不可否认，人工智能和区块链促进了创新，在不同行业里面都引起了根本性的变化。

这两种技术的技术复杂程度不一样，商业意义也不一样，如果能将两者整合在一起，那么整个技术和人类范式可能将会被重新定义。

一、区块链的内在逻辑

我从来没有接触过区块链和加密货币，因此我将先介绍一下这些是什么，它们的工作原理是什么。

区块链是分布式网络中由各方共享的安全分布式数据库，其中交易数据可以记录下来，易于审计。简而言之，区块链就是一种“让互不相识的人信任共同记录事件的技术”。

数据存储在一种刚性结构中，这种结构称之为块，它们通过散列链相互连接。这些块具有头部和内容部分，其中头部包含了元数据，内容部分包含了真实交易的数据。

由于每个块与前一个块是互相连接的，因此随着数量的增加，在没有网络共识的情况下，无论想修改什么信息都是非常困难的。

网络可以通过不同的机制来验证交易，但主要的机制就只有两种：“工作量证明（proof-of-work）”和“权益证明（proof-of-stake）”。

工作量证明：为了增加一个块，要求参与者（“矿工”）解决复杂的数学问题，而这又需要大量的电能和硬件能力才能解码。

权益证明：试图解决能源效率问题，因此把更多的采矿权归于拥有更多货币的参与者。

此外还有一些其它机制，例如拜占庭容错算法、Quorum切片，以及权益证明的各种派生，就不在这里进行一一介绍了。

关于区块链的特点，需要说明一点的是：它可以按照不同网络访问权限进行分类，例如是不是任何人都可以进行浏览（无许可 Vs 需许可），或者是否参与到共识的形成（公共 Vs 私有）。

在前一个情况下，任何人都具有读写权限，而在后一种情况下，预先决定的参与者有权力加入网络，当然是在公共无许可的情况下，作为给矿工提供的回报结构才行。

分布式总账技术的确会降低验证和联网的成本，进而影响市场结构并最终使得新的市场形成。

有专家最近对区块链和TCP/CP这两项技术之间进行了精彩的比较，说明了区块链是如何慢慢地经历了TCP/IP之类的先前基础性技术所经历的4个阶段的，也就是单个使用阶段、本地化使用阶段、替代阶段以及变革阶段。

然而，有一点也是对的，区块链正在变革传统商业模式，正在将价值朝着与之前的技术栈背道而驰的方向分配。

如果说15年前投资应用比投资协议技术更有意义的话，在区块链的世界里价值将集中在共享协议层，而在应用层的利润水平将非常微薄。

实际上区块链的可能性，还不仅仅局限在交易上面，在建立由特殊事件和阈值触发（启动器启动强震仪开始工作的最小加速度值，这里指触发智能合约的条件。）并且可以轻易追溯和审计的智能合约方面也有着可能性。

附加信息：首次代币发售（ICO）

目前围绕着这一新现象的一大炒作是首次代币发售（ICO）。即便很多人投钱进去是因为这个名字让人想起最常见（也是最值钱）的首次公开募股（IPO），但ICO不过是令牌销售罢了，而令牌是特定网络最小的功能单位。

ICO可以说是一个混合概念，其中结合了股权分配、预售/众筹活动，以及有着有限权力和应用域的货币等元素。

二、AI将如何改变区块链？

尽管区块链极其强大，但也存在自身的限制。其中一些是技术相关的，而有的则来自于金融服务领域固有的思想陈旧的文化，但所有这些都会在某种程度上受到AI的影响：

电力消耗：挖矿是一项极其困难的任务，需要大量的电力以及金钱才能完成。而AI已经被证明是优化电力消耗的有效手段，所以我认为类似结果也可以在区块链方面实现，这也许会导致挖矿硬件方面的投资下降。

