外部软件甚至是特权软件窥探,数据传递建立在一个充分安全的信道上。TEEX提供的软件层面保护,可以防止恶意程序窃取数据,而链上合约保证了利益分配的公平性和强制性。这样一来,AI计算可以在各方互不信任的情况下,保护自己的数据和算法,同时保证利益的公平分配。在Cortex的愿景中,开放AI模型和公开数据,将顶尖的深度学习模型和训练这些模型需要的数据还给大众,可以避免AI高速发展带来的种种争议和垄断。而区块链经济系统赋能AI商业实现,每个人都可以试验自己的想法,并且形成可持续的商业形态。从百度的“蟹脸识别”,到VNT
Chain的节点监控和安全漏洞检测,谷歌的Deep mind
Health,以及Cortex的链上执行AI程序,TEEX的AI计算的安全可信,区块链技术与AI实现了应用上和技术上的或松或紧的耦合。从互联网信息传递,到区块链的价值传递,下一个阶段将实现AI+区块链的智慧传递。或许区块链+AI尚处早期阶段,但新的智能商业迹象已逐渐呈现出来。

洗尽铅华,回归IT本质。在过去两年,区块链、去中心化概念盛行,而我们却看到相关公链上的DAPP(Decentralized
Application)数量增加而活跃度偏低,游戏、社交等热门方向也未出现里程碑式的应用,市场一直要问,区块链发展的根本动力在哪里?完全的去中心化是否合理?我们认为,区块链仍应放到IT发展的大趋势中观察,而5G的兴趣、边缘计算的壮大,为此提供了基础设施,在此之上,区块链+AIoT+5G将会诞生出不一样的互联网世界,此文对区块链的未来发展做些许展望。

随着智能手机和物联网智能终端的普及,在区块链、人工智能和5G的推动下,算力、算法和数据三个层面重构互联网商业模式。我们预期,在区块链、AI和5G融合的推动下,互联网将呈现新商业模式。互联网公司对数据的控制力下降,出现算法模式供应商;区块链网络为数据隐私和数据市场治理提供基础协议,用户分享更多数据价值;5G边缘网络的算力平台将承载更多终端流量,改变先有网络构架,广义智能终端(摄像头、小基站、物联网模组等)计算及存储能力提升;移动终端的硬件构架向GPU倾斜。

未来算法可以预想呈现模块化、产品化的趋势,互联网公司由数据和网络效应的垄断者逐渐蜕变为算法模块的产品商。未来,数据上链、隐私保护下,IT巨头不必掌握用户的行为数据,只提供算法工具,通过区块链网络得到授权、完成数据使用权的费用支付,训练AI机器人。届时,互联网公司也许不再是数据和网络效应的垄断者,蜕变为算法产品化模块的供应商——别忘了,区块链网络重塑了数据市场的治理,互联网公司并不直接掌握数据。而背后皆有大规模算力支持AI、区块链的运转。

区块链实现数据确权和数据市场治理,数据资源的价值分享将向用户倾斜。在“无主”的垄断状态下,个人用户产生的数据被广泛用来训练AI机器人,又产生各类互联网服务推送给用户或其他客户。大数据是基础的资源,其挖掘出的价值用户往往得不到任何回报——同时还要承担隐私被侵犯和泄露的风险。未来,分布在网络中的数据将得在区块链账本中得到确权,数据的使用利用区块链Token授权和支付交易。互联网的价值分享将向用户倾斜。

5G边缘计算:“硬核”算力之基。3G/4G时代,数据陆续通过接入层、承载汇聚层、承载核心层,业务数据在核心网集中处理、终结,显然这种中心化工作方式难以满足5G应用场景对时延、大带宽和多连接的要求。5G时代,针对不同的业务场景,业务将在不同节点终结;以去中心化的工作方式提高效率和可靠性。分布式AI的崛起,5G边缘网络平台将承载更多的算力和数据流量。

催化剂:分布式AI应用的快速普及。

风险提示:分布式AI产品推广展不达预期、区块链基础研发不达预期。

普京集团娱乐网 1

普京集团娱乐网 2

  1. 科创未来的情景畅想

过去两年,区块链试图改造什么?

