Een uitgebreide recensie van blockchain in AI

AI en blockchain zijn twee van de meest baanbrekende technische innovaties van de afgelopen tijd.

• Kunstmatige intelligentie (AI): maakt het mogelijk voor machines en computers om menselijk denken en beslissingsprocessen na te bootsen.
• Blockchain: een gedistribueerd en onveranderlijk register dat gegevens en informatie op een decentrale en betrouwbare manier opslaat.

Onlangs hebben wetenschappers onderzocht naar mogelijke toepassingen van deze technologieën in verschillende sectoren. In dit artikel geven we een overzicht van hoe blockchain geïntegreerd kan worden met AI, een concept dat “gedecentraliseerde AI” kan worden genoemd. Laten we erin duiken.

Gedecentraliseerde AI: een inleiding tot blockchain in AI

In de afgelopen tien jaar is blockchain een van de meest gehypede innovaties geweest, en het begon momentum te krijgen toen het zijn toepassing in andere velden vond. Sinds zijn ontstaan in 2008 is het een disruptieve technologie gebleken die de manier waarop we gegevens of informatie opslaan of uitwisselen, en de manier waarop we transacties traceren en automatiseren, kan revolutioneren.

Een van de meest besproken punten van blockchain is dat elke blockchain-transactie cryptografisch wordt ondertekend, en de mining-nodes die een replica van het hele register van gekoppelde blokken van alle transacties hebben, elke dergelijke transactie verifiëren die resulteert in de creatie van gesynchroniseerde, beveiligde en gedeelde tijdstempel-records die onmogelijk te wijzigen zijn. Als gevolg hiervan kan blockchain een effectieve optie zijn om de behoefte aan een centrale autoriteit om transacties en interacties tussen gebruikers op het netwerk te verifiëren en te reguleren, te elimineren.

Verder heeft de technische industrie een enorme hoeveelheid gegevens gegenereerd dankzij technische innovaties zoals IoT-apparaten, smartphones, sociale media en webapplicaties, die hebben bijgedragen aan de opkomst van AI, omdat AI-systemen vaak een grote hoeveelheid gegevens gebruiken met behulp van diepe leer en machine learning-technieken om verschillende analyses uit te voeren.

Zelfs vandaag de dag zijn veel machine learning- en diepe leer-technieken voor AI-modellen afhankelijk van een centraal model dat een groep servers traint die een specifiek model tegen trainingsgegevens trainen, en vervolgens de leerprocessen verifiëren met behulp van validatie- of trainingsgegevens. De hoge vereiste om een AI-model effectief te trainen is de reden waarom grote technologiebedrijven en ontwikkelteams vaak een grote hoeveelheid gegevens opslaan om hun modellen voor de beste mogelijke resultaten en prestaties te trainen.

De meeste AI-modellen en -praktijken van vandaag zijn gecentraliseerd, en hoewel centralisatie veel succes heeft gebracht in de AI-industrie, is er een groot nadeel aan het opslaan van gegevens voor AI-modellen in een centraal systeem. Wanneer alle gegevens in een centraal systeem worden opgeslagen, neemt de kans op gegevensmanipulatie of -corruptie toe, omdat centrale gegevensopslag altijd kwetsbaar is voor malware en cyberaanvallen. Bovendien is het bij het omgaan met een grote hoeveelheid gegevens een moeilijke taak om de authenticiteit en herkomst van de gegevensbron te verifiëren, wat kan leiden tot verkeerde training van het model, wat kan resulteren in ongewenste, onnauwkeurige en zelfs gevaarlijke resultaten.

De uitdagingen met gegevensopslag voor AI-modellen zijn de belangrijkste reden voor het gebruik van blockchain in AI en de ontwikkeling van gedecentraliseerde AI. Het primaire doel van gedecentraliseerde AI is om een proces te mogelijk maken en beslissingen te nemen of analyses uit te voeren met behulp van digitaal ondertekende, beveiligde en betrouwbare gedeelde gegevens die op een blockchain-netwerk in een decentraal of gedistribueerd systeem zijn opgeslagen en verhandeld zonder gebruik te maken van externe derden.

