第三节 人工智能+区块链应用展望

式（BLT），用以取代原有的基于密钥的数字签名认证技术（RSA），尝试增强加密安全性。RSA依赖公钥和私钥（PKI），需要更新和发布密钥，存在密钥丢失的风险。BLT基于密码学和哈希算法，不需要密钥也没有密钥泄露的可能。KSI为信息的出处和完整性提供了数学上的可靠性。在区块链上存储原始数据和文件的哈希表，通过哈希算法来验证其他拷贝，并将结果与区块链上存储的数据进行对比。由于区块链上的数据储存在百万计的节点上，任何数据篡改都会被及时发现。另外，此类技术还可以应用在对透明度、细粒度数据要求高的领域，比如医疗行业。医疗机构需要处理大量敏感数据，极容易成为黑客攻击的目标。区块链技术可以在跨机构验证，分享的病人完整数据，生成不可篡改的治疗流程数据账本记录，以及维护临床试验采集数据的完整性上都非常有用。

分布式存储系统也可为链上数据安全提供解决方案。非营利机构Nebulis正在开发分布式DNS系统项目，使用以太坊区块链（Ethereum）和星际互联文件系统（Interplanetary File System—IPFS，HTTP的分布式替代品）来注册和解析域名。利用区块链存储DNS条目，可提高安全性。公开透明的分布式DNS，将使任何单一实体几乎不可能随意操纵条目。而且区块链技术将消除与DNS读取相关的网络费用，只会增加更新条目的成本。这有利于解决互联网基础设施的压力，这也意味着可以消除传统DNS的许多冗余。

二、数据交换与模型增强

现在我们已经知道，数据在人工智能的许多领域可能异常有效。许多公司通过各种产品收集用户数据，不断迭代产品使其获得用户的青睐。正是因为互联网时代的这种竞争，企业和机构纷纷建立起自己的数据“护城河”。但是每个企业都希望获得更多的横向数据，从而建立更大的消费者数据库去更好地指导业务拓展。因此，企业或机构一边希望获得跟业务或用户相关的数据，一边又担心自己数据会泄露。许多公司认为数据共享带来的风险高于回报而不愿提供自己的数据，这就是现有数据交换中心面临的困境。

区块链可以为数据的安全流通搭建桥梁，数据共享甚至能得到全新的模型。我们来看看自动驾驶领域的案例。

我们开车时，会下意识地预测接下来几秒内道路上其他行人、车辆的反应，预想行人或许会乱穿马路、前方车辆会突然刹车。细心的驾驶员都非常善于处理这类情况，控制速度，为道路上的异常突发事件提前做出规划。驾驶员拥有在拥挤城市道路上快速应变的能力，在连绵山路也可应对自如。自动驾驶汽车应该具备至少和人类驾驶员同样的驾驶能力。

然而实现自动驾驶远比多数人想象得复杂得多。一辆车首先需要通过它的环境感知系统采集数据，多维度分析天气情况、信号灯情况、前方是否有人或有车等驾驶环境和路面交通情况，传到驾驶控制决策模块形成操作指令，完成刹车、加速、开启信号灯等操作。测试车辆的自动驾驶系统需要大量真实场景数据训练模型，但空有驾驶里程也是不够的。在空旷高速路上学习的驾驶技能，不太可能转化为北京五环内的驾驶技能。

图3.24为Google自动驾驶汽车环境感知系统软件的画面。

图3.24

Google的自动驾驶汽车至今已经行驶累计超过800万公里，测试地点涉及美国的六个州，达到这样一个数据量花费了七八年的时间。近几年来，Uber、百度、阿里巴巴等科技公司也开始研发自己的自动驾驶汽车，如果这些企业能共享各自的路测数据用于模型训练，甚至道路上的车能分享行车数据给研发机构，不同驾驶环境和路况场景的数据量将成倍增加，整个行业的前进步伐可能会更快。当然这样的数据分享可以以有偿形式进行。区块链基础的数据共享方式可以保证数据来源和去向明确，没有中间平台留存数据。去中心化的数据控制方式将促进数据的共享，更多训练数据的共享，也意味着AI模型的共享，新的商业模式由此形成。

三、数字产品交易和授权

人类的大脑是有逻辑和创造力的，逻辑是有序的，而创意和直觉可以是凌乱的。人类还有通感，音乐家可为画面谱曲，画家能在绘画作品中表现出诗意和韵律。我们很难说出人通过什么样的机制达到创作的状态，如何激发灵感产生独创性的作品。人工智能是否会生成不逊于人类作品的AI创作？事实上在模拟创作方面，深度学习算法已经取得突破。法国计算机科学家兼音乐作曲家Pierre Barreau在2016年2月创作了一个能够谱曲的人工智能系统Aiva，连专业的音乐家都无法分辨其音乐作品实际上是计算机的创作。IBM的认知计算平台Watson学会了用电影原片剪辑预告片。北京大学研发了利用大数据分析、自然语言处理与机器学习技术的写稿机器人。罗格斯大学和查尔斯顿学院联合发表论文提出创意对抗网络（Creative Adversarial Networks，CANs），通过学习风格和偏离风格设定来生成“艺术作品”。

在互联网快速发展的今天，人类艺术家通过数字化工具创作的数字艺术、网