'n Omvattende oorsig van Blockchain in AI

KI en Blockchain het die afgelope tyd na vore gekom as twee van die mees baanbrekende tegniese innovasies.

• Kunsmatige Intelligensie (AI): Stel masjiene en rekenaars in staat om menslike denke en besluitnemingsprosesse na te boots.
• Blockchain: 'n Verspreide en onveranderlike grootboek wat data en inligting veilig op 'n gedesentraliseerde en betroubare wyse stoor.

Onlangs het wetenskaplikes die moontlike toepassings van hierdie tegnologieë in verskeie sektore ondersoek. In hierdie artikel sal ons 'n kort oorsig gee van hoe blockchain met KI geïntegreer kan word, 'n konsep wat as 'gedesentraliseerde KI' uitgedink kan word. Kom ons duik in.

Gedesentraliseerde KI: 'n Inleiding tot Blockchain in KI

In die afgelope dekade of so was blockchain een van die mees gehyped innovasies, en dit het momentum begin kry toe dit die toepassing daarvan in ander velde gevind het. Sedert sy ontstaan ​​in 2008, het dit voortgegaan om na vore te kom as 'n ontwrigtende tegnologie wat die potensiaal gehad het om die manier waarop ons data of inligting stoor of uitruil, 'n rewolusie teweeg te bring en die manier waarop ons transaksies opspoor en na te spoor of dit te outomatiseer. 

Een van die mees gepraat oor punte van blockchain is dat elke blokkettingtransaksie kriptografies onderteken word, en die mynbounodusse wat 'n replika van die hele grootboek van vasgekettingblok van alle transaksies bevat, verifieer elke sodanige transaksie wat lei tot die skepping van gesinchroniseerde, veilige en gedeelde tydstempelrekords wat onmoontlik is om te verander . Gevolglik kan blockchain 'n effektiewe opsie wees om die vereiste vir 'n sentrale owerheid om die transaksies en interaksies tussen gebruikers op die netwerk te verifieer en te beheer, uit te skakel. 

Deur voort te beweeg, het die tegniese industrie 'n groot hoeveelheid data geproduseer en gegenereer danksy tegniese innovasies soos IoT-toestelle, slimfone, sosiale media en webtoepassings wat aansienlik bygedra het tot die opkoms van KI omdat KI-stelsels effektief en doeltreffend kan presteer gebruik dikwels 'n groot hoeveelheid data deur diep leer en masjienleerpraktyke om verskillende ontledings uit te voer. 

Selfs vandag maak 'n groot deel van masjienleer- en diepleertegnieke vir KI-modelle staat op 'n gesentraliseerde model wat 'n groep bedieners oplei wat 'n spesifieke model hardloop of oplei teen opleidingsdata, en dan die leer verifieer deur gebruik te maak van validering of opleidingsdatastel. Die hoë vereiste om 'n KI-model effektief op te lei, is die rede waarom groot tegnologie-organisasies en ontwikkelingspanne dikwels 'n groot hoeveelheid data stoor om hul modelle op te lei vir die beste moontlike resultate en prestasie. 

Die meeste KI-modelle en -praktyke is vandag gesentraliseerd, en hoewel sentralisering baie sukses vir die KI-industrie gebring het, is daar 'n groot nadeel met gesentraliseerde databerging vir KI-modelle. Wanneer die hele data op 'n gesentraliseerde wyse gestoor word, neem die moontlikheid van datapeutery of datakorrupsie toe, aangesien gesentraliseerde databerging altyd onderhewig is aan wanware en kuberveiligheidsaanvalle. Verder, wanneer 'n groot hoeveelheid data hanteer word, is dit 'n uitdagende taak om te verifieer dat die egtheid en herkoms van die databron nie gewaarborg word nie, wat kan lei tot verkeerde opleiding van die model wat verder kan lei tot ongewenste, onakkurate en selfs gevaarlike uitkomste. 