可扩展性：区块链正在稳步地以每10分钟1MB的节奏在发展，目前累计已达85GB。中本聪首次提出可以把“区块链修剪”（比方说删除有关已完全消费交易的不必要的数据）作为可能的解决方案，AI可以引入诸如联邦学习等新的去中心化学习系统，或者引入新的数据分片技术来让系统更加高效。

安全性：即便区块链几乎不可能被攻击，但区块链更深的层和应用就没那么安全了（比如DAO、Mt Gox、Bitfinex等）。过去2年机器学习取得的不可思议的进展使得AI成为区块链极好的盟友来保障安全的应用部署，尤其是鉴于该系统架构的固定性；

隐私：拥有个人数据的隐私问题引起了对竞争优势的监管和战略性担忧。同态加密（直接对加密数据进行操作）、Enigma项目、Zerocash项目，都是可行的解决方案，但我认为这个问题跟前面的可扩展性和安全问题是紧密关联的，而且我认为它们的重要程度也是一样；

效率：德勤（世界四大会计事务所之一）估计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

一个智能系统可能可以最终实时计算出特定节点成为第一个执行特定任务的节点的可能性，从让其他矿工有可能可以选择放弃针对该特定交易的努力，从而削减总成本。

此外，即便存在某些结构性的约束，效率更好能耗更低也许也能降低网络时延，从而让交易更快；

硬件：矿工（未必是公司也可以是个人）把难以置信的金钱投入到专门硬件组件中。既然电力消耗一直都是关键问题，很多解决方案都被提了出来，未来还会引入更多。

只要系统变得更加高效，其中一部分的硬件可能就会被转化（有时候是部分转化）为神经网络所用（挖矿巨头Bitmain正在这么做）；

人才缺乏：这是信仰之跃，但同样地我们正在试图自动化数据科学本身，我看不出为什么我们无法创建可以创建新的分类账的虚拟代理（甚至影响和维护分类账）；

数据：在未来当我们所有的数据都放在区块链上，公司可以直接向我们购买时，我们就会需要帮助来进访问授权，跟踪数据使用，通常还需要以计算机的速度弄清楚我们的个人信息发生了什么事情，这正是智能机器的工作。

三、区块链如何改变AI?

在上文中，我们迅速触及了AI可能最终对区块链产生的影响。现在我们反过来看看区块链可能会对机器学习系统的发展产生什么样的影响？说得更仔细一点，区块链可以：

帮助AI解释自己（并让我们相信它）：AI黑盒遭遇了可解释性的问题。有一个清晰的审计跟踪不仅可以提高数据的可信性，还可以提高模型的可信度，也为追溯机器决策过程提供了一条清晰的途径。

提高人工智能的有效性：安全的数据共享意味着更多的数据（和更多的训练数据），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。到头来网络效应是最重要的东西。

降低市场的准入障碍：我们一步一步来。区块链技术可以保护你的数据。那么为什么你不能私下存储你所有的数据，或者也许出售这些数据呢？

首先，区块链将促进更干净、更有组织的个人数据的建立。

其次，区块链会促进新市场的出现：比如数据市场（这个是比较容易实现的）；比如模型市场（这个要有趣得多）；甚至最后可能还会出现AI市场。

因此，简单的数据共享和新的市场，再加上区块链数据验证一起，这些将提供更加顺畅的集成，从而降低小企业的进入门槛，缩小科技巨头的竞争优势。

在降低进入门槛的努力中，我们实际上解决了两个问题，即提供更广泛的数据访问以及更有效的数据货币化机制 ;

增加对人工的信任：一旦我们的部分任务将交给自动虚拟代理来管理，清晰的审计跟踪将可以帮助机器人相互信任（并且帮助我们去信任它们）。

在有了分项数据以及协调决策，再加上有健壮的机制到达法定人数（与群体机器人和多代理场景高度相关）的安全手段之后，这最终还将增加机器与机器之间的交互和交易。

减少灾难性风险：DAO中编写的具有特定智能合约的AI只能执行那些动作，除此以外再无更多（那么它的行动空间也是受限的）。

赞一个

优秀，奈斯