导读:区块链与AI可谓是当下科技圈的两大热词，我们也看到越来越多的区块链项目开始All in AI领域。有人认为两种技术可以强强联手，碰撞出巨大的火花；也有人对此产生怀疑，认为两者的融合不是“风口”，只是噱头。鉴于话题的专业性，金色财经特邀人工智能领域专家、AI方向区块链项目方负责人做客第七期“金色相对论”。各位嘉宾以“AI+区块链，究竟是风口还是噱头？”为主题，展开了思想的交锋与智慧的碰撞，为大家带来了一场精彩的思想盛宴。金色相对论，干货来对阵。
本期嘉宾有：庞华栋博士，本征资本创始合伙人；邢大地博士，普渡大学区块链实验室副主任；耿杰森（Jason Geng）博士，美国数据应用学院创始人；汪婷婷，铂链创始人；Cortex团队：陈子祺，CEO兼联合创始人；王威扬，CTO兼联合创始人、田甲，首席科学家兼联合创始人；Adam郑，OBEN创始人；何永，深脑链CEO、义语智能CEO；高庆忠，智能矩阵CEO（排名不分先后）。
要点提示：
人工智能领域的护城河和门槛其实是数据。
大数据是生产资料，AI是生产力，区块链是生产关系。
人工智能与区块链可望在算力、算法、数据维度上进行优势互补。
金色财经：区块链和AI一个是在封闭数据平台上培育中心化的智能，另一个则是在开放数据环境下促进去中心化的应用。那么，两者融合的逻辑是什么？
普渡大学区块链实验室副主任刑大地：
我先抛个砖，当前的大多数人工智能算法，无论是statistical learning还是deep learning，都需要大规模的样本数据才能训练出很好的模型。所以人工智能领域的护城河和门槛其实是数据。BAT、FLAG都在想方设法获取和留存用户的数据。如果人工智能代表未来的先进生产力，那么数据就等同于生产资料。而数据的所有权和使用权会通过区块链进行确认，从而带来个人化人工智能的时代。
ObEN联合创始人Adam郑：
从区块链来说，数据去中心了，有主了，但是需要数据分析技术，否则没有用。AI是最先进的数据分析技术。所以，区块链也需要AI。三体的大刘说区块链是人工智能的一个节点，融合其实都是由需求产生的。分布式结构的数据要通过分析才能被产生价值，这里就需要AI，否则只是存储和交易。
智能矩阵Atmatrix创始人高庆忠：
两者融合逻辑在于发挥区块链和AI各自的优势。区块链：分布式记账，信任和激励系统。AI: 人工智能能力。区块链可以构建为人工智能世界的一套经济系统。
美国数据应用学院创始人Jason耿：
区块链解决的问题是数据存储和准确，这个仅仅解决了大数据的问题。而基于AI的数据分析和机器学习的应用，会帮助项目找到商业价值。
Coinwall CEO熊婉龙：
区块链进行数据确权，AI进行数据分析。
铂链创始人汪婷婷：
这里有两个前提：第一，数据是资产已经形成共识、AI是未来也已经达成共识；第二，数据的流动会产生溢价，AI让数据的使用价值无限放大。所以两者融合的逻辑是，通过区块链技术，AI因数据流转产生的价值得以无限放大，区块链会让AI的世界加速到来。套用比特大陆吴忌寒大佬的一句话：大数据是生产资料，AI是生产力，区块链是生产关系。
Cortex联合创始人兼CTO王威扬：
大公司自己的业务适合在自己内部研究，而AI这一波带动的commonsense knowledge适合公开出来研究。ImageNet、Youtube8M、MSCoco、KITTI等数据（公开标注），Pretrained models on TensorFlow/MXNet 这种跟业务弱结合，但是常识性的数据+模型，很多都开源了。我的态度是，首先，公有区块链+AI应该重点关照这一部分。其次，确权tokenization、查分隐私、可信计算这种，主张“skin in the game”，跟谁商业利益相关谁再牵头做。
Cortex创始人兼CEO陈子祺：
