“区块链在人工智能中的综述”
Overview of Blockchain in Artificial Intelligence
人工智能（AI）和区块链是近年来最具划时代意义的两项技术创新。
- 人工智能（AI）：使机器和计算机能够模拟人类思维和决策过程。
- 区块链：一种分布式和不可变的账本，以分散和可信的方式安全存储数据和信息。
最近，科学家们开始探索这些技术在各个领域的潜在应用。在本文中，我们将简要介绍区块链如何与人工智能结合，这个概念可能被称为“分布式人工智能”。让我们来深入了解。
分布式人工智能：区块链在人工智能中的介绍
在过去的十年左右，区块链一直是最受炒作的创新之一，当它在其他领域找到应用时开始获得动力。自2008年创立以来，它不断发展成为一项具有颠覆性潜力的技术，有可能彻底改变我们存储或交换数据或信息的方式，以及改变我们追踪和跟踪交易或自动化交易的方式。
区块链最受关注的一个点是每个区块链交易都经过密码签名，并且持有整个交易链区块的挖矿节点验证每个交易，从而创建了同步、安全和共享的时间戳记录，这些记录无法被篡改。因此，区块链可以成为消除中央机构验证和管理网络上用户之间的交易和互动的需求的有效选择。
随着技术行业不断产生和生成大量数据，如物联网设备、智能手机、社交媒体和Web应用程序，这些技术创新对于人工智能的崛起做出了重要贡献，因为为了有效和高效地工作，人工智能系统通常使用大量数据进行深度学习和机器学习分析。
即使在今天，大部分人工智能模型和技术仍然是集中式的，尤其是基于训练数据对一组服务器进行训练的中央模型，然后使用验证或训练数据集对学习进行验证。有效训练人工智能模型的高要求是为什么主要技术组织和开发团队经常存储大量数据来训练他们的模型以获得最佳结果和性能。
大多数现今的人工智能模型和实践都是集中式的，尽管集中化为人工智能行业带来了很多成功，但集中式数据存储对于人工智能模型来说存在一个重大缺陷。当整个数据以集中方式存储时，数据篡改或数据损坏的可能性增加，因为集中式数据存储始终容易受到恶意软件和网络安全攻击的影响。此外，处理大量数据时，验证数据源的真实性和来源的可靠性是一个具有挑战性的任务，这可能导致模型的错误训练，进而产生不需要的、不准确甚至危险的结果。
数据存储对于人工智能模型的挑战是使用区块链在人工智能和分布式人工智能开发中的主要原因。分布式人工智能的主要目标是使用在区块链网络上以分散或分布方式存储和交易的数字签名、安全和可信共享数据进行过程和决策分析，而不使用外部第三方资源。
人工智能模型往往需要处理大量数据，科学家们已经预测区块链将成为数据存储的未来。此外，区块链具有智能合约，允许用户对区块链网络进行编程以管理参与生成或访问数据或进行决策的交易。基于区块链智能合约的自治应用程序和机器可以随着时间的推移学习和适应变化，并且可以做出准确和可信的决策，这些决策的结果由区块链网络的挖矿节点验证和验证。
区块链如何改变人工智能？
人工智能和区块链行业的一些缺点可以通过有效结合这两个技术系统来解决。区块链充当分布式账本，以加密签名的方式存储和传输数据，这些数据由网络的挖矿节点进行同意和验证。区块链网络以高弹性和完整性存储数据，几乎不可能篡改数据，这正是当机器学习算法使用区块链智能合约进行决策时，其结果不容争议且可信的主要原因。在人工智能中使用区块链技术可以为高度敏感的数据创建分散、不可篡改和安全的系统，这些数据可以被人工智能驱动的应用程序收集、处理和利用。通过在人工智能中使用区块链提供的安全性和可靠性，可以在各个行业中实现革命性应用，特别是像医疗保健和医院、金融、国防等更敏感的行业。
接下来，以下列举了整合人工智能和区块链的显著好处。
- 增强数据安全性
区块链之所以广受欢迎的主要原因之一是它提供了一种高度安全的方法来在网络上存储信息。区块链提供了一种替代方案，即通过存储数字签名数据在磁盘上存储敏感和关键信息，只能使用私钥访问。因此，使用区块链来存储AI算法的数据可以使AI模型能够处理敏感数据，从而得到更准确和可信的信息。
- 集体决策
在技术生态系统中，涉及的应用程序或工具必须相互协调，以实现最大效率的目标。区块链系统为决策算法提供了分散和分布式的解决方案，可以替代对中央机构的需求。消除中央机构将使机器人能够在内部讨论问题，对任何问题进行投票，并通过多数决定解决问题，直到达成一致的结论。
- 增强对机器人决策的信任
区块链以高度安全的方式存储数据，无法被篡改，从而确保数据在训练过程中的质量。因此，模型将在高度准确的数据上进行训练，从而增加模型的准确性。
