武大教授:A+B(AI融合Blockchain)是未来区块链和人工智能技术的发展方向_区块链:比特币

文/蔡恒进

编辑/赵雪娇

在新旧交替之际,锌链接邀请到行业领军人物,共同来探讨产业区块链2.0时代的发展,探讨区块链与其他技术融合,在产业中落地的路径,推动产业区块链从1到100的历史进程。

本文是卓尔智联研究院执行院长、武汉大学计算机学院教授蔡恒进对技术融合大趋势的思考:

我们主张A+B是未来区块链和人工智能技术的发展方向,这是基于目前AI发展现状以及区块链技术优势的综合判断。

东西方的文化差异和近现代西方在科技领域的领先,导致目前的AI依然表现为追求效率优先。

A+B要突破的重要问题之一就是通过区块链技术实现人机节点在同一时间尺度上的进化博弈,最终通过区块链技术与人工智能技术的相互赋能,将人机的未来引入向善的、可持续的发展方向。

知情人士:德意志银行正在研究收购瑞信资产:金色财经报道,据知情人士透露,德意志银行正在密切关注瑞信集团的情况,以寻找可能收购瑞信某些业务的机会。德意志银行内部讨论涉及到,如果瑞信被瑞银集团收购或分拆,瑞信的哪些部分将具有吸引力,以及如果这些资产上市,他们将对这些资产给予多少规模的估值。

知情人士表示,德意志银行目前的讨论是内部的,还没有向瑞信提出任何具体建议。德意志银行拒绝对此消息置评。[2023/3/19 13:12:41]

一、回望:人工智能发展局限与障碍

机器的进化速度非常快。虽然科技电影中设想的那种完全自然融入人类社会的AI还离我们的生活很远,但这是因为一方面技术仍然在发展之中,另一方面也是技术应用与商业场景结合仍在磨合之中。

当时AlphaGo之所以能够引起广泛的关注,是因为它打破了人们对AI发展水平的固有印象。其表现出来的能力在非专业人士看来有神秘的色彩,在专业人士看来引领了技术的革新,而即使是其缔造者也只能够部分解释其能力的来源。

德意志交易所推出全面的加密货币数据源:金色财经报道,德意志交易所将推出一个新的数据源,涵盖所有加密货币交易所和加密货币市场数据供应商Kaiko所涵盖的所有数字资产的实时和历史tick级数据。在第 4 季度,基于 T+1 的历史 L2 订单级别订单数据和实时交易数据将通过德意志交易所市场数据 + 服务的分销网络提供,随后将在选定的数字资产交易所引入历史订单数据T+1 基础。

Kaiko从100多个中心化交易所(CEX)和去中心化交易所(DEX)收集现货和衍生品市场的实时交易数据。该公司涵盖了来自各种 DEX 的约 96% 的分时交易数据,并包括大多数区块链协议,如以太坊或 Avalanche。从 CEX 收集的数据包括超过 150,000 种现货和衍生品市场工具。[2022/6/24 1:28:21]

从技术上来说,深度学习、机器学习已经发展到了相当强大的程度,在解决许多目标问题上能有优异表现。当我们谈到人工智能,我们所谈论的不仅仅是存储,更重要的是计算。

德意志银行董事会成员:比特币是一种昂贵且无效的系统 不适用于货币清算业务:据俄罗斯卫星通讯社报道,德意志联邦银行卡尔?路德维希?蒂勒认为,比特币是一种昂贵且无效的系统,这一系统对于货币的清算是不适用的。他强调,对于比特币投入的资金很可能在短时间内丧失其价值。他认为,他们并没有建立等同于欧元的数字货币的计划,卡尔?路德维希?蒂勒在finanzen.net网站的采访中对此发表了见解。卡尔?路德维希?蒂勒自2010年成为德意志银行董事会成员。[2017/12/25]

唯物辩证法告诉我们,量变产生质变,尤其是当量变的积累是在质变的结果方向上的。人工智能正在逐渐积累能力,从简单的计算、神经元的连接,产生了感知、分析、判断、表达等人类引以为傲的各方面能力,它存在不能还原的、不可解释的展现智能的结构。

在即将到来的智能社会里,我们为什么会需要区块链技术?

现在AI技术的快速发展已经开始影响我们生活和工作的各个方面,数据篡改几乎无需成本,并且足以达到以假乱真的水平,人类又要如何判别数据的真实可靠?仅凭人类自己的经验难以与AI造假技术相抗衡。而区块链技术的不可篡改特性,势必成为未来必备的基础技术。

动态 | EOS CPU抵押价格暴涨53倍 目前价格0.443 EOS/ms/Day:据IMEOS报道,EOS主网CPU抵押价格下午短时间暴涨53倍,从0.00828EOS/ms/day上涨至0.443EOS/ms/day。但CPU并不具备投机和短期买卖盈利机会。[2018/7/28]

此外,社会的复杂度由于人工智能的介入会大大提高,人类想要自证清白也会越来越难,这种情况下也同样需要区块链技术为我们加持。

AI发展也将决定人类未来,如果是各自独立的人工智能系统,就会引发诸多的发展问题并形成障碍。将人工智能技术与区块链技术相结合,让机器与人类一起达成共识,共同进化将是值得我们把握的重要机会。虽然人工智能的全面应用还需要更多时间,但见微可以知著,人工智能明显不同于人类在过去创造的工具,人工智能所提供的帮助始终与危机并存。