Die uitdagings met databerging vir KI-modelle is die hoofrede agter die gebruik van blokketting in KI en die ontwikkeling van gedesentraliseerde KI. Die primêre doel van gedesentraliseerde KI is om 'n proses moontlik te maak en besluitneming of ontleding uit te voer deur gebruik te maak van 'n digitaal ondertekende, beveiligde en vertroude gedeelde data wat op 'n gedesentraliseerde of verspreide wyse op die blokkettingnetwerk gestoor en verhandel is sonder om eksterne derdepartye te gebruik. hulpbronne. 

KI-modelle het die reputasie dat hulle dikwels met 'n groot hoeveelheid data werk, en wetenskaplikes het reeds voorspel dat blockchain die toekoms van databerging sal wees. Verder het blockchain slim kontrakte wat gebruikers in staat stel om die blockchain-netwerk te programmeer om transaksies te beheer tussen die deelnemers wat betrokke is by die generering of toegang tot die data, of besluitneming. Outonome toepassings en masjiene gebaseer op blockchain slim kontrakte kan leer en aanpas by veranderinge soos die tyd vorder, en hulle kan ook akkurate en betroubare besluite neem, uitkomste geverifieer en bekragtig deur die mynbou nodusse van die blockchain netwerk. 

Hoe Blockchain kunsmatige intelligensie kan transformeer?

Verskeie tekortkominge van die kunsmatige intelligensie- en blokkettingbedryf kan doeltreffend aangespreek word deur beide die tegniese stelsels te kombineer. Blockchain dien as 'n verspreide grootboek wat data stoor en oordra in 'n kriptografies ondertekende metode wat deur die mynbounodusse van die netwerk ooreengekom en geverifieer word. Blockchain-netwerke stoor data met hoë veerkragtigheid en integriteit wat dit byna onmoontlik maak om met die data te peuter, wat die hoofrede is waarom die uitkoms van masjienleeralgoritmes wanneer hulle besluite neem met behulp van blockchain-slimkontrakte nie betwis kan word nie, en vertrou kan word. Die gebruik van blokkettingnetwerke met KI-tegnologie kan help om gedesentraliseerde, onveranderlike en veilige stelsels te skep vir hoogs sensitiewe data wat deur KI-aangedrewe toepassings versamel, verwerk en gebruik kan word. Die sekuriteit en veiligheid wat die gebruik van blokketting in KI bied, kan revolusionêre toepassings oor nywerhede hê, veral die meer sensitiewes soos gesondheidsorg en hospitale, finansies, verdediging, en meer. 

Sommige van die prominente voordele van die integrasie van AI en blockchain word hieronder gelys. 

• Verbeterde datasekuriteit

'N Groot rede agter blockchain se geweldige gewildheid is dat dit 'n uiters veilige en veilige metode bied om inligting op die web te stoor. Blockchains bied 'n alternatief om sensitiewe en kritieke inligting op skywe te stoor, wat is deur digitaal ondertekende data te stoor wat slegs verkry kan word deur private sleutels te gebruik. Die gebruik van blokketting om data vir KI-algoritmes te stoor, kan dus KI-modelle toelaat om met sensitiewe data te werk, wat sodoende meer akkurate en betroubare inligting tot gevolg het. 

• Kollektiewe besluitneming

In 'n tegniese ekosisteem moet die betrokke toepassings of gereedskap in koördinasie met mekaar werk om die doel met maksimum doeltreffendheid te bereik. Blockchain-stelsels bied gedesentraliseerde en verspreide oplossings vir besluitnemingsalgoritmes wat die vereiste vir 'n sentrale owerheid kan vervang. Die uitskakeling van die sentrale gesag sal die robotte in staat stel om die probleem intern te bespreek, oor enige kwessie te stem en die saak met meerderheid op te los totdat daar ooreengekom word oor 'n gevolgtrekking. 

• Verbeterde vertroue op robotiese besluite

Blockchain stoor die data op 'n hoogs veilige manier wat nie verander kan word nie, wat die kwaliteit van die data verseker deur die ontwikkeling van die opleidingsproses. As gevolg hiervan sal die model op hoogs akkurate data oefen wat uiteindelik sal help om die akkuraatheid van die modus te verhoog. 

