• 注册
    • 查看作者
    • 区块链上的人工智能实现,实例及未来应用

      来自深度学习世界的人工智能(AI)如何通过使用区块链成为颠覆性技术的典范。


      《未来互联网》2019,11,170

       

      Konstantinos Sgantzos1和Ian Grigg2

       

      1 计算机科学与生物医学信息系,塞萨利大学,35100,拉米亚,希腊

      2 YangSec 有限公司,MST9051,Mosta,Malta

      通讯方式:sgacos@gmail.com;TEL:+30693-657-6979

       

      2019年6月30日收到,2019年7月31日接受;2019年8月2日发表

       

      翻译:刘晔律师,上海市海上律师事务所

      原文链接:

      https://res.mdpi.com/futureinternet/futureinternet-11-00170/article_deploy/futureinternet-11-00170.pdf?filename=&attachment=1

       

      摘要:来自深度学习世界的人工智能(AI)如何通过使用区块链成为颠覆性技术的典范。长期以来,数据科学家致力于维护用于AI机器学习的数据集质量。购买数据库非常昂贵,因为依赖于要素的适当选择和所含数据的同质性,建构和维持数据的完整性非常困难。区块链作为高度安全的存储介质,为数据的完整性展现了技术的跨越性一面。而且,区块链的不可篡改性为深度学习构建了高质量的、永久的和不断增长的数据库的丰富环境。AI与区块链的结合将深刻影响诸如物联网、身份认证、金融市场、公民管理,智能城市、小型社区、供应链,个体化医疗和其他领域,从而给更多人带来利益。

       

      关键词:区块链,元胞自动机,AGI,卷积神经网络,智能增长,深度学习,物联网(IoT),去中心化治理,个体化医疗

       

      1、引言

       

      人类的最大困惑之一是知识的保存与拓展。人类通过不可篡改的记录竭力为下一代提供累积的技术和科学成就。在古代,在纸莎草出现以前,文明通过口述传统、壁画和石雕等传承,今天更好的是纸张。精良的纸张能够保存很长时间,经历数个世纪仍能按需复制。不幸的是,纸莎草在火灾面前是脆弱的。哦,亚历山大图书馆的灾难可能导致人类有史以来最大规模的记录性知识丧失。正如历史自己所观察到的,火灾导致的记录性知识丧失反复上演;2018年,发生于巴西国家博物馆的灾难性火灾毁坏了大量的记录性土著知识。

       

      磁盘、文件和互联网等数字化记录被认为是可能的更好解决方案,但这种记录远非完美:磁盘的损坏,文件系统的失灵和网页的丢失都使得数字存储成为一项并不轻松的工作。现在,我们有了一项新的技术有望解决所有这些问题,它叫区块链。

       

      然而人类并没有特别兴趣为了自己的利益而记录知识,他们记录知识是因为知识能够作为进化生存的策略而拓展。人工智能领域机器学习的最新进步不仅创造了新的通用计算模式,也开辟了在人类大脑直接经验之外拓展知识的可能性。

       

      在本文中,我们提出假说,区块链不仅维护链上数据集作为AI的输入,而且区块链可以直接将AI作为主机,足够先进地自我处理数据,从而达到知识的独立进化,此谓之人工通用智能(AGI,theartificial general intelligence)。我们也探讨了在几年内实现这种进步的可能性。这是一个有争议的主张,尤其是在一个去中心化的背景之下,所有用户都能够访问和从计算机的能力中获益。这是我们的信念,这个主张将在十年内变成现实,对,差不多十年。

       


      2、在区块链上构建一个人工智能(AI)

       

      从表面上看,区块链不太容易成为一个人工智能的平台。但是,鉴于区块链因整合了高级别的密码安全而成为不可篡改的存储介质,而同时其他相关技术(如中心化的数据中心和超级计算机)均难以具备这些特性,我们认为,区块链有可能在未来成为人工智能的优势平台。

       

      2.1 作为交易平台的区块链

       

