热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

亚洲前沿科技展望——人工智能与区块链的融合发展

作者:李国权、郑金城、闫黎编辑:Jesse、Crush* 全文约 4700 字,预计阅读时间为 12 分钟二十一世纪是亚洲的世纪,在人类工业化过程中的历次工业革命中,亚洲要么要么缺席,要么追随。虽然在

作者:李国权、郑金城、闫黎

编辑:Jesse、Crush

* 全文约 4700 字,预计阅读时间为 12 分钟

二十一世纪是亚洲的世纪,在人类工业化过程中的历次工业革命中,亚洲要么要么缺席,要么追随。

虽然在过去的一个多世纪,我们亚洲一直是「曾看江上弄潮人」,但是,这一次,第四次工业浪潮的澎湃而来,「龙翻瀚海波涛壮」,亚洲不但是参与者和推动者,而且还会在随之而来的第四次工业革命中成为引领者。

在新兴科技的研究、应用、市场培育发展、商业模式创新、监管和政策引导等方方面面都都处于领先位置。

 亚洲新兴科技现状

以下四个方面可以大体反映今天亚洲新兴科技发展的现状:

1. 亚洲人工智能 (AI) 已经开始大规模大范围地推动生产力的发展

人工智能 (Artificial Intelligence) 通过对计算机系统的深度发展和利用,去执行通常需要人类智慧来完成的任务。它已经由早期的象征意义的人工智能升级到基于知识的专家系统、机器学习 (Machine Learning) 和今天的深度学习 (Deep Learning)。

在大数据、先进算法、强大的计算能力和云服务的支持下,人工智能已经在过去十年取得了巨大的发展成就。目前,人工智能主要关注于六个方向,分别是计算机视觉,图像识别,机器学习,自然语言处理,语音识别和机器人。

Convolutional Neural Network(卷积神经网络)、Generative Adversarial Network (GAN) 和 Variation Autoencorder (VAE) 在游戏环境引擎方面最有潜力。

提到人工智能,我们首先要讲的是中国。截至 2022 年 7 月,移动互联网用户总数达到了 7.7 亿,其中超过 4.7 亿是 5G 高速网络用户。

庞大的用户产生史无前例的海量大数据、巨大的市场需求和强有力的政策支持,使得中国在人工智能领域的高质量学术研究及应用遥遥领先,成为亚洲人工智能市场的领头羊。

按 2020 年收入计,商汤是亚洲最大的人工智能软件公司,也是中国最大的计算机视觉软件供应商。中国大疆、优必选、寒武纪、云从科技和依图等众多独角兽,使中国成为全球领先的商业 AI 应用中心。

中国的代表企业如商汤科技等,利用技术优势建设开放技术平台,给开发者们提供了人工智能开发环境。

与此同时,日本同样拥有大量的人工智能专利组合。印度的人工智能使用增长速度最快。

新加坡、印尼、马来西亚、韩国等国也是亚洲人工智能市场上主要的竞争者。2019 年,新加坡发布为期 11 年的国家人工智能战略,欲大力发展人工智能技术。

新加坡作为全球领先的 Web3 节点,其人工智能公司将在未来几年呈指数级增长。

2. 云服务竞争激烈,亚洲市场格局稳定

目前,中国无疑是亚洲最大的云计算市场,接下来是日本、印度、韩国和香港。印度的发展速度最快。

中国市场目前由本土公司阿里巴巴、腾讯、百度占领。由于地缘政治原因造成的中美贸易争端和科技市场管制,目前中国的数据和云服务客户被大家戏称为「清华」客户群,主要原因是客户基本是华人和华人企业。

国际企业在亚洲的其他国家,与本土云服务公司进行着激烈的竞争,例如亚马逊的 AWS 在亚洲和全球市场的领先优势目前可以说是「一骑绝尘,独孤求败」。

同样,随着亚洲 web3 的增长,个人和企业对于云服务和 AI 应用程序将有海量需求。

3. 芯片制造领域「山雨欲来风满楼」,亚洲是芯片的重要产能基地 

2022 年中国台湾占世界半导体产能的 65%,同时占先进制程芯片的几乎 90%。相比之下,中国大陆仅占全球产能的 5%。

2021 年的数据显示,亚洲生产的芯片占全球总芯片产能的 80%,其中,中国台湾占到了 22%左右,韩国约 21%左右,中国大陆与日本均在 15%左右,但中国纯国产的芯片产能只占 8%左右。

