前言:本文认为去中心化的人工智能是未来可继续人工智能的独一途径。但因为现去中心化AI处于早期阶段,运用场景和根底方法都还不可熟,需求有一个务实的开展计谋:分阶段地促进去中心化的AI。本文作家Jesus Rodriguez,由蓝狐条记社群“王泽龙”翻译。


AI的去中心化是当下最迷人的技能趋势之一,可以成为AI可继续开展道道的根底。联合进修(federated learning)、区块链技能或者平安加密盘算的呈现,为创立去中心化AI运用供应了可行的技能道径。(蓝狐条记译注:federated learning是谷歌发明的新词,它可以让众台智妙手机互相协作,进修共享的预测模子,其斗嗽豉需数据保保管当地配备,跟之前数据云端的方式差别。)


然而,今日绝大大都的去中心化AI运用途于表面阶段,或者运用场景十分有限。尽管板滞进修的去中心化具有分明的好处,但实行施行的途径并非微缺乏道,而且很可以不会爆发。基于当今的AI与区块链生态系统的状况,我念要供应一个关于去中心化AI技能采用的可以的适用主义视角的道径。


发明一个通向去中心化AI的可行道径,需求去中心化智能所容许的好处与AI范畴的经济和技能实行之间找到均衡。客岁,我发外了过少许作品,此中概述了经济学和技能促进因素,它们可认为去中心化AI技能的开展铺平道道。


此后,我的思道演变为试图找到AI运用中采用去中心化方式的可行道径。终究上,尽管去中心化AI方式可以是更好的、更可继续的AI的要害,然而目前的技能交付十分有限以致使其难以被主流构造采用。尽管我心中的抱负是置信一个去中心化的AI是更好的AI,可是我心中的适用主义不时地与复生AI范畴的技能与经济的实行举行博弈。


从我的视角来看,找到一条通往可行的去中心化AI的道径分三步:


i. 了解去中心化人工智能的经济限制


ii.稳步地向人工智能运用生命周期中相对简单的范畴引入去中心化


iii.修立准确的鼓舞因素与收集效应以增进去中心化AI收集的开展


抱负者的视角:去中心化AI是可继续AI的独一道径


过去的几年中,AI曾经其生命周期的差别方面完备演化成为中心化方式。鉴于目今一代的AI办理方案需求大范围、高质料的教练数据集,墟市中阵势部的立异都来自如Google、微软、Facebook或者Uber如许的企业,而非创始企业。


由大型公司创制的AI也有帮于取得更好的数据,以发生更好的智能。这种恶性轮回进一步扩展了大型企业与小型公司间的沟壑,前者有着大宗的数据与相关人才以增进AI立异,然后者却缺乏这些资源。将这种方式推演到通通经济体,AI的中心化可以是拉大第一天下国家与其他国家间边境的因素之一。



人工智能的开展常常被拿来跟18世纪的工业革命相提并论,是一种经济革运气动。假如说工业革命是将部分国家从手工生产推向了板滞生产,AI则是指导着从适用东西转向智能软件系统的革命。


工业革命的副感化之一是它使得工业化国家与未举行工业革命的国家间的差异变为150年。它使得开展中国家要花费大宗的时间以弭平同天下头部经济体的差异。目今AI运用的中心化方式可以会中美这种国家与天下其他地方国家间发生更大的边境。


增进配合创制与常识分享的去中心化AI方式是避免添加至公司与小公司之间、领先经济体与开展中国家之间边境的方法之一。饱励自助举动者发布数据集、创立、培训或优化模子的收集是一种更可继续的机制,可以增进AI的创制,而这种机制无帮于使富人更富。


适用主义的视角:去中心化AI的实行挑衅


尽管去中心化AI的代价主意有分明的原理,但其实行完成面临诸众挑衅。从其技能堆栈的不可熟到交付模子中的分明摩擦,去中心化AI办理方案走向主流采用的道上绵亘着分明的绊脚石。当其被用于古板的中心化构造时,去中心化一般变成中缀,AI也不破例。尽管跟去中心化AI技能的有限采用相关的挑衅许众,但它们绝大大都都可归为如下几类:


l 双重中缀挑衅:举措一项技能趋势,AI仍处于婴儿期,绝大大都构造方才开端找到承受新的深度进修或者板滞进修堆栈的方法。从有限的人才供应到这项技能的原生繁杂性,绝大大都公司都面临将AI举措其技能计谋要害支柱的挑衅。去中心化则是另外一层的繁杂性所,关于绝大大都构造来说,其早期阶段,这可以不是很主要的题目。


