区块链+AI，恰似双剑合璧？
浪花财经“区块链+AI”能否实现双剑合璧，相互赋能互补、共同升级，还有待探索和研究。
“两招名称相同，招式却是大异，一招是全真剑法的厉害剑招，一着是玉女剑法的险恶家数，双剑合璧，威力立时大得惊人。”这段描述出自《神雕侠侣》，说的是杨过与小龙女共同对战金轮法王的桥段，两人同使“玉女剑法”，仍难敌对手。杨过无意中使出“全真剑法”，双剑合璧之下，威力大增，杀招频出，竟胜了金轮法王。
一雌一雄，一阴一阳，阴阳协调，威力无穷，这就是所谓的“双剑合璧”。不过要达到这个境界，也有颇高的要求：“使这剑法的男女二人倘若不是情侣，则许多精妙之处实在难以听会；相互间心灵不能沟通，则联剑之际是朋友则太过客气，是尊长小辈则不免照拂仰赖；如属夫妻同使，妙则妙矣，可是其中脉脉含情、盈盈娇羞、若即若离、患得患失诸般心情却又差了一层。”，可见合技之难。
今天把科技比作剑法可谓恰如其分，技术也有强弱之分，不同技术也各有破绽。把不同技术结合在一起，若能化去彼此的破绽，定然也能效果倍增。“互联网+”的诸多例子已经充分证明了这个观点，而当下最热门的技术，“AI”和“区块链”也在遇到瓶颈后开始走向合作，两者是否也能互补、协调，进而实现升级？
结合国家互联网金融安全技术专家委员会发布的《“区块链+AI”行业研究报告》，我们来探讨一下AI与区块链能碰撞出怎样的火花。
“AI”和“区块链”各自的破绽
虽然这两门技术都已经发展有些年月了，但是要说已经达到炉火纯青的地步还为时过早，尤其是“区块链”，甚至可以说是还在起步阶段。
“AI”
AI是Artificial Intelligence的简写，即人工智能。是研究、开发用于模拟、延伸和扩展人的智能的一门技术。自诞生至今已有六十多年的历史，近些年进入快速发展阶段，已能运用于各个领域，但行业仍存在不少痛点。
人工智能成长需要海量数据进行训练，到目前为止，还是各企业自行收集数据。因实力和底蕴的差距，头部玩家数据比其它企业丰富得多啊，如谷歌、百度、阿里、腾讯、微软、苹果、Facebook和亚马逊等企业。由于竞争关系，都敝帚自珍，于是大多数企业都缺少数据，优质数据更少，而头部玩家也存在数据不完整的无奈。
另外，现在的人工智能多为有监督学习，需要对数据进行充分标注，但是目前业界的标注多采用外包，缺乏专业性，质量不佳数据的安全性和可信任程度都存在不足，而不良的数据可能给人工智能带来了安全隐患；人工智能的大量数据中必然涉及个人隐私的信息，这对隐私保护提出了很大的挑战；由于人工智能需要进行大量训练，再加上信息真实性需要确认的情况下，其训练时间也被拉得很长等等。诸如此类问题，都严重拖了人工智能的后腿。
然而，除了数据的问题，算力、算法等层面也在限制人工智能的发展。一方面，硬件成本高。人工智能在各领域的训练都需要极大的运算量，在购置GPU、FPGA等硬件资源上，资金就需以百万记，这对多数普通企业来说，都难以承受；另一方面，由于该领域缺乏精英人才，算法更新维护艰难。
“区块链”
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。其通过去中心化的、共享和加密等技术进行分布式记账。有着去中介化、开放性、自治性、信息不可篡改、匿名性等显著特点。
然而为了支撑这些技术的实现，需要付出电力消耗大、算力过剩、效率低等代价。
采用POW共识机制的区块链项目需要消耗大量的电力资源，区块链要实现分布式数据存储的功能，需要大量节点长期运行，规模越大，所耗费的电力也会同比例增长。若真想让区块链应用于更多领域，这样的消耗显然是不切实际的。
