區塊鏈應用于人工智能的前景探析

　　摘 要：隨著人工智能和區塊鏈技術的齊驅并進，近幾年受追捧的程度有目共睹。越來越多人開始關注兩者融合發展的可能性。文章分析了人工智能領域存在的問題，并探究了區塊鏈技術優勢，以及對人工智能的數據、算力、算法等所存在痛點的幫助，為學術界和產業界繼續深入研究人工智能與區塊鏈技術融合發展提供了新的思路。

　　本文源自網絡空間安全 2020年11期《網絡空間安全》(國際統一刊號：ISSN 2096-2282;國內統一刊號：CN 10-1421/TP)期刊創刊于2010 年，由中華人民共和國工業和信息化部主管，中國電子信息產業發展研究院、賽迪工業和信息化研究院主辦，是集學術性、技術性、專業性和權威性為一體的國家級學術期刊。

　　1 引言

　　近年來，隨著我國人工智能(Artificial Intelligence， AI)技術推進政策不斷落地，企業逐步重視對人工智能的應用。人工智能技術為人們帶來了便捷，并獲得了迅速的發展。但由于人工智能技術在數據、算力和算法等方面存在不足，導致數據質量差、信息丟失、算法過分集中等問題的出現，使得技術創新受阻、應用落地實施困難。因此，改變、優化、升級人工智能技術模式，將傳統的人工智能技術與其他新興技術相結合變得尤為重要。

　　區塊鏈(Blockchain)技術是以網絡技術為基礎發展起來的一種綜合型技術，憑借其去中心化、可追溯、不可偽造等的特點，在互聯網技術的安全領域之中發揮著強大的作用與優勢。區塊鏈技術為促進實現全球網絡的共享共治、處理數字世界和現實世界關于用戶隱私保護、能源粗放使用等問題的矛盾提供了新思路。隨著區塊鏈技術不斷深入研究，研究者們利用區塊鏈技術的優勢，對人工智能技術發展中存在的困難進行改善，并取得了較好的成績，為我國科學技術的發展提供了一個全新的模式。

　　2 人工智能領域存在的問題

　　自人工智能出現以來，便得到了各個行業的廣泛關注及大力支持。它極大地方便了人類的生活、學習，為科學技術的發展帶來了新可能。但在人工智能技術不斷改善人們生活質量和促進科學研究的同時，它帶來的問題也著實令人困擾。

　　2.1 數據壟斷

　　各領域數字化進程的加速使得數據量呈現爆炸式增長，海量數據蘊藏的巨大衍生價值使其成為數字經濟時代的戰略性基礎資源。由此引發的“數據爭奪”和數據積累差異，逐漸出現了數據壟斷現象，數據寡頭持有并控制海量數據[1]。

　　人工智能技術不是一個單一的技術，它是由數據、算法、服務等統合的新興技術。它的重心在于決策、評估和理解某些模式和數據集，最終產生自主交互。人工智能的可供學習、分析的數據越多，人工智能的預測、評估、決策才能更準確。但由于數據壟斷現象的產生，很多從事人工智能行業的公司由于缺乏數據，人工智能發展一直停滯不前，即便是像阿里、谷歌、騰訊這樣的互聯網巨頭，所能獲取的也只是基于自身業務的有限數據，所以大部分企業逐步將目光從數據收集轉向了數據交易。由于數據的缺口較大，不少大數據來自數據黑市，其真實度和質量都大打折扣。這些黑市買來的數據大多過期失效，再或是對同一份數據進行稍加修改，反復售賣。少部分數據雖然來源真實，但還是存在實時性較低，數據標注質量不高等情況。在人工智能應用中，包括圖像識別、語音識別、動作識別等領域都需要對數據進行精準標注，高質量的標注數據決定了人工智能建模的效率[2]。

　　2.2 算力受限

　　算力，也稱作計算力，顧名思義就是設備的計算能力。例如，對數字貨幣而言，算力是衡量在一定的網絡消耗下生成新塊的單位的總計算能，能夠處理的數據量越大，也就意味著算力越大。