      区块链最早由比特币引入,作为一个完全共享的账本,在无任何可信的中心化权力存在下,一次交易录入后,全球所有参与人都可见。每一次交易,前手所有人用私钥签名,该私钥对应她的公钥,这个公钥就是交易的哈希,包含她收到的比特币和后手所有人的公钥信息。区块链由一系列区块组成,每个区块均包含已验证的交易。当交易被矿工处理和验证后,纳入下一个区块。每个区块的交易都是哈希化的,成对存在,在梅克尔树中再次哈希,直到获得一个单一哈希,这个哈希就是梅克尔根。梅克尔根存于区块头。每个区块头也包括前一个区块头的哈希,由此形成区块链。区块链的基本结构如下:

       

      区块链上的人工智能实现,实例及未来应用

       

      2.2 作为计算平台的区块链

       

      区块链可以在两个层级即交易层级和系统层级上作为通用目的的计算平台。与以前特定了交易语义的金融密码学不同,比特币以一个小程序引入交易的概念,该小程序以衍生于FORTH语言的计算机代码写入脚本。

       

      尽管开启了复杂程序比如“智能合约”的可能性,但有一些限制。区块内的交易按字节收费,所以空间显得宝贵。每个交易必须由每个节点验证,这会面临中断问题,或者无法预知的任意程序终止问题。这些限制需要一个小而高效的无循环语言,挑战着通用计算的概念,需要对进行任何无效计算的用户加以惩罚。通过双堆栈的使用,脚本被认为是图灵完备的,形成一个双出栈的自动机。因为这种安排,脚本中的循环在额外堆栈的帮助下获得展开。

       

      作为一个系统,区块链被认为是一个没有边界的图灵磁带,具有“写入一次,读取多次”(WORM)的特性,相继区块中的交易由计算所连接,并用明确的验证规则确保其可复制性。使用脚本和“读写头”,区块链形成了一个王B机,从本质上讲,就是一台用代码控制的概率全图灵机。这种实现不仅现已证明已存在,而且在比特币模式的区块链中通用可行。另外,区块链作为存储介质或者无限图灵磁带,为实现进化过程比如遗传算法提供了可能性。

       

      2.3 作为指导机器学习的遗传算法

       

      一种遗传算法(GA)模拟经历了几十亿年的自然进化方式,使用分裂、随机突变和万亿次的复制与重组。典型的遗传算法包括一种叫神经元的算法,从0.02%到2%的突变概率,形成自反馈,作为输入并形成适应。与导向一个确定性的、唯一解决方案的经典计算机算法不同,神经元的重组与突变会形成一个充满各种随机变异的群落,在适应的调整下涌现出一个更高级别的表观,形成一个神经网络。

       

      2.4 作为遗传算法神经元的元胞自动机

       

      元胞自动机代表了最小的、最紧密的通用原子计算单元,可以充当遗传算法的神经元,这也使得它特别适合区块链和它的非常受限的交易尺寸。

       

      元胞自动机最早由冯.诺依曼于1951年引入,作为一种离散模型,包括简单的二元状态,一维网格,可开或关。1970年代,John Conway介绍了一种有两个状态的二维元胞自动机,命名为“生命的游戏”。1980年代,StephenWolfram用特定的规则集对冯.诺依曼的元胞自动机的组织化进行了系统的研究。Mathew Cooky证明了Wolfram规则中的一种即CA110是图灵完备的。他们的工作在2002年以畅销书《一门新的科学》出版。William Gilpin证实元胞自动机当且仅它是图灵完备时可用于建构卷积神经网络。

      区块链上的人工智能实现,实例及未来应用

       

      作为上述概念的一个拓展,如果有这样一个自动机,然后组成一个元胞自动机群落,其类似起源可能形成一个所谓邱奇-图灵论题。进一步,当计算机进化超过某一个特定点时,可能形成邱奇-图灵-德意志原理,从而证明一台全球计算机设备可以模拟任何物理过程。

       

