不可否認，人工智能和區塊鏈促進了創新，在不同行業里面也都引起了根本性的變化。這兩種技術的技術復雜程度不一樣，商業意義也不一樣，但是如果能將兩者整合在一起，那么整個技術（和人類）范式可能將會重新定義。

I.揭開序幕

不過我從來沒有接觸過區塊鏈和加密貨幣，因此我將在第一章介紹一下這些是什么，它們的工作原理是什么。

區塊鏈是分布式網絡中由各方共享的安全分布式數據庫，其中交易數據可以記錄下來，易于審計。簡而言之，區塊鏈就是一種“讓互不相識的人信任共同記錄事件的技術”。

數據存儲在一種剛性結構中，這種結構稱之為塊，它們通過散列鏈相互連接。這些塊具有頭部和內容部分，其中頭部包含了元數據，內容部分包含了真實交易的數據。 由于每個塊與前一個塊是互相連接的，因此隨著數量的增加，在沒有網絡共識的情況下，無論想修改什么信息都是非常困難的。

網絡可以通過不同的機制來驗證交易，但主要的機制就只有兩種：“工作量證明（proof-of-work）”和“權益證明（proof-of-stake）”。工作量證明（Nakamoto，2008）為了增加一個塊，要求參與者（稱為“礦工”）解決復雜的數學問題，而這又需要大量的電能和硬件能力才能解碼。權益證明（Vasin，2014）試圖解決這個能源效率問題，因此把更多的采礦權歸于擁有更多貨幣的參與者。

此外還有一些其它機制，例如拜占庭容錯算法（Castro和Liskov，2002），Quorum切片（Mazieres，2016），以及權益證明的各種派生，我們就不在這里進行一一介紹了。

關于區塊鏈的特點，最后需要說明一點的是它可以按照不同網絡訪問權限進行分類，例如是不是任何人都可以進行瀏覽（無許可 Vs 需許可），或者是否參與到共識的形成（公共 Vs 私有）。在前一個情況下，任何人都具有讀寫權限，而在后一種情況下，預先決定的參與者有權力加入網絡（當然是在公共無許可的情況下，作為給礦工提供的回報結構才行）。

現在情況應該很清楚了，這一技術的本質力量不僅僅是顛覆性技術，而更多在于它是旨在“改變中介范疇”的基礎性技術。分布式總賬技術的確會降低驗證和聯網的成本，進而影響市場結構并最終使得新的市場形成。Iansiti和Lakhani（2017）在最近的工作中還對區塊鏈和TCP/CP這兩項技術之間進行了精彩的比較，說明了區塊鏈是如何慢慢地經歷了TCP/IP之類的先前基礎性技術所經歷的4個階段的，也就是單個使用階段、本地化使用階段、替代階段以及變革階段。就像他們解釋那樣，此類技術的“新穎性”使得它很難讓人理解解決方案域，而它的“復雜性”需要更大規模的制度性轉變才能培育出更便利的采用氛圍。

然而，有一點也是對的，那就是區塊鏈正在變革傳統商業模式，正在將價值朝著與之前的技術棧背道而馳的方向分配：如果說15年前投資應用比投資協議技術更有意義的話，在區塊鏈的世界里價值將集中在共享協議層，而在應用層的利潤水平將非常微薄（參見Joel Monegro的“胖協議”理論）。

這是一個由“胖”協議和“瘦”應用組成的堆棧（Joel Monegro）

最后，作為這個介紹章節的結束，我還想提一下實際上區塊鏈的可能性還不僅僅局限在交易上面，而且在建立由特殊事件和閾值觸發并且可以輕易追溯和審計的（智能）合約方面也有著可能性。

附加信息：首次代幣發售（ICO）

目前圍繞著這一新現象的一大炒作是首次代幣發售（ICO）。即便很多人投錢進去是因為這個名字讓人想起最常見（也是最值錢）的首次公開募股（IPO），但ICO不過是令牌銷售罷了，而令牌是特定網絡最小的功能單位。