AI-modellen hebben de reputatie vaak te werken met een grote hoeveelheid gegevens, en wetenschappers hebben al voorspeld dat blockchain de toekomst van gegevensopslag kan zijn. Bovendien hebben blockchain-netwerken slimme contracten die gebruikers in staat stellen om het blockchain-netwerk te programmeren om transacties tussen deelnemers te reguleren die betrokken zijn bij het genereren of benaderen van gegevens, of beslissingen nemen. Autonome applicaties en machines op basis van blockchain-slimme contracten kunnen leren en zich aanpassen aan veranderingen in de loop van de tijd en kunnen ook nauwkeurige en betrouwbare beslissingen nemen, resultaten die worden geverifieerd en gevalideerd door de mining-nodes van het blockchain-netwerk.

Hoe blockchain kunstmatige intelligentie kan transformeren?

Verschillende tekortkomingen van de kunstmatige intelligentie- en blockchain-industrie kunnen efficiënt worden aangepakt door beide technische systemen te combineren. Blockchain fungeert als een gedistribueerd register dat gegevens opslaat en verzendt op een cryptografisch ondertekende manier die wordt overeengekomen en geverifieerd door de mining-nodes van het netwerk. Blockchain-netwerken slaan gegevens op met een hoge mate van veerkracht en integriteit, waardoor het bijna onmogelijk is om de gegevens te manipuleren, wat de belangrijkste reden is waarom de resultaten van machine learning-algoritmen die beslissingen nemen met behulp van blockchain-slimme contracten, niet in twijfel getrokken kunnen worden en betrouwbaar zijn. Het gebruik van blockchain-netwerken met AI-technologieën kan helpen bij het creëren van gedecentraliseerde, onveranderlijke en beveiligde systemen voor zeer gevoelige gegevens die kunnen worden verzameld, verwerkt en gebruikt door AI-aangedreven applicaties. De veiligheid en veiligheid die worden geboden door het gebruik van blockchain in AI kunnen revolutionaire toepassingen hebben in verschillende industrieën, vooral in de meer gevoelige sectoren zoals de gezondheidszorg en financiën.

Verder zijn enkele van de belangrijkste voordelen van het integreren van AI en blockchain het volgende:

• Verbeterde gegevensbeveiliging

Een van de belangrijkste redenen voor de enorme populariteit van blockchain is dat het een zeer veilige en beveiligde manier biedt om gevoelige informatie op internet op te slaan. Blockchain-netwerken bieden een alternatief voor het opslaan van gevoelige en kritieke informatie op schijven, door digitaal ondertekende gegevens op te slaan die alleen toegankelijk zijn met behulp van privésleutels. Het gebruik van blockchain om gegevens voor AI-algoritmen op te slaan, kan AI-modellen in staat stellen om te werken met gevoelige gegevens, waardoor meer nauwkeurige en betrouwbare informatie ontstaat.

• Collectieve besluitvorming

In een technisch ecosysteem moeten de betrokken applicaties en tools samenwerken om het doel met maximale efficiëntie te bereiken. Blockchain-systemen bieden gedecentraliseerde en gedistribueerde oplossingen voor besluitvormingsalgoritmen die de behoefte aan een centrale autoriteit kunnen vervangen. Het elimineren van de centrale autoriteit zal het mogelijk maken voor robots om intern over problemen te discussiëren, te stemmen over elk onderwerp en het probleem op te lossen met een meerderheid totdat een conclusie wordt bereikt.

• Verbeterd vertrouwen in robotbeslissingen

Blockchain slaat gegevens op op een zeer veilige manier die niet kan worden gewijzigd, waardoor de kwaliteit van de gegevens tijdens de ontwikkeling van het trainingsproces wordt gewaarborgd. Als gevolg hiervan zal het model trainen op zeer nauwkeurige gegevens, wat uiteindelijk zal helpen bij het verbeteren van de nauwkeurigheid van het model.