在BTC之后,陆续出现了ETH、EOS等更为开放的公链平台,以此为基础吸引开发者进行DAPP开发,但现实的情况是,DAPP数量上升迅速,但活跃度却很低,有些几乎24小时没有活跃用户。其背后的原因,首先是基础设施不完善,公链的性能无法与中心化系统相比,开发的DAPP本就没有APP
STORE里的好用,二是使用门槛高,对于公钥、私钥等一些列概念,用户无法按照过往使用APP软件的习惯直接迁移,三是商业模式并未成型,包括大家一致在探讨的经济模型问题BUG不断。

回归到区块链技术本身,我们看到EOS、TRON等公链活跃的背后,是其相对中心化的设计理念,现实应用需求与比特币本身的理想化场景正在分道扬镳,对于前者,我们将放到更大的IT发展浪潮中去审视,5G、AIoT的发展本身推动边缘能力强化,将为其应用提供强大的网络、IT支撑。

当前互联网商业模式下,巨头垄断了数据、价值和网络效应,用户处于弱势地位。互联网已经极大改变了人们的生活方式,互联网大数据越来越成为巨大的价值宝藏,由此造就了一批互联网巨头,包括Amazon、Google、Facebook和苹果公司,其中不乏市值万亿的。当下的互联网构架下,我们要依赖于互联网公司提供的服务进行购物、搜索和社交,账户管理和数据信息由互联网公司的平台来管理。互联网公司成功的秘诀是垄断了数据和网络效应——互联网公司云服务器中存储大量的数据,其中很多是用户的隐私数据。虽然互联网公司声称会保护好用户的隐私,但数据泄露时有发生。

还有一方面容易被忽视的就是数据的权益——数据是极具价值潜力的资源,随着人工智能算法的快速进步,大数据这个宝藏的价值不断被挖掘出来——但问题是,这些价值权益该属于谁呢?显然,用户并没有得到太多的好处,仅仅是因为自己的数据托管在互联网公司的服务器内,便冒着泄露的风险拿去被各种大数据工具挖掘价值,给互联网公司创造收益。互联网带来各种便利的同时人们不应该忘记自身数据处于泄露风险之中,同时数据还在“喂养”互联网公司的AI机器人,然而用户没有得到任何好处。

区块链、AI和5G的不断融合,互联网商业模式将更加去中心化,从算法、算力和数据三个层面重构数据价值、硬件和互联网构架。移动设备和物联网智能设备遍布整个互联网,个人的行为产生海量数据,这些数据极具价值潜力。过去我们要依赖于互联网公司提供的服务进行购物、搜索和社交等服务,账户管理和数据信息由互联网公司的平台来管理——毕竟分散的海量个人终端无法像云服务器那样提供管理数据的平台,这是互联网公司垄断数据的根源。区块链提供了一个大规模点对点的对等账户网络,管理数据和账户不再依赖于中心服务器,使得海量个人终端联合管理数据和账户系统成为可能。区块链的加密特征,确保了个人对数据享受所有权,互联网公司再也不能随意从个人终端设备拿走用户的隐私数据——无论数据存在在哪里。5G通信网络为海量数据传送和终端算力提供了基础支撑,互联网去中心的趋势下,离不开5G网络的推动。

用户因数据收益、互联网公司变成算法供应商,整个产业链利益分配被重构。我们畅想一下,未来的用户在网络里购物、社交聊天或者打游戏,产生的数据和用和账号都通过区块链网络来确保所有权不被侵犯;提供服务的互联网公司再也不能像过去那样随意访问用户的数据、更不能用自己的AI机器人进行数据价值挖掘——互联网公司不再掌控用户数据。互联网公司开发的AI算法机器人可以在用户终端进行机器学习训练,但只能得到最终的模型反馈——用户的数据不会免费使用,互联网公司需要通过区块链Token进行支付像用户购买数据使用权。算法模型会输出很多有价值的服务——包括精准营销、信用评估服务、家庭智能机器人等等,互联网公司和用户都可以分享这些价值的收益。

