資料、算力、演算法，人工智慧+區塊鏈的三大機遇
9月16日，巴位元在上海舉辦了第11期《Chainge》技術沙龍，同濟大學區塊鏈俱樂部等協辦支援，主題是“區塊鏈+人工智慧”。搜狗輸入法之父馬佔凱、比原CTO朗豫、JarvisPlus創始人佘澤鵬、CONNECTOME Founder Ishii等嘉賓受邀分享各自觀點。
彭博也是分享嘉賓之一，他是《深度卷積網路：原理與實踐》一書的作者，Blink•稟臨科技聯合創始人。在《深度學習與區塊鏈的融合：機遇和挑戰》的分享中他認為，深度神經網路像是一個黑箱子，藉助資料、算力和模型（演算法），它會給出驚豔結果，比如戰勝人類圍棋冠軍的“阿爾法狗”。
在這些層面，區塊鏈技術可以扮演重要角色。比如資料上區塊鏈可提供資料來源、儲存、安全保護、清洗標註、防造假等。算力上則能提供大規模平行計算、資料隱私保護等能力。彭博認為，在物聯網領域，區塊鏈與AI的融合必要性更強，基於區塊鏈協議與專用硬體晶片的物聯網也許會成就下一代網際網路。
以下是彭博分享，經巴位元整理：
可能很多人瞭解人工智慧是因為Google DeepMind研發的AlphaGo（阿爾法狗），它採用了深度卷積網路，模擬並超越了人類。而深度卷積網路（DCNN）是深度神經網路的重要類別。卷積神經網路是一種目前流行的神經網路架構，受生物自然視覺認知機制啟發，擅長處理影象，特別是影象相關的機器學習問題。
上面是卷積神經網路生成模型的案例，往卷積神經網路輸入大量明星圖片，讓它學習，它會自動發現明星圖片之間較為合理的插值方法，隨機生成新圖片，過程無需人類知識。有一些瑕疵，但總體來說，效果非常驚人。
卷積神經網路如何識別影象資訊？
我們說人的思維規律可以分兩類。一類是邏輯規律，比如平面上三角形內角和是180度；另一類是統計規律，比方說看到烏雲就知道可能要下雨。人的直覺更像是通過統計規律思考，舉個例子，我們看到貓的圖片立刻可以判斷這是貓，我們不會去思考貓的耳朵、臉等特徵的定義後再下判斷。這個問題上我們不是根據邏輯規律而是基於統計規律在思考。
在人工智慧的發展過程中，存在邏輯學派與統計學派之爭，目前統計學派佔上風。原因在於深度學習是典型的統計方法，可以非常好地模仿人的“直覺”，例如人的“棋感”，以及在影象識別中的能力，這在此前是非常難的。
我們可以看一下傳統程式設計和深度學習的比較。傳統程式設計是輸入資料和人類設定的規則，最後輸出一個答案。深度學習則是輸入資料和答案，機器自動得出一個規則。當然，目前人工智慧還是需要人做少量工作，比如實驗網路的一些超引數，但未來可以完全自動化。
那電腦是如何完成這一工作的？我們會發現網路可以自動總結出重要的中間概念，例如識別薩摩耶犬圖片時，網路中間的有些神經元會去識別白色，有些會去識別毛髮等。為什麼可以自動總結出這些中間概念，學術界其實還沒有特別好的答案，因此有人稱其“資料黑匣子”，我見過的比較好的說法是說這來自於自然界規律和現象的層級性。
但這並不意味著卷積神經網路就沒有缺陷，它對世界的理解也會想當然，因為它是基於統計規律。舉個案例，非洲草原上有一課樹，樹上有很多山羊，卷積神經網路會認為那是鳥，因為它學習時的圖片資料裡從來沒有出現過站在樹上的山羊，即便它識別出那些是山羊，最後它的判斷還會是鳥。
因此，涉及自動駕駛、醫療等人命關天的領域，純靠深度學習還是存在一些問題。
區塊鏈+物聯網會成為下一代網際網路？
現在我們可以把深度神經網路認為是一個黑箱子，人類把資料、算力、模型（演算法）給到它，它會給出一個結果。那麼，為什麼近些年深度學習成長特別快？很大程度上就是資料和算力在這些年飛速發展，它為深度學習提供了基礎保障。
那麼現在，區塊鏈就在上述的3個方面，登上了深度學習的舞臺。資料上，區塊鏈可以做的有資料來源、儲存、安全保護、清洗標註、防造假等。算力上則是提供大規模平行計算、資料隱私保護。而演算法上則可利用眾包完善演算法，也能構建演算法交易平臺。因為開源等原因，在一定程度上，現在模型（演算法）並非壁壘，所以資料和算力的重要性相對更突出。
當然，這裡面還是存在一些挑戰。資料類創業專案中包括了交易市場，這是區塊鏈創業的常見方向。但難點在於，對比於中心化市場，它如何提供附加價值？算力類創業專案的難點在於算力如何實現分散式？深度網路的訓練目前很難做到分散式，存在技術障礙。但深度網路的執行是可以採用分散式的。信任機制可以用區塊鏈實現，資料安全也能在一定程度上用區塊鏈解決，但商業上的一個問題是成本和效率。理想的情況是採用 POW機制，目前仍有難度，因為存在安全、效率和去中心化的不可能三角。而模型（演算法）類創業專案類似於任務交易市場，但去中心化並不一定比中心化的成本低。
通過對未來的展望可以發現，將來，手機、攝像頭都會有AI晶片，物聯網（IOT）與邊緣計算天生適合去中心化網路，與區塊鏈相融合的必要性更強。基於區塊鏈協議與專用硬體晶片的物聯網，會不會是下一代網際網路？
版權宣告： 
作者保留權利。文章為作者獨立觀點，不代表巴位元立場。