Много раз мы сталкивались с инновациями, которые ICO или что-то другое привносило в погоню за блокчейном.
От децентрализованных приложений, которые создадут новую умную экономику, новые способы страхования, от благотворительности до любви, мы видим распространение идей, вызванных возможностью использовать краудфандинг для мгновенного привлечения капитала и общей мощью технологии блокчейн.
Но ни одна из этих технологий, похоже, не способна достичь той глубины, которую обещает сгибание блокчейна и искусственного интеллекта.
В этой статье делается попытка исследовать то, что теперь возможно, когда человечество, наконец, объединит эти два понятия.
Быстрые определения
Что такое блокчейн?
С тех пор, как Сатоши Накамото нашел надежный способ представления денег в цифровой форме, технология, которую он использовал, становится очень популярной.
Объединив Proof of Work, децентрализованную бухгалтерскую книгу, неизменное хеширование транзакций и вознаграждение за блок, он нашел способ избежать двойного расходования цифровых активов, и так родился блокчейн. По сути, блокчейн — это просто цепочка, состоящая из блоков записей транзакций. Это база данных, в которой постоянно хранятся записи. Эти записи могут быть о чем угодно, в том числе о переводе денег и оцифрованной информации.
Что такое искусственный интеллект?
Способность машин действовать и реагировать как люди была с нами уже некоторое время. В совокупности он известен как искусственный интеллект.
Проще говоря; теперь машины могут чувствовать, экстраполировать, распознавать речь, учиться, планировать и решать проблемы. Это очень интересная перспектива, потому что теперь многие вещи можно делать с помощью вычислительных устройств без необходимости взаимодействия с человеком.
Машины теперь способны заменить людей в некоторых видах деятельности и могут помочь устранить такие связанные с человеком проблемы, как ошибки, усталость, эмоции и отвлекающие факторы.
Как достигается ИИ
Инженерия знаний
Инженерия Знания является неотъемлемой частью создания ИИ.
Чем полнее данные о том, как устроен мир, в вычислительный алгоритм, который запускает интеллектуальную машину, тем более естественным выглядит его вариант использования и становится надежной замена человеческим усилиям.
Инициировать рассуждения и решать проблемы в машинах — непростая задача. Он включает в себя представление объектов, событий, сценариев, свойств, результатов и отношений между мировыми «вещами» для установки почти полного алгоритма и запуска умной машины.
Машинное обучение
В вычислительной теории обучения теперь можно увидеть, как машины способны к обучению.
Проще говоря, алгоритм машинного обучения получает возможность идентифицировать шаблоны, когда предоставляется поток или потоки входных данных.
Например, вы можете научить машину распознавать множество типов кошек и отличать изображения от собак. Со временем он может экстраполировать информацию, необходимую для идентификации кошек, и сможет выбирать кошек из наборов изображений, которые ему до сих пор не предоставлялись.
Компьютер можно спроектировать так, чтобы он обучался при минимальном или адекватном надзоре. При обучении с учителем дается классификация входных данных, и компьютер использует численные вычисления для получения желаемых результатов обучения.
Такие методы, как исправление ошибок, обучение с подкреплением, корректировка параметров и генетические алгоритмы, — все они направлены на то, чтобы помочь компьютерам все чаще, подобно детям, приобретать когнитивные навыки, которые помогают им действовать так, как действовали бы взрослые люди.
Это непростая наука, особенно учитывая сложность самого человеческого разнообразия, но она начинает давать очень интересные варианты использования этой технологии.
Каковы наиболее распространенные варианты использования ИИ?
Быстро оценив некоторые способы использования ИИ, мы можем начать понимать, насколько децентрализованный ИИ будет незаменим в будущем;
№1. Самоуправляемые транспортные средства; Данные, уже доступные со спутников, жестко запрограммированные правила дорожного движения, массивы интеллектуальных камер и встроенные внутренние вычислительные алгоритмы позволили появиться умным автомобилям.
Эти звери, например, будут узнавать из Google Maps кратчайший маршрут из пункта А в пункт Б, использовать дороги строго в соответствии с кодом, использующим местный код шоссе, избегать аварий, снижая скорость, соблюдая дистанцию и активируя сирену, когда нарушение неизбежно, и легко распознавать маршруты движения.
№2. Поисковые системы. Одним из наиболее эффективных способов использования машинного обучения является то, как работают поисковые системы.
Всякий раз, когда вы вводите строку слов для поиска, алгоритм поисковой системы будет отображать выбор контента на первой странице.
Если вы не перейдете к выбранному содержимому и введете альтернативную строку, алгоритм «научится» этому упражнению и в следующий раз предложит лучшие результаты поиска.
№3. Социальные сети. Например, движок Facebook будет следить за вашим поведением в любое время, когда вы находитесь в сети, и записывать ваши предпочтения, включая темы, которые вы комментируете, друзей, с которыми вы общаетесь в Интернете, элементы, которые вам нравятся, и места, куда вы идете.
Затем он объединит эти фрагменты информации в обучающий опыт, который позволит ему представлять контент, который становится все более и более актуальным для вас. Это стало очень сильным инструментом онлайн-маркетинга.
#4: Обнаружение мошенничества. На примере поставщиков продуктов питания машинное обучение способно сравнивать производственную информацию по тысячам сельскохозяйственных операций и давать очень точную информацию о различных аспектах мошенничества с пищевыми продуктами, включая фальсификацию, подмену. и утечки пищевых ингредиентов.
№5. Персонализация рынка. Камеры, которые вы видите в торговых центрах, больше не используются только для того, чтобы вы не воровали в магазинах. Представьте это. Вы подходите к полке, смотрите на товар, который давно не покупали, а затем покупаете его близкую замену.