如此大的消耗背后，是算力资源利用率低的难点。区块链的算力并没有得到合理地利用，普遍存在过剩或闲置状态，造成了极大的浪费，这与人工智能算力不足恰恰相反。
区块链各节点重复工作过多，导致效率缓慢，也浪费了很多成本。据德勤在2016年估算区块链验证和共享交易的总运行成本大概是每年6亿美元左右。
存在各自痛点的两门技术如今正要联手，究竟会互相融合、和谐共处，还是会互相排斥？
理论上的互补
虽然AI和区块链都存在各自的痛点，但是优点也不少，而且理论上讲，各自的优点恰好能够弥补彼此的不足。
对于人工智能匮乏的数据，区块链海量的数据恰好能为其所用。由于区块链全球数据可共享、可溯源，在如此巨大的审计工作之下，数据标注质量更好。又因为区块链分布式存储，每个节点都保存有完整的数据信息，也保证了数据的安全，提升了信息的可信任程度。除非所有节点都被篡改，否则难以对其安全性构成威胁。
对于人工智能可能导致个人隐私泄露的问题，区块链的匿名性也能很好解决。由于区块链采用非对称加密和授权技术，虽然交易信息公开透明，但账户身份信息却是高度加密的。所以就避免了个人隐私被窥探或被别有用心之人窃取。
数据的安全性和和可信任程度得到了保证，人工智能训练自然也可以剩下不少心思。此时，利用区块链分布式数据存储的方式，将单个的模型或者数据分布在不同的机器之上，采用模型并行或者数据并行的方式进行训练，定然可以大大缩短训练的时间。
如此看来，区块链可算是给AI送了一份大礼。礼尚往来，AI似乎也可以为区块链解忧。
如何实现通过AI减少区块链能源损耗？一方面，人工智能可以替代人力挖矿，以更有效的手段完成这个任务。既节省了人力，也节省了能源浪费。另一方面，通过AI学习算法，对设备进行有效管理，进行散热、冷却等操作，同样可以减少能源的损耗。这方面的应用已被谷歌、百度等公司落实。
挖矿是个繁复的工作，通过人工智能，或许可以推算出第一个执行任务的节点，由此或许可以减少其他旷工不必要的探索，省去更多无用功，也提高了效率。
至于区块链过剩的算力的问题，附能于人工智能后，自然也就迎刃而解。
综上所述，区块链解决了人工智能数据匮乏、数据安全、可信任程度、个人隐私算力不足等问题；而人工智能也可以弥补区块链能源损耗、效率低等不足之处。
两者结合，岂不是如同双剑合璧，所向披靡了？话虽如此，这些互补也还多处在理论阶段。对于这两门技术的融合才刚刚开始。
实际上还需磨合
探索两门技术的融合也是最近才开始的，如谷歌旗下DeepMind Health正在开发区块链医疗数据审计系统，利用“区块链+AI”技术让医院、NHS、病人自身都能实时跟踪其个人健康数据，又可以保护病人的个人隐私。
Innoplexus等AI公司推出了区块链平台，而比特大陆和嘉楠耘智也各自研发着AI芯片。
通过区块链确权，由AI识别版权，共同维护版权，也是“区块链+AI”的应用。还有数据市场、金融领域、云计算、物联网等等，每个领域都有人在尝试。不过到目前为止，尚未出现完美的组合。
究其原因，或许某些玩家只是蹭蹭热度而已。最主要的原因在于行业对区块链和AI融合的构想还不够完善。
首当其冲的是数据的共享。维持当前的状态，可以让这两个行业的巨头保持绝对的优势。尤其是人工智能企业，在数据方面一直领先于同行，可一旦实现了AI和区块链的融合，数据被共享，这种优势将不复存在。这一矛盾存在，会让两者的结合没那么顺利。
而两门技术的融合也存在风险。这不是把两台机器放在一起的简单操作，而是在技术层面的融合，结果是更好，也可能更差。
正如双剑合璧，即使剑法可以相融，若不能心意相通也难以达到真正的合二为一。
“区块链+AI”能否实现双剑合璧，相互赋能互补、共同升级，还有待探索和研究。
