“兩招名稱相同，招式卻是大異，一招是全真劍法的厲害劍招，一著是玉女劍法的險惡家數，雙劍合璧，威力立時大得驚人。”這段描述出自《神雕俠侶》，說的是楊過與小龍女共同對戰金輪法王的橋段，兩人同使“玉女劍法”，仍難敵對手。楊過無意中使出“全真劍法”，雙劍合璧之下，威力大增，殺招頻出，竟勝了金輪法王。

一雌一雄，一陰一陽，陰陽協調，威力無窮，這就是所謂的“雙劍合璧”。不過要達到這個境界，也有頗高的要求：“使這劍法的男女二人倘若不是情侶，則許多精妙之處實在難以聽會;相互間心靈不能溝通，則聯劍之際是朋友則太過客氣，是尊長小輩則不免照拂仰賴;如屬夫妻同使，妙則妙矣，可是其中脈脈含情、盈盈嬌羞、若即若離、患得患失諸般心情卻又差了一層。”，可見合技之難。

[[249464]]

今天把科技比作劍法可謂恰如其分，技術也有強弱之分，不同技術也各有破綻。把不同技術結合在一起，若能化去彼此的破綻，定然也能效果倍增。“互聯網+”的諸多例子已經充分證明了這個觀點，而當下最熱門的技術，“AI”和“區塊鏈”也在遇到瓶頸后開始走向合作，兩者是否也能互補、協調，進而實現升級?

結合國家互聯網金融安全技術專家委員會發布的《“區塊鏈+AI”行業研究報告》，我們來探討一下AI與區塊鏈能碰撞出怎樣的火花。

“AI”和“區塊鏈”各自的破綻

雖然這兩門技術都已經發展有些年月了，但是要說已經達到爐火純青的地步還為時過早，尤其是“區塊鏈”，甚至可以說是還在起步階段。

“AI”

AI是Artificial Intelligence的簡寫，即人工智能。是研究、開發用于模擬、延伸和擴展人的智能的一門技術。自誕生至今已有六十多年的歷史，近些年進入快速發展階段，已能運用于各個領域，但行業仍存在不少痛點。

人工智能成長需要海量數據進行訓練，到目前為止，還是各企業自行收集數據。因實力和底蘊的差距，頭部玩家數據比其它企業豐富得多啊，如谷歌、百度、阿里、騰訊、微軟、蘋果、Facebook和亞馬遜等企業。由于競爭關系，都敝帚自珍，于是大多數企業都缺少數據，優質數據更少，而頭部玩家也存在數據不完整的無奈。

另外，現在的人工智能多為有監督學習，需要對數據進行充分標注，但是目前業界的標注多采用外包，缺乏專業性，質量不佳數據的安全性和可信任程度都存在不足，而不良的數據可能給人工智能帶來了安全隱患;人工智能的大量數據中必然涉及個人隱私的信息，這對隱私保護提出了很大的挑戰;由于人工智能需要進行大量訓練，再加上信息真實性需要確認的情況下，其訓練時間也被拉得很長等等。諸如此類問題，都嚴重拖了人工智能的后腿。

然而，除了數據的問題，算力、算法等層面也在限制人工智能的發展。一方面，硬件成本高。人工智能在各領域的訓練都需要極大的運算量，在購置GPU、FPGA等硬件資源上，資金就需以百萬記，這對多數普通企業來說，都難以承受;另一方面，由于該領域缺乏精英人才，算法更新維護艱難。

“區塊鏈”

區塊鏈是分布式數據存儲、點對點傳輸、共識機制、加密算法等計算機技術的新型應用模式。其通過去中心化的、共享和加密等技術進行分布式記賬。有著去中介化、開放性、自治性、信息不可篡改、匿名性等顯著特點。

然而為了支撐這些技術的實現，需要付出電力消耗大、算力過剩、效率低等代價。

采用POW共識機制的區塊鏈項目需要消耗大量的電力資源，區塊鏈要實現分布式數據存儲的功能，需要大量節點長期運行，規模越大，所耗費的電力也會同比例增長。若真想讓區塊鏈應用于更多領域，這樣的消耗顯然是不切實際的。

如此大的消耗背后，是算力資源利用率低的難點。區塊鏈的算力并沒有得到合理地利用，普遍存在過剩或閑置狀態，造成了極大的浪費，這與人工智能算力不足恰恰相反。

區塊鏈各節點重復工作過多，導致效率緩慢，也浪費了很多成本。據德勤在2016年估算區塊鏈驗證和共享交易的總運行成本大概是每年6億美元左右。

存在各自痛點的兩門技術如今正要聯手，究竟會互相融合、和諧共處，還是會互相排斥?