　　算力是人工智能發展的技術保障，是人工智能發展的動力和引擎。人工智能的開發和訓練需要大量的圖片、視頻以及訓練場景的導入，運算量龐大、過程繁瑣，需要高配置的CPU、GPU、FPGA等硬件資源。例如，谷歌公司的AlphaGo使用的TPU，類似與GPU的一種算法芯片，能耗功效比極高，訓練AlphaGo需要的算力相當于大約12，000塊市面上常見的消費級1，080TI，至少千萬級別的開支。龐大的配置開銷對于大部分中小型企業來說難以負擔，從而引起算力受限的現象發生[3]。

　　人工智能對計算的需求非常高，因此對高性能計算定制深度學習芯片的要求很高，意味著很多企業要花很多錢買算力、建很多計算中心，造成了很大的資源浪費。目前，提高人工智能算力的途徑只有購買機器和租用機器兩種，而這兩種途徑本質上是算力的購買和租用，為此需要付出相當高的費用。

　　2.3 算法匱乏

　　人工智能的基礎為算法，它的高速發展離不開基礎研究的突破性進展，算法的更新是人工智能進步的最大推力。

　　我國在人工智能領域前景一片向好，創新創業氛圍活躍、專利論文發表的數量已位居世界前列，應用性研究中的語音和人臉識別也已躋身國際第一梯隊。但由于我國人工智能的發展起步略晚，發展時間短，導致人工智能領域專家匱乏、人才培養方面明顯落后，使得人工智能核心算法缺失。許多打著人工智能招牌的投資者、創業者還是聚焦在人工智能的初級應用層面，在基礎理論、核心算法等領域與國際水平仍有較大差距，存在許多不足。

　　2.4 技術濫用

　　人工智能技術若得到合理的使用和管理，將對人類探索世界、改造世界帶來很大的幫助。但如果人工智能技術被不法人員濫用，就會帶來安全問題。

　　在用戶和算法的共生關系中，人類處于被動地位。例如，手機經常會提示你離家或是離公司有多遠，頻繁提示你是否開啟定位功能。再或者是智能算法向用戶定向推送廣告、新聞、內容的事件每一天都在發生。

　　另外，黑客可能通過智能方法發起網絡攻擊，智能化的網絡攻擊軟件可以通過自我學習，模仿計算機系統中的各種行為，并適應網絡環境，不斷進行升級，長時間滯留在網絡系統中;黑客還可濫用人工智能技術非法竊取私人信息，造成網絡治安混亂;通過根據用戶不同的認知，定制不同網絡內容供其閱讀，人工智能技術甚至會被用來左右和控制公眾的認知和判斷。單一企業掌握數據后，如果將數據違規轉移至其他模型中，以算法作惡，損失的將是消費者的使用體驗甚至利益和安全。

　　2.5 隱私泄露

　　通過人臉識別、智能推薦、智能信用評估等技術的應用，使人們感受到人工智能為生活帶來的諸多便利，但大多數人工智能技術首先需要獲取用戶的個人信息再實現具體服務，這就加大了信息泄露的風險，用戶可能在不知不覺中就被曝光了隱私。

　　2019年英國廣播公司曾報道，IBM在未經用戶同意的情況下，在圖片分享網站Flickr上獲取了大約100萬張照片，用于訓練其人臉識別算法。對于技術公司而言，這些照片的價值不言而喻。龐大的圖片數據集有助于將人臉識別算法訓練得更加精確，從而可以快速地從不同照片或不同場景中識別出某個用戶。然而，那些照片上的人，大概沒有想到，自己的肖像數據就這樣被技術公司收集，個人信息就這樣被泄露。以上事例說明，人工智能應用需要以海量的個人信息數據作支撐，海量信息數據對于人工智能迭代升級是不可或缺的。人工智能技術的進步，需要獲取、存儲、分析海量信息數據。但在獲取、處理海量信息時，個人隱私極易以數據的形式被存儲、復制、傳播，如個人身份信息數據、網絡行為軌跡數據以及對數據處理分析形成的偏好信息、預測信息等。