• Hoër doeltreffendheid

Een van die belangrikste redes waarom besigheidsprosesse wat dikwels veelvuldige gebruikers soos veelvuldige aandeelhouers of belanghebbendes, regeringsorganisasies en besigheidsfirmas behels, dikwels ondoeltreffend is, is as gevolg van talle magtiging van besigheidstransaksies. Die gebruik van blokketting en slim kontrakte sal DAO's of Gedesentraliseerde Outonome Agente moontlik maak wat data of bate-oordragte tussen verskillende belanghebbendes outomaties, doeltreffend en vinnig sal valideer. 

Taksonomie van Blockchain in KI

In hierdie afdeling gaan ons praat oor sommige van die sleutelkonsepte wat gebruik word in die toepassing van blokkettingtegnologieë vir KI-toepassings wat in die onderstaande figuur genoem word. 

Gedesentraliseerde KI-toepassings

Huidige KI-toepassings werk oor die algemeen op 'n outonome manier om ingeligte besluite uit te voer deur verskillende beplanning, soek, optimalisering, leer, kennisherwinning en bestuurstrategieë te gebruik. Desentralisering van KI-toepassings is egter om verskeie redes 'n moeilike en uitdagende taak. 

• Outonome rekenaar

Een van die hoofdoelwitte van KI-toepassings is om gedeeltelik of ten volle outonome bedrywighede moontlik te maak waar talle intelligensie-agente of klein rekenaarprogramme hul plaaslike omgewings sal waarneem en ontleed, hul interne toestande sal bewaar en spesifieke aksies dienooreenkomstig sal uitvoer.

• Optimization

Een van die belangrikste kenmerke van KI-toepassings is hul potensiaal om die doeltreffendste en doeltreffendste besluite te neem deur 'n stel ideale oplossings tussen al die moontlike oplossings te filter, en dit is moontlik as gevolg van die optimalisering van AI-algoritmes en -modelle. Optimaliseringstegnieke poog om die beste oplossing vir 'n probleem te vind deur in 'n beperkte of onbeperkte omgewing te werk, afhangende van die stelselvlak en toepassingsvlakdoelwitte. Gedesentraliseerde optimalisering sal lei tot beter doeltreffendheid en verhoogde werkverrigting. 

• Beplanning

KI-toepassings maak gebruik van beplanningstrategieë wanneer hulle met ander toepassings en stelsels saamwerk om komplekse probleme in nuwe of uitdagende omgewings op te los. Beplanningstrategieë speel 'n belangrike rol in die handhawing van die veerkragtigheid en doeltreffendheid van KI-modelle. Die gebruik van blokketting vir beplanningstrategieë kan lei tot die ontwerp van meer onveranderlike en kritiese strategieë wat gebruik word vir missiekritiese stelsels en strategiese toepassings. 

• Kennisontdekking en Kennisbestuur

KI-toepassings het 'n reputasie dat hulle met 'n groot hoeveelheid data werk, en hul afhanklikheid van gesentraliseerde dataverwerkingstelsels. Met die gebruik van desentralisasie sal die kennisontdekking en kennisbestuursprosesse gepersonaliseerde kennispatrone kan verskaf wat die behoeftes van al die betrokke belanghebbendes in ag neem. 

• Leer

Die kern van Ai-toepassings is die leeralgoritmes wat die kennisontdekking en outomatiseringsprosesse moontlik maak. Daar is verskillende soorte leeralgoritmes soos leer onder toesig, leer sonder toesig, leer met semi-toesig, versterkingsleer, ensemble-, diepleermodelle en nog baie meer wat verskillende masjienleerprobleme oplos. Die gebruik van gedesentraliseerde leermodelle kan lei tot hoogs outonome leerstelsels wat plaaslike intelligensie oor verskillende vertikale in KI-stelsels ondersteun. 

Gedesentraliseerde KI-bedrywighede

KI-modelle en -algoritmes oefen, toets en valideer dikwels 'n groot hoeveelheid data om beter en meer veelsydige besluite te neem. Die gebruik van gesentraliseerde databergingsoplossings soos datasentrums, wolke en clusters dien egter as 'n groot struikelblok in die ontwikkeling van hoogs veilige KI-toepassings wat die privaatheid van sy gebruikers bewaar. Hier is 'n paar van die top blockchain-implementasies wat deur talle KI-toepassings aangeneem kan word. 