理論上的互補

雖然AI和區塊鏈都存在各自的痛點，但是優點也不少，而且理論上講，各自的優點恰好能夠彌補彼此的不足。

對于人工智能匱乏的數據，區塊鏈海量的數據恰好能為其所用。由于區塊鏈全球數據可共享、可溯源，在如此巨大的審計工作之下，數據標注質量更好。又因為區塊鏈分布式存儲，每個節點都保存有完整的數據信息，也保證了數據的安全，提升了信息的可信任程度。除非所有節點都被篡改，否則難以對其安全性構成威脅。

對于人工智能可能導致個人隱私泄露的問題，區塊鏈的匿名性也能很好解決。由于區塊鏈采用非對稱加密和授權技術，雖然交易信息公開透明，但賬戶身份信息卻是高度加密的。所以就避免了個人隱私被窺探或被別有用心之人竊取。

數據的安全性和和可信任程度得到了保證，人工智能訓練自然也可以剩下不少心思。此時，利用區塊鏈分布式數據存儲的方式，將單個的模型或者數據分布在不同的機器之上，采用模型并行或者數據并行的方式進行訓練，定然可以大大縮短訓練的時間。

如此看來，區塊鏈可算是給AI送了一份大禮。禮尚往來，AI似乎也可以為區塊鏈解憂。

如何實現通過AI減少區塊鏈能源損耗?一方面，人工智能可以替代人力挖礦，以更有效的手段完成這個任務。既節省了人力，也節省了能源浪費。另一方面，通過AI學習算法，對設備進行有效管理，進行散熱、冷卻等操作，同樣可以減少能源的損耗。這方面的應用已被谷歌、百度等公司落實。

挖礦是個繁復的工作，通過人工智能，或許可以推算出第一個執行任務的節點，由此或許可以減少其他曠工不必要的探索，省去更多無用功，也提高了效率。

至于區塊鏈過剩的算力的問題，附能于人工智能后，自然也就迎刃而解。

綜上所述，區塊鏈解決了人工智能數據匱乏、數據安全、可信任程度、個人隱私算力不足等問題;而人工智能也可以彌補區塊鏈能源損耗、效率低等不足之處。

兩者結合，豈不是如同雙劍合璧，所向披靡了?話雖如此，這些互補也還多處在理論階段。對于這兩門技術的融合才剛剛開始。

實際上還需磨合

探索兩門技術的融合也是最近才開始的，如谷歌旗下DeepMind Health正在開發區塊鏈醫療數據審計系統，利用“區塊鏈+AI”技術讓醫院、NHS、病人自身都能實時跟蹤其個人健康數據，又可以保護病人的個人隱私。

Innoplexus等AI公司推出了區塊鏈平臺，而比特大陸和嘉楠耘智也各自研發著AI芯片。

通過區塊鏈確權，由AI識別版權，共同維護版權，也是“區塊鏈+AI”的應用。還有數據市場、金融領域、云計算、物聯網等等，每個領域都有人在嘗試。不過到目前為止，尚未出現完美的組合。

究其原因，或許某些玩家只是蹭蹭熱度而已。最主要的原因在于行業對區塊鏈和AI融合的構想還不夠完善。

首當其沖的是數據的共享。維持當前的狀態，可以讓這兩個行業的巨頭保持絕對的優勢。尤其是人工智能企業，在數據方面一直領先于同行，可一旦實現了AI和區塊鏈的融合，數據被共享，這種優勢將不復存在。這一矛盾存在，會讓兩者的結合沒那么順利。

而兩門技術的融合也存在風險。這不是把兩臺機器放在一起的簡單操作，而是在技術層面的融合，結果是更好，也可能更差。

正如雙劍合璧，即使劍法可以相融，若不能心意相通也難以達到真正的合二為一。

“區塊鏈+AI”能否實現雙劍合璧，相互賦能互補、共同升級，還有待探索和研究。