　　可以預見，在不遠的未來，越來越多的人工智能技術將出現在人們的身邊。在給人們生活帶來便利的同時，也會被輕易獲取更多有關個人隱私的數據信息，潛藏著不容忽視的隱私泄露風險。

　　3 區塊鏈在人工智能領域的探索

　　區塊鏈技術是以網絡技術為基礎發展起來的一種綜合型技術，它的去中心化、不可偽造、全程留痕、公開透明等優點，為科技發展奠定了堅實的信任基礎。在互聯網技術的安全領域之中發揮著強大的作用與優勢，為促進實現全球網絡的共享共治、處理數字世界和現實世界關于用戶隱私保護、能源粗放使用等問題的矛盾提供了新思路。

　　區塊鏈技術的出現給人工智能存在問題的解決帶來新的契機，隨著區塊鏈技術不斷深入研究，研究者們利用區塊鏈技術的優勢，對人工智能技術發展中存在困難進行改善，并取得了較好的成績，為我國科學技術的發展提供了一個全新的模式。針對人工智能領域痛點，以人工智能的數據、算法、算力為基礎，搭建了基于區塊鏈的人工智能技術應用架構，如圖1所示。

　　3.1 區塊鏈有助于人工智能獲取更全面的數據

　　人工智能技術的進步取決于不同來源數據的可用性。盡管像谷歌、臉書、亞馬遜等公司可以訪問大量數據源，這些數據可以證明對許多人工智能流程有用，但市場上無法訪問這些數據。區塊鏈重心在于保持記錄、認證和執行的準確，旨在通過引入點對點連接的概念來解決數據壟斷的問題，它以去中心化的方式，對大量數據進行組織和維護，用戶控制自己的數據，改善數據難共享及科技巨頭壟斷數據的現狀。

　　為打破人工智能技術數據壟斷搭建的基于區塊鏈的數據共享平臺模型包括四個部分：數據提供方、數據源、去中心化數據共享平臺和數據需求方(此為人工智技術研發需求)，如圖2所示。

　　數據提供方指的是擁有數據所有管理權限的個體或機構，例如科研機構、政府、擁有數據管理權的科技巨頭等;數據源代表具備數據庫管理系統基本功能，且能夠提供遠程數據訪問的計算機、中心服務器或云服務器等，它包含了由數據提供方用于共享的數據;去中心化數據共享平臺是基于區塊鏈網絡信息數據溝通平臺，它的更新和信息記錄由分布式主體共同交互完成，并非由某個權威機構執行[4]。

　　由于區塊鏈是一個開放的分布式鏈表，因此網絡上的每個角色都可以訪問這些數據。在該模型中，數據提供方通過去中心化數據共享平臺發布數據，構造信息流起點。根據需求，人工智能研發機構可以通過檢索、查看數據質量評價、發布數據訂閱需求等。最終需求方和提供方可以在平臺上進行數據權限可信、透明、平等的共享交互。通過區塊鏈激勵機制維持生態圈模型的正常運行，有助于營造良好的數據共享生態環境。

　　基于區塊鏈的數據共享平臺實現數據共享和溯源，促進跨機構數據的流動共享，形成一個自由開放的數據市場，讓人工智能技術的研發可以獲取更加全面的數據，進行大量訓練，真正變得“智能”。

　　3.2 區塊鏈幫助人工智能共享算力

　　全球范圍內的大多數普通計算機的算力都處于閑置狀態，如果能夠把這部分算力利用起來，就可以極大地降低人工智能建模的成本和提高資源利用效率。而區塊鏈的分布式特點，可以充分利用分布在世界各地處于閑置狀態的算力，有助于構建去中心化的人工智能算力設施基礎平臺，轉變傳統的不斷提高設備性能以提高算力的思路并降低企業的運行成本。此外，通過區塊鏈的智能合約，根據用戶所需的計算量對網絡計算節點進行動態調整，從而提供彈性的計算能力以滿足用戶的計算需求。如圖3所示，人工智能研發機構利用海量數據并將深度學習模型提交至基于區塊鏈的算力共享平臺，并根據每個節點設施能力來分配相應算力對人工智能模型進行訓練。

