AI+区块链，自动化挖矿收钱的未来

“AI改变生产力，区块链改变生产关系”，AI和区块链，这两个词是最近最火的词。

简单来说，AI就是希望用机器来复制人类的智能，从而把人从各种复杂的任务中解放出来； 而区块链本质上是一种新的数字信息归档系统，存储在加密的分布式账本中。 数据，由于对传统中心化机构的抛弃，区块链真的很有可能彻底改变目前由中心化公司主导的社会经济体系。

区块链的本质

庞华东：从比特币到区块链，这几年相关的讨论和观点层出不穷，区块链领域的创业趋势一直很火。 那么区块链技术到底是什么？

在数记科技总裁庞华东看来，从技术角度来看，区块链是一种分布式账本。 这个“账本”的特点是人人可参与，数据透明可追溯。 它解决了两个关键问题：提高信息的安全性和降低信任成本。

如果互联网的出现连接了机器与机器，解决了机器与机器之间的契约关系； 人工智能让机器按照人的意愿做事，解决了人与机器之间的契约关系； 那么我们不妨这样解释区块链：通过协调机制的建立，最大限度的解决人与人之间的契约关系。

简单来说，区块链将个体的利益绑定在一起，让相关形成的群体达成共识，然后利用激励机制促进群体之间的高效合作。 这就是区块链的本质。 )

近年来，“赋能”这个词在中国尤为火爆，互联网+、AI+、区块链+……，各种“+”层出不穷。 这种现象在某种程度上确实反映了行业需求的变化和创新，但同时也不能忽视的是，在很多情况下，这已经沦为一种强行炒作的营销方式。

那么，问题来了，作为当今科技圈的当红小明星，AI与区块链的结合究竟是强强联合，还是热点？

我们不要自欺欺人，答案是“AI+区块链，扭来扭去的瓜其实很甜”。 接下来，我们将对此进行详细分析。

人工智能瓶颈

人工智能的三要素是数据、模型和算法、硬件计算能力。 不幸的是，人工智能资源的三要素需要大量的资金投入，这对很多人工智能创新主体和个人来说是难以承受的：

人工智能模型和算法需要强大的科研能力，这是大学研究机构和人工智能技术创新公司的强项，而数据和计算能力往往掌握在政府、计算中心和大公司手中。 以上三个要素是目前人工智能的三大瓶颈。

所以，区块链对于人工智能的意义其实就是打破了这三个瓶颈。

1个

数据共享

首先是利用区块链技术实现数据共享。

我们大多数人都在互联网上留下了大量的数据，这些数据是属于我们自己的，但目前这些数据中的大部分实际上都被谷歌、Facebook等大公司所控制，这些公司利用我们的数据来赚钱，但是赚的钱与我们无关。

区块链可以有效帮助我们实现数据的产权确权，而共享账本技术也可以让数据在多方之间的流动得到实时追踪和管理。 同时，利用区块链的激励机制，可以进一步鼓励用户分享自己的数据。

此外，个人隐私泄露和数据版权侵权是影响数据共享意愿的最大因素。 使用区块链和安全加密技术，可以有效避免数据泄露，减少对数据共享的担忧：

1、哈希技术

使用SHA256等哈希算法对用户ID、手机号、年龄等涉及用户信息的字段进行加密，可以在一定程度上保证个人信息的匿名性。

另外，通过使用哈希函数对数据进行签名，还可以知道数据是否被篡改过。

2.差分隐私保护

但研究表明，通过记录联动技术，仍然可以查到散列数据中的用户id。 例如，花旗银行等发卡银行在对VISA交易数据的卡号等信息进行哈希处理后，仍可以根据交易时间、交易金额、交易机构等明文字段，将自己的交易与VISA交易进行匹配，一旦匹配成功，可以推断出真实的卡号，并间接获取该卡号在VISA中的所有交易。

为此，差分隐私保护技术应运而生。

差分隐私保护技术是为了让研究人员在不泄露用户隐私的情况下分析数据集的用户行为而开发的一种加密方法。 使用差异化隐私保护，研究人员可以计算用户群体的行为模式，但他们无法分析每个用户的数据。