• Verbeterde efficiëntie

Een van de belangrijkste redenen waarom bedrijfsprocessen die vaak meerdere gebruikers betreffen, zoals meerdere aandeelhouders of stakeholders, overheidsorganisaties en bedrijven, vaak inefficiënt zijn, is vanwege de vele autorisaties van bedrijfstransacties. Het gebruik van blockchain en slimme contracten zal DAO’s of gedecentraliseerde autonome agenten mogelijk maken die gegevens- of activatransfers tussen verschillende stakeholders automatisch, efficiënt en snel zullen valideren.

Taxonomie van blockchain in AI

In dit gedeelte zullen we enkele van de belangrijkste concepten bespreken die worden gebruikt in de toepassing van blockchain-technologieën voor AI-toepassingen, zoals weergegeven in de onderstaande figuur.

Gedecentraliseerde AI-toepassingen

Huidige AI-toepassingen werken meestal autonoom om geïnformeerde beslissingen te nemen met behulp van verschillende plannings-, zoek-, optimaliserings-, leer-, kennisrecuperatie- en beheerstrategieën. Echter, het decentraliseren van AI-toepassingen is een moeilijke en uitdagende taak om verschillende redenen.

• Autonome computing

Een van de belangrijkste doelen van AI-toepassingen is om gedeeltelijk of volledig autonome operaties mogelijk te maken, waarbij verschillende intelligentie-agenten of kleine computerprogramma’s hun lokale omgevingen waarnemen en analyseren, hun interne staten behouden en specifieke acties uitvoeren.

• Optimalisatie

Een van de belangrijkste kenmerken van AI-toepassingen is hun potentieel om de meest effectieve en efficiënte beslissingen te nemen door een set ideale oplossingen te filteren uit alle mogelijke oplossingen, en dit is mogelijk door de optimalisatie van AI-algoritmen en -modellen. Optimalisatietechnieken hebben als doel de beste oplossing voor een probleem te vinden door te werken in een beperkte of onbeperkte omgeving, afhankelijk van de systeem- en toepassingsdoelen. Gedecentraliseerde optimalisatie zal resulteren in betere efficiëntie en prestaties.

• Planning

AI-toepassingen maken gebruik van planningsstrategieën wanneer ze samenwerken met andere applicaties en systemen om complexe problemen op te lossen in nieuwe of uitdagende omgevingen. Planningsstrategieën spelen een belangrijke rol bij het behouden van de veerkracht en efficiëntie van AI-modellen. Het gebruik van blockchain voor planningsstrategieën kan leiden tot het ontwikkelen van meer onveranderlijke en kritieke strategieën die worden gebruikt voor missie-kritieke systemen en strategische toepassingen.

• Kennisontdekking en kennisbeheer

AI-toepassingen hebben de reputatie vaak te werken met een grote hoeveelheid gegevens, en hun afhankelijkheid van centrale gegevensverwerkingsystemen. Met het gebruik van decentralisatie zullen de kennisontdekkings- en kennisbeheerprocessen in staat zijn om gepersonaliseerde kennispatronen te bieden die rekening houden met de behoeften van alle betrokken stakeholders.

• Leren

Aan het hart van AI-toepassingen liggen de leer-algoritmen die de kennisontdekkings- en automatiseringsprocessen mogelijk maken. Er zijn verschillende soorten leer-algoritmen, zoals begeleid leren, onbegeleid leren, semi-begeleid leren, versterkt leren, ensemble, diepe leermodellen en meer, die verschillende machine learning-problemen oplossen. Het gebruik van gedecentraliseerde leermodellen kan leiden tot zeer autonome leersystemen die lokale intelligentie ondersteunen in verschillende verticale richtingen in AI-systemen.

Gedecentraliseerde AI-bewerkingen

AI-modellen en -algoritmen trainen, testen en valideren vaak op een grote hoeveelheid gegevens om betere en meer gevarieerde beslissingen te nemen. Echter, het gebruik van centrale gegevensopslagsystemen zoals datacenters, clouds en clusters vormt een grote hindernis bij het ontwikkelen van zeer veilige AI-toepassingen die de privacy van hun gebruikers beschermen. Hier zijn enkele van de belangrijkste blockchain-implementaties die door verschillende AI-toepassingen kunnen worden overgenomen.