• Gedesentraliseerde berging

Gesentraliseerde databergingsoplossings is hoogs vatbaar wanneer dit kom by sekuriteit en privaatheid, aangesien hierdie databergingsoplossings 'n gebruiker se persoonlike en sensitiewe data saam met hul liggings, gesondheidsrekords, aktiwiteite en finansiële inligting behels. Blockchain bied gedesentraliseerde en kriptografies veilige bergingsoplossings oor die deelnemende toepassings en netwerke. Gedesentraliseerde databergingsoplossings gebruik nodusse, en elke nodus in die netwerk hou 'n kliëntgesentreerde geënkripteerde kopie van die databasis om databeskikbaarheid vir kliënte te verseker. Kliënte is vry om hul data te gebruik en te ontgin volgens hul behoeftes en vereistes. 

Twee van die mees algemene bergingstegnieke wat in gedesentraliseerde databergingsoplossings gebruik word, is Sharding en Swarming. Sharing is die proses waarin jy logiese partisies skep van die databasisse bekend as "skerwe” waar elke partisie 'n unieke sleutel toegeken word wat gebruik kan word om toegang tot die partisie te verkry. Aan die ander kant, Swarming is 'n metode wat gebruik maak van "Swerms” om parallelle datatoegang vanaf verskeie nodusse in die netwerk moontlik te maak om die latensie in AI-toepassings te verminder, en sodoende meer doeltreffende en gladde werkverrigting tot gevolg te hê. Die skerwe word saam gegroepeer wat lei tot die vorming van 'n versamelde stoor wat in die netwerk ondersteun word deur 'n groep nodusse in die vorm van swerms. 

Die gebruik van gedesentraliseerde bergingsoplossings kan lei tot verbeterde betroubaarheid en skaalbaarheid van berging as gevolg van veelparty geografiese verspreidings wat deur die gedesentraliseerde bergingsoplossings aangebied word. Sommige van die opkomende gedesentraliseerde bergingsoplossings sluit Storj, Swarm, Sia, FileCoin, IPFS en meer in. 

• databestuur

Een van die belangrikste vereistes van die ontwikkeling van 'n KI-toepassing is om data te bestuur op 'n manier dat hoogs akkurate, relevante en volledige datastelle van betroubare en betroubare databronne versamel kan word. Konvensioneel het KI-toepassings en -algoritmes gesentraliseerde databestuurmetodes soos datasegmentering, datafiltrering en inhoudbewuste databerging uitgevoer wat oor al die nodusse in die netwerk uitgevoer word. In vergelyking met gedesentraliseerde databerging wat deur blokkettingnetwerke aangebied word, vaar gesentraliseerde databestuur swak, want nie net sal die tempo van dataduplisering hoog wees selfs wanneer slegs geringe veranderinge aan die data aangebring word nie, maar die behoefte om soortgelyke datastelle herhaaldelik oor te dra sal ook hoog wees . 

Gedesentraliseerde databestuursmetodes aan die ander kant is ontwerp om op die nodusvlakke in die netwerk ontplooi te word met inagneming van die ruimtelike en tydelike eienskappe in die data. Verder, om die herkoms en sekuriteit van die data te handhaaf, kan gedesentraliseerde bestuurskemas die metadata op die blokketting plaas. 

Blockchain-tipes vir KI-toepassings

Die Blockchain-tegnologie kan in twee kategorieë gegroepeer word: Toestemming waar slegs die gemagtigde gebruikers toegang tot die blokkettingtoepassings in wolkgebaseerde, konsortium- of private instellings kan verkry, en Permissionless waar enigiemand publiek toegang tot die stelsels kan verkry deur die internet te gebruik. 