中国、日本、韩国等国家与地区都提供战略性财政激励本土芯片技术发展,进行扩产和升级。

实际上,全球光刻胶涂层和高端铝电解电容器对最先进芯片的制造至关重要,但全部供应来自日本,该国的科技公司正在巩固对制造组件和化学品的控制。

在美中竞争日趋白热化,全球地缘政治和文明冲突挑战突显,在这样的外部不确定性环境中,日本制造商的优势越来越明显。

4. 互联网 3.0 (Web3) 发展迅猛,元宇宙 (Metaverse) 呼之欲出

基于去中心化网络的理念和区块链技术的互联网 3.0 (Web3),旨在解决当今互联网的痛点,即,让用户重新获得自身信息的控制能力:信息的隐私权和所有权;以最低成本打造可信赖的价值互联网。

我们看到 Web3 的金融系统:非中心化金融 (DeFi);确权工具:非同质化代币 (NFT);组织形式:非中心化自治组织 (DAO),在过去一年都取得了巨大突破。

开源、可组合的特性使 Web3 具有无可比拟的开发条件,公开、透明的组织方式激发参与者的创新热情。

Web3 正在以超预期的速度带来意想不到的新产品,成为元宇宙的重要组成部分。我们看到越来越多的普通人进入元宇宙中享受趣味的数字虚拟生活。

新加坡、日本、韩国正在努力成为 Web3 的重要节点 (node),日本甚至在今年 6 月制定了 Web3 法规,中国也在布局具有中国特色的元宇宙。

在合理监管的指导下,Web3 发展势头迅猛,元宇宙在未来将会成为人们习以为常的生活部分。

2021 年全球 Web3 市场规模已经达到 32 亿美元,预计到 2030 年,Web3 的市场规模将达到 815 亿美元,全球元宇宙的市场规模预计将达到 1 万 6 千亿美元左右。

并且从 2022 年到 2030 年,元宇宙的市场规模将以 51% 的复合年增长率 (CAGR) 保持长期的强劲增长。

从当前最主要的新兴技术的发展现状来看,亚洲不但处于领先地位,同时还在不断崛起。

我们身处在中国和新加坡,能深切体会到科技给我们生活带来的指数级变化。而这其中的一个重要推动力是科技的融合 (Convergence)。不同科技之间的优势互补,可以充分发挥和增强技术的作用。

如果只专注于一种科技,我们可能会忽视由科技融合推动的更广泛的影响和机会。我们用人工智能 (AI) 与区块链 (Blockchain) 技术的融合作为例子,看看未来这样的科技融合可以给我们的生活带来哪些变化?

区块链实际上就是一种类型的公共数据库,或者说是一种分布式账本 (distributed Ledger),可在多方发起和完成交易时,提供即时、公开、可验证的加密数据。

区块链由多项技术共同支持的,包括:数据交换、处理,基于现代加密技术建立的多方存储技术,分布式一致性协议,点对点网络沟通技术,以及智能合约等各项前沿科技。

区块链技术可应用于国际支付、国际贸易,供应链、医疗健康、公共服务、教育、知识产权、个人身份和隐私保护等等领域,并且非常便于在消费市场中实现大规模应用。

那么,人工智能能为区块链带来什么呢?

Tshilidzi Marwala 和 Bo Xing 在《Blockchain and Artificial Intelligenc》做过这方面的思考,我们来讨论两位的观点。