l 算力挑衅:诸如区块链的去中心化账本施行需求深度进修模子如许的腾贵盘算时,其功用仍然有限。这个程度上,去中心化AI收集仍然需求链下盘算模子,后者给绝大大都构造变成了根底方法方面的挑衅。


l 鼓舞挑衅:去中心化AI的构造需求依托鼓舞机制以驱动差别各方到场收集。当涉及少许珍贵的东西,如数据和常识时,鼓舞模子不光需求十分强大,且需求投资回报(ROI)方面比较中心化AI方法更有逐鹿力。另外,鼓舞构造一般会惹起支配收集方法的恶意攻击。


办理上述挑衅是为采用去中心化AI技能创制经济和技能可行性的独一途径。任何计谋都需求AI技能的复生形态与去中心化的摧毁性之间取得均衡。


一条通向去中心化AI的可行道径


一个促成去中心化AI方式被采用的有用计谋是,不是将其视为简单题目,而是将其视为跟AI运用生命周期差别阶段相关的一系列挑衅。从这个视角看,不是将去中心化AI考虑为一个全体,而是将该题目拆解为去中心化AI的众个方面。假如我们试图将这个念法构造一条跟中缀程度成反比的道径上,我们会取得如下结果:



l 去中心化数据分享:鼓舞收集到场者发布和分享数据,它是去中心化AI运用中最不具推翻性的部分。关于一个构造来说,到场一个收集并发布和运用相关数据集,比构修一个根底方法并运转去中心化深度进修模子更容易。


l 去中心化教练与预测:数据分享的去中心化收集修立之后,逻辑上讲,下一步是对模子教练及结果发布的去中心化。该构造将引入除了盘算外所有方面的去中心化的AI模子。


l 去中心化的AI模子:最终,我们可以思索对AI模子的施行、资源的动态分派和模子的消耗举行去中心化。这将是去中心化AI的最终现象。


前面的方法为去中心化AI方式的采用供应了适用计谋。该计谋不光适用,而且我们曾经具有办理周期中每个方法的新兴技能。


去中心化数据分享:海洋条约


海洋条约(Ocean Protocol)是增加最速的去中心化AI堆栈之一。看法上讲,海洋条约架构的主要感化是AI义务流程中实实行体之间的去中心化通信。从数据或者算法的供应商再到剖析东西,海洋条约供应了基于代币鼓舞以及区块链智能合约的模子,容许各方以公道高效的互动方式AI义务流中协作。尽管海洋条约具有通用功用集,但它通过引入代币化的鼓舞层,收集中的节点之间共享数据方面也外现不俗。海洋条约是少数去中心化AI堆栈之一、可以跟主要深度进修与板滞进修框架联合运用,且不会变成庞大中缀。



去中心化教练与预测:Erasure


Erasure是为出名对冲基金Numerai对冲基金供应支撑的条约。从去中心化AI所有方面来看,Erasure基于可用数据集的发布与预查验证方面外现精良。Erasure的目标是供应一个去中心化的墟市,此中,数据科学家可以基于可用数据上传预测,运用加密货币质押预测,并基于预测结果的外现而取得奖励。


尽管第一批用例是来自Numerai,同金融相关,但Erasure可用于任何预测。就构造而言,Erasure联合了几个组件,为去中心化墟市中商业两边的去中心化交互供应根底。



去中心化AI模子:SingularityNet


Singularity按理来说,是去中心化AI范畴中最有野心的公司。它为风行的Sophia板滞人供应支撑而出名,SingularityNet寻求AI生命周期的所有方面都引入去中心化。厉厉来说,SingularityNet是一个使得AI效劳可以去中心化模子中安排和消耗的平台。它搭修于以太坊区块链之上,SingularityNet供应了一种模子,此中鼓舞收集中的差别到场者施行或运用AI效劳。从架构的角度来看,SingularityNet基于一系列的组件,这些组件笼统了去中心化AI运用的生命周期的基本方面。



通往去中心化人工智能之道的要害是找到恰当的均衡,以打破常识汇合和大企业的影响,并最大限制地淘汰技能挑衅范畴的摧毁。本文的念法供应了务实但不失野心的方法来渐进地采用去中心化AI。


--延迟阅读----


[url=]怎样让区块链取得人工智能的才能[/url]


[url=]AI、区块链 & 马克思、卡夫卡[/url]


原文出自:https://news.huoxing24.com/20190712190126919927.html


微信大众号→添加朋侪→搜bitett