• Openbare blokkettings

Publieke blokketting behoort aan die kategorie sonder toestemming blokkettingnetwerke, waar gebruikers die vryheid het om die blokkettingkode op hul stelsels af te laai, die kode te verander en die kode volgens hul eie behoeftes en vereistes te gebruik. Verder is openbare blokkettings dikwels oopbron vir lees- en skryfbewerkings, en maklik toeganklik. Omdat publieke blokkettings vir almal toeganklik is, maak hierdie stelsels gebruik van komplekse protokolle vir veiligheid, en die identiteit- en transaksionele privaatheidinligting van die gebruikers op die netwerk word bestuur met behulp van skuilnaam en anonieme data op die netwerk. Vir data- en bate-oordrag gebruik elke openbare blokkettingnetwerk inheemse tokens, ook bekend as waardewysers of kripto-geldeenhede. 

• Privaat blokkettings

Anders as publieke blokkettings, is private blokkettingnetwerke gemagtigde stelsels wat deur 'n enkele organisasie bestuur word, en hulle is ontwerp as toestemminglose stelsels waar die gebruikers of deelnemers altyd binne die netwerk bekend is, en hulle het die voorafgoedkeuring vir lees- en skryfbewerkings op die netwerk. Private blokkettings bied dikwels hoër doeltreffendheid omdat die identiteit van die besoekers bekend is, en hulle is vooraf-goedgekeurde deelnemers van die netwerk om die behoefte aan komplekse algoritmes en wiskundige bewerkings uit te skakel om enige transaksie op die netwerk te valideer. Boonop kan private blokkettingnetwerke enige soort bates, waardes of inheemse data binne die netwerk oordra. 

Net soos in openbare blokkettingnetwerke, word die goedkeuring van 'n transaksie en bate-oordragte in die private blokkettingnetwerk gedoen deur veelparty-konsensusalgoritmes of stemming wat nie net vinniger transaksies moontlik maak nie, maar ook lae energie verbruik. Verbasend genoeg is die gemiddelde transaksiegoedkeuringstyd op 'n private blokkettingnetwerk minder as 'n sekonde. 

• Konsortium Blockchain Networks

Consortium Blockchains, ook bekend as Federated Blockchains, word bedryf deur 'n groep organisasies waar die groepe oor die algemeen gevorm word op grond van wedersydse belange wat deur hierdie organisasies gedeel word. Konsortium blokkettingnetwerke word oor die algemeen aangebied deur regeringsorganisasies en -liggame, banke en sommige private blokkettingmaatskappye. 

Net soos hul private blokketting-eweknieë, funksioneer die Consortium blockchain-netwerk as gemagtigde stelsels, hoewel 'n paar gebruikers op die netwerk beide lees- en skryfregte op die netwerk het. Oor die algemeen het al die gebruikers op die Consortium blockchain-netwerk leestoegang, maar slegs 'n handjievol individue kan data op die netwerk skryf. 

Gedesentraliseerde infrastruktuur vir KI-toepassings

Blockchain-argitekture is tradisioneel deur ontwikkelaars ontwerp as lineêre infrastruktuur deur 'n kombinasie van hashing-strategieë en gekoppelde lyste-datastrukture te gebruik. Onlangs het ontwikkelaars egter aan nie-lineêre infrastruktuur gewerk deur tou-inligting en grafiekteorie te gebruik om groot data te hanteer, en om te voldoen aan die vereistes van intydse KI-gebaseerde toepassings. 

Blockchain-geaktiveerde KI-toepassings

Gedesentraliseerde databerging en databestuur met KI

Die gebruik van Blockchain met AI het ontwikkelaars in staat gestel om te werk aan die ontwikkeling van stabiele stelsels wat die interaksie van verskillende tegniese innovasies ondersteun, en sodoende 'n platform bied vir veilige en veilige databestuur, data-oordrag en databerging. Die onderstaande figuur demonstreer die gekombineerde kenmerke van blokketting- en KI-tegnologieë vir die mediese industrie wat verskillende stadiums insluit soos analise, diagnose, validering van mediese ontdekkings en verslae, en kritieke besluitneming. 