比如,互联网公司变成了算法模块的供应商(并不掌控用户的隐私数据),为零售商提供用户精准营销的算法模块而获利,用户通过出售个人数据的使用权(用来训练机器人,但并不会泄露出去)获得了作为数据上游的收益。

普京集团娱乐网 3

普京集团娱乐网 4

  1. 结论:算力、算法和数据——5G、AI和区块链融合之道

随着智能手机和物联网智能终端的普及,在区块链、人工智能和5G的推动下,算力、算法和数据三个层面重构互联网商业模式。如今,人类社会活动从未如此依赖移动设备,算力由个人PC、服务器端向移动终端迁移,人工智能算法处理海量的数据,这些数据越来越多由用户移动端本地产生。人类数据的生产量和存储量呈指数级增长,过去5年里数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至于ZB
(1024EB=1ZB)级别。过去20年互联网巨头们依靠享受大量数据的支配权(实际上用户一直强调数据是属于他们)和强大的网络效应掌控了互联网的主要资源和价值。在技术的快速发展过程中,互联网的商业经历了计算机的开源、软件的开源和数据的开源,曾经的巨头垄断被不断打破。如今,随着区块链、人工智能和5G等信息技术的崛起,整个互联网加速由巨头互联网公司中心走向分布式和去中心化,价值垄断正在被打破。

在5G通信技术和人工智能算法的驱动下,互联网大数据的价值潜力不断被挖掘,大数据的世界需要一个市场规则和经济激励制度——这真是区块链的价值所在。区块链完美地解决个人数据确权和授权交易,为大数据这列高速列车提供了规范的轨道。

我们认为,在区块链、AI和5G融合的推动下,互联网将呈现新商业模式。互联网公司对数据的控制力下降,出现算法模式供应商;区块链网络为数据隐私和数据市场治理提供基础协议,用户分享更多数据价值;5G边缘网络的算力平台将承载更多终端流量,改变先有网络构架;移动终端的硬件构架向GPU倾斜。

普京集团娱乐网 5

普京集团娱乐网 6

2.1. 算法:由中心封闭到开源化、模块化

移动端分布式人工智能机器人将是未来主流。人工智能的要素包括算力、算法和数据。它的发展需要算力的支撑,而数据是“喂养”人工智能机器学习的资料。作为基础资源的数据越来越多由移动端产生,伴随着数据隐私保护的呼声愈烈,掌握算法工具的互联网公司在挖掘“数据金矿”的时候只会越来越受到限制。产品级分布式机器学习的推广已经指日可待,互联网巨头们并不必要将移动终端的用户隐私数据上传至云中心,而终端只需输出学习模型结果。

区块链网络实现了数据市场治理,可以有效打破过去个人数据的“无主”垄断状态。个人的隐私数据实际上是被互联网公司掌控,泄漏的风险的危险下,个人数据资源被互联网公司的算法工具进行分析处理,而用户并不能分享数据产生的价值——当某家互联网公司根据你的行为数据给你推荐商品广告时,你有没有想过这个服务价值来自于本属于你的个人数据?区块链很好地解决了数据的隐私问题——数据的确权是属于用户的,其他人或公司若想使用这些数据或利用这些数据作为资料训练AI机器人的话,都将在区块链网络中申请得到用户本人的授权,在区块链账本中完成交易支付。

5G边缘网络和雾计算作为网络通信基础,催生新的商业模式。不久全球将进入5G网络的时代,广泛分布的移动端、云中心之间的数据交换方式产生着深刻的变革——更多的数据交换将在终端之间发生。5G的边缘网络和雾计算将为数据下次提供网络通信的基础,同时边缘网络的构架和数据通信模型催生新的产品和商业模式。