本期话题用了“+”这个操作符来融合区块链和AI，这是上一代移动互联网的操作，是业务的拓展和延伸。我们认为，实际上也是践行AI on Blockchain，不只是业务的拓展问题，我们讲究一个核心精神，即区块链世界从2009年至今秉承的去中心化和开源精神。AI在链上的一切计算必须公开透明、可以监督，并且具备图灵完备不停机的一贯原则。我们整个态度都是在这个逻辑上自洽的。AI和区块链结合，很容易诞生不靠谱的提法，容易导致神棍的出现，如果项目逻辑不能coherent，那么这个融合就是没有太大意义的。
深脑链CEO、义语智能CEO何永：
两者融合具有两个大逻辑——是用区块链解决AI行业问题，还是用AI解决区块链行业问题？针对第一个逻辑，可以用AI的三要素算力、算法、数据为切入点。从算力角度看，区块链可以让计算节点分布式管理，从而形成分布式AI算力；从算法角度看，结合点非常多，每个领域的AI算法都可能与区块链相结合；从数据角度看，区块链可帮助产生数据、保护数据隐私。至于第二个逻辑，目前看来结合的机会还比较有限。
Cortex创始人兼CEO陈子祺：
我们在回答融合逻辑的时候，一定要先想想比特币和以太坊的逻辑。为何比特币是必要的？为何智能合约要绑定在区块出块的基础上才有意义？比特币不比中央银行的处理能力，然而人们宁可浪费资源相信比特币，这是为什么？核心是银行不再可信、透明，我们需要去中心化记账。智能合约的概念在1996年由Nick Szabo提出，Vitalik把他实践化，绑定进入账本级别不可逆。我们的逻辑也很简单：迄今为止，是不是有相关的AI计算或者数据问题是必须要进入这个逻辑链条的，不是就是多余；是就必须要做出来，成为下一代底层计算架构。
医健区块链项目创业者林树：
马云曾经做过这样的比喻，“数据”是数字黄金。未来的大型公司都应该是数据公司，那么，如何收集有效的数据？并且如何进一步让数据产生应有的价值，是数据公司面临的挑战。AI技术的应用，加速了数据收集的效率，区块链技术及其激励机制，为这些数据进行价值评估，数字资产确权，以便为下一阶段的流通与增值做支撑。
Cortex首席科学家兼联合创始人田甲：
区块链和AI的融合不是目的，我们看的是这两个领域结合未来能创造的价值。最简单的例子来说明我们构造cortex的思路：所有需要决策的地方都需要AI，而智能合约就是一种决策机制，所以我们需要 bring AI onto blockchain。这衍生了一系列问题，例如AI security，AI training，data等等，都是在同样的first principle 下的思考产物。
ObEN联合创始人Adam郑：
大家都不要用任何本位的逻辑，AI本位或者区块链本位。
Cortex联合创始人兼CTO王威扬：
本位思考论，我认为需要对两方面都有很深的思考，我觉得这个结合“实验性质”很浓厚，说不上是风口或噱头，可以说是实验。区块链本位逻辑是经历过历史考量和验证的，哪怕是相对论也是在承认牛顿力学的基础上，改变一些假设derive出新的东西，而不是上来就谈颠覆。
金色财经：人工智能研究到目前为止的痛点与需求是什么，能否借助区块链技术来完善？
本征资本联合创始人庞华栋：
人工智能最大的痛点，我觉得是数据的获取。但是这方面，我认为区块链最有可能帮助人工智能用一种较低成本、分布式的方式获取数据，然后通过激励机制以及好的经济模型来促进人工智能数据的获取和存储。这是我看来是最有可能将区块链应用于人工智能领域的一个方法。另一个思路是算力，大家都知道人工智能需要大量的算力，而现在区块链很多挖矿的，因此这个算力可以同时提供给人工智能。
智能矩阵Atmatrix创始人高庆忠：