 人工智能与区块链

1. 最优化区块链的能源消耗,促进可持续发展

人工智能已经被长期应用于优化大规模系统,例如,能源系统的计划和运营。

区块链本质上都是大规模分布系统,我们可以从大规模系统的角度建立一个统一的人工智能支持的区块链能源优化方案,促进可持续发展。

或者更直接地说,通过人工智能,解决区块链系统耗电量大的应用场景痛点。

2. 执行协作学习,促进可拓展能力

区块链的性能都会受限于拓展问题。每个区块都拥有一定数量的交易数据,创新的人工智能算法,可以从分布式数据资源中学习,给目标区块链系统提供一个最佳全球解决方案。

3. 检测区块链应用层入侵问题,提高安全性

在区块链应用层,入侵检测系统 (IDS) 和入侵保护系统 (IPS) 是检测威胁的重要组成部分。

人工智能技术的分支——群体智能已经广泛应用在入侵检测系统中,提高系统的综合性能。

人工智能的另一个分支——计算智能也能创造更安全的密码,改善区块链系统防攻击的能力,这这个过程中,来实现系统的高度「韧性」,或者说,系统的「抗击打能力」。

4. 预测一个节点满足特定挖矿任务的可能性,从而提高效率

人工智能的网络效用最大化模式可以帮助我们为计算机网络的拥堵控制、线路和进度寻找分布式解决方案。

因此人工智能可以执行积极动态的学习来加速对资源的预测,提高区块链整体表现。

5. 建立多代理系统来缓解区块链人才短缺问题

通过人工智能引入多代理方式来缓解区块链人才短缺的问题。通过创造多任务驱动的虚拟代理,读写区块链的交易数据过程可以完全自动化。

另一方面,人工智能技术支持的在线学习也可以帮助我们训练和培养区块链人才。

6. 使用开源数据,做出决策

随着基于区块链技术的数据越来越多,公司和个人需要利用手上的数据做出决策。人工智能非常适合这类任务。

 区块链赋能

然是技术融合,当然不可能是单向的,融合是一个双向动态的过程。上面我们讲到了人工智能对区块链的赋能。

Thang N. Dinh 和 My T. Thai 在《AI and Blockchain: A Disruptive Integration》提议区块链赋能人工智能,我们在以下讨论他们的观点。

1. 隐私保护和数据安全共享

人工智能技术的应用需要海量的数据来训练模型。这些数据目前只有互联网巨头才拥有。

因此,数据的隐私问题就引起了人们的关注。而区块链技术可以很好地解决这个问题,因为它可以增加数据的透明度,负责任地记录下谁在何时访问了这些数据。人们可以通过区块链技术实现数据所有权和使用权的分离,决定数据的分享对象和用途。

除此之外,人们还可以通过智能合约销售数据的使用权,获得经济利益,消除数据市场中间人,保护隐私,也使小公司可以获得数据的使用权,进行人工智能创新。

通过零知识证明技术,数据使用权的购买者可以在不知道数据内容或者数据所有人身份的情况下获得想要的相关信息分析结果,而不是数据本身。

2. 配置空闲计算能力

通过基于区块链的云计算,可以给人工智能带来分布式计算能力。游戏玩家电脑的 GPU 通常只运用了部分零碎时间,现在他们可以人工智能合约的形式销售计算时间来获得收入。而人工智能开发者可以利用大量玩家的 GPUs 来准备、训练、部署深度学习算法。

3. 保全整体决策流程,明确理解决策归因

机器学习在实践中还没有大量应用是因为人们很难检验其做其决策的归因。人们需要一个不可篡改的追踪系统来检验数据的变动过程。而区块链提供了完美的匹配。人们可以追踪和保全完整的决策流程,从而更好地了解决策的背后逻辑。 

4. 协调不可信设备

人工智能可以调动群体机器人、物联网、手机等不可信设备,做出集体决策。而区块链的共识机制可以在这个过程中起到很好的协调作用。

技术融合是应用创新的引爆点,人工智能和区块链的融合,给我们带来非常广泛的应用场景创新和商业模式创新的潜力。

人工智能的红利不仅会随着区块链的发展而加速增加,随着两种技术的融合,区块链也将更快地被大规模大范围的在各行各业落地,并形成生产力。这就是我们常说的技术协同效应。下面是我们看到的成功的实践案例:

在数据的所有权和使用权分离方面,PlatON 通过基于密码学的隐私计算技术,使数据可用而不可见,帮助人工智能模型在不侵犯数据隐私的前提下,建立合规的数据获取通道,通过区块链技术构建的数据交易市场,实现数据资产的合规流通,释放数据潜能。

在可追溯性和存证方面,蚂蚁链的版权 AI 计算引擎利用人工智能技术,可以快速提取音频视频特征,在短时间内完成对相似内容的自动识别和判断。

早在 2019 年,蚂蚁链便推出版权保护平台「鹊凿」,用区块链技术验证、存证并保护原创图片。Circulor 利用区块链和人工智能技术主要为复杂的工业供应链带来可追溯性解决方案。

另外,在智能合约和智能服务交易方面,Cortex 是一个开源、点对点、去中心化的区块链,支持在分布式网络上上传、存储和执行人工智能模型。

人工智能模型可以轻松集成到 Cortex 的智能合约中,以创建人工智能增强的去中心化应用程序。SingularityNET 通过其基于区块链的去中心化人工智能市场,使人们可以轻松地创造、分享和货币化人工智能服务。