Вы можете начать видеть очень целенаправленный маркетинг именно этого продукта в ближайшие дни в социальных сетях.
В этом случае смарт-камера определила, что вы заинтересовались, и однажды может купить этот предмет. Он информирует движок о том, что нужно исполнить мечту маркетологов, транслируя продукт вам в течение нескольких дней подряд!
#6: Автономная война. Умные дроны уже здесь, и их насмехаются над тем, что они являются величайшим нововведением в современной войне со времен атомной бомбы.
Они будущее боя.
Эти маленькие птички способны проникать, изучать и сообщать о враждебной местности, деактивировать придорожные взрывчатые вещества, выполнять миссии по поиску и уничтожению, наводить умные бомбы и саботировать враждебную инфраструктуру, такую как телефонные линии и электричество.
Очевидно, что сейчас существует множество вариантов использования ИИ. Тогда возникает вопрос; Как эта прорывная технология выигрывает от децентрализации?
Проблема с централизованным ИИ
Как объяснялось в примерах использования, когда ИИ развертывается централизованными объектами, он в основном служит интересам этих объектов и продолжает профилировать нас способами, о которых мы можем даже не подозревать. Этой силой можно было злоупотреблять.
Платформы социальных сетей и поисковые системы уже зарабатывают миллиарды долларов, просто профилируя нашу деятельность в Интернете и упаковывая ее в воронки, которые они продают маркетологам, чтобы бомбардировать нас рекламой.
И не заставляйте меня рассказывать о подслушивании со стороны правительства и опасности взлома личных данных. Кто-то может использовать алгоритмы, чтобы вычислить ваши самые сокровенные секреты!
Итак, как мы можем смягчить эту пугающую перспективу централизованных умных машин?
Войдите в модель распределенного искусственного интеллекта
Распределенные системы интеллектуальных машин, известные как системы DAI, обеспечивают наилучший подход к тому, как должен проявляться искусственный интеллект.
Позволь мне объяснить.
Чтобы распределенная система работала, в ней должно быть много узлов, распределенных по разнообразным областям, выполняющих несколько функций, способствующих успеху системы. Часто эта сеть доступна на всех континентах мира.
Теперь, если эти «узлы» или вычислительные объекты вводятся в одну систему и развернуты для выполнения разных функций, они сразу же дают сети огромную вычислительную мощность, очень широкий спектр «обучающих ситуаций» и удивительную синергию при сборе данных. обучение и интерпретация.
И все это делается распределенным, неизменным, прозрачным и анонимным способом. При децентрализации нет никаких коммерческих секретов. Любой может проверить данные блокчейна.
И это очень важно, особенно если мы собираемся доверить технологии DAI такие важные функции, как хирургия, вождение автомобиля или приготовление готовой еды, и это лишь некоторые из вариантов использования.
Поскольку технология блокчейна захватывает большинство отраслей благодаря децентрализованным приложениям, использование ИИ в блокчейнах внезапно начинает казаться предрешенным из-за его потенциала в автоматизации большинства децентрализованных процессов, особенно за счет использования смарт-контрактов.
Не убьет ли децентрализованный ИИ конкуренцию?
Напротив. Как только данные становятся доступными, люди могут создавать свои решения ИИ, соответствующие их нишам, используя данные, которые очищаются с помощью неизменяемых и устойчивых по умолчанию вычислительных хранилищ.
Например, небольшие стартапы могли бы однажды объединиться, чтобы разместить данные в блокчейне и использовать коллективный аудит, чтобы помочь в создании масштабных решений, которые могут коллективно бросить вызов крупным игрокам на рынке.
Проблемы, которые ждут децентрализованный ИИ
Как и во всем в жизни, существуют проблемы, которые необходимо преодолеть, чтобы децентрализованный ИИ стал возможным, и они включают следующее:
- Недобросовестная деловая практика: крупные игроки, о которых мы здесь говорим, не почивают на лаврах. Плохая пресса, фальшивые новости и использование эффекта масштаба, чтобы задушить общественность и отговорить ее от принятия децентрализации, затрудняют повседневную реализацию этого подхода.
- Проблемы с масштабированием блокчейна: ИИ требует больших вычислительных мощностей и сверхвысоких скоростей транзакций — проблема, которая мешала блокчейну с самого начала. Однако недавние разработки с сетями Lightning и автономной обработкой данных позволили блокчейнам начать видеть скорости, которые были бы идеальными для реализации децентрализованного ИИ.
- Отвращение к переменам: децентрализация по-прежнему чужда даже самым умным из большей части населения мира. Многим непонятно, как блокчейны делают все анонимным и безопасным, в то же время обеспечивая прозрачность и управление данными с открытым исходным кодом.
- Мошенничество: как и в случае с большинством других децентрализованных приложений, системы DAI неизменно трудно регулировать, а мошенничество существует везде, где регулирование минимально, а сбой является четким и реальным обещанием.
Последние мысли:
Даже при централизации искусственный интеллект уже является очень мощным инструментом в бизнесе, войне и личном удобстве.
Благодаря инженерии знаний и машинному обучению стало возможным заменить человеческие усилия умными машинами для выполнения задач, которые до сих пор были опасны для человека или были подвержены человеческим ошибкам в суждениях, рассеянности или неточности.
И все же крупные корпорации злоупотребляют искусственным интеллектом, чтобы влиять на поведение людей с целью получения прибыли.
Таким образом, децентрализованный ИИ является очень долгожданным дополнением к существующим подходам к применению технологий блокчейна сейчас и в обозримом будущем.
