人工智能與區(qū)塊鏈：1+1>2

文/劉興亮（微信公眾號：劉興亮時間）

?

人工智能是人們非常期待的應(yīng)用技術(shù)。在眾多領(lǐng)域，人們都期望能夠在下一個10 年里人工智能的實際應(yīng)用。

隨著對人工智能的研究和相關(guān)技術(shù)的發(fā)展，人們對人工智能的認識也越來越清晰。今天，人們已經(jīng)經(jīng)歷了從將人工智能看作洪水猛獸到逐漸接受的過程。通過實踐，人們越來越清楚人工智能的本質(zhì)。今天，它已經(jīng)被定義為「可以幫助人們更好地實現(xiàn)現(xiàn)有工作的一種有效的信息技術(shù)支持手段」。

這個定義體現(xiàn)了人們對人工智能與人類本身之間的關(guān)系認識，也反映了歷次工業(yè)革命都無法繞過的問題——機器和人之間的競爭問題。

任何一次工業(yè)革命，事實上都消滅了一批人的崗位，而人工智能給人帶來的恐慌更甚于前幾次。一臺有智慧的機器與人類競爭，而且這些機器更加聰明、更少犯錯，這似乎帶來了更讓人絕望的體驗。

人工智能的定義和發(fā)展走向，其實在某種程度上回應(yīng)了這種焦慮。人工智能其實只是輔助人們工作，而非取代。

這就強調(diào)了人工智能與人之間的關(guān)系并不是替代的關(guān)系，它的出現(xiàn)只是為了輔助人們做一些過去做不到或者很難做到的事情。這事實上解決了人與人工智能究竟應(yīng)該如何相處的問題——在重大責任與決策方面，人工智能能幫助我們，而非替代我們。

就如在自動駕駛領(lǐng)域，雖然在飛機航行過程中，人工智能或者自動駕駛技術(shù)已經(jīng)非常成熟，但是在關(guān)鍵階段，我們依然需要人來做最終的判斷。這也是未來人工智能與人之間的關(guān)系。

但是如何讓人工智能既能幫助我們，又能充分地學習，同時還不會隨意地替代人來做決策呢？這之中最困難的就是人工智能的算法優(yōu)化問題。

機器學習可以讓人工智能不斷學習和掌握新的情況，也就是說，人工智能可以在脫離人的決策的基礎(chǔ)上，實現(xiàn)對各種知識的不斷學習和應(yīng)用。這也是人工智能最早被開發(fā)出來時被寄予的期待。

在這里，我們不探討人工智能的道德和社會問題，只考慮它的實際應(yīng)用。

想象一下：如果你的電腦可以在不經(jīng)同意的情況下，提前預(yù)判你是否需要一頓豐盛的早餐，或者是否需要打開空調(diào)，你是不是會覺得它對你的幫助非常有效?

假如把這種場景變得更大規(guī)模、更復(fù)雜，我們就可能看到更加宏大的畫面。在這些場景中，人工智能可能幫助我們做更多的事情。

比如，在戰(zhàn)斗機的開發(fā)過程中，駕駛員由于需要同時控制多種部件，往往會感到操作困難。在傳統(tǒng)意義上，戰(zhàn)爭中的強對抗要求人必須瞬間做出各種各樣的判斷而不能依靠機器。

但今天隨著技術(shù)發(fā)展，人工智能也可以在空中戰(zhàn)斗機的管理方面為我們提 供支持。比如它可以決定是否向?qū)Ψ桨l(fā)射彈藥，或者決定是否應(yīng)該加速離開。

這種活動原本其實都應(yīng)該是由人來決定的，但是由于人工智能擁有強大的信息處理能力，所以它可以幫助我們更好地做出這些決策。

當軍方使用非人工智能的方法來解決戰(zhàn)斗機的作戰(zhàn)問題的時候，必須給戰(zhàn)斗機的控制系統(tǒng)提供各種各樣的決策依據(jù)。飛行員需要告訴它在什么情境下應(yīng)該采取什么樣的措施。