据了解，差分隐私保护的核心思想是为数据集增加随机性。 在保证数据集中每个个体不被泄露的情况下，数据的整体统计信息仍然可以为外界所知。

3. 不经意的传输协议

考虑到安全需求：Alice 想从 Bob 那里接收信息，但是出于隐私原因，Alice 不想让 Bob 知道她收到了哪些信息。 例如，在网上购物时，消费者不想透露他们购买的是什么药。

在传统的信息查询过程中，Alice向Bob发送请求，Bob收到请求后将相应的信息发送给Alice。 在这个过程中，Bob 知道 Alice 的数据请求。 然而，不经意的传输（Oblivious Transfer，OT）使得服务的接收方可以无意中获取服务发送方输入的某些消息，从而保护接收方的隐私不被发送方知晓。 也就是说，Bob 不知道 Alice 的数据请求，Alice 只得到她请求的数据。

据了解，无心传输协议的思路是：发送方Bob发送多条消息，协议执行后，接收方Alice会得到其中一条或几条消息。 发件人无法控制收件人的选择，也不知道收件人收到了哪些消息。 并且接收方无法得到接收到的消息以外的消息。

4.同态加密

同态加密是一种特殊的加密方法，它允许对密文的处理得到一个仍然被加密的结果。 即直接对密文进行处理与对明文进行处理再对处理结果进行加密是一样的，得到的结果是一样的。 从抽象代数的角度看，同态是保持的。

同态加密可以保证处理器无法访问到原始数据本身的信息。 解决了用户不敢直接在云平台上分享或存储敏感信息的问题。

目前的全同态加密方案主要包括以下三种：

a) 基于理想格的方案：Gentry和Halevi在2011年提出的基于理想格的方案可以达到72bit的安全强度，对应的公钥大小约为2.3GB，刷新密文的处理时间需要几十分钟。

b) 基于整数近似GCD问题的方案：Dijk等人提出的方案。 2010年（及后续方案）采用了更简化的概念模型，可以将公钥大小减小到几十MB量级。

c) Schemes based on Learning With Errors (LWE) problems：Brakerski和Vaikuntanathan在2011年前后提出了相关方案； Lopez-Alt A 等人。 2012年设计了多密钥全同态加密方案，接近实时多方安全计算的要求。

目前已知的同态加密技术往往需要较高的计算时间或存储成本，与传统加密算法相比在性能和强度上仍有差距。

2个

算力共享

人工智能应用一般需要经历模型训练和模型推理两个阶段，其中模型训练过程消耗大量的计算资源。 人工智能产品想要达到更好的产品指标，除了算法之外，还需要海量的数据进行训练，但更多的数据意味着在同样的计算资源下训练时间更长，比如一周以上甚至一个月到几个月是时间。 而且，如果在训练过程中某些参数不正确，则需要重复训练，导致训练时间进一步延长。 显然，这对企业产品的迭代更新极为不利，很可能导致企业在行业竞争中失利。

因此，很多厂商不得不投入大量资金租用云服务，或者购买GPU、FPGA等硬件资源来搭建自己的计算集群。 庞大的硬件成本、电费、维护成本是大多数中小企业难以承受的负担。

英国一份AI行业分析报告指出，目前训练一个模型平均花费10000英镑，而复杂深度网络的训练过程更是昂贵。 因此，目前超过50%的人工智能企业都存在算力不足的问题。

利用区块链为AI共享算力，是解决AI行业算力瓶颈的一种方式。

利用区块链共享算力主要有两种思路。 一是利用区块链的激励机制，共享社会闲置的GPU等资源； 另一种是尝试改造比特币POW挖矿机制，希望将浪费大量资源的哈希挖矿变成人工智能的训练。

1、关于将挖矿转化为AI模型训练

无论是 Pow 挖矿还是 AI 模型训练，都需要消耗大量的算力和能量。 因此，将POW挖矿与其学习模型训练结合起来似乎更合适。

据了解，挖矿功能应具备以下特点：

第一，函数是单向的，即计算结果比较难，但很容易验证结果的正确性； 第二，函数计算要有一定的强度，同时可以调整难度； 第三，不需要传递大量数据，即不会给区块链网络带来额外的带宽负载； 第四，功能要公平，即只有算力强的节点才有更高的概率获得奖励。