人工智能研究到目前为止的痛点，从产业上来看，是不同AI公司之间各自为战，缺乏较好的机制来为各方做AI组合，AI组合的资金信任与自动化分账，都可以使用区块链智能合约技术来完善。同时，一个去中心化系统来构建一个完整的AI产业生态，通过区块链经济模型和社区治理机制来构建一个自治性的AI完整产业生态，能为AI产业快速发展搭建起基础设施。
深脑链CEO、义语智能CEO何永：
人工智能目前最核心的痛点是计算成本太贵，很多人工智能企业没钱买那么多高性能机器。区块链和人工智能结合最终还是要解决商业价值问题。从市场规模来看，提供人工智能算力的公司有英伟达、比特大陆，规模都是千亿美金和百亿美金级别以上的。提供人工智能数据的公司，目前全球有超过100家数据标注公司，每家的市值规模都很小，不到10亿美金，且同质化竞争激烈，区块链解决数据问题的价值很有限。如果没有算力为支撑人工智能是空中楼阁，这也是为什么前面人工智能两起最后又两落。训练一个人工智能模型，如果需要10年，这个是没有人可以接受的。最近10年算力的具体提升，才让人工智能变为可能性。
美国数据应用学院创始人Jason耿：
AI的问题及其解决，主要是分布式计算解决了算力问题，大数据技术解决了training data和标签的问题，第三是再加上深度学习算法的改进。下一个问题就是数据质量，区块链可以在这方面延伸。
普渡大学区块链实验室副主任刑大地：
AI无非就是两个要素：数据和算法。除了刚才大家说的数据方面的痛点，我也吐槽一下算法方面的问题。人工智能目前采用的大多数算法都是在做classification，也就是所谓的分类。比如芝麻分或者美国的FICO分就是对人的个人信用进行评级分类，Amazon或者天猫的推荐系统就是对人的消费习惯和特征进行分类，今日头条就是对个人的阅读兴趣进行分类。但是这种分类是统计意义上的划分，也就是说，他会忽略outlier，也会忽略你的发展和变化。相信每一个人都有过这样的体验，信用卡公司给了你一个无厘头的理由把你拒绝，淘宝天猫在不停的推送你不需要的东西，今日头条每天给你大量的推送同一个主题的内容，把你包围起来，让你几乎无法获取新的信息。这些就是中心化人工智能体系带来的体验。因为他们简单粗暴的给了你一个标签，把你定位成为某一类的人群，然后不管不顾的按照概率替你做了决定，甚至剥夺了你的决定权。
铂链创始人汪婷婷：
人工智能发展的痛点必须要用区块链来解决：第一，现有的AI非常少，智慧等于三岁小孩。第二，现有的AI数量和质量已经是目前数据、算力等资源被垄断背景下的最佳局面。第三，区块链技术可打破数据孤岛，重新组织AI研发的数据、算力、存储等生产资源，最终实现新AI涌现和爆发的新局面。大家都说算力贵、数据贵、算法也贵（人才贵）等等都是因为垄断嘛，但算力、算法、数据这些生产资料，庞博士说的很对，数据是突破口。
Cortex联合创始人兼CTO王威扬：
三个痛点：一是数据，二是算法，三是芯片。 分别对应的解决方案，一是Commonsense类的数据需要Storage Layer，不需要处理隐私。二是人人都说自己算法最牛，区块链可以做去中心化的Evaluation Server，更公允的判断谁更牛，发展去中心化的AI研究，kaggle on chain。三是对ASIC和FPGA，挖矿行业早于最新这一波AI热潮5年，AI又重演了一次，碳硅协同进化是大势所趋，AI链必须向这个方向靠拢。
医健区块链项目创业者林树：
去年极客公园做了一个活动，李飞飞在分享时引用她斯坦福的同事 Terry 的观点：要实现人工智能，需要有这 3 个要素：Syntax（语法）、Semantics（语义）、Inference（推导）。Terry 把人工智能应用在了怎么去建造一个思考的机器上。他说一个人，或者一个机器，要去理解世界，需要完成如下三个过程：
1、首先需要去感知。感知以后，需要做的第一件事是对这个世界的结构进行理解。这叫 Syntax Understanding。Syntax 在自然语言处理领域叫语法，在计算机视觉这个领域可能叫三维结构。