希望ICO專家可以原諒我的粗略定義，但ICO可以說是一個混合概念，其中結合了股權分配、預售/眾籌活動，以及有著有限權力和應用域的貨幣等元素。

引入新的不受監管的融資手段絕對是一項有趣的創新，但它也引發了還沒有準備好的社區的若干擔憂。對此我非常樂意能聽到大家的反饋，但這里我先提煉一下對ICO評估的關鍵點：

在價值交換中令牌有著額外的功用，而公司出售令牌的唯一目標就是融資的話將會給市場釋放一個糟糕的信號。令牌是用來建立用戶群并且激勵利益攸關者在最早期階段參與到生態體系里面去的。光有一份好的白皮書是不夠的；

要當心不受限的令牌銷售；

要當心沒有時間限制的令牌銷售；

要當心沒有明確聲明（目前和未來）數量以及令牌價值（這聽起來有點荒謬，但你也許會對ICO的不透明度感到吃驚）的令牌銷售。

II.AI將如何改變區塊鏈

盡管區塊鏈極其強大，但也存在自身的限制。其中一些是技術相關的，而有的則來自于金融服務領域固有的思想陳舊的文化，但所有這些都會在某種程度上受到AI的影響：

電力消耗：挖礦是一項極其困難的任務，需要大量的電力（以及金錢）才能完成。而AI已經被證明是優化電力消耗的有效手段，所以我認為類似結果也可以在區塊鏈方面實現。這也許會導致挖礦硬件方面的投資下降；

可伸縮性：區塊鏈正在穩步地以每10分鐘1MB的節奏在發展，目前累計已達85GB。中本聰（2008）首次提出可以把“區塊鏈修剪”（比方說刪除有關已完全消費交易的不必要的數據）作為可能解決方案，但是AI可以引入諸如聯邦學習等新的去中心化學習系統，或者引入新的數據分片技術來讓系統更加高效。

安全性：即便區塊鏈幾乎不可能被攻擊，但區塊鏈更深的層和應用就沒那么安全了（比如DAO、Mt Gox、Bitfinex等）。過去2年機器學習取得的不可思議的進展使得AI成為區塊鏈極好的盟友來保障安全的應用部署，尤其是鑒于該系統架構的固定性；

隱私：擁有個人數據的隱私問題引起了對競爭優勢的監管和戰略性擔憂。同態加密（直接對加密數據進行操作），Enigma項目，或者Zerocash項目，絕對都是可能的解決方案，但我認為這個問題跟前面的可伸縮性和安全問題是緊密關聯的，而且我認為它們的重要程度也是一樣；

效率：德勤（2016）估計區塊鏈驗證和共享交易的總運行成本大概是每年6億美元左右。一個智能系統可能可以最終實時計算出特定節點成為第一個執行特定任務的節點的可能性，從讓其他礦工有可能可以選擇放棄針對該特定交易的努力，從而削減總成本。此外，即便存在某些結構性的約束，效率更好能耗更低也許也能降低網絡時延，從而讓交易更快；

硬件：礦工（未必是公司也可以是個人）把難以置信的金錢投入到專門硬件組件中。既然電力消耗一直都是關鍵問題，很多解決方案都被提了出來，未來還會引入更多。只要系統變得更加高效，其中一部分的硬件可能就會被轉化（有時候是部分轉化）為神經網絡所用（挖礦巨頭Bitmain正在這么做）；

人才缺乏：這是信仰之躍，但同樣地我們正在試圖自動化數據科學本身（按照我目前的認知來看是不成功的），我看不出為什么我們無法創建可以創建新的分類賬的虛擬代理（甚至影響和維護分類賬）；

數據門：在未來當我們所有的數據都放在區塊鏈上，公司可以直接向我們購買時，我們就會需要幫助來進訪問授權，跟蹤數據使用，通常還需要以計算機的速度弄清楚我們的個人信息發生了什么事情。這是（智能）機器的工作。

III. 區塊鏈如何改變AI

在上一節中，我們迅速觸及了AI可能最終對區塊鏈產生的影響。現在我們反過來看看區塊鏈可能會對機器學習系統的發展產生什么樣的影響。說得更仔細一點，區塊鏈可以：

幫助AI解釋自己（并讓我們相信它）：AI黑盒遭遇了可解釋性的問題。有一個清晰的審計跟蹤不僅可以提高數據的可信性，還可以提高模型的可信度，也為追溯機器決策過程提供了一條清晰的途徑。