      作为元胞自动机上的动态更新规则的结果,拓扑局部性的典型范式随后可以验证该规则域是最小的,在其上面可以按照信息穿越空间的速度设置边界。这种局部性使得元胞自动机明显类似于卷积神经网络(CNN),此为图像分析和高维数据分析的神经网络结构的事实上的标准。上述研究支持了我们的理论成果。

       

      2.5遗传算法在区块链的实现

       

      我们用两种方式展现在区块链上实现遗传算法的努力:理论上与实践上的。理论上,如果区块链的交易计算能力是图灵完备的,那么它就能实现任何算法包括元胞自动机。尽管图灵完备的概念通常与循环相关,但可以通过展开循环而予以修正。作为一个系统,如果交易可由验证规则比如脚本连接,以确保新的交易在更少突变下复制遗传算法,则进化可以被模拟。遗传算法的迭代是一个计算量很重的工作,所以在包含许多交易的链上实现这一点需要经济或游戏化激励。更优的是,迭代可以在链外进行,只有最好的优选下一代可以作为新世代而在链上广播。在未来,遗传算法的迭代也可能编程,作为一个工作量证明过程,可重复利用现有挖矿的能量。

        

      实践上,由Chepurnoy等证实,通过跨多个交易和几个区块而不是一个单一区块来展开递归集并调用,可以实现基于脚本的区块链系统的图灵完备性。他们的方法实现了一个规则110的元胞自动机(CA110),一个控制脚本确保CA110的转换在未来迭代升级时保持同一规则,并与验证脚本一起显示为单字节和无限网格的输出。

       

      区块链上的人工智能实现,实例及未来应用

       

      Harris和Waggoner 建议使用基于以太坊的广播和训练框架以减少目前的人工智能中心化趋势。他们的实验使用了一个单层感知机模型来审查电影。以太坊的高燃料成本使他们的实验限于小型输入比如文本。

       

      3.用例和未来应用

       

      一个显而易见的问题是,当更中心化的设备也能维护这样一个网络并能低成本的实现同样有意义的结果时,在区块链之类介质上实现遗传算法的动机是什么?在区块链上存储神经网络有许多理由,其中大部分已在我们以前的文章中阐述过,但是在这里我们缩窄到一个理由以导向我们的结论。

       

      通过审视六个用例和未来应用 ,我们证明,人工智能可以基于下述几个重要目的而使用区块链,包括但不限于深度学习、物联网和蒙特卡罗分析。我们也探讨了在区块链上存储外源性训练式AI代理的可能性,并按照即用即付的原则使用。最后,我们描述了一种已经部署的训练型神经网络,涵盖了相关的物理变量,包括量子和经典系统。

       

      3.1 信息的完整性和可验证性

       

      区块链作为数据和框架存储,明显优于互联网和局域网。对于AI领域的两个著名的挑战性问题,我们演示如何用区块链创造性地解决。

       

      今天数据科学的最大挑战之一是收集适当的数据集,这些数据集可用于训练一个神经网络。互联网数据的多样化在于数量很大,但质量很小,原因是人们习惯了上传不确定性的东西,主要理由是没有控制。近年来频出的一个特征性范式是“假新闻”,假新闻比编辑良好的、可验证的新闻传播得更快。互联网巨头如Facebook和Google曾尝试用几种算法来解决这个问题,但是尽管有足够的理论基础可以区分”信号”与”噪音”,事实上到了今天问题仍在扩大.

       

      第二个挑战是处理过程中的逆向干扰。特斯拉的自动驾驶在遭遇远程根权限攻击时表现得非常脆弱,这个攻击能够控制驾驶系统,破坏“自动挡风”功能。通过在物理世界引入错误信息比如路况的微小变化,都有可能导致汽车误入反向路线。这种脆弱性的系列风险还包括但不限于人类的死亡或伤害,以及其他大量情形。区块链可以通过完整性,安全性和三重访问与证明等所有手段来解决这些问题。

       