2、Syntax 以后，需要理解 Semantics（语义）。Semantics 做的事情就是 Understanding Meaning（了解含义），语言有语言的含义，视觉有物体、有动作，有视觉的含义。
3、最后是 Inference。Inference 就是统计推导、统计推理这个过程。
以上为引用。我的观点：现在人工智能面临的困境是 “不够智能”，它只能做一些没有智力表现的重复操作，距离真正的智能还很远。区块链技术无法改变人工智能的这个现状。
中链传媒创始人老谭：
请教各位，如果说现在人工智能最大的痛点是计算，那用区块链的方式来说，在效率不降低的情况下，成本会减少多少？
Cortex联合创始人兼CTO王威扬：
效率肯定是降低的，因为应用场景、约束条件不一样。首先，链上的AI执行是谁需求大谁先来，系统throughput不随节点增加而显著增加，但是AI作恶成本增加。其次，云上的AI执行的throughput有scalability。二者的设计理念不是一回事，如果就卖个云服务也需要区块链的项目其实可以定义为utility token，比如amazon可以自己做一个AWS币，定价计费公开透明。
铂链创始人汪婷婷：
关于降本增效，我们做过测算，光数据大概可以降低至少50%的成本，缩短一半以上的时间。我们已经累积帮助6家AI公司获得了他们想要的AI数据。有些数据甚至我们社区爱好者们是免费提供的。目前，我们正在收集一套不同年龄段的人脸识别数据，帮助AI公司建立训练标准库，都是免费的，有一点Token激励，效果非常好。这套数据在数据市场的成本可能要几十万到上百万。当然这些都要得益于铂链24万人的爱好者社区。
普渡大学区块链实验室副主任刑大地：
增效也是AI的一个痛点，有一次在纽约的一个学术会议上，一个中国教授开玩笑，人工智能在中国已经成为了劳动密集型行业，有大量的AI公司实际上在雇佣大量的人工进行手动数据标记。
铂链创始人汪婷婷：
我同意刑博士的说法。目前的人工智能还是一个劳动密集型行业，什么时候数据不是真正发展的痛点了，过了这个阶段了，我们才来谈AI能为区块链做什么。当然，这时候还是鼓励做服务于区块链的AI的研发。
智能矩阵Atmatrix创始人高庆忠：
不同项目方会看到不同的痛点，这也是这个领域会蓬勃发展的基础。数据、算力、训练模型、以及训练后的AIaaS都是未来AI被广泛使用的痛点需求，不同关注点产生了不同的项目。算力共享、数据共享、AIaaS共享，都是通过区块链技术来帮助AI要素的共享，一个AI Market给产业在做共享及交易，目前业界正好需要。人工智能行业的大规模共享网络很重要，大规模的交易市场很重要，这有助于这个未来人工智能在产业的大规模应用。这个是大痛点，区块链自治系统可以帮助构建此工作。当下的AI行业存在的痛点是，各自都是孤岛。人工智能基础设施之间，厂商之间相互竞争，比如Google有Alpha Go，百度有百度AI，腾讯也在布局自己的AI Lab，实际上是重复造车轮，资源浪费，又各自孤立。各种DApp应用程序所在区块链的链上世界，与传统人工智能基础设施的链下世界缺乏对接渠道，无法直接调用。
Cortex创始人兼CEO陈子祺：
人工智能如果仅仅是规则集或者符号学派，那么这个事情1980年就做的差不多了。当今的问题是痛点和难点是把工程化的神经网络、深度学习等新的工具更进一步发展，同时模型的共享，数据的隐私都是没有解决的问题，容易造成互相依赖无法推进行业进展。
Cortex 首席科学家兼联合创始人田甲：
关于数据和模型，目前还没有一种可靠的方法可以做到隐私和公众可验证的平衡，这个也是把AI和区块链结合的难点。
普渡大学区块链实验室副主任刑大地：