• Gedecentraliseerde opslag

Centrale gegevensopslagsystemen zijn zeer kwetsbaar voor veiligheid en privacy, omdat deze systemen persoonlijke en gevoelige gegevens van gebruikers bevatten, evenals hun locaties, gezondheidsgegevens, activiteiten en financiële informatie. Blockchain biedt gedecentraliseerde en cryptografisch beveiligde oplossingen voor gegevensopslag over de deelnemende applicaties en netwerken. Gedecentraliseerde gegevensopslagsystemen gebruiken knooppunten, en elk knooppunt in het netwerk houdt een client-georiënteerde versleutelde kopie van de database bij om gegevensbeschikbaarheid voor clients te garanderen. Clients zijn vrij om hun gegevens te gebruiken en te mijnen zoals ze dat nodig hebben.

Twee van de meest voorkomende opslagtechnieken die worden gebruikt in gedecentraliseerde gegevensopslagsystemen zijn Sharding en Swarming. Sharding is het proces waarbij logische partities van databases worden gemaakt, bekend als “shards”, waarbij elke partitie een unieke sleutel heeft die kan worden gebruikt om toegang te krijgen tot de partitie. Aan de andere kant is Swarming een methode die “swarms” gebruikt om parallele gegevenstoegang van meerdere knooppunten in het netwerk mogelijk te maken, waardoor de latentie in AI-toepassingen wordt verlaagd en een soepeler prestatie ontstaat. De shards worden gegroepeerd, waardoor een verzamelde opslag ontstaat die in het netwerk wordt ondersteund door een groep knooppunten in de vorm van swarms.

Het gebruik van gedecentraliseerde opslagsystemen kan leiden tot verbeterde betrouwbaarheid en schaalbaarheid van opslag vanwege de multipartij-geografische distributie die wordt aangeboden door de gedecentraliseerde opslagsystemen. Enkele van de opkomende gedecentraliseerde opslagsystemen zijn Storj, Swarm, Sia, FileCoin, IPFS en meer.

• Gegevensbeheer

Een van de belangrijkste vereisten voor het ontwikkelen van een AI-toepassing is om gegevens te beheren op een manier die ervoor zorgt dat zeer nauwkeurige, relevante en complete datasets kunnen worden verzameld van betrouwbare en vertrouwde gegevensbronnen. Conventioneel hebben AI-toepassingen en -algoritmen centrale gegevensbeheermethoden gebruikt, zoals gegevenssegmentatie, gegevensfiltering en inhoudsgerichte gegevensopslag, die worden uitgevoerd over alle knooppunten in het netwerk. In vergelijking met centrale gegevensbeheer presteert gedecentraliseerde gegevensopslag, aangeboden door blockchain-netwerken, slecht, omdat niet alleen de duplicatiegraad van gegevens hoog zal zijn, zelfs bij kleine wijzigingen in de gegevens, maar ook de behoefte om vergelijkbare datasets herhaaldelijk over te dragen.

Gedecentraliseerde gegevensbeheermethoden zijn daarentegen ontworpen om te worden geïmplementeerd op knooppuntniveau in het netwerk, waarbij rekening wordt gehouden met de ruimtelijke en temporele kenmerken van de gegevens. Bovendien kunnen gedecentraliseerde beheerschema’s de metadata op de blockchain zetten om de herkomst en beveiliging van de gegevens te behouden.

Blockchain-typen voor AI-toepassingen

Blockchain-technologie kan worden onderverdeeld in twee categorieën: toegestane, waar alleen geautoriseerde gebruikers toegang hebben tot de blockchain-toepassingen in cloud-gebaseerde, consortium- of privé-instellingen, en toegangsloos, waar iedereen openlijk toegang heeft tot de systemen via internet.