In onlangse jare was die hantering van 'n groot hoeveelheid data, die verhoging van die rekenaarkrag van algoritmes en modelle eksponensieel, en toenemende gebruikersaanvaarding van gekoppelde stelsels en toepassings die topprioriteite in die KI- en ML-industrie. Aangesien kunsmatige neurale netwerke dikwels 'n groot hoeveelheid data en rekenaarkrag benodig vir opleidingsdoeleindes, is dit noodsaaklik om kragtige datasentrums te skep om groot datastelle te bekom. Tydens 'n ouditproses kan blokkettingnetwerke gebruik word om die data en die navraaginligting te stoor, terwyl 'n hoër vlak van sekuriteit en privaatheid bereik word. Verder sal die integrasie van KI- en Blockchain-tegnologie 'n sterk konsensusmeganisme bied wat onveranderlik, robuust, gedesentraliseerd is. 

Gedesentraliseerde infrastruktuur vir KI

Die bekendstelling van die Blockchain-netwerkinfrastruktuur het drie nuwe kenmerke by die tradisionele verspreide argitekture gevoeg: gedesentraliseerde en gedeelde beheer van data en bates, inheemse bate-uitruilings en onveranderlike ouditroetes. Toe die blokketting-infrastruktuur gekombineer is met KI-tegnologie, het die infrastruktuur gebruikers van nuwe datamodelle voorsien, en gedeelde beheer oor KI-modelle en opleidingsdata gebied, terwyl dit bygedra het tot die betroubaarheid van die data. Om beter en doeltreffender datamodelle te produseer, benodig KI-modelle toegang tot 'n groot hoeveelheid data wat deur blokkettingnetwerke verskaf word. 

Gedesentraliseerde netwerke soos IPFS en Ethereum kan onderskeidelik databerging en groot rekenaarhulpbronne hanteer, en bied dus peutervrye rekords met 'n hoë vlak van privaatheid. Oopbron gedesentraliseerde KI-platforms soos ChainIntel poog om ontslae te raak van die monopolisering van KI-dienste deur groot maatskappye. 

Gedesentraliseerde KI-toepassings

Kollektiewe besluitneming en gedesentraliseerde intelligensie kan talle toepassings hê. Die figuur hieronder toon byvoorbeeld die kenmerke en voordele van die kombinasie van Blockchain met IoT- en KI-tegnologieë om die opbrengs in boerderylande te verhoog. IoT-sensors kan grond se voedingstowwe vlakke monitor, en beelde vasvang wat kan help om die groei van gewasse oor tyd te monitor. KI kan gebruik maak van die data wat van IoT-sensors ontvang word om voorspellende analise te verskaf wat die boere in staat stel om verskillende toestande te monitor. Die gebruik van blockchain verseker dat elke gebruiker op die netwerk toegang het tot die transaksies wat help om die tyd wat aan logistiek spandeer word, te verminder. 

Die bogenoemde beeld demonstreer blokketting-gebaseerde stelsels wat gebruik word vir onbemande outomatiese intelligente verkenning van die seebeddings. 

Die bogenoemde beeld demonstreer die gebruik van Blockchain en KI vir finansiële en bankdoeleindes, en hoe blockchain en KI die doeltreffendheid, veiligheid en sekuriteit van die finansiële stelsel kan verbeter. 

Gevolgtrekking

In hierdie artikel het ons gepraat oor die toepassing en gebruiksgevalle van blockchain in AI. Die artikel gee 'n oorsig van gedesentraliseerde berging, en hoe blockchain die sleutel kan wees om verskeie probleme met AI op te los. Deur voort te gaan, het ons ook die taksonomie van blokketting in KI bespreek, en die verwante tegnologieë, en die vergelyking van blokketting-implementerings in terme van blokkettingtipes en -infrastruktuur, gedesentraliseerde KI-bedrywighede, en protokolle. Laastens bespreek ons ​​die verskillende toepassings van blockchain in KI. 

Om dinge op te som, sou dit veilig wees om te sê dat die implementering van blockchain in KI die potensiaal het om bestaande kwessies in die KI-industrie wat verband hou met gebruikersprivaatheid, veilige orakels aan te spreek en op te los, slim kontrak sekuriteit, konsensusprotokolle, standaardisering en bestuur.