因此，对于深度学习来说，深度学习的训练过程确实是单向的。 但深度神经网络的训练难度难以预测且不易控制，而且训练时一般需要传输大量的训练样本数据，网络传输压力非常大。 . 因此，深度神经网络作为挖掘函数的训练过程还是非常困难的。

此外，马尔可夫链蒙特卡洛算法（MCMC）也是AI挖掘功能的重要候选算法。 不过MCMC虽然是单向的，但是难度相对可控。 但是MCMC作为挖矿功能的缺点是验证时需要传输的数据量比较大。

目前我还没有看到特别优秀的AI挖矿算法，但相信未来一定会有合适的AI挖矿算法出现。

2、利用区块链鼓励闲置算力共享

人工智能对计算能力极其渴望。 但是，市面上其实有很多闲置算力没有被充分利用，比如你电脑关机时的算力。 利用闲置算力研究宇宙等科学研究由来已久，但由于激励机制不足以太坊挖矿算法革新，一直没有规模化。

区块链的激励机制恰好弥补了这一缺憾。

并且值得一提的是，通过挖矿变现的激励机制，企业甚至有可能以比传统云计算更便宜的价格获得所需的算力。 例如，深脑链计划每个挖矿节点70%的收益来自所挖DBC的变现，30%来自用户培训的付费。 人工智能厂商只需支付30%的培训费用。 此外，另一家算力共享公司Nebula AI的矿机也可以开启双挖模式，持有Sia、storj类型的共享币挖矿。

然而，目前大量的区块链矿机实际上是使用ASIC芯片进行挖矿。 ASIC 芯片将针对特定的挖矿程序进行优化。 因此，与GPU等通用芯片相比，其挖矿效率更高。 但是也正因为如此，一般的ASIC矿机在报销后实际上并不能用于AI训练，造成了巨大的浪费。

为了解决这个问题，比原链计划采用对人工智能ASIC芯片友好的POW算法，让矿机在闲置或淘汰后可以用于AI加速服务。

据比原链介绍，比特币矿机与人工智能深度学习具有可比性，都依赖底层芯片进行大规模并行计算。 大多数深度学习算法都可以映射到底层线性代数运算。 线性代数运算有两大特点：一是 Tesr 的流动是无规律的、可预测的； 二是计算密度非常高。 这两个特点使得AI深度学习特别适合硬件加速。

比原链认为，如果在挖矿的哈希过程中引入矩阵运算和卷积运算，使矿机比GPU和CPU对人工智能ASIC更友好，那么区块链共识所需的计算量也可以减少。 应用于AI硬件加速服务，从而产生更大的社会效益：一方面，矿机市场将拉动人工智能市场，扩大对深度学习ASIC芯片的需求，就像现在显卡友好的PoW区块链，对显卡市场的推动有很强的影响； 另一方面，淘汰或闲置的矿机可应用于AI硬件加速服务，节省挖矿成本，形成双赢。

但有观点认为，Asic将算法固化后，失去了通用算法作为PaaS（Platform as a Service）的能力。 在区块链AI发展初期，过早限制自己的使用场景未必是好事。

但是，Nebula AI 等公司专注于 GPU 和 FPGA。 这些矿机只有一小部分算力会用于记账，更多的算力会用于更有价值的AI计算。

3个

模型算法分享

对于人工智能来说，算法模型也很重要。 要知道，在此之前，人类经历过两次人工智能热潮。 前两次热潮没有太大社会影响的关键原因之一其实是深度学习。 算法还不成熟。 由此可见算法模型的重要性。

算法是逻辑的表达。 目前的困境在于缺乏专家。 培养一个博士生大概需要五年时间，但是五年前还没有博士生开始从事深度学习，所以这个领域的专家非常稀缺。

但是，使用区块链技术其实可以解决这个问题。 一方面，区块链中的每个节点都可以为算法调整参数，即利用人群的智慧改进现有的人工智能算法； 另一方面，也可以搭建AI算法交易平台以太坊挖矿算法革新，分享最好的AI算法，获取收益。