提高人工智能的有效性：安全的數據共享意味著更多的數據（和更多的訓練數據），然后就會有更好的模型，更好的行動，更好的結果……以及更好的新數據。到頭來網絡效應是最重要的東西。

降低市場的準入障礙：我們一步一步來。區塊鏈技術可以保護你的數據。那么為什么你不能私下存儲你所有的數據，或者也許出售這些數據呢？你也許會。那么首先，區塊鏈將促進更干凈、更有組織的個人數據的建立。其次，區塊鏈會促進新市場的出現：比如數據市場（這個是比較容易實現的）；比如模型市場（這個要有趣得多）；甚至最后可能還會出現AI市場（參閱Ben Goertzel試圖用SingularityNET解決的事情）。因此，簡單的數據共享和新的市場，再加上區塊鏈數據驗證一起，這些將提供更加順暢的集成，從而降低小企業的進入門檻，縮小科技巨頭的競爭優勢。在降低進入門檻的努力中，我們實際上解決了兩個問題，即提供更廣泛的數據訪問以及更有效的數據貨幣化機制;

增加對人工的信任：一旦我們的部分任務將交給自動虛擬代理來管理，清晰的審計跟蹤將可以幫助機器人相互信任（并且幫助我們去信任它們）。在有了分項數據以及協調決策，再加上有健壯的機制到達法定人數（與群體機器人和多代理場景高度相關）的安全手段之后，這最終還將增加機器與機器之間的交互（Outlier Ventures，2017）和交易。Rob May在他最近的郵件簡報中也表達了類似的概念。

減少災難性風險的情況：DAO中編寫的具有特定智能合約的AI只能執行那些動作，除此以外再無更多（那么它的行動空間也是受限的）。

盡管AI跟區塊鏈技術的交互能夠帶來諸多好處，但是還有一個大問題困擾著我不得其解。

AI是誕生在一個開源的環境下的，在這樣的環境下數據是真正的護城河。但隨著這一數據的民主化（以及軟件的開源化），我們如何才能確保AI能取得成功并且不斷發展呢？新的護城河又會是什么？現階段我唯一的猜測是……人才。

IV. 去中心化的智能公司

從事區塊鏈和加密貨幣的初創企業有很多。不過這里我只對那些從事AI、區塊鏈技術交叉（或者融合）的感興趣，這些企業顯然就不是很多了。這樣的企業主要集中在舊金山和倫敦，但是在紐約、澳大利亞、中國以及歐洲國家也有例子。

這類初創企業的數量的確是太少了，所以很難把它們進一步進行分類。我通常喜歡試著去理解一組公司的底層模式極其對行業的影響/應用類型，但在這里鑒于數據點的數量太少了，是很難進行這樣的分析的，所以我就簡單地按照以下進行分類了：

去中心化智能：TraneAI（以去中心化的方式訓練AI）；Neureal（點對點的AI超級計算）；SingularityNET（AI市場）；Neuromation（綜合數據集生成和算法訓練平臺）；AI Blockchain（多應用智能）；BurstIQ（醫療保健數據市場）；AtMatrix（去中心化機器人）；OpenMined項目（在本地訓練機器學習的數據市場）；Synapse.ai(數據和AI市場);Dopamine.ai(B2B AI貨幣化平臺);

會話式平臺：Green Running（家庭能源虛擬助手）；Talla（聊天機器人）；doc.ai（量化生物和醫療保健洞察）；

預測平臺：Augur（集體智能）；Sharpe Capita（眾包情緒預測）；

知識產權：Loci.io（IP發掘和挖礦）；

數據溯源：KapeIQ（對醫療保健實體的欺詐檢測）；Data Quarka（事實核驗）；Priops（數據合規性）；Signzy（KYC）

交易：Euklid（比特幣投資）；EthVentures（對數字令牌的投資）。其他的（理論性）金融應用可參見Lipton（2017）；

保險：Mutual.life（P2P保險），Inari（普通保險）；

其他：Social Coin（市民獎勵系統）；HealthyTail（寵物分析）；Crowdz（電子商務）；DeepSee（媒體平臺）；ChainMind（網絡安全）。