未来算法可以预想呈现模块化、产品化的趋势,互联网公司由数据和网络效应的垄断者逐渐蜕变为算法模块的产品商。未来,互联网巨头不必掌握用户的行为数据,只提供算法工具,通过区块链网络得到授权、完成数据使用权的费用支付,训练AI机器人。届时,互联网公司也许不再是数据和网络效应的垄断者,蜕变为算法产品化模块的供应商——别忘了,区块链网络重塑了数据市场的治理,互联网公司并不直接掌握数据。

2.2. 算力:从集中云算力走向终端分布式算力

移动端和物联网智能设备的迅猛发展,势必需要算力从集中向终端分布式部署,最终在中心化和分布式两者间取得平衡。人工智能在算法优化阶段需要投入大量的算力,Google的明星机器人AlphaGo在击败李世石之前,DeepMind团队使用了48颗TPU对AlphaGo进行了数个月的3000多万盘对弈训练。显然移动时代,大量的数据在本地存储的模式不在适合。因此,算力一定会随着移动设备和物联网智能设备的发展而向边缘倾斜,实现算力的分布式部署。服务端与客户端分离的结构,移动端的分布式机器学习就成为重要的方向,Google在这方面已经获得产品级突破——Google基于TensorFlow构建了全球首个产品级可扩展的大规模移动端联合学习系统,目前已在数千万台手机上运行。分布式算力的瓶颈还在于有效的经济激励机制的施行,而区块链的激励机制正好提供很好的市场激励制度。

2.3. 数据:由“无主”的垄断走向确权治理

互联网数据处于“无主”垄断的混乱状态,数据隐私将是未来的最“痛点”。据BM
Security和Ponemon
Institute此前发布的《2018数据泄露损失研究》评估显示,2018年全球数据泄露的平均成本为386万美元,比2017年的报告高出6.4%。该研究还首次计算了与“超大型泄露(超过100万条记录)行为相关”的成本。评估显示,大型数据泄露代价高昂,百万条记录可致损失4000万美元,5000万条记录可致损失3.5亿美元。互联网带来各种便利的同时人们不应该忘记自身数据处于泄露风险之中,同时数据还在“喂养”互联网公司的AI机器人。

数据隐私的真谛是确权和使用权的交付,区块链的机制提供了数据市场的治理规则。移动时代数据隐私的保护呼声愈烈,一方面是人们对数据作为一种潜力巨大的价值资源的认识越来越清晰,另一方面大量数据天然跟移动端的行为关联,用户越来越注意数据隐私的保护。过去的互联网模式,数据主要存储在互联网公司的云端,用户很难声明对数据的所有权;另外,互联网不断产生的庞杂数据的确权也是出于模糊的“无主”状态,但所有数据实际上都是掌控在互联网公司手中——无论他们如何声明不会泄露数据,不泄露数据不代表我们享有所有权。越来越多的智能服务背后都是来自于互联网公司AI机器人利用个人隐私数据进行机器学习的结果,这个过程中,用户是被动的,利益上存在受损的嫌疑。

我们认为,数据隐私的真谛是确权和授权——即用代码合约明确数据的所有权,通过代码合约完成数据使用权的授权和支付交易。区块链天然就是去中心化和分布式的账本机制,具有数据加密、不可篡改、来源可溯的特点。大量移动端的数据,将由过去“无主”垄断状态,被区块链网络确权给用户,而AI所需要的个人数据,可以由用户向使用方授权完成,相关费用用Token完成支付。在数据领域,AI与区块链的结合,一方面是数据层,两者可以互相渗透,完全数据确权;另一方面是从应用层面入手,两者各司其职,AI负责自动化的业务处理和智能化的决策,区块链负责在数据层提供可信的授权。