但是我們都知道，在任何情況下要想窮盡所有情境都是非常困難的事。因此，要解決這個問題，只能讓人工智能在面對各種各樣不同的環(huán)境時自己做出決策。實現(xiàn)了這一點，人工智能才會變得真正可用。

現(xiàn)在的戰(zhàn)斗機駕駛中，雖然自動控制的一些動作已經(jīng)可以實現(xiàn)計算機輔助，但是在真正的決策還沒能夠?qū)崿F(xiàn)人工智能的完全操作。

不過，如果人工智能真的能夠根據(jù)不同情境做出行為選擇，就意味著它真正成為「智能」。

假如你的家里有這樣一個智能助手，即使你并沒有讓它幫你泡一壺咖啡，它也能夠判斷你現(xiàn)在已經(jīng)非常疲憊了，非常需要一杯熱咖啡來提神，在能實現(xiàn)類似這樣的判斷之后，人工智能就真的變成了智能。

因為它不需要我們思考和決策，就會幫我們做好各種各樣的判斷。

而上面這個過程其實都必須通過機器學習實現(xiàn)。一開始，人工智能可能只是知道在某些固定時間點沖泡咖啡；隨后，機器學會了「思考」，能夠判斷這些固定時間點的特征是什么；然后再實現(xiàn)不需要「詢問」意見就能自己行動。

最終，人工智能甚至還可以打通知識之間的隔閡，思考除了咖啡你還需要什么一類的問題。而這些的基礎(chǔ)都源于機器學習。實現(xiàn)這種機器學習的其實是一套算法，它能教會機器如何提取和識別需要的信息。

應(yīng)用機器學習之后，人工智能面對的另一個挑戰(zhàn)就是海量信息的獲取。掌握了學習方法還不能生產(chǎn)出一臺聰明的機器。除了方法，還需要海量的可學習的對象，這就是機器學習中對學習數(shù)據(jù)庫的需求。

人工智能有了機器學習程序之后，還必須有可學習的對象。因此，如何給人工智能提供海量的學習內(nèi)容和仿真模式就變得非常重要。這個數(shù)據(jù)庫一般有兩個來源：一個是利用已有的數(shù)據(jù)積累，另一個是通過人工題庫整理。

在機器學習方面，有一個非常有意思的故事是關(guān)于圍棋人工智能項目 AlphaGo 的進化的。最初，人工智能無論如何都無法擊敗人類棋手，這也讓圍棋領(lǐng)域成為主流棋類中人類最后一塊沒有被人工智能攻陷的地方。

但經(jīng)過一段時間的學習之后，AlphaGo 居然擊敗了當時人類最優(yōu)秀的棋手。這種變化很重要的一個原因就是 AlphaGo 有了學習數(shù)據(jù)庫。

在第一階段，AlphaGo 的訓(xùn)練模式是學習人類的各種棋譜，模擬人類所有的棋局棋譜，同時進行數(shù)據(jù)推導(dǎo)以掌握圍棋的套路方法。但是即使掌握了能夠搜集到的人類所有圍棋棋譜，AlphaGo 依然無法戰(zhàn)勝優(yōu)秀棋手。

后來 AlphaGo 采取了另外一種學習模式：它不再向人類的棋譜學習，而是自己與自己對弈，通過不斷推導(dǎo)每一個步驟，最終實現(xiàn)棋技的提升。這樣的訓(xùn)練讓 AlphaGo 最終戰(zhàn)勝了人類棋手。

這件事引起了人類社會的恐慌，因為這件事從一個側(cè)面證明了人類的智慧并不是最優(yōu)的解決方案。相反，人工智能拋棄向人類學習的方案反而獲得了更佳的實踐。

這也說明了一種可能性，那也就是人工智能通過自我學習，很有可能超越人類。

聯(lián)想那些紅極一時的科幻電影，如《黑客帝國》《機械公敵》等，也許我們就會覺得，這些電影中描繪的人工智能對人類的控制和屠殺可能真的會發(fā)生。當然，這只是一種可能性。