以下是一些點評：

1. 許多AI—區塊鏈公司的顧問委員會要比團隊規模還要大，這是很有趣的。這也許是融合尚未完全完成的早期跡象，說明我們不知道的要比知道的東西要多；

2. 我個人對看到第一類初創企業（去中心化智能）的發展非常興奮，但是我也看到會話式平臺和預測平臺以及知識產權的巨大發展。我把其他的例子歸類為“雜項”是因為我并不認為目前階段那些代表了特定類別，而相反是將AI于區塊鏈進行匹配的單次嘗試；

3. 對這些公司進行評估極其困難。這些網站經常是神秘兮兮的，讓人摸不清楚它們是做什么的，怎么做的（這跟你對區塊鏈買賬正是因為它的透明度有點相悖啊），而且這種技術需要接受過高科技教育才能對其進行充分評估。撥開炒作的迷霧是一項艱巨的任務，炒作讓人很容易受到愚弄。

不過我可以給你看個具體的例子：聽說過Magos AI嗎？在為了寫這篇文章對公司進行研究時，我讀了幾篇有關這家AI驅動的區塊鏈預測平臺公司（來自Wired、Prnewswire等）的文章，該公司剛剛完成了一次超過50萬美元的ICO，并且對其交付成果給出了很大的承諾。但如果你認為他們應該把ICO的材料/信息共享出來想去對方網站看看的話，很怪異的是，他們的網站是打開不了的。

當然，有時候的確會發生這種情況。但我還是不甘心，因為我在Wired上讀過它的文章，我很想知道更多的東西。我設法找到了它的聯合創始人是誰，但是在Linkedin卻沒法找到他的資料。又是一樁怪事。不過，有的人就不喜歡社交活動，尤其是如果你考慮到三個月前還沒有這家公司存在的跡象的話。

那我們再來看看其他的團隊成員吧。也是沒有任何信息，我找不到有關其過往經歷的任何可追溯的證據（除了說CTO是學分析的，但我沒有發現相關證據）。

我嘗試著深入挖掘他們的技術：我想要找到他們的白皮書、藍皮書、黃皮書，或者隨便什么書。但我只能找到相關評論，卻找不到正文。

最后兩點：我根本不認為自己是區塊鏈專家，但我讀了很多這方面的東西。而且我也相信，在人工智能以及行業動態方面我是相當了解的。這些家伙聲稱自己建立了5個不同的神經網絡，可以在比Libratus（或DeepStack）還要復雜的不同領域達到相同的準確度，但我從來都沒有聽說過這樣的網絡——這一點非常奇怪。好吧，也許我可以寫信給他們請求見個面去了解一下他們。可你知道嗎？他們的地址是AXA的蘇黎世辦事處。

經過5分鐘的調查之后，我終于Google了兩個關鍵字：“Magos騙局”。這些家伙似乎卷走錢跑路了。他們一定是跑到什么地方去建立那個神經網絡去了。

所以請密切關注吧。

我的觀點是指數性技術是非常好的，是可以推進人類發展的，但隨著它帶來的好處增多，潛在的“負面融合”也會呈指數性增長，要保持警覺。

V.結論

區塊鏈和AI可以說是技術領域的兩個極端方面：

一個是在封閉數據平臺上培育中心化的智能；

另一個則是在開放數據環境下促進去中心化的應用。然而，如果我們能找到正確的方式讓這兩項技術一起協作的話，總的正外部性就能夠在一瞬間放大。

當然，由于這兩大技術的融合，也對技術和倫理產生了影響，比方說我們應該如何對區塊鏈上面的數據進行編輯（或者甚至遺忘）？可編輯的區塊鏈是不是解決方案？AI—區塊鏈的融合以后，我們會不會就成為了數據貯藏戶？

說實話，我認為目前唯一能做的事情就是不斷地進行嘗試。