- 更高的效率
导致涉及多个用户（如多个股东或利益相关者、政府组织和企业机构）的业务流程通常效率低下的一个主要原因是业务交易的多次授权。使用区块链和智能合约将使得DAO（分散自治代理）能够自动、高效、快速地验证不同利益相关者之间的数据或资产转移。
区块链在人工智能中的分类
在本节中，我们将讨论应用于人工智能应用中的区块链技术的一些关键概念，如下图所示。
分散式人工智能应用
当前的人工智能应用通常以自主方式运行，使用不同的规划、搜索、优化、学习、知识恢复和管理策略来执行知情决策。然而，将人工智能应用分散化是一项困难和具有挑战性的任务，原因有很多。
- 自动计算
人工智能应用的主要目标之一是实现部分或完全自主的操作，其中许多智能代理或小型计算机程序将感知和分析其局部环境，保持其内部状态，并相应执行指定的操作。
- 优化
人工智能应用的一个主要特点是它们能够通过在所有可能的解决方案中过滤一组理想解决方案来做出最有效和高效的决策，这是由于人工智能算法和模型的优化。优化技术旨在通过在系统级和应用级目标之间运行在受限或无约束的环境中找到问题的最佳解决方案。分散化优化将导致更高的效率和提高的性能。
- 规划
人工智能应用在与其他应用程序和系统协作解决新的或具有挑战性环境中的复杂问题时使用规划策略。规划策略在维持人工智能模型的弹性和效率方面起着重要作用。使用区块链进行规划策略可以导致设计更不可变和关键的用于任务关键系统和战略应用的策略。
- 知识发现和知识管理
人工智能应用以大量数据的处理为特点，并依赖于集中式数据处理系统。通过使用分散化，知识发现和知识管理过程将能够提供考虑到所有利益相关者需求的个性化知识模式。
- 学习
在人工智能应用的核心是使知识发现和自动化过程成为可能的学习算法。有不同类型的学习算法，如监督学习、无监督学习、半监督学习、强化学习、集成学习、深度学习模型等，用于解决不同的机器学习问题。使用分散式学习模型可以实现在人工智能系统的不同垂直领域支持本地智能的高度自治学习系统。
去中心化的人工智能运营
人工智能模型和算法通常会在大量数据上进行训练、测试和验证，以做出更好、更多样化的决策。然而，使用像数据中心、云和集群这样的集中式数据存储解决方案会成为开发高度安全的保护用户隐私的人工智能应用的主要障碍。以下是一些可被众多人工智能应用采用的顶级区块链实现。
- 去中心化存储
集中式数据存储解决方案在安全性和隐私性方面非常脆弱，因为这些数据存储解决方案涉及用户的个人和敏感数据，包括其位置、健康记录、活动和财务信息。区块链提供了分布式和加密安全的存储解决方案，覆盖参与应用程序和网络。去中心化数据存储解决方案使用节点，网络中的每个节点都保留一个以客户为中心的加密数据库副本，以确保客户能够获取数据。客户可以根据自己的需求和要求自由地使用和挖掘自己的数据。
去中心化数据存储解决方案中最常用的两种存储技术是分片和群集。分片是一种创建逻辑数据库分区（称为“分片”）的过程，每个分区被分配一个唯一的密钥，可用于访问该分区。另一方面，群集是一种使用“群集”来实现从网络中的多个节点并行访问数据，以减少人工智能应用中的延迟，从而实现更高效和流畅的性能。这些分片被组合在一起，形成了一个由群集形式的节点组在网络中支持的集中存储。
使用去中心化存储解决方案可以提高存储的可靠性和可扩展性，这是由于去中心化存储解决方案提供的多方地理分布。一些新兴的去中心化存储解决方案包括 Storj、Swarm、Sia、FileCoin、IPFS 等。
- 数据管理
开发人工智能应用的一个主要要求是以一种高度准确、相关和完整的方式管理数据，以从可靠和受信任的数据源收集数据集。传统上，人工智能应用程序和算法采用了数据分段、数据过滤和面向内容的数据存储等集中式数据管理方法，这些方法在网络中的所有节点上执行。与区块链网络提供的去中心化数据存储相比，集中式数据管理表现不佳，因为即使只对数据进行微小更改，数据重复的率也会很高，而且需要重复传输类似数据集的需求也会很高。
另一方面，去中心化数据管理方法是根据数据的时空属性在网络的节点级别上设计的。此外，为了维护数据的来源和安全性，去中心化管理方案可以将元数据放在区块链上。
用于人工智能应用的区块链类型
区块链技术可以分为两类：权限制的，只有经过授权的用户可以在基于云、联盟或私有设置的区块链应用中访问；无权限制的，任何人都可以通过互联网公开访问系统。
- 公共区块链
