本文摘要：在过去的五到六年里，人工智能行业渐渐重返主流视野，有股兴起之象。

在过去的五到六年里，人工智能行业渐渐重返主流视野，有股兴起之象。我用“兴起”这个词是因为我们曾多次有段时间指出人工智能是一项将要来临的技术。阿兰图灵在1950年设计了同名的图灵测试，让人们意识到「机器也不会思维」这一可能性。

1956年的达特茅斯研讨会是一个里程碑式的事件，它标志着人工智能的问世。当时约翰麦卡锡明确提出了「人工智能」一词，用来解释当时生物学、神经网络和符号推理小说研究的蓬勃发展。在60年代和70年代，自然语言处置、机器推理小说和机器视觉领域有了明显的变革。随着80年代日本所谓的第五代计算机的经常出现，在专家系统、基于案例的推理小说等领域获得了重大进展，偏移传播的发明者也带给了相连主义神经网络的兴起。

机器学习在90年代获得了较慢发展，早期的基于符号的方法也改向了概率和统计资料的方法。最近，对早期和成熟期初创企业的大规模投资；媒体对未来刺客级机器人的报导；还包括IBM、微软公司和谷歌在内的老派巨头的营销闪电战；以及公众对Siri和Alexa等的疯狂，这一切都或许指出着人工智能再一经常出现了。

但是，知道是这样吗？是机器学习？或者说是人工智能？我们今天所说的人工智能，相当大程度上是指机器学习在海量数据中的应用于。精确地说道，正是所谓的深度（机器）自学技术的应用于，带给了语音搜寻和语音转录助手（如Siri）的蓬勃发展、癌症临床和化疗等领域的医疗创意、人脸识别如AWS辨识以及图像视频分析辨识等更加普遍领域的发展、机器翻译工具如Bing翻译器、语音辨识工具以及所谓的自动驾驶汽车等的经常出现。

技术上来说，我们应当称作深度自学的兴起，而不是人工智能的兴起。深度自学的历史可以追溯到1943年，在对人脑神经网络解读的基础上，皮茨-麦卡洛赫创建了计算机模型。“深度自学”这个词是在80年代末经常出现的；然而，网卓新闻网，深度自学影响力的充分发挥就是指21世纪初开始的，随着2012年开始的所谓深度自学革命，计算出来行业由此被确实地政治宣传了。

2019年3月，Yoshua Bengio、Geoffrey Hinton和Yann LeCun因其突破性的研究被颁发图灵奖，这些研究将深度自学划入了主流。非常简单来说，深度自学是一种机器学习技术，它教教计算机做到人类天生不会做到的事，即从例子中自学。通过了解自学，计算机模型可以必要对图像、文本或声音等展开分类。深度自学模型通过用于一组打标签的数据和神经网络结构（还包括多层软件建模人类神经元的不道德）展开训练（有监督和无监督）。

当下机器学习的可怕弱点为了训练一个深度（机器）自学模型，当前有两种技术是有效地的，但最后却不会沦为人工智能的祸根。1. 传统的自学方法拒绝在单个系统（或供应商数据中心）上集中于单体训练数据。

谷歌、亚马逊、微软公司、苹果和脸书等公司搜集了大量的用户数据，并将其存储在各自的系统中。随后，他们不会通过一次或多次运营他们的算法来挖出并创建最后的深度自学模型。很显著这种方法侵害了用户隐私。

在取得（一般来说没）用户许可的情况下，这些系统利用脆弱的隐私数据来建构他们的人工智能App。2. 中心化方法对于供应商的依赖性过低。某种程度不存在问题的是，中心化的方法一般来说依赖供应商，即供应商对算法、构建机制（语言、库、工具）、选用硬件（内部、外部、对芯片制造商的依赖性等）、数据中心架构、人员（不存在让步、行贿等风险），以及表明训练算法结果工具的自由选择。

用计算机科学的术语来说，单供应商构建不存在所谓的拜占庭容错问题。这些技术中的任何一种都将威胁到对当今人工智能App的安危。

如果这个行业不解决问题这些问题，重返主流视野的人工智能也终将再度沉寂。区块链+机器学习区块链平台在去中心化App和系统的设计和研发方面获得了令人伤心的进展，并已应用于从加密货币到企业供应链等的各个领域。更加最重要的是，区块链固有的去中心化构建使得区块链具备以下两种特性。

区块链彰显了用户管理其数据的权利。首先，区块链彰显了用户管理其数据的权利，使他们需要要求何时、何地、向谁以及多长时间对其数据的采访权限，即区块链是那些配置文件可自动用于用户私有数据系统的克星。

此外，随着零科学知识证明的经常出现，区块链现在对于交易而言仅有需要证明其有效性。区块链的设计不不存在中心化的机构或系统。其次，区块链的设计不不存在一个中心化的机构或系统。因此，为了让数据和交易达成协议完全一致，区块链用于了各种容错的共识算法。

虽然不存在各种共识算法，但这些算法在对一组去中心化的节点（或系统）达成协议共识方面具备相近的特征。尤其地，一种称作拜占庭共识的算法解决问题了前面提及的拜占庭容错问题。

区块链使得人工智能App的研发不依赖单一供应商的构建，也不不存在由此带给的所有风险和故障。这两个关键特性的融合使得现今机器学习的构建有可能解决问题其可怕弱点，并使人工智能App既不侵害隐私，也容易不受单一供应商拜占庭式故障的影响。

未来设想区块链+机器学习修筑了一种将人工智能变成主流的颠覆性方法，需要在维护用户隐私的同时，保证减少供应商依赖型App的风险。用户在用于设备期间不会产生海量的数据。这些数据包括了关于用户及其不道德的有效地信息：他们常常去哪些餐馆，采访哪些网站，他们讨厌去哪些地方旅游，他们用于哪些社交媒体App，他们看哪些视频等。这些数据早已沦为深度自学模型的创建基石，以获取个性化服务，最大限度地提升用户体验（例如ala Siri）。

而，区块链是在不侵害用户隐私的情况下建构此类个性化模型的卓越自由选择。尤为重要的是，这一行业将用户隐私置放任何商业利益之上，并用于区块链建构赋能人工智能应用于的机器学习模型。像人脸识别这样的应用于正在被普遍普及（还包括政府机构）；由于机器学习模型与供应商初始化可能会带给一系列问题，因此其潜在风险不容忽视。如，波音和空客飞机等航空电子系统数十年来仍然被设计成拜占庭式的容错系统。

当移民局和边境侦察机构用于AWS Rekognition人脸识别等工具时，行业和监管机构必需新的思维现今人工智能应用于的本质（例如与航空电子系统涉及）。我们必需用于横跨多个供应商的计算资源（算法、语言、硬件等），从单一供应商构建方式及其涉及风险改以去中心化的深度自学构建。未来是去中心化的，人工智能也不值得注意。否则，人工智能终将步入寒冬。

本文来源：新宝GG注册-www.25635440.com