移动端分布式学习技术的推广将成为打破数据垄断的关键一环。今年2月谷歌宣布实现了全球首个产品级的超大规模移动端分布式机器学习系统,目前已经能够在数千万部手机上运行。此产品利用联合学习(FL,Federated
Learning)方法,可以对保存在移动电话等设备上的大量分散数据进行训练,是“将代码引入数据,而不是将数据引入代码”的更加通用化的一个实现。用户的设备会下载一个当前模型,这个模型会从手机数据中学习不断得到改善,然后将变化总结为一个小的关键更新。只有这个关键更新会以加密的方式被传到云端,之后这一更新会在云端迅速被其他用户对共享模型提交的更新平均化。简单说,所有的训练数据都留在用户的设备上,而且上传到云端的个别更新也不会存储到云端。新方法将机器学习与云端存储数据的需求脱钩,让模型更聪明、延迟更低、更节能,而且保护用户隐私不受威胁。联合学习方法将使得移动终端数据的隐私得到充分的保护,互联网公司云端服务器并不需要上传用户本地数据,将成为打破数据垄断的关键一环。

普京集团娱乐网 7

普京集团娱乐网 8

普京集团娱乐网 9

普京集团娱乐网 10

2.4.市场激励:经济利益向用户倾斜

数据资源的价值分享,将向用户倾斜。在“无主”的垄断状态下,个人用户产生的数据被广泛用来训练AI机器人,又产生各类互联网服务推送给用户或其他客户。大数据是基础的资源,其挖掘出的价值用户往往得不到任何回报——同时还要承担隐私被侵犯和泄露的风险。未来,分布在网络中的数据将得在区块链账本中得到确权,数据的使用利用区块链Token授权和支付交易。互联网的价值分享将向用户倾斜。

接踵而来的问题是,如何构建合理的激励体系?区块链在TOKEN激励机制上的讨论一直不绝于耳,最初的BTC构建了通缩模型,即总量一定,产量四年减半一次,用算力保证系统的运转及激励分配的公平性。此后很多与现实相关联的激励体系却遇到了很大的问题,比如迅雷的玩客币体系,抛开监管问题,但从系统本身的可持续性也有待商榷。

用过迅雷下载的朋友都知道,当电脑运行迅雷终端的时候,PC即成为网络中的存储节点,这个点对点系统非常契合区块链的去中心化理念,但用户在这其中贡献了硬件及带宽,为了鼓励在线,迅雷也有过积分奖励,而其本质增加推广费用去“获客”,直到玩客币的推出。假设为系统做出贡献可以获得玩客币,而玩客币既可以从生态中购买服务,也可以二级市场交易,用户自然有动力投入硬件和费用去挖矿,生态体系建设加速,且公司不需要投入费用,而当币价走高时,由于回本周期缩短,用户有更强的欲望加大投入,当然,其更倾向于将玩客币用于二级市场交易而非获得生态中的服务,相反,当币价下跌时,激励机制就会出现问题,毕竟生态中所能提供的服务不能实时地与币价相匹配。

目前,互联网巨头作为主体获得并使用大数据,不存在激励问题,而未来在5G时代,面向个人数据、版权的确权和使用,同样需要构建有效交易市场,激励体系的构建仍是关键。

普京集团娱乐网 11

  1. 分布式AI崛起:移动端硬件构架向GPU倾斜

谷歌发布全球首个产品级移动端分布式机器学习系统,移动端算力被充分调动。今年2月谷歌宣布实现了全球首个产品级的超大规模移动端分布式机器学习系统,目前已经能够在数千万部手机上运行。谷歌基于TensorFlow构建了全球首个产品级可扩展的大规模移动端联合学习系统,目前已在数千万台手机上运行。这些手机能协同学习一个共享模型,所有的训练数据都留在设备端,确保了个人数据安全,手机端智能应用也能更快更低能耗更新。研究人员表示,该系统有望在几十亿部手机上运行。联合学习能产生更智能的模型,更低的延时和更少的功耗,同时确保用户的隐私。

Google开放的联合学习算法,使得移动端分布式机器学习成为现实;AI算法分布在大规模的移动端,协同输出一个学习模型,而不必上次用户本地数据。Google的研究团队克服许多算法和研究挑战,使联邦学习成为可能。诸如随机梯度下降之类的优化算法(通常在许多机器学习系统中使用)在大型数据集上运行。在移动端特定环境中,数据以高度异构的方式分布在数百万个移动和蜂窝设备上,这些设备具有明显更高延迟,更低吞吐量的连接,并且只能间歇性地用于训练。这一切都依赖于联合学习方法,联合学习是一种分布式机器学习方法,可以对保存在移动电话等设备上的大量分散数据进行训练,是“将代码引入数据,而不是将数据引入代码”的更加通用化的一个实现,并解决了关于隐私、所有权和数据位置等基本问题。