　　近幾年來，基于區塊鏈的人工智能算力共享逐步熱了起來。以深腦鏈為例，深腦鏈把分布式挖礦與人工智能結合，將大型GPU或者FPGA服務器集群、中小型企業閑散的空余GPU服務器以及個人閑置GPU作為計算節點，利用區塊鏈技術通過共享算力，讓人工智能神經網絡運算可以去中心化分布在全世界海量節點之上，通過發行深腦幣及閑置計算資源再利用達到低成本，運用海量數據節點進行動態計算，為人工智能提供算力供給。雖然每個設備的算力很小，但是當設備的數量達到一定基數時，其累計起來的算力也是巨大的。

　　3.3 區塊鏈協助人工智能算法搭建研究平臺

　　導致人工智能核心算法匱乏的主要原因有三個：一是相關技術人才匱乏;二是人工智能的開發耗時耗力，需要大量數據進行訓練，同時如果出現錯誤，無法及時修復;三是大多人工智能算法研發不對外公開，導致技術出現重復開發現象。

　　在加強專業人才培養的同時，可以借助區塊鏈技術打造人工智能算法研究平臺。該平臺旨在利用群體智慧優化人工智能算法。一套復雜的人工智能算法由多個人工智能專家更新維護，不再是由一家研究機構決定，這對人工智能算法的準確性有了極大的保障。各國各地的研究人員，尤其是基礎稍弱的發展中國家，可以在區塊鏈上使用公開的人工智能模型，再在基礎上進行優化，無需再次開發、浪費不必要的人力資源。

　　3.4 區塊鏈可以幫助人工智能搭建可追溯的算法監管架構

　　中心化商業模式下的人工智能算法，其難以達到完全的公開、公正，并可能會出現技術濫用的現象。但若將人工智能算法處理數據的每個環節全部記錄至區塊鏈，使其可追溯且不可篡改，并將人工智能模型加密計算上鏈后相對透明避免作惡，或可以讓部分人工智能的行為全程處于監管之下。這將幫助人工智能搭建可追溯的算法監管架構，防止人工智能技術的濫用及霸權。圖4中展示了人工智能技術應用的追溯流程圖，人工智能技術應用主要分為四個階段，包括人工智能技術準備階段、人工智能技術訓練學習階段、投入使用階段和面向對象使用信息階段。

　　(1)人工智能技術準備階段。人工智能技術開發所需要準備基礎數據，在區塊鏈平臺上記錄材料的相關數據，包含技術開發商、開發人員、開發時間、數據提供方信息、數據的類型、得到數據的時間等，將這些信息錄入到區塊鏈平臺。

　　(2)人工智能訓練學習環節。技術開發方將人工智能神經網絡模型訓練學習過程中利用及產生的數據和硬件設備信息記錄到區塊鏈上，經各節點確認后，這些數據將會永久的保存在區塊鏈上。

　　(3)投入使用環節。人工智能技術通過用戶需求分析進行后臺分析計算，為了更好地追溯人工智能技術應用及數據流向，不僅僅需要將后臺數據上鏈，同時還需要記錄面向對象的信息和需求、計算過程中利用和產生的數據信息、運營商信息等。在這個環節，需要將基于人工智能技術的平臺搭載到區塊鏈平臺上，實現數據實時記錄，在數據流動的同時，同步接入到區塊鏈平臺，從而實現對數據、技術的跟蹤。在區塊鏈的數據層，采用公私鑰非加密對稱技術，無論是平臺還是業務需求方都擁有自己的公私鑰對，這在一定程度上保障了信息的安全可靠，出現問題時可以快速查詢出是哪個環節的問題。