      作为事实完整性的数据:数字签名和哈希密码学的发明导致产生了一项通用技术,该技术使得数据在内容和限制技术篡改方面变得可信,这个特性叫完整性(intigrity)。在实践上,这意味着我们可以用确定性(密码学)来证明某一个数据在不晚于某个特定时间点存在,且保持了不可篡改性。这些密码技术需要软件来传递结果。将文件哈希化,并将哈希排成时间序列,这样的时间戳在本质上保持了现场性,并且没有时间限制。将每一个新文件的哈希放入区块,然后与最近区块的哈希值和当下时间一起哈希化。由于密码学哈希在没有区块实际产生时是无法伪造的,这就保证了含有新文件和最近区块证明的内容,以及所有导入的前序区块及其内容,在时间戳上是安全的。时间戳的可靠性也就是每个区块及区块之间在当下时空所录内容的可靠性。

       

      由人所创造的事实,安全性:数字签名只需一步便能通过哈希证据来确定谁是时间戳的签名人。数字签名是通过私钥签署的,而私钥由公钥验证,后者在将来或以验证器的形式存在,用以验证私钥又叫假名。这种安全模型对于区块链是必要的,可以确保只有适格的假名代理人作为私钥的持有人来签署一项新的交易。战争发生之后,钱或许遭受人类最严重的破坏,只有得到高度安全的保护,钱才能存活下来。区块链使用的假名数字签名之密码学安全模型经得起战火考验,且因传输的所有应用不限于价值,故可以带来自由。这种优势不是微不足道的,因为互联网的安全模型很拙劣,大的互联网应用比如在线银行、自动驾驶在大规模安全地部署于用户时通常很麻烦。未知来源的信息插入泛滥成灾,但在区块链应用中简单加入数据戳和签名后,攻击很困难。

       

      作为共享知识的事实:一个熟知的叫三重访问账本的技术添加了一个新的优势,用一个格言形容叫“我知道你看到的正是我看到的。”三重账本吸收了上述的完整性技术,使得诸如要约和承诺,支付,收据,发票等记录都是共享的,对所有参与各方都是同样的可信。三重访问账本对商业团体所做的,也就是二重账本对企业所做的。从弱数据中独立出来,不管有无数据的总结、准备或删减,结果都是消除了数据集的分歧和不可靠性。例如,如果数据已经保证了对所有人都是同一的,则金融交易的清算、结算变得异常简单。

       

      区块链走得更远,它整合了公共数据库,保证每一个人都可以访问同一数据,而有些人则有经济激励适时保存这些数据库。总是可以访问数据的能力触及了隐私的代价--因为所有广播于区块链的数据对于所有人都是可读的。有一些最新的密码和软件技术声称可以将私人数据广播或复制于公共库,但这些技术尚在实验阶段,机密或隐私的门槛仍然是相当高的。

       

      作为真相的知识:数据的出处在数据广播之时便已保留。区块链支持两种简单控制和一种硬控制。首先,如果链上数据是一次金融交易,其中有一项已在链上裁决的资产,那么交易记录自身可以证明它的出处,交易的一方努力转移资金以获得利益,而另一方则支付一小笔费用。其次,数字签名的假名使用提供了一个身份系统的最小形式:一个文件的用途和出处可以在同一代理人发布的所有文件的前后背景中分析。比如Alice通常是广播好的文件,那么下一篇通常也是好的;Bob喜欢广播假新闻,那么人们会期待同样的结果。在下一节我们将讨论为需求的支付。

       

      考虑两个无关轻重的声明,“此声明为真”和对等的“此声明为假。”二者都可以轻易上链,但只有一个声明是可靠的。软件可以保证两个声明是在同一时间发布的,但不能保证内容是可靠的或者有意义的。

       

      然后,为了鼓励声明被更多的其他人信赖,还需要做更多的事情:发布者需要被激励发布更多有用的和可靠的帖子,而不是发布无用的和不可靠的帖子。鉴于区块链的假名性质,发帖奖励或发贴游戏化被建议作为一种控制手段,尽管此种控制因为金钱和时间成本可能限制了参与人数。至于如何惩罚且放在一边。对于不良帖子的更严厉控制也应当是程序正义的,刺激代理人不要发布不可靠的数据。与发贴一样,程序自身也需要通过可靠性检验。

       