二、今天:区块链技术优势日益显现

区块链技术的存证特性为人类积极应对AI的快速发展提供了一个可能方案。

人类创造和发展人工智能技术是tryeverypossibleway,不可能被完全限制或禁止,但我们可以让人工智能应用从早期就上链,并把创造和发展过程记录在链上,能够让我们或旁观者随时监督,就可能事先察觉到可能的危险并提前形成应对方案。

当然,并非所有的事物都需要上链记录,因为链上数据的重要性更重视“有则完备”。当我们未来需要证明自己有资质去争取某个机会是,我们就会需要追溯这些上链的、不可被篡改的历史记录。

同样,我们如果要判断交互的对方,也是自然而然需要通过对方ID背后的历史数据,去判断对方是否靠谱,如果记录时间足够长并且很诚信,那么我们会更愿意相信这个节点在当前合作中作恶的可能性较小。

这也还存在一个问题,虽然上链的数据不能改,但是如果一开始记录上链的就是假数据呢?

我们其实已经在很多地方分享过这个问题,区块链技术是防篡改技术而非防造假技术,但从某种程度上可以抵御造假行为。

例如,我们就大胆假定上链的原始数据就是假数据,但一条假的记录如果要成立,实际上还需要其他更多的假数据来支撑,背后带来的成本极大,过程也极具挑战,甚至稍有不慎圆不了谎就会被揭露,得不偿失,那么还不如一开始就把真实数据上链,这才是成本最低也最有效的方式。在网络空间中,有历时足够长的、经得起考验的数据,才是有价值的,背后的节点才是有可信度可言的。

在未来的智能时代,社会中可能只需要少数可信赖的人承担主要工作,那么想要证明自己有资格,就需要区块链技术来把我们过去的行为数据不可篡改地记录下来,让其他人从记录中推断可信度。可信的节点,就应该立即获得相应资源,而不是像现在,必须经历繁琐考察才陆续释放资源,这样的传统方式已经开始捉襟见肘,而区块链技术在智能时代将会变成必需品。

三、展望:区块链与人工智能相互赋能

区块链技术与人工智能技术的相互赋能并不是要将绕开人类或者全面取代人类,相反是为了能够使得机器和人类在未来的网络空间中能够在同一时间尺度上进化博弈,为人机共融奠定基础。

两者结合发展的必要性体现在两个方面。

其一,人工智能技术持续快速发展,机器进化的速度和力量都比人类强大得多,同时提高了社会复杂度,让人类获得真实可靠的数据变得越来越难,数据真实性也越来越重要。

现有图片、声音、视频都可以轻松造假,那未来当AI大行其道时,如果没有区块链技术加持,历史数据甚至都会被改写且永远无法还原。针对这一重大挑战,我们需要引入区块链技术对AI创造和发展进行追踪评估,对数据进行跟踪记录,保证我们对AI发展进度的全面了解,以及网络世界中数据的真实性。

其二,人工智能技术可以用来对链上数据进行优化并整体解释和把握。比如,自然语言处理技术的结合应用能够实现人机交互,释放部分人力劳动;以及通过智能推荐算法,区块链系统能够提供智能撮合,加快各节点的协作进程。

未来的区块链世界中,各节点的安身立命之本均应当源于主链提供的数字身份存证维护。

一个数字身份必须拥有足够长的、真实的、经得起考验的历史记录,才是具有价值的ID。时间的推移、经验的积累和历史记录的维护,决定了数字身份的可信价值,更可能在未来决定历史走向时,将人类未来的选择权托付给值得信赖的一批人,而不是短时间就迅速成长起来的“超级智能”。

很多重大决策并不仅是当下看起来最佳,而是要在更长时间尺度上、从历史回顾的角度看,依然是合适的、正确的选择,这就是人具有超越时空的特性所在,因此要强调存证、强调历史,正确认识区块链技术的核心价值,共同规范区块链的伦理价值。

人类的新文明的种子,就在新技术的推动下,开始发芽生根。

区块链技术与人工智能技术的结合需要探寻新的落地方式。A+B的设计能使所有协作相关之间形成一个相对独立区块链子系统,外来攻击或黑客很难撼动已有的信用体系,如果想要造成实质性伤害,也必须按照规则从新手开始,通过交互积累信誉,引入可信节点的认证,才有资格发动有效攻击。这就极大地提升了发动攻击的成本,不仅是财力、算力,而且是无法忽略的时间成本,必须花费足够时间建立可信度。

未来的人机智能融合的区块链系统更像是一个有生命特征的社会系统,生命系统遵循长尾分布,也是多样化的分布。

未来,物质财富和数字财富都将极大丰富,人机智能融合的区块链系统虽然不能完全避免财富向少数人集中,但能让财富的类型变得更丰富,而不是单一的价值体系,也让人类有更多机会探索高效的生活方式,实现商业发展与人类社会的终极需求。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金宝趣谈

[0:15ms0-6:861ms