人工智能可以比人类更有效率地管理区块链。区块链可以帮助我们追踪、理解和解释人工智能的决策流程和决策归因。

人工智能能够以惊人的速度快速、全面地读取、理解和关联数据,为基于区块链的业务网络大幅提升智能水平和网络效率。使用区块链存储和分发 AI 模型,可以实现审计线索的存证。

因此,区块链与人工智能的融合,可以大大增强数据安全性、私密性和提升隐私保护和数据保全。

法国大文豪雨果有一句名言:「开始时代的思想,拥有不可阻挡的力量」,让我们保持保持开放、包容、好奇的心态,共同推动前沿技术的融合和协同发展,去推动人工智能与区块链在 Web3 元宇宙中的更丰富应用新场景和更精彩的商业模式创新。

作者

李国权:新加坡新跃社科大学金融科技和区块链教授

郑金城:新加坡新跃社科大学 Web3 研究员

闫 黎:新加坡南洋理工大学南洋商学院战略系高级讲师


//


END


* 免责声明:本文分享内容仅作学习交流,不构成任何投资建议,且不代表 Biteye 官方观点。





推荐阅读
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 【论文】ICLR 2020 九篇满分论文!!!
    点击上方,选择星标或置顶,每天给你送干货!阅读大概需要11分钟跟随小博主,每天进步一丢丢来自:深度学习技术前沿 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 建立分类感知器二元模型对样本数据进行分类
    本文介绍了建立分类感知器二元模型对样本数据进行分类的方法。通过建立线性模型,使用最小二乘、Logistic回归等方法进行建模,考虑到可能性的大小等因素。通过极大似然估计求得分类器的参数,使用牛顿-拉菲森迭代方法求解方程组。同时介绍了梯度上升算法和牛顿迭代的收敛速度比较。最后给出了公式法和logistic regression的实现示例。 ... [详细]
  • OCR:用字符识别方法将形状翻译成计算机文字的过程Matlab:商业数学软件;CUDA:CUDA™是一种由NVIDIA推 ... [详细]
  • 微软头条实习生分享深度学习自学指南
    本文介绍了一位微软头条实习生自学深度学习的经验分享,包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性,并提供了一些建议。 ... [详细]
  • 2018年人工智能大数据的爆发,学Java还是Python?
    本文介绍了2018年人工智能大数据的爆发以及学习Java和Python的相关知识。在人工智能和大数据时代,Java和Python这两门编程语言都很优秀且火爆。选择学习哪门语言要根据个人兴趣爱好来决定。Python是一门拥有简洁语法的高级编程语言,容易上手。其特色之一是强制使用空白符作为语句缩进,使得新手可以快速上手。目前,Python在人工智能领域有着广泛的应用。如果对Java、Python或大数据感兴趣,欢迎加入qq群458345782。 ... [详细]
  • 本文介绍了在Python张量流中使用make_merged_spec()方法合并设备规格对象的方法和语法,以及参数和返回值的说明,并提供了一个示例代码。 ... [详细]
  • 知识图谱表示概念:知识图谱是由一些相互连接的实体和他们的属性构成的。换句话说,知识图谱是由一条条知识组成,每条知识表示为一个SPO三元组(Subject-Predicate-Obj ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
  • 转自:http:www.phpweblog.netfuyongjiearchive200903116374.html一直对字符的各种编码方式懵懵懂懂,什 ... [详细]
  • 人工智能推理能力与假设检验
    最近Google的Deepmind开始研究如何让AI做数学题。这个问题的提出非常有启发,逻辑推理,发现新知识的能力应该是强人工智能出现自我意识之前最需要发展的能力。深度学习目前可以 ... [详细]
  • 2017亚马逊人工智能奖公布:他们的AI有什么不同?
    事实上,在我们周围,“人工智能”让一切都变得更“智能”极具讽刺意味。随着人类与机器智能之间的界限变得模糊,我们的世界正在变成一个机器 ... [详细]
  • MybatisPlus入门系列(13) MybatisPlus之自定义ID生成器
    数据库ID生成策略在数据库表设计时,主键ID是必不可少的字段,如何优雅的设计数据库ID,适应当前业务场景,需要根据需求选取 ... [详细]
author-avatar
mobiledu2502859427
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有