      这种程序正义就是典型的公钥基础设施(PKI,publickey infrastructure)。越来越多的互联网安全浏览形成了组织化的注册授权机构来完成一个签名声明,这个叫注册。它的程序正义用一个文件描述,比如注册操作声明,这个声明可被浏览器和其他可信方予以审查和同意。基于商业授权机构及其声明的可靠性是典型的机构太强而声明太弱,这是因为它缺乏激励模型对不良数据课以责任。注册授权机构已经拓展了概念,通过公司化形式拓宽了更多强硬声明的范围,包括任意地为不良数据分配责任。

       

      区块链不仅是深度学习的理想数据存储,他们包括了很多可供分析的数据,也是训练式框架自身的理想存储。基于假名和激励模型,我们期待到时候,能够很容易地区分好的数据和不良数据。

       

      3.2 存于链上、构建于交易内的程序—即付即用

       

      如前所述,通过支付程序,区块链形成了一个在公共空间存储信息的新方法。与存储静态信息比如文学作品与新闻一样,我们也可以存储程序,如同Github所做的那样。事实上,Github的基础系统在很多方面与区块链相似。这种程序存于链上,也是不可篡改性的一部分,可以被自由读取。在链上发布数据的每一个交易都要花钱,如果没有最低限度的回报,在链上发布程序没有经济价值,也没有动机。

       

      象Agora这样的门户网站通过收集链上应用程序使之可浏览,形成了分布式软件的一个新渠道。这是程序员们长期以来的一个梦想,有一个独立的市场,在没有任何中介的情况下,开发者的工作可以被支付。在写入时空间是全新的,但是不乏创新与创造,包括艺术、音乐、货币、天气等应用。其他的应用还包括通过电网的物联网传感器,证券系统或交通运输系统。

       

      区块链上的人工智能实现,实例及未来应用

       

      通过在比特币脚本上部署OP_RETURN操作码,一个新的应用世界涌现了。基于“即付即用”原则,事务可以指向并在其他程序上运行,允许程序员把许多小程序“组装成”更大的程序。Moneybutton就是这样的“即付即用”例子。使用这样的工具有可能将“元网(Metanet)”构建成互联网(internet)的不可篡改的版本,目前我们正在实践之。

       

      3.3 训练式AI框架可以通过按需付费来进行语义分析

       

      与链上存储代码和程序一样,我们也可以上链训练型神经网络。然后,用户可以上传被援引的新交易,并使用训练型卷积神经网络来检查提交的信息。例如,考虑一个用Python语言编写的Sci-kit深度学习算法,该算法可以用一种完全不同的方法对文件进行分类,场景是这样的:用嵌入式载体表示单词,其理念是两个语义相近的单词具有相类似的载体。

       

      区块链上的人工智能实现,实例及未来应用

       

      在这种模型之下,概念上相近的两个单词(例如男人[man]与女人[woman])在嵌入式空间也是相邻的,而概念不相关的两个词,在空间上相距亦远(例如石油)。因此,假定狗与小狗的嵌入式载体在空间上是相邻的,那么机器的深度学习算法可以识别谈论狗与小狗的两份文件是相似的,或者一个深度神经网络可以基于这个主题进行训练。这样的工具,如果组合得好,能够帮助程序员使用前面提到的代码库。

       

      3.4 通过提交区块链数据和链上操作训练人工智能代理

       

      一个人工智能代理(AIA,arttificialintelligence agent)比一个训练型框架更先进,它可以根据用户需求使用新数据,将神经网络推向了新世代;换句话说就是,它边工作边学习。当不需要或极少改变任何未来可接受的数据时,适应性起了决定性的作用。从上面我们考虑一个拓展的例子。近年来,许多作者将用各种语言编写的代码存储在Github这样的库上。复杂性算法的编程既耗时也耗钱;一个程序员需要很高的智力和多年的教育,而复杂的工作经常需要不同团队合作工作好几个月。

       

