区块链的五大挑战以及AI带来的四大机遇

也就是说， TPS由数据块的大小、共识算法运行的时间和广播并验证的时间共同决定 。值得注意的是，由于区块链采用去中心化方式验证交易，因此必须在多数节点形成共识之后才能完成验证，其后果就是目前的区块链在节点增加的情况下交易速度必然下降。比特币的吞吐率为3.3~7TPS，以太坊略高，但也只有30TPS左右。对比而言，使用中心化方式验证交易的VISA信用卡的持续吞吐率能够达到1700TPS以上（VISA官网宣称峰值可达65000TPS）。

• 安全性

区块链采用了去中心化的共识机制，本身的安全性是比较高的。然而，区块链由网络实现，因此其网络协议的各个层次均有可能受到攻击。例如Mt Gox 交易所曾因为钱包的安全性漏洞被盗走3.6亿美元，直接导致交易所破产。

更为严重的安全隐患来自于智能合约。 由于智能合约是具有图灵完备性的程序，因此其行为更加复杂，而且代码在分布式网络环境上运行时，潜在风险会大大提升。 目前的智能合约编程以Solidity语言为主，该语言成熟度相对较低，因此虽然代码由虚拟机执行，但攻击者可以利用溢出等情况侵入宿主电脑。同时，为了支持交易引入了跨合约程序调用等功能，易于遭受重入攻击 。典型案例是以太坊上的众筹项目DAO，它在2017年受到重入攻击，被盗走当时价值6千万美元的以太币。

• 易用性

智能合约的引入使得区块链在应用领域上升到全新的层次，形成了人类商业行为的一次革命。 但智能合约以程序形式体现，对一般用户来说具有一定难度 。在传统的线下世界，，大多数人都可以看懂合同内容，相当比例的用户则可以在律师指导下或参照模板编写简单合同。智能合约则不然，要求用户必须具备编程能力才能撰写合同，无形中又限制了其应用范围。

• 隐私保护

在大数据时代，保护数据隐私的重要性不言而喻。目前区块链公链上的数据大体来说是完全开放的。 因此，随着区块链应用的不断拓展以及其数据库应用比重的提升，如何在区块链上引入完备的隐私保护机制已经成为亟待解决的问题 。

1.2 人工智能及其挑战

根据人工智能先驱约翰Ÿ麦卡锡的定义， 人工智能就是 「 制造智能机器的科学和工程 」 ，其目的是设计制造能表现出人类认知能力的机器 。当然，智能的定义又是一个复杂的问题，业内一般认为智能其实是一种通过学习不断改变自身或外界条件从而适应环境的能力。

人工智能的领域很宽泛，机器学习是其中一部分，强调从历史中学习。过去10年中，以深度神经网络为代表的机器学习技术取得了惊人的成就，但应用的深入也使得人工智能技术开始面临一系列现实问题。

• 缺乏算力

机器学习技术，特别是深度学习技术，需要从大量样本（有标签或无标签）中提炼具有预测能力的模式。 因此，机器学习应用一般需要经历模型训练和模型推断两个阶段，其中训练过程通常计算量较大。人工智能企业目前依靠租用云服务或者自建计算集群解决算力问题，算力成本包含硬件成本、电力成本以及维护成本 。

英国的一份AI工业分析报告指出，当前训练一个模型平均需要1万英镑，而复杂深度网络的训练过程则更为昂贵。 因此，目前50%以上的人工智能公司都存在可用算力不足的问题 。

• 缺乏数据共享

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!