根据谷歌官博介绍,用户的设备会下载一个当前模型,这个模型会从手机数据中学习不断得到改善,然后将变化总结为一个小的关键更新。只有这个关键更新会以加密的方式被传到云端,之后这一更新会在云端迅速被其他用户对共享模型提交的更新平均化。简单说,所有的训练数据都留在用户的设备上,而且上传到云端的个别更新也不会存储到云端。谷歌研究人员表示,新方法将机器学习与云端存储数据的需求脱钩,让模型更聪明、延迟更低、更节能,而且保护用户隐私不受威胁。这一方法还有一个间接好处:除了实现共享模型的更新,用户还能立刻使用改善后的模型,根据个人使用手机方式的不同,得到的体验也会不同。

联合学习(FL,Federated
Learning)系统已经在非常流行的谷歌键盘Android上的Gboard中进行测试。每当Gboard显示建议的查询时,移动设备本地存储有关当前上下文的信息以及您是否使用了该建议。联合学习处理设备上的历史记录,以建议改进Gboard的查询建议模型的下一次迭代。诸多移动设备的学习模型将通过一种联合学习算法聚合成为一个更简洁的模型,最后只需要将这个模型上传至云端即可。

要将这样的系统部署到数百万运行Gboard的异构电话,需要相当先进的技术堆栈。
设备上培训使用TensorFlow的最小化版本。上传速度通常比下载速度慢得多,研究人员还开发了一种新方法,通过使用随机旋转和量化压缩更新,将上传通信成本降低到100倍。

复杂的人工智能算法训练与计算经常涉及上亿的参数,这些参数的计算需要大量的计算能力,目前在深度学习领域,GPU计算已经成为主流。使用GPU运算的优势如下:目前,主流的GPU具有强大的计算能力和内存带宽,同时GPU的thousands
of
cores的并行计算能力也是一大优势。只要数据足够小,就适合在一台GPU性能优于其它架构的机器上运行,因为它不具备处理网络开销问题的功能,可以充分利用GPU的优势为数学运算。由于所有的数据集足够小,可以适应内存,网络成为了分布式实现的瓶颈,而移动端本地GPU没有这样的瓶颈,得到了两全其美。

可以预期,未来的IT基础设施将向“两端走”,一方面是超大规模IDC,用作集中式数据处理、搜索和机器学习,而移动设备和物联网智能设备未来将越来越依赖GPU的运算能力,硬件中的GPU算力将会得到进一步提升。

普京集团娱乐网 12

普京集团娱乐网 13

  1. 区块链:给大数据赋予经济动能

4.1. 区块链:下一代智能互联网的基石

2008年10月31日一个名为“中本聪”的网络ID发表了9页的比特币白皮——名为《Bitcoin:
A Peer-to-Peer Electronic Cash
System》(《比特币:一种点对点的电子现金系统》),为人类社会第一次带来去中心化的财富世界。中本聪在设计比特币的时候,遵从了经济学规律。比特币是一种电子现金系统,或者说比特币本身是一个给电子现金记账的去中心化、点对点的记账系统。比特币网络是首个成功应用了区块链技术的支付交易系统,没了中心化机构信用背书,该系统的“信任价值”由其加密算法和共识机制创造。账本每个节点都有相同的一份副本,节点之间对等、互相监督。