• Openbare blockchain-netwerken

Openbare blockchain-netwerken behoren tot de toegangsloze categorie van blockchain-netwerken, waar gebruikers de vrijheid hebben om de blockchain-code op hun systemen te downloaden, de code te wijzigen en de code te gebruiken zoals ze dat nodig hebben. Bovendien zijn openbare blockchain-netwerken vaak open source voor lees- en schrijfbewerkingen en gemakkelijk toegankelijk. Omdat openbare blockchain-netwerken toegankelijk zijn voor iedereen, maken deze systemen gebruik van complexe protocollen voor veiligheid, en de identiteit en transactiegegevens van de gebruikers op het netwerk worden beheerd met behulp van pseudonieme en anonieme gegevens op het netwerk. Voor gegevens- en activatransfers gebruikt elk openbaar blockchain-netwerk inheemse tokens, ook bekend als waardepointers of cryptocurrencies.

• Privé-blockchain-netwerken

In tegenstelling tot openbare blockchain-netwerken zijn privé-blockchain-netwerken toegestane systemen die worden beheerd door een enkele organisatie en zijn ontworpen als toegangsloze systemen waar de gebruikers of deelnemers altijd bekend zijn binnen het netwerk en voorafgaand zijn goedgekeurd voor lees- en schrijfbewerkingen op het netwerk. Privé-blockchain-netwerken bieden vaak een hogere efficiëntie omdat de identiteit van de bezoekers bekend is en ze voorafgaand zijn goedgekeurd als deelnemers van het netwerk, waardoor de behoefte aan complexe algoritmen en wiskundige bewerkingen om elke transactie op het netwerk te valideren, wordt geëlimineerd. Bovendien kunnen privé-blockchain-netwerken elke soort activa, waarden of inheemse gegevens binnen het netwerk overdragen.

Net als in openbare blockchain-netwerken wordt de goedkeuring van een transactie en activatransfers in het privé-blockchain-netwerk gedaan door multipartij-consensusalgoritmen of stemming, die niet alleen snellere transacties mogelijk maken, maar ook minder energie verbruiken. Opmerkelijk is dat de gemiddelde transactie-goedkeuringstijd in een privé-blockchain-netwerk minder dan een seconde is.

• Consortium-blockchain-netwerken

Consortium-blockchain-netwerken, ook bekend als gefedereerde blockchain-netwerken, worden beheerd door een groep organisaties waar de groepen meestal worden gevormd op basis van gedeelde belangen door deze organisaties. Consortium-blockchain-netwerken worden meestal aangeboden door overheidsorganisaties en -instanties, banken en enkele privé-blockchain-bedrijven.

Net als hun privé-blockchain-tegenhangers werken consortium-blockchain-netwerken als toegestane systemen, hoewel enkele gebruikers op het netwerk zowel lees- als schrijftoegang hebben tot het netwerk. Over het algemeen hebben alle gebruikers op het consortium-blockchain-netwerk leestoegang, maar alleen een handvol personen kan gegevens schrijven op het netwerk.

Gedecentraliseerde infrastructuur voor AI-toepassingen

Blockchain-architecturen werden traditioneel door ontwikkelaars ontworpen als lineaire infrastructuur met behulp van een combinatie van hash-strategieën en gekoppelde lijst-datastructuren. Onlangs hebben ontwikkelaars echter gewerkt aan niet-lineaire infrastructuur met behulp van wachtrij-informatie en graftheorie om big data en de eisen van real-time AI-gebaseerde toepassingen te verwerken.

Blockchain-geactiveerde AI-toepassingen

Gedecentraliseerde gegevensopslag en gegevensbeheer met AI

Het gebruik van blockchain met AI heeft ontwikkelaars in staat gesteld om stabiele systemen te ontwikkelen die de interactie van verschillende technische innovaties ondersteunen en zo een platform bieden voor veilige en beveiligde gegevensbeheer, gegevensoverdracht en gegevensopslag. De onderstaande figuur toont de gecombineerde functies van blockchain- en AI-technologieën voor de medische industrie, inclusief verschillende fasen zoals analyse, diagnose, validatie van medische ontdekkingen en rapporten, en kritieke besluitvorming.