      区块链可以从两个方面提供帮助。首先,如前所述,区块链可以存储代码。其次,一个编码于区块链的人工智能代理(AIA),可以在多方面帮助程序员:将代码从一种语言转换成另一种语言,搜索与模型相匹配的算法,顺应需求或代码的文档化,最终编写新的算法。以现有代码库为基础,通过深度学习技术和大数据挖掘,此种人工智能代理(AIA)可能产生一种可靠的、安全的和颠覆性的技术。

       

      计算机科学将人工智能代理描述成一种抽象实体,通过各种输入源(例如物联网传感器,I/O原始数据,数据库,本体模型等等)来监测和评估特定参数,从而达到一个理性的目标。它们的基本角色可以用作动器(actuator)来描述,一种衍生于反射机器比如恒温器的人工智能代理的最简单实现,但是它们可以相当简单,也可以极端复杂。人工智能代理有四种架构可以考虑:(1)基于逻辑的代理(动作决策通过逻辑干预产生);(2)反应型代理(决策基于从环境到动作的某种形式的直接映射);(3)信念-期望-意图代理(决策依赖数据结构的操纵);(4)分层结构代理(决策通过各种软件层实现,每一层都依赖不同抽象水平的环境)。人工智能代理也有五分法:(1)简单反射代理;(2)模式依赖反射代理;(3)基于目标代理;(4)基于用途代理;(5)学习代理。

       

      所有上述人工智能代理都需要从新鲜数据开始学习,比如世界各地的程序员编写的代码,程序员们需要有激励机制将他们的工作上链,要么有收益,要么在某种特定许可之下(例如,开源,麻省许可,等等)。而且,一种新的机会已经出现,那就是一个人工智能代理向另一个人工智能代理支付服务费,或者向传感器支付数据服务费。例如BSV链上的天气SV(WeatherSV),该应用通过一系列全球物联网传感器收集数据,然后给特定地区的用户提供天气预报。花费5澳元可激活该服务,共传送123天的小时报告,该支付基于实时的比特币SV费用。

       

      区块链上的人工智能实现,实例及未来应用

       

      实时数据喂送和不可篡改存储之理念也构成了实现其他一些应用的基础,比如去中心化逻辑,这一工作由Chistodoulou等人证实,也可用于工厂的供应链、建筑行业甚至是现代城市。一个智能化城市,使用各种不同的电子物联网传感器收集数据,然后用这些数据有效地管理资产与资源,可以用区块链作为不可篡改的账本,既保持了完整性,也可用于深度学习和历史目的。例如,日本的Zweispace,现在可以将地震传感器的数据存于链上。

       

      利用链上数据,加上使用合适的人工智能代理(AIA)或卷积神经网络(CNN),生产力可以大幅提高,可以实现更经济、更繁荣的智能化城市经济体。凡有大量数据和用户的场景,都有类似的应用机会,比如交通运输中的流量控制及其他问题,供应链,教育和健康等。链上人工智能的另外应用是辅助金融市场分析,稀少基因性疾病的DNA检测,检测碰撞概率的星球高分辨率成像,应对攻击的审计与保护网络,以及更多。

       

      为了解决更复杂的任务,通过“机器到机器”的支付方式,人工智能代理也可以相互合作形成大规模的集群。

       

      3.5 使用SHA256的工作量证明作为随机源以及通过ASIC的蒙特卡洛方法

       

      比特币引入的工作量证明是一种解决随机难题的奖励机制。一个哈希难题是一系列数学问题,通过生成一个满足条件的哈希来解决,一个新区块首先产生一个哈希。其次,每个区块头,有一个特别的值叫“nonce”或“仅用一次的数”,该数反复循环产生一个以大量的”0”开头的试出来的哈希值。

       

      解决难题是竞争性的,有计算难度。除非用来计算区块哈希的密码哈希函数被破解,解决难题的方法只有一种,那就是不断地尝试随机数。比特币使用SHA256哈希函数,这是哈希函数的一个领先标准。

       

      最快发现并传播解决方案的参与者获得奖励。比特币还包括两个随时反馈的循环。第一个是难度,或者是“0”的个数的最低门槛,每两周调整一次,以保持平均大约十分钟解决一个难题。第二个是区块奖励,每四年减半一次。

