区块链的五大挑战以及AI带来的四大机遇

在人类社会高度数字化的今天，数据源并不缺乏，但数据分享的渠道却远未畅通。在绝大多数应用场景下，数据产生和数据分析属于不同利益方。除了搜索引擎、安防、电子商务等少数领域，AI企业并不直接掌控数据来源，只能与数据提供方合作获得数据。

因此，目前常见的提法是在人工智能领域，技术不如数据和应用重要 。 实际上，并非技术不重要，而是数据的获取往往具有壁垒。造成壁垒的原因很多，但其中最为关键的一个是无法保证数据提供方在共享数据之后能够共享利益。

• 缺乏可信性（可解释性）

传统工业领域并不乏使用模型的经验，金融、医疗、制造业中都有大量成熟的建模应用，在核反应堆行业购买特定模型是标准的商业模式。 然而， 传统模型和机器学习模型特别是深度学习模型存在显著差异，即AI模型的可解释性较差 。

例如，金融业中常用的传统风险控制模型可以在给出风险评估的同时，说明是由于哪些因素导致风险较大（例如信用分数低、现有借贷过多等）。AI特别是深度学习模型则具有 「 黑盒 」 特性，虽然其准确率可以很高，但难以说明其推理过程，造成决策的可信性不足。

• 缺乏通用智能

人类仍然处于人工智能的早期阶段， 目前成功的AI应用主要集中在图像和语音识别领域的监督式学习以及针对确定性环境的增强式学习 。其中，监督式学习普遍存在需要大样本量、高质量标注的问题，而增强式学习对计算量的要求又过高。 相比 人脑智能，AI首先缺乏非监督或半监督学习能力，其次泛化能力较差，无法形成举一反三的效果。不仅如此，AI的常识和推理能力不足，缺乏 「 learning to learn 」 （自我学习解决问题）的能力，难以进行高层次认知活动。

• 缺乏隐私

机器学习对于数据隐私具有双刃剑的作用， 一方面机器学习技术也带来了盗取隐私的新手段，另一方面针对机器学习模型的隐私窃取技术（例如窃取模型参数和训练数据）也在快速出现 。

02

人工智能给区块链提供的机会

上一部分介绍了区块链目前面临的主要挑战， 人工智能确实能够为应对其中一些挑战提供新的思路，特别是在智能合约处理和挖矿函数设计上潜力极大，也有人认为AI能够为区块链提供自动治理能力 。在本文这一部分，笔者讨论人工智能为区块链提供的机会。

1.安全验证

（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!