区块链是如何改变人工智能的？

人工智能和区块链，当前备受青睐的两大热门行业。两种技术的技术不一样，商业价值也不同，但如果区块链和人工智能相结合，会碰撞出怎样的火花呢？

区块链大家已经十分熟悉了，尚不了解区块链的小伙伴可以看看公众号的历史推送，这里我们就不多做赘述，我们来简单的说一下人工智能。

什么是人工智能

人工智能（AI）是机器人在相关领域能够更独立和更有效地工作的各种技术子集的总称。从语音模式识别到无人驾驶，人工智能的目标是让机器从大量数据流中收集的知识学习并对其进行应用，使其更加智能化。

人工智能的发展重点在于学习，从实践中学习，从数据中学习，不断的寻找最高效最优质的方案。从打败柯洁的阿尔法狗，到今年DOTA TI8比赛中露面的OpenAI ，都是经过大量的棋谱/比赛分析和实战练习来累计经验以优化算法的。分析过的数据组数量级越大，出错的几率就越小。

随着AI的发展，人们逐渐发现了AI本身固有的痛点：数据和算力。

难以获得的数据

AI中任何模型的建立都需要海量的数据，这些数据如何获得？通常的做法是从数据公司获取，然而数据公司获取到的数据，卖给别人后再被转卖，就有可能造成数据泄露。数据公司希望售出的是数据的使用权，而不是拥有权，但实际上数据经过多次复制，他们的所有权就会收到损害。

其次是数据的合法性。换句话说，就是隐私问题。一家卖数据的公司，采集了几百万的数据，但这并不代表，这些是被采集的用户授权给他去卖的。例如Alpha Go的公司Deep Mind，想要开发医疗版的Alpha Go，他们从英国一个组织NHS拿了160万的患者数据，被英国法院判为非法。更多的数据是从各种渠道抓取来的，这里面多多少少都会涉及用户隐私，法律风险很高。用户不一定同意数据被出售，但AI必须基于海量的数据。而且数据公司会有很多技术人员，数据编辑接触到数据，这其中的敏感数据会不会被泄露，在中心化的处理方式下，都是难以解决的问题。

算力成本过高

除了数据问题，算力也是AI发展过程中的一大难题。传统互联网企业用户的点击、查看、转发单个用户计算消耗资源小，而AI的计算要求高几百几千倍，因此对高性能计算定制深度学习芯片要求很高，意味着很多企业要花很多钱买算力、建很多计算中心，造成了很大的资源浪费。

区块链与人工智能

人工智能所面临的问题，是传统技术无法解决的，转而向同为新兴技术的区块链求助或许是一个明智的选择。

数据中心化的前提下，数据的使用方式也缺乏透明度，当数据提供者无法对自己的数据进行有效管理时，很多人都选择不再进行数据分享。而区块链恰恰可以解决这一问题。在链上，每一份数据的上传者、使用流向和成果都有迹可查用户对数据拥有所有权和自主使用权。数据上传者还会收到使用方提供的数字加密货币作为补偿，当用户能够将自己产生的数据变现，并可控制数据流向，相信会有更多的人愿意提供相关数据。对于AI来说，安全的数据共享意味着更多的数据，然后就会有更好的模型，更好的行动，更好的结果，以及更好的新数据。

面对高昂的算力成本，AI行业可能束手无策，但是区块链最不缺的恐怕就是算力了，挖矿是一项极其困难的任务，需要大量的电力和金钱来铺设算力才能完成。冗余的算力完全可以为AI节省成本，反过来，AI已经被证明是优化电力消耗的有效手段，提供类似的解决方案应用在区块链。这也许会导致挖矿硬件方面的投资下降。

区块链能为人工智能行业带来光明的前景，反过来人工智能也可以为区块链加油助威。德勤在2016年估算区块链验证和共享交易的总运行成本大概是每年6亿美元左右。一个智能系统或许实时计算出某个特定节点成为第一个执行特定任务的节点的可能性，从让其他矿工有可以选择放弃针对该特定交易的努力，从而削减总成本。从而减少无用功的付出，以此提高效率。