同时中本聪天才地引入了首个区块链通证——Bitcoin(比特币,这里的比特币指的是可交易的coin,而非指同名的网络系统),通证作为系统的唯一财富表达——在比特币网络中进行电子现金转账,需要支付比特币作为手续费。而支撑网络安全可靠运作的计算机算力资源则由矿工提供,手续费作为奖励支付给矿工——这个过程叫做挖矿。“挖矿”行为则激励了更多网络节点加入进来,维护并增加该系统的“信任价值”。比特币挖矿,用一句话的解释即为“争夺系统的记账权,获得比特币作为奖励”。在共识机制的约束下,矿工的算力自由竞争对系统构成了安全壁垒(随着算力的竞争,攻击系统账本的成本会在竞争中提高),通证奖励则为系统安全可信运转提供了经济激励,形成一个良性的经济市场。这一切的核心技术基础是区块链技术。关于区块链的经济学解释详见我们之前发表的《区块链经济学脉络》系列文章。

区块链(Blockchain)是一种将数据区块按照时间顺序组合成链式数据结构,并以密码学方式保证的不可篡改和不可伪造的分布式账本。简单说,如果我们想要一个完全点对点实现支付/兑换的市场(这个市场不需要任何中介机构,如银行、服务中介等),区块链可以提供去中心化记账方案。以支付转账为例,传统的支付转账系统需要由银行作为第三方(对应概念“中心化”、“第三方信任背书”),根据交易双方提出的请求,划转相应金额——即更改数据库中双方名下的账户余额,这个过程中记账权完全归属于银行。而在搭载了区块链技术的支付转账系统中,用户之间可以直接进行点对点的交易(对应概念“去中心化”)。我们不需要中心化机构来替用户记账,取而代之,系统中每一个用户都可以按照特定规则参与竞争记账。在某个时间段内,争夺到记账权的用户把这段时间的交易写到一个区块当中,就像写到一张账页。系统中其他用户确认该账页不是假账后,对它进行备份,完成整个动作。在下一个时间段周而复始,每一个区块首尾相连,构成一个完整的链条。通过密码学原理,新的区块对之前的区块天然形成了防篡改保护。

区块链开启了去中心化市场。传统社会的资产都是登记在各种中心结构的账本上,最后以银行的法币为核心进行流通。比特币诞生后,区块链技术和区块链项目的快速发展,自此,开辟了人类历史上成规模的去中心化市场。数字货币总市值于2017年
12 月 21 日达到全年最高点的 6422.56
亿美元,一度超越当日的亚马逊和汇丰控股市值。

由于没有中心化的机构存在,区块链完全根据事先设定的程序自动运行,能够极大降低成本和提高效率,并且保证数据记录过程和结果公开透明。在支付交易之外,区块链还可以用于更加广阔的领域,比如医疗、供应链管理、物联网、安全认证、社交以及人工智能等领域,其对社会结构会产生深远影响。

以区块链技术为基础的去中心化财富世界被开启,区块链构筑价值互联网。自2008年中本聪发布比特币白皮书后,区块链行业快速发展,人们逐渐意识到,区块链不仅仅是一项分布式数据库技术,而是与TCP/IP、HTTP一样重要的互联网基础协议,基于区块链可以构建一个去中心化的互联网世界。利用区块链技术实现数据结构来验证与存储、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问安全、利用由自动化脚本代码组成的智能合约来编程和操作数据,构建一个新的分布式基础构架与计算范式,成为新一代智能互联网的基础设施。

普京集团娱乐网 14

普京集团娱乐网 15

普京集团娱乐网 16

普京集团娱乐网 17

4.2. 区块链将建立一个规范健康的数据市场

区块链的运行机制成为数据市场确权和交易的市场规则,解决数据隐私“痛点”。在区块链网络中,用户的隐私可以在区块链账本中进行确权,他人难以突破区块链网络的加密规则侵犯用户隐私数据;在用户的授权下,通过区块链Token完成数据使用的支付交易。区块链解决了当下数据隐私的行业“痛点”。无论是移动端本地数据,还是存储在分布式节点的其他数据,在区块链网络管理下,用户享受对数据的所有权和控制权。

区块链解决了数据的确权,数据市场的规范交易成为可能。一旦区块链解决了数据的确权问题,移动端的本地数据和托管在中心的服务器内的数据都不能被他人公开“免费”地访问和使用。用户可以授权互联网公司的AI算法使用数据进行训练,移动端的本地数据将不会被上传至云服务器,这既规范了数据市场又解决了数据隐私问题。用户将在未来的互联网世界,因自身的数据而受益。