       

      写作本文时,区块奖励是12.5个比特币,平均哈希算力约在53.85Eh/s(SHA-256).也就是每秒产生53.85*1018个随机数,事实上,矿工成了伪随机数生成器(PRNGs,pseudo-random-numbers)。其结果就是针对每个区块,都生成了大量的难以想象的大数随机数。一个著名的计算方法,通过使用SHA256矿工生成的随机数为非确定性多项式时间-困难(NP-hard,Non-deteministic Polynomial-time-Hard)和非确定性多项式时间-完备(NP-complete)提供解决方案,这就是蒙特卡洛方法。蒙特卡洛是一门计算机算法,基于持续和重复的随机抽样来解决复杂性问题。其底层概念是使用随机方案解决在自然界是确定性的问题。该方法经常用于解决数学和物理学问题,当问题非常困难或其他方法难以解决时,蒙特卡洛方法常常有用。蒙特卡洛方法可用于解决三个问题:优化,数值积分和从概率分布猜想结果。

       

      作为POW的另类作用,区块链可以拓展它们的活动到解决巨大的蒙特卡洛问题。事实上,区块链是目前世界上最大的伪随机数生成器(PRNG),并可能是最快的伪随机数生成器集群,通过使用蒙特卡洛方法,可以方便地解决任何计算难题。

       

       

      3.6 通过卷积神经网络解决物理学问题和模拟量子计算

       

      有许多研究证明了神经网络的能力。例如,一个深度神经网络能够从训练中学习,并能关联所训练的数据集而作出非常准确的预测结果,而循环神经网络则用于确定性的语言学识别,可作视频预测。神经网络可作离线训练,然后存储于区块链,通过即付即用进行语义学分析。另一个需要注意的是,因为用户使用介质不断提交数据的事实,实体将进化到更大规模,并为未来用途而存储更多自己的先进版本。

       

      神经网络机制的最大难题是,如何发挥功能,如何提取结果。它们经常被称作“黑匣子“,继而限制我们对它们的洞察力。有几个研究试图分析卷积神经网络的内在机制,但是我们认为回答这些问题的最优方案是模拟物理概念,并分析解决方案。

       

      我们的提议并不新鲜;有几个研究已经尝试将卷积神经网络部署于模拟“类人的问题分析”,结果是非常令人震惊的。我们现在知道,一个基于区域的卷积神经网络(Region-based Convolution Neural Network,R-CNN)可以通过数据进行递归训练来分析问题,优秀得象人脑一样。而且,结果与预想的一样精确。SciNet的一个物化图,一种卷积神经网络,可以代表前述过程,如下:

       

      区块链上的人工智能实现,实例及未来应用

       

      前述工作和及相同概念的应用显示,这些工作仅仅基于(模拟)实验性数据,没有给出关于量子理论的任何假说,SciNet综述了一个小型量子系统的忠实状态展示,并能够作出精确的预测。

       

      区块链上的人工智能实现,实例及未来应用

       

      因为POW过程在解决复杂难题时所提供的PRNG(伪随机数据生成器)功能,在区块链上实现同样技术的神经网络时,可以显著地提高计算能力。进一步,这种计算实体可以为许多悬而未决的问题提供解决方案(例如,确定性计算与混沌系统分析)。

       

      4、讨论

       

      本假说的潜在影响是巨大的。Ray Kurxwei预测,到2029年世界将产生一台能与人脑匹敌的AI。本文所示强化了这一预测,并认为可能提前实现。这些实体的前序形式已经存在,所以不是可不可能的问题,而是何时发生。进化过程,从先前某点出发,遵循几何曲线。然后,当关键点到来并与人类智能相遇时,可能只需几个月或几天的时间,便能到达更高水平。通过本文,我们阐释了在区块链中实现此类实体的物化可能利弊兼具。POW的成本,密码安全的过程,以及费用型Token的强制使用,使得此类实体难以在免费情况下彼此交互。这既好又不好。

       