畢竟在目前階段，人工智能還沒有能力與動機來這樣做。在今天，我們依然認為人工智能將會是實現(xiàn)人類社會快速進步的一個重要支持力量，不會把它看成是敵人。

當然，這種風險并不是完全沒有可能。這就要求我們在編寫 每一段程序、設(shè)計每一種算法的時候都非常小心，投入大量的人工團隊。

在這方面，區(qū)塊鏈也可以提供非常大的支持。一方面，在人工智能開發(fā)過程中，機器學習要依賴算法的不斷改進來進化，而這個過程需要不斷試錯。

這些也是區(qū)塊鏈擅長的。它可以快速地讓一個人工智能小組實現(xiàn)有效分工，更大可能地獲取人工智能開發(fā)方面的資源。通過散布在各地的終端，把人們都拉進人工智能的開發(fā)小組中，實現(xiàn)人工智能的快速迭代。

這樣的模式不僅更有利于人工智能的技術(shù)開發(fā)，同時也可能在某種程度上解決人工智能潛在的道德問題。

因為畢竟所有的開發(fā)者分布在不同的文化領(lǐng)域、不同的國度，擁有不同的政治目標，因此人工智能的學習最終可能會涵蓋各種各樣不同的價值觀，而這帶來的可能是遠超人類想象的成功。

另外，人工智能學習所需的大量數(shù)據(jù)庫，也不可能是由一兩個人完成的。它必須不斷提取社會大數(shù)據(jù)并應(yīng)用。而在這一點上，區(qū)塊鏈可以幫我們突破很多現(xiàn)有的限制。

比如說，現(xiàn)在很多人認為隱私不安全、個人行為不受控，甚至對整個人類社會信用體系不信任，這些都可能通過區(qū)塊鏈技術(shù)來解決。

因為對個人來說最有用的那些信息，永遠只能通過本人才能讀取，人工智能開發(fā)者所需要的是個人數(shù)據(jù)組合在一起的大數(shù)據(jù)應(yīng)用方面的一些變化。

人工智能與區(qū)塊鏈結(jié)合在一起，很有可能會帶來人工智能的加速發(fā)展。

人們會發(fā)現(xiàn)，人工智能的發(fā)展速度并不像原來想象的那樣呈線性增長模式，而是一個指數(shù)型的快速爆炸增長的變化過程。也許在不久的將來，我們就能看到應(yīng)用人工智能的設(shè)備走入我們的生活中。而保證這些設(shè)備互聯(lián)互通、并保證它們在共有的學習機制之下實現(xiàn)成功應(yīng)用的，事實上就是區(qū)塊鏈技術(shù)。

試想，如果為了讓人工智能更好地學習而把所有的數(shù)據(jù)匯總到某一臺主機中，那么這臺主機就將變成世界上最危險的「萬惡之源」。

只要有人控制了它，那么所有的大數(shù)據(jù)信息都將被這個人利用，這將是一件非?？膳碌氖虑?。區(qū)塊鏈的分布式存儲模式解決了這個問題，具體原因我們已經(jīng)反復(fù)強調(diào)。

我們能夠看到，區(qū)塊鏈在未來人工智能應(yīng)用領(lǐng)域一方面可以幫助我們解決算法的開發(fā)難題，另一方面也可以解決數(shù)據(jù)應(yīng)用的安全性問題。

因此數(shù)據(jù)區(qū)塊鏈與人工智能的合并，將成為一種必然的趨勢。

▎本文節(jié)選自我的新書《區(qū)塊鏈在中國：它將如何顛覆未來》第7章第2節(jié)

▎特別標注：支持新書可以去京東、當當、亞馬遜搜索書名進行購買

?

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。