5.5G边缘计算:“硬核”算力之基

5.1. 分布式系统的崛起催生边缘计算平台和新的网络构架

分布式AI会在最后一英里网络中增加更多的计算、智能和处理/存储能力,将引发移动端硬件和算力变革。在这种配置中,人工智能引擎将依赖于大量物联网传感器和执行器,收集和处理大量的操作现场数据。海量数据将为“本地化”的边缘计算AI引擎提供燃料,这些引擎将运行本地进程并在现场做出决策。因此网络需要另一种水平的实时边缘计算、数据收集和存储,将推动人工智能处理到网络边缘。这将完成云边缘智能和网络化计算机的循环,
并通过基于区块链的智能合约来完成数据授权和业务运转。

5G网络中不同业务在不同节点终结,颠覆通信网络工作模式。3G/4G时代,数据陆续通过接入层、承载汇聚层、承载核心层,业务数据在核心网集中处理、终结,显然这种中心化工作方式难以满足5G应用场景对时延、大带宽和多连接的要求。5G时代,针对不同的业务场景,业务将在不同节点终结;以去中心化的工作方式提高效率和可靠性。分布式AI的崛起,5G边缘网络平台将承载更多的算力和数据流量。

5G时代,终端间快速崛起的横向流量和极低延时要求将依赖边缘网络实现。5G时代基站之间的横向流量将远远超过LTE时代的流量,延时要求甚至在1ms内,远远低于3GPP定义的LTE基站间理想时延。LTE时代,核心网一般集中部署在汇聚骨干节点或核心层之上。5G时代,一方面,三层下挂基站将更多,路由条目数量将更大,三层设备流量调度任务中,如果还将核心网集中部署,其设备将不堪重负,一旦节点故障,影响范围很大;另一方面,核心网集中高置横向流量时延大,将不能满足5G时代基站间横向流量时延需求。核心网边缘分布带来两个好处:一,核心网设备下挂基站减少,流量减少,路由条目减少,压力大大降低,安全性能增加,故障影响范围也大大减少;二,基站间的横向流量跳数减少,时延减少,满足低时延场景要求。

未来超过50%数据将在边缘网络处理、分析与存储,5G将大量部署边缘网络计算。根据华为与第三方机构合作预测,到2025年全球网络联接数将达到1000亿,增长幅度超过10倍。未来超过50%的数据需要在网络边缘侧分析、处理与储存,边缘网络将面临极大的挑战:业务的实时性挑战。对实时性要求高的领域,例如在生产控制领域,业务控制时延必须小于10ms甚至更低,车联网应用甚至要求时延低于1ms,如果数据分析和控制逻辑全部在中心云端实现,难以满足业务的实时性要求。

5G网络切片的实现需要部署边缘云。5G面向不同的应用领域,需要网络切片的支撑不同的需求。就是将一个物理网络切割成多个虚拟的端到端的网络,每个虚拟网络之间,包括网络内的设备、接入、传输和核心网,是逻辑独立的,任何一个虚拟网络发生故障都不会影响到其它虚拟网络。每个虚拟网络就像是瑞士军刀上的钳子、锯子一样,具备不同的功能特点,面向不同的需求和服务。部署网络切片,需要边缘云的支撑。

普京集团娱乐网 18

风险提示

1.
分布式AI产品推广展不达预期。打破互联网公司对数据的垄断的关键技术就是分布式AI,分布式AI算法尚处于开发初期,解决大规模移动端数据协同通信是难点,能否在移动端的推广部署存在不达预期的风险。

2.
区块链基础设施开发不达预期。区块链是解决数据隐私问题的核心技术,目前区块链基础设施尚不能支撑高性能网络部署,去中心化程度和安全都会对高性能存在一定的牵制,区块链基础设施存在开发不达预期的风险。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

相关文章

CopyRight © 2015-2020 普京集团娱乐网 All Rights Reserved.
网站地图xml地图