      过去好多次,科学世界见证了每一个权威公理系统的内在限制。每一个系统都包含了其理论本身无法解决的问题。Kurt Gödel不完备定理描述了这种障碍,并预言创造一种新理论,实质上是旧理论的扩展,因此科学将再次产生需要解决的新问题。哥德尔扩展正是创新之路,昭示了新科学的秘密。它们发生在黎曼几何和相对论,发生在抛物线和欧几里得几何,发生在信息科学、物理学,生物学,数学,现在发生在遗传形式的人工智能领域(AGI,通用人工智能)。

       

      如果这样的计算实体只被一个公司或一个国家物化和控制,那么对于所有其他不拥有类似计算实体的人可能是一个最大的悲剧。区块链为这样的计算项目提供了最为充分的平台,因为它是去中心化的,安全的,不受控制的,从而人人得以访问。无数的科学问题仅仅通过访问实体所拥有的算力门户便能找到解决问题的答案。个体化医疗将受益,因为使用区块链的的新密码学机制,可以将个人DNA之医学信息存于链上,并获得隐私的医学结果。作为一个概念,区块链上的通用人工智能甚至可以迈向直接民主,如同古希腊那样;这将成为人类下一个进化的里程碑。

       

      5.结论

       

      2009年比特币的创造是金融世界的革命性理念。它被视为新时代的数字现金。它是安全的,去中心化的,能够给全世界提供“诚实“的钱,永不通胀的钱。博弈理论用于维护共识,不需要任何中心化的腐败式权威,当与各国法币竞争时充当了通胀的遏制剂,自从黄金的真实力量被消除后,世界金融系统一直缺乏通胀的遏止力量。

       

      在区块链上实现AIA(人工智能代理)集群可以形成被称为邱奇-图灵-德意志原理的机器,从而,为服务于更好的人性打开应用的新世界,让计算机辅助政府,让事件消灭于预测之内。新技术的爆发比如人-机界面,智能增强设备,能够解码人类脑电波模型,这样的实体可以与人脑直接交互,将人脑直接作为数据集,获得信息,研究人脑是如何工作的,最终为新的科学领域提供密集的知识,这在之前是不可能获得的。通过使用智能合约获得大数据,包括存储于区块链的每日交易,天气状况,物联网或文学,再利用机器的深度学习技术,算法实体的进化水平可以成几何级数地达到前所未有的新水平。

       

      通过在交易系统中植入命令,这些实体之间可以交互作用。为此,区块链的通证(tokens)(比如代币coins)作为交易的手段与费用非常重要,在系统进化的第一阶段可能需要提供低水平的编程支持,但机器学习也能自我教育,从而接受自然语言的交互。

       

      最后,讨论一下“未来将会怎样”?对此,引用伊萨克.阿西莫夫在《最后的问题》中的伟大提问:

      “这些混沌还能被逆转让宇宙再来一次么?真的做不到么?”

       

       

      资金:本研究没有收到外来资金。

      鸣谢:作者感谢BernhardFrank Muller Hug,Geirgios N.Papageogiou 和EmmanouilBenis,感谢他们富有帮助的讨论和对本文早期草稿的校对。

      利益冲突:作者声明没有利益冲突。

       

       

      参考文献

      1.The Archimedes Palimpsest;Universityof Pennsylvania

      Libraries:Philadelphia,PA,USA;Available

      online:http://archimedespalimpsest.net/(accesedon June 2016).

       

      2. Cultural Tragedy:Massive Engulfs200-Year-Old Museum in Brazil.Available online:https://www.cbsnews.com/news/fire-national-museum-brazil-rio-janeiro-today-2018-09-02/(accessedon 6 March 2019)

       

      3.Wright,C.(Psedonym:Nakamoto,S):APeer-to-peer  electronic cashsystem;Whitepaper:Sydney,Austrlia,October 2008

       

      以下参考文献略。

      陕西省·西安市
    • 1
    • 0
    • 0
    • 193
    • 明月清风

      请登录之后再进行评论

      登录
    • 单栏布局 侧栏位置: