區塊鏈與人工智能的關系(區塊鏈+人工智能 :來自谷歌、IBM、百度的真實案例)

導讀：人工智能是生產力，區塊鏈是生產關系，這兩者的協同演進、融合創新，可能會使每個行業都受到顛覆。整體來說，目前“區塊鏈+人工智能”的結合應用是不成熟的，但也只有在不成熟的階段，我們才更有可能利用好這個趨勢，搶先一步開始競爭，并占據有利地位。

作者：孔劍平 曹寅 楊輝輝 呂新浩 等

來源：華章科技

01 嘉楠：從云端智能到邊緣智能，擴建可信價值網絡

隨著科技的發展、產業的進步，大量的數據需要采集，數據量和計算量都將極為龐大。芯片的計算能力、硬件的存儲能力都存在物理極限，但數據是沒有邊界的。數據既是生產要素，也是人工智能的重要基礎，要想應對好數據爆炸帶來的沖擊，充分發揮其時代價值，需要思考如下三個關鍵問題。

第一，如何構建龐大的算力基礎設施來應對巨大的計算量。

第二，如何從硬件層面提高人工智能芯片的計算能力。

第三，如何優化當下的計算模式，使其具備更高的安全性與效率。

1. 區塊鏈超級計算芯片提供算力基礎

區塊鏈的發展促進了我國ASIC芯片研發能力的大幅度提升，我國區塊鏈ASIC芯片已達到了階段性的領先地位。ASIC芯片與GPU、FPGA等通用芯片技術不同，是一種為專門目的而設計的集成電路，在量產時具備更低功耗、更低成本、更高性能等優點。

專用芯片雖然不能像通用芯片一樣，一個芯片能處理很多事情，但在一些數據量、計算量極其龐大的場景下，我們必須選擇使用更強的能力來換取通用性。圖2-1所示是一臺由嘉楠科技研發的區塊鏈超級計算設備，目前其有效算力可達到普通筆記本電腦的數萬倍。

▲圖2-1 區塊鏈超級計算設備

當前，區塊鏈超級計算設備主要用于公鏈系統的共識維護，即常說的全網記賬過程。接下來超算設備有兩條路要走：

第一，在海量數據下實現加密、解密過程的加速計算，以提高共識出塊的速度；

第二，共享閑置、落后設備的有效算力，支持人工智能的模型訓練，以最大化利用資源。

要想實現這兩個目的，需要在芯片最初的設計過程中就加入相應的模塊，這對芯片公司而言是巨大的挑戰。未來，算力將是一切計算的基礎，前路依然任重且遠。

2. 將ASIC技術運用到人工智能芯片

在區塊鏈領域，我們見證了ASIC算力時代，那么如何將這種低功耗、高性能的芯片設計能力應用到深度學習領域呢？2018年9月，嘉楠科技推出的第一代人工智能芯片——勘智K210，可容納神經網絡模型的一體化SOC方案，是全球第一款基于RISC-V架構設計的商用邊緣計算芯片，支持最高0.5T算力，且功耗較低，在性能上極具優勢。

同時，憑借完全自主研發的神經網絡加速器IP，勘智K210兼具了機器視覺和語音識別的能力，可以在超低功耗下進行高速卷積神經網絡計算，比如，基于卷積的神經網絡可用于目標檢測和圖像分類任務（如人臉識別、多分類物體檢測與識別等），還可以實現聲源定向、聲場成像、波束形成、語音喚醒、語音識別等機器聽覺功能（如圖2-2所示）。

▲圖2-2 勘智K210人工智能芯片示意圖

人臉識別技術是近年來非常火熱的人工智能生物識別技術，為人們的生活帶來了極大的便利性，可以降低社會運行和治理的成本，同時還能產生一定的經濟效益。目前，人臉識別技術已經應用到支付、娛樂、安防、教育等生活的各個領域。

目前常見的人臉識別系統主要有兩種工作方式：離線工作和聯網工作。

離線工作的邊緣計算人臉識別系統算法運行在AI芯片上，隨著神經網絡算法（CNN）技術的快速發展和提升，識別準確率已經能夠滿足絕大多數場景的應用要求；

聯網工作的人臉識別系統算法識別準確率很高，但計算和傳輸的時間成本也很高，運行的基礎設備成本較高，同時會存在人臉信息數據泄露的問題，因此具有一定的風險。

邊緣計算能夠減少請求的響應時間、提升電池的續航能力、減少網絡帶寬，同時保證數據的安全性和私密性。這些優勢在物聯網領域格外明顯，在物聯網時代，大量電子設備涌入互聯網，產生了海量數據，傳統的云計算并不能及時有效地處理這些數據，此時，邊緣計算人工智能就派上用場了。它具有以下無可比擬的優點。

第一，更快的傳輸速度和響應速度。對于直接運用于安防、市政甚至工農業的物聯網設備體系來說，效率和速度意味著一切。尤其是對于安防和娛樂等產業，如果終端的延遲率太高，會對實際的運行效果和交互體驗產生很大的影響。

第二，擺脫了網絡環境制約，避免人臉數據泄露，因此更加安全。邊緣計算人臉識別解決了這部分網絡環境的限制，并且避免了數據上傳云端所帶來的隱私泄露風險，因此更適合物聯網體系。

第三，利用傳統云計算的遺漏區域，產能比更劃算。在整體上云的思路下，終端很大一部分的運算能力將遭到放棄，這顯然也是一種巨大的浪費，邊緣計算將這部分能力調集了起來，形成了“中心+分散”的運算模式，產能比更高，資源的利用率也有了大幅度的提升。

3. “區塊鏈+邊緣智能”，構建萬物互鏈

能不能讓所有的產品都具備智能，而且還要能夠保護隱私？區塊鏈、人工智能、邊緣計算的有機結合可以有效地應對這個問題。

在當下的計算模式下，數據可以由各個終端統一調度到云端進行計算處理。邊緣端不僅浪費了計算能力，而且由其產生的數據價值也被云端所壟斷。通過區塊鏈，云端與邊緣端各節點可以構筑成數據與價值網絡，各個邊緣智能終端將成為可信數據與可信計算的智慧載體，與云端高效互通，實現“萬物互鏈”。

如圖2-3所示，隨著邊緣計算和人工智能技術的發展，未來的高級別智能將同時存在于云端和邊緣端。當云端和各個邊緣端的數據被打通時，數據不再是孤島式的，更不會再被強大的云所壟斷。這個時候我們需要考慮三個問題：

第一，數據如何保真；

第二，如何保護數據的隱私；

第三，如何體現數據的價值。

▲圖2-3 云+端可信網絡結構示意圖

區塊鏈技術為這些問題提供了解決的方法。我們不僅要將這個網絡打通，更要將這個網絡“鏈”接起來，利用區塊鏈加密、不可篡改的特性，確保數據在鏈上可信、安全地流通。

同時，基于區塊鏈平臺搭建價值結算系統，用于保護每個用戶、每個終端所產生的數據，并在其他節點需要用到相關數據時得到等價的激勵。一個廣泛的、智能的、可信的商業經濟體就此誕生了。

02 谷歌DeepMind Health

DeepMind Health是世界上最熱門的人工智能實驗室之一Deep-Mind旗下的子部門。DeepMind于2014年被谷歌收購，之后因為研發了AlphaGo而享譽世界。2018年，谷歌宣布重新組建Google Health，并將DeepMind Health并入其中。

DeepMind Health提出了一種新的醫療數據解決方案，即運用區塊鏈技術創建一個不可篡改的數據記錄。與金融領域運用區塊鏈技術大幅削減后臺成本的目的不同，DeepMind Health的目的主要在于提升信任度。

與其他人工智能系統一樣，DeepMind Health的人工智能同樣依賴于大量數據的計算和學習更新，而醫療數據天然的敏感性和隱私性讓其不得不思考數據來源和數據處理相關的一系列問題，包括公眾、數據來源用戶的理解程度及信任程度。

DeepMind過去曾與倫敦一家醫院合作，并開發了名為Streams的應用，旨在幫助醫生對病人的腎臟風險進行檢測。2017年，DeepMind因被質疑與醫院間過于廣泛的數據共享協議而受到公眾批評。這背后一方面是用戶質疑醫療數據的非法泄露，另一方面是對于護理數據、研究數據劃分不清而導致用戶的不滿。

DeepMind聯合創始人Mustafa Suleyman曾公開表示：“我們希望通過公開構建這樣的工具，來提高患者對這種數據訪問的信任度。”

DeepMind利用聯盟鏈達成小范圍醫療機構、醫療服務者及數據處理機構之間的“聯合”，數據審計系統采用了Merkle樹數學函數。該函數可以利用較小的記錄完整地記錄區塊鏈網絡上的系統數據，并進行數據的更改與跟蹤。

數據審計系統憑借區塊鏈系統提升了公眾的信任度，完整地記錄了數據記錄、數據使用和數據脫敏等一系列相關活動。

03 IBM Crypto Anchor Verifier

IBM于2018年發布了“加密錨驗證程序”（Crypto Anchor Veri-fier），該技術結合了人工智能軟件和復雜的內部鏡頭，用于驗證產品的來源和內容，以確保與區塊鏈網絡上的記錄相匹配。欺詐行為每年給全球帶來上千億美元的損失，“加密錨驗證程序”有望解決這一問題。“加密錨驗證程序”已在如下幾個領域展開了試驗。

識別諸如機油和食用油等物質的獨特組成。

確認救生藥的真偽。

分析水質。

通過平版印刷圖案和紙紋的分析，發現包括金錢在內的假冒產品。

檢測細胞、DNA序列或細菌（例如大腸桿菌）。

按來源地區或遺傳修飾狀態（GMO與非GMO）對種子/谷物進行分類，該技術經過專門設計之后，能夠檢測人眼無法察覺的瑕疵和差異，并將所有的數據都存儲在區塊鏈系統上。所有的商品都會產生一個獨特的數字ID，代表模型、批次、生產地點、生產商等一系列數據，從而保證商品來源的真實性。

“加密錨驗證程序”的可信度權威來源于三個方面：嵌入式特征、物理指紋、私鑰。其中，嵌入式特征是指諸如微型打印、全息圖等的特征；物理指紋是指諸如生產線印記、原材料摻雜程度等制造商也無法完全復刻的印記；私鑰是指存儲在電子設備中的密碼，可用于驗證身份。

04 百度圖騰

《哈佛商業評論》發布的2019五大人工智能公司分別為谷歌、蘋果、微軟、百度和亞馬遜。百度成為唯一一家入選的中國企業。2018年4月，由百度自主研發的百度圖騰正式上線，這也是百度首個落地的區塊鏈項目，是核心技術為區塊鏈、人工智能以及大數據的原創圖片服務平臺。

原創作者經過身份認證之后，將原創內容上傳到百度圖騰，并選擇類別和標簽（最多10個），所有作品都將在區塊鏈網絡中自動生成版權標識和哈希值。版權的監管和保護主要來自人工智能軟件。百度圖騰通過全網檢索、作品分類、圖像識別、準確匹配等，對原創作品進行保護，并保證作品的合理使用和轉載。

若人工智能軟件識別到侵權行為，會對侵權行為進行取證并將記錄并上傳到區塊鏈網絡，作為維權的存證。據中研網2018年7月19日的報道，該系統覆蓋了全網千億張圖片規模的數據，識別準確率高達99%，萬張圖片最快2小時即可產出版權檢測報告。

從原創作者的角度來看，百度圖騰提供的版權保護便捷有效，除此之外還可以帶來一些潛在的流量推廣作用，增加曝光機會。從平臺的角度來看，百度圖騰提供的版權保護、版權追溯提高了平臺內容的質量，剔除了重復的侵權作品，會吸引更多的原創作者，能促進平臺的良性發展。

關于作者：孔劍平，Nano Labs創始人、清華大學五道口金融學院工商管理碩士、香港大學工商管理博士在讀、知名區塊鏈投資人、浙江省半導體行業協會副理事長。

曹寅，數字文藝復興基金會董事總經理，曾任信達證券首席區塊鏈專家。自2014 年開始在國內推廣區塊鏈的產業應用，以子課題組組長身份參與了國家能源局相關政策的制定，并提出區塊鏈服務實體經濟的構想。

楊輝輝，區塊鏈資訊服務平臺嗶嗶News創始人，曾任區塊鏈行業媒體壹比特聯合創始人、區塊鏈行業超算服務平臺算力寶CEO。2014年進入區塊鏈行業，具有豐富的區塊鏈行業從業經驗，對區塊鏈產業生態有深入理解。

呂新浩，畢業于大連理工大學，曾發起并參與小米區塊鏈技術團隊，探索并實踐區塊鏈技術與在線廣告的結合。

本文摘編自《產業區塊鏈：行業解決方案與案例分析》，經出版方授權發布。

延伸閱讀《產業區塊鏈：行業解決方案與案例分析》

推薦語：產業區塊鏈世界銀行、國開行、百度等知名機構專家撰寫，從設計思想、技術架構、實施方案維度剖析區塊鏈在19個產業落地。