公共区块链属于无权限制的区块链网络类别，用户可以自由下载区块链代码到自己的系统上，修改代码，并根据自己的需求使用代码。此外，公共区块链通常是开源的，可供读写操作，并且易于访问。由于公共区块链对所有人都是可访问的，这些系统使用复杂的协议来确保安全性，而网络上的用户身份和交易隐私信息则使用匿名和伪名数据进行管理。对于数据和资产转移，每个公共区块链网络使用本机代币，也称为价值指针或加密货币。
- 私有区块链
与公共区块链不同，私有区块链网络是权限制的系统，由单个组织管理，设计为无权限制的系统，网络上的用户或参与者始终为已知，并且他们在网络上具有读写操作的预批准权限。私有区块链通常提供更高的效率，因为访问者的身份是已知的，并且他们是网络的预批准参与者，从而消除了在网络上验证任何交易所需的复杂算法和数学运算的需求。此外，私有区块链网络可以在网络内传输任何类型的资产、价值或本地数据。
就像在公共区块链网络中一样，私有区块链网络中的交易和资产转移的批准是通过多方共识算法或投票来完成的，这不仅可以实现更快的交易，还能节约能源。令人惊讶的是，私有区块链网络上的平均交易批准时间不到一秒钟。
- 联盟区块链网络
联盟区块链，也被称为联邦区块链，由一组组织操作，这些组织通常基于彼此共享的利益形成。联盟区块链网络通常由政府组织、银行和一些私有区块链公司提供。
就像私有区块链的对应物一样，联盟区块链网络作为权限系统运行，尽管网络上的一些用户具有读写权限。一般来说，联盟区块链网络上的所有用户都具有读取权限，但只有少数人可以在网络上写入数据。
用于人工智能应用的分布式基础设施
传统上，开发人员设计的区块链架构是线性基础设施，使用哈希策略和链表数据结构的组合。然而，最近，开发人员一直在研究使用排队信息和图论处理大数据的非线性基础设施，以满足实时基于人工智能的应用的需求。
区块链启用的人工智能应用
使用人工智能的分布式数据存储和数据管理
使用区块链与人工智能使开发人员能够开发支持不同技术创新相互交互的稳定系统，从而为安全的数据管理、数据传输和数据存储提供平台。下图展示了结合了区块链和人工智能技术的医疗行业的综合特性，其中包括分析、诊断、医疗发现和报告验证以及重要决策。
近年来，处理大量数据、指数级增长的算法和模型的计算能力以及用户对连接系统和应用的接受度不断增长，一直是人工智能和机器学习行业的首要任务。由于人工神经网络通常需要大量数据和计算能力进行训练，因此必须创建强大的数据中心来获取大型数据集。在审计过程中，区块链网络可以用于存储数据和查询信息，同时实现更高级别的安全性和隐私保护。此外，人工智能和区块链技术的整合将提供一个不可变、稳健、分散化的共识机制。
用于人工智能的分布式基础设施
区块链网络基础设施的引入为传统分布式架构增加了三个新特征：数据和资产的分散和共享控制、本地资产交换和不可变的审计追踪。当将区块链基础设施与人工智能技术结合时，基础设施为用户提供了新的数据模型，并提供了对AI模型和训练数据的共享控制，同时增加了数据的可信度。为了生成更好、更高效的数据模型，人工智能模型需要访问由区块链网络提供的大量数据。
像IPFS和以太坊这样的分散网络可以分别处理数据存储和大规模计算资源，从而提供具有高度隐私保护的防篡改记录。开源的分散式人工智能平台ChainIntel旨在消除大公司对人工智能服务的垄断。
分散式人工智能应用
集体决策和分散式智能可以应用于许多领域。例如，下图展示了将区块链与物联网和人工智能技术相结合以提高农田产量的特点和优势。物联网传感器可以监测土壤的养分水平，并捕捉可以帮助监测作物生长的图像。人工智能可以利用从物联网传感器接收的数据提供预测分析，使农民能够监测不同的条件。区块链的使用确保了网络上每个用户都可以访问交易记录，从而减少物流所需的时间。
上述图像展示了基于区块链的系统在无人自动化智能探测海底方面的应用。
上述图像展示了区块链和人工智能在金融和银行领域的应用，以及区块链和人工智能如何提高金融系统的效率、安全性和安全性。
结论
本文讨论了区块链在人工智能中的应用和用例。文章概述了去中心化存储的概念，以及区块链如何成为解决人工智能中几个问题的关键。接下来，我们还讨论了区块链在人工智能中的分类和相关技术，以及在区块链类型和基础设施、去中心化人工智能操作和协议方面的区块链实现的比较。最后，我们讨论了区块链在人工智能中的各种应用。
总而言之，可以说，在人工智能行业中实施区块链有潜力解决现有问题，如用户隐私、安全预言机、智能合约安全、共识协议、标准化和治理。