将来的人工智能，必然是personalized的AI，基于你个人的最大维度的数据，更为充分的理解每一个个体的需要和行为，从而更好的为个体服务。而区块链恰好提供了个人全维度的数据存储平台和个人化人工智能的计算平台。Deep Learning的三驾马车之一LeCun教授曾经有一次演讲的时候提到，他认为可解释的人工智能（Explainable AI）才是真正有用的人工智能，而可解释的人工智能，必然是小样本的，个人权重很高的人工智能。这会是人工智能发展的新的阶段，而这个阶段的实现，是无法让区块链缺席的。
Cortex首席科学家兼联合创始人田甲：
是的。不过不过现在的这类privacy技术都还没到实用的程度，trusted enclave算是这个空白期内唯一可用的技术，然而也suffer from中心化。我比较看好垂直领域的专用privacy技术先有突破，不然就得等zkp,dp,甚至he了。
Cortex联合创始人兼CTO王威扬：
刚有人提到数据量大，那种情况很快会被解决掉。堆数据是因为Sensor不行，比如MS-CelebA人脸数据，平均要每人300张才能把人脸识别做的很好。有个概念叫Power-law region，数据集每次需要翻10倍，精度才能线性增长。但是我的脸：3张这种数据就够了，数据量论会在恰当的历史阶段变成伪命题。3D realtime rendering （人+车行业）会在下一波世界级区块链热潮前兑现，因此如果要谈AI数据结合blockchain的点，数据隐私研究比如何搞大数据量优先级要靠前。
Cortex创始人兼CEO陈子祺：
隐私这块实际上非常难，我不知道几个人试过cuHE或者SEAL等同态加密库的运行时间，我和田甲 2017年初就在做这方面的实验，当时从比特大陆那里借来了市面最贵的显卡，一次简单的+操作70多秒，远远无法实战。我们持续关注这个方向，但是目前的计算方案，包括swHE都不够好。目前看来只有trusted computing是可行的。实际上我觉得不必在此讨论隐私，因为这个问题本身已经远远超过AI和区块链融合的范畴了，这件事本身就会对云计算颠覆。zk很可能在这种情况下有所突围，隐私enclave合约和数据一处执行，别处verify。然而目前zk一个简单的transaction，都需要很多内存，zcash团队还在这个方向上努力减少内存，减少cpu的工作，估计离完全实战还有几年。
普渡大学区块链实验室副主任刑大地：
只有基于个人化的人工智能，才能真正做到critical decision，也就是替你做一些严肃的决策。当前人工智能只会从统计学的意义上去看一个人，那么你就有可能在算法里面被当做了outlier来处理（例外），关键是，现在的主流人工智能算法，无论是decision tree还是deep learning，都是黑盒算法。你甚至都不知道为什么会被当做了outlier。所以，在做一些严肃决策的时候，比如投资决策，医疗决策，其实是很难依靠当前这些所谓的人工智能算法来辅助决策的。
Cortex创始人兼CEO陈子祺：
对的，zk很可能在这种情况下有所突围，隐私enclave合约和数据一处执行，别处verify。然而目前zk一个简单的transaction，都需要很多内存，zcash团队还在这个方向上努力减少内存，减少cpu的工作，估计离完全实战还有几年。对于解决黑盒问题就好的方法就是模型开放，算法执行结果Public verifiable。一个好的AI模型，应该诞生出研发者初始的数学公式都无法预计，又符合行为预期的结果，比如alphago和一些用强化学习做的打游戏AI，人类观看后要有叹为观止，把开发者都吓一身冷汗的感觉。这是好的AI，否则就是那种所谓的人工智能，只有人工，没有智能。
普渡大学区块链实验室副主任刑大地：
是的，区块链的开源精神有助于打开黑盒，同时加上个人全维度数据的权重，会让模型的解释性更强。