比如Cortex的主要任务就是提供一批最好的链上机器学习模型。 全球机器学习从业者可以将训练好的相应数据模型上传到存储层。 对训练好的模型进行推理并支付给模型上传者。 而且值得一提的是，很多算法分享项目其实可以在分享算法的同时帮助算法进一步升级。

另外，虽然深度学习取得了很大的成就，但是人们对它的认识还很不足。 他们知道它是什么，但不知道为什么。 因此，对于人工智能，很多人还是不放心。 然而，利用区块链记录人工智能的每一步，有望帮助人们更好地理解人工智能的学习过程。

并且，人工智能与区块链智能合约相结合，有望形成不受人为干扰、可自动执行的人工智能自治系统。 而且值得一提的是，通过智能合约，还可以限制人工智能只执行某些动作，防止人工智能失控或有望实现。

4个

区块链的瓶颈

在经历了之前的疯狂之后，2018年，区块链遭受了巨大的打击。 究其原因，是区块链的炒作过于强烈，严重高估了区块链的价值。 但与此同时，区块链实际落地过程中的各种不足和瓶颈，也确实阻碍了区块链的发展。

综上所述，区块链的瓶颈主要体现在以下几个方面：

1、能源消耗。 比特币等主流公链多采用POW挖矿机制，但其能耗极其巨大。 如果将所有挖矿的算力换算成浮点运算，粗略估计总算力达到1023 FLOPS，已经达到谷歌算力的100万倍，或者说是世界500强超级计算机总算力的10万倍. 就其消耗的电量而言，POW挖矿的总用电量已经超过了全球160多个国家。

在能耗方面，2017年6月，百度智能楼宇项目一个月内为百度节约用电量25万度。 谷歌的AI实验室DeepMind利用人工智能技术帮助谷歌减少了15%的用电量。 因此，有理由相信人工智能也能为区块链找到更好的节能减排措施。

当然，如果这个方法不行，你也可以像上面说的那样，通过AI挖矿，将浪费的能源消耗转化为AI算力。

2. 可扩展性。 区块链的可扩展性一般是指单位时间内可以支持的最高并发交易数。 但是，与中心化机构相比，去中心化的区块链技术在可扩展性方面存在天然的短板。 据了解，使用中心化方式验证交易的VISA信用卡连续吞吐率可达1700TPS以上（VISA官网甚至称峰值可达65000TPS），而比特币的吞吐率为3.3~7TPS，而以太坊稍微高一点，也只有30TPS左右。 区块链可扩展性问题将是区块链应用匮乏的最重要原因之一。

或许人工智能可以为区块链项目的扩张提供另一条捷径，而不是无意义的分叉。 人工智能可以引入新的去中心化学习系统，或者使用新的数据分片技术来提高系统的效率。

3. 安全。 虽然区块链是去中心化的，安全性也比较高，但在交易等环节仍然是中心化的。 例如，Mt Gox交易所曾因钱包安全漏洞被盗3.6亿美元，直接导致交易所倒闭。

此外，智能合约的安全性也需要加强。 作为自动化区块链交易的关键，智能合约不可避免地容易受到攻击。 例如，互联网上类似的钓鱼交易也可能发生在区块链中。 欺诈方可以通过在合约中植入特定的陷阱或钱包地址来实现合约的漏洞。 此类交易无法撤销。

我们可以引入人工智能（AI）模型，自动判断交易模型的合理性，自动嗅出交易漏洞。 此外，通过内置的AI交易模型，在用户允许的情况下，系统甚至可以自动拒绝不合理的交易。 事实上，人工智能在防止欺诈方面已经广泛应用于银行和电子商务业务。 发生异常刷卡交易时，银行自动发送短信提示安全风险； 网购遇到假冒客服人员，电商平台会自动提醒注意防骗。 因此，人工智能也有望解决区块链的安全问题。

此外，当前蓬勃发展的对抗生成网络提供了在统一框架内全面优化合约和攻击的可能性。

Moc Planet 交流社区已经开始招募。 本社区目前有“人工智能”和“区块链”两大专业社区。

欢迎对“人工智能”或“区块链”感兴趣的同学，在墨客星球公众号对话界面回复关键字“交流群”，获取入群方式；

欢迎转发到朋友圈

为行业人士提供有价值的行业内容

运动星球