　　(4)需求方。對需求方在平臺得到需要的數據后的進一步處理，也需要提交到區塊鏈中，更好地防止了技術的濫用。

　　將人工智能技術應用的各個階段產生的數據利用區塊鏈的智能合約上傳至區塊鏈平臺，營造可追溯、不可篡改的信息流。

　　數據、算力、算法是人工智能發展的三大要素。人工智能的發展離不開海量數據和強大算力。如果使單一商業機構握有大量數據、雄厚研究力量和算力資源，在信息技術領域就獲得相對壟斷的優勢，增加了作惡的風險。區塊鏈建立了新型治理架構，使操作記錄和認證取決于多個機構，可以限制算法權力濫用，從而可以幫助更多科研機構或者規模相對較小企業融入科學發展的大環境，促進其技術開發。

　　3.5 區塊鏈為AI提供安全、可靠的發展環境

　　數據安全問題是人工智能進一步發展所遇到的障礙之一，如果開發者們沒有提高所管理數據的安全性，那一旦數據被暴露，人工智能將會失去公信力，最終只能淪落為一個被美化后的科技。而區塊鏈技術則可以極大程度上解決這個問題。

　　區塊鏈的智能合約和智能交易機制，可以很好地發揮隱私保護和數據開放、數據融合功能，可使數據交易信息主體處于加密狀態。同時，由于區塊鏈記錄的不可篡改性，也能方便人們對人工智能設備記錄進行查詢和監督，提升人們對人工智能的信任和接納度[5]。

　　在數據至上的時代，人們可以從數據中提取很多有價值的信息。區塊鏈及技術既能保障數據的安全，又能協助提取有價值的信息。因此，區塊鏈對人工智能所存在的信息泄密問題的改善方面可起到至關重要的作用。

　　首先，區塊鏈技術的不可篡改和可追溯性使得數據從采集、交易、流通，以及計算分析的每一步記錄都可以留存在區塊鏈上，任何人采用任何手段在區塊鏈網絡中，都不可以篡改數據、修改數據和造假，使得數據的可信性和質量得到一定程度的信用背書，有助于人工智能進行高質量的建模，從而使用戶獲得更好的用戶體驗。其次，區塊鏈中的基于同態加密、零知識證明、差分隱私等技術使數據共享得到了隱私安全保護。

　　4 結束語

　　隨著區塊鏈技術和人工智能技術不斷進步，兩個技術在各領域都展示了不俗的優勢，引起了各個行業對區塊鏈與人工智能的融合技術越來越廣泛的關注。特別是在信息共享、安全保密、監督透明、溯源確權和信任協作等領域。區塊鏈和人工智能結合發展，可以產生更高的價值，不少的領域已將兩者融合，例如數字版權、醫療行業、無人駕駛汽車等。

　　我國近年來人工智能技術雖然不斷進步，但起步較晚，技術與發達國家還是存在一定的差距。而人工智能與區塊鏈技術的融合可以為我國科技發展提供一個新的方向，但在此過程中會面臨著許多的問題，例如技術本身還需優化、技術進入門檻高、相關政策法規還不夠完善、應用場景還需繼續拓展、相關科技人才缺乏等。為此，我國需要加強人工智能和區塊鏈領域的人才培養、完善“互聯網 +”利益機制、重視“人工智能+區塊鏈”的基礎設施建設等。

　　隨著區塊鏈與人工智能技術進一步的完善，學術界和產業界不斷將理論轉化為技術并落地應用，相信未來區塊鏈與人工智能這兩種技術融合將更加深入，應用場景會更加豐富。

　　參考文獻

　　[1] 孟小峰，朱敏杰，劉立新，等.數據壟斷與其治理模式研究[J].信息安全研究，2019(9).

　　[2] 程顯毅，胡海濤，曲平，等.大數據時代的人工智能范式[J].江蘇大學學報(自然科學版)，2017， 38(4)：455-460.

　　[3] 劉權.區塊鏈與人工智能 構建智能化數字經濟世界[M].北京：人民郵電出版社，2019.

　　[4] 蘇雄業.基于區塊鏈的大數據共享模型與關鍵機制研究與實現[D].北京：北京工業大學，2018.

　　[5] 劉曦子.區塊鏈與人工智能技術融合發展初探[J].網絡空間安全， 2018， 9(11)：57-60.