In recente jaren zijn het omgaan met een grote hoeveelheid gegevens, het verhogen van de rekenkracht van algoritmen en modellen exponentieel en het vergroten van de acceptatie van verbonden systemen en toepassingen de belangrijkste prioriteiten in de AI- en ML-industrie geweest. Aangezien kunstmatige neurale netwerken vaak een grote hoeveelheid gegevens en rekenkracht nodig hebben voor trainingsdoeleinden, is het essentieel om krachtige datacenters te creëren om grote datasets te verkrijgen. Tijdens een auditproces kunnen blockchain-netwerken worden gebruikt om gegevens en query-informatie op te slaan, waardoor een hoger niveau van veiligheid en privacy wordt bereikt. Bovendien zal de integratie van AI- en blockchain-technologieën een sterk consensusmechanisme bieden dat onveranderlijk, robuust en gedecentraliseerd is.

Gedecentraliseerde infrastructuur voor AI

De introductie van de blockchain-netwerk-infrastructuur voegde drie nieuwe kenmerken toe aan de traditionele gedistribueerde architectuur: gedecentraliseerde en gedeelde controle over gegevens en activa, inheemse activa-uitwisselingen en onveranderlijke audit-trails. Toen de blockchain-infrastructuur werd gecombineerd met AI-technologieën, bood de infrastructuur gebruikers nieuwe gegevensmodellen en gedeelde controle over AI-modellen en trainingsgegevens, waardoor de betrouwbaarheid van de gegevens werd toegevoegd. Om betere en meer efficiënte gegevensmodellen te produceren, hebben AI-modellen toegang nodig tot een grote hoeveelheid gegevens, die wordt geboden door blockchain-netwerken.

Gedecentraliseerde netwerken zoals IPFS en Ethereum kunnen gegevensopslag en grote rekenbronnen respectievelijk verwerken, waardoor ze onveranderlijke records met een hoog niveau van privacy bieden. Open-source gedecentraliseerde AI-platforms zoals ChainIntel zijn gericht op het elimineren van de monopolisering van AI-diensten door grote bedrijven.

Gedecentraliseerde AI-toepassingen

Collectieve besluitvorming en gedecentraliseerde intelligentie kunnen talloze toepassingen hebben. Bijvoorbeeld toont de onderstaande figuur de functies en voordelen van het combineren van blockchain met IoT- en AI-technologieën om de opbrengst in landbouwvelden te verhogen. IoT-sensoren kunnen de nutrienteniveaus van de bodem monitoren en afbeeldingen vastleggen die helpen bij het monitoren van de groei van gewassen over tijd. AI kan gebruikmaken van de gegevens die worden ontvangen van IoT-sensoren om voorspellende analyses te bieden die boeren in staat stellen om verschillende omstandigheden te monitoren. Het gebruik van blockchain zorgt ervoor dat elke gebruiker op het netwerk toegang heeft tot de transacties, waardoor de tijd die wordt besteed aan logistiek wordt verminderd.

De bovenstaande afbeelding toont blockchain-gebaseerde systemen die worden gebruikt voor onbemande geautomatiseerde intelligente exploratie van oceaanbodems.

De bovenstaande afbeelding toont het gebruik van blockchain en AI voor financiële en bankdoeleinden en hoe blockchain en AI de efficiëntie, veiligheid en beveiliging van het financiële systeem kunnen verbeteren.

Conclusie

In dit artikel hebben we het over de toepassing en de gebruikscases van blockchain in AI gesproken. Het artikel geeft een overzicht van gedecentraliseerde opslag en hoe blockchain de sleutel kan zijn om verschillende problemen met AI op te lossen. Verder hebben we de taxonomie van blockchain in AI, de gerelateerde technologieën en de vergelijking van blockchain-implementaties in termen van blockchain-typen en -infrastructuur, gedecentraliseerde AI-bewerkingen en protocollen besproken. Ten slotte bespreken we de verschillende toepassingen van blockchain in AI.

Om samen te vatten, kan worden gesteld dat de implementatie van blockchain in AI het potentieel heeft om bestaande problemen in de AI-industrie aan te pakken en op te lossen, met betrekking tot gebruikersprivacy, beveiligde orakels, slimme contractbeveiliging, consensusprotocollen, standaardisatie en governance.