「区块链 人工智能」：来自谷歌、IBM、百度的真实案例
导读：人工智能是生产力，区块链是生产关系，这两者的协同演进、融合创新，可能会使每个行业都受到颠覆。整体来说，目前“区块链+人工智能”的结合应用是不成熟的，但也只有在不成熟的阶段，我们才更有可能利用好这个趋势，抢先一步开始竞争，并占据有利地位。
作者：孔剑平 曹寅 杨辉辉 吕新浩 等
来源：华章科技
01 嘉楠：从云端智能到边缘智能，扩建可信价值网络
随着科技的发展、产业的进步，大量的数据需要采集，数据量和计算量都将极为庞大。芯片的计算能力、硬件的存储能力都存在物理极限，但数据是没有边界的。数据既是生产要素，也是人工智能的重要基础，要想应对好数据爆炸带来的冲击，充分发挥其时代价值，需要思考如下三个关键问题。
- 第一，如何构建庞大的算力基础设施来应对巨大的计算量。
- 第二，如何从硬件层面提高人工智能芯片的计算能力。
- 第三，如何优化当下的计算模式，使其具备更高的安全性与效率。
1. 区块链超级计算芯片提供算力基础
区块链的发展促进了我国ASIC芯片研发能力的大幅度提升，我国区块链ASIC芯片已达到了阶段性的领先地位。ASIC芯片与GPU、FPGA等通用芯片技术不同，是一种为专门目的而设计的集成电路，在量产时具备更低功耗、更低成本、更高性能等优点。
专用芯片虽然不能像通用芯片一样，一个芯片能处理很多事情，但在一些数据量、计算量极其庞大的场景下，我们必须选择使用更强的能力来换取通用性。图2-1所示是一台由嘉楠科技研发的区块链超级计算设备，目前其有效算力可达到普通笔记本电脑的数万倍。
▲图2-1 区块链超级计算设备
当前，区块链超级计算设备主要用于公链系统的共识维护，即常说的全网记账过程。接下来超算设备有两条路要走：
- 第一，在海量数据下实现加密、解密过程的加速计算，以提高共识出块的速度；
- 第二，共享闲置、落后设备的有效算力，支持人工智能的模型训练，以最大化利用资源。
要想实现这两个目的，需要在芯片最初的设计过程中就加入相应的模块，这对芯片公司而言是巨大的挑战。未来，算力将是一切计算的基础，前路依然任重且远。
2. 将ASIC技术运用到人工智能芯片
在区块链领域，我们见证了ASIC算力时代，那么如何将这种低功耗、高性能的芯片设计能力应用到深度学习领域呢？2018年9月，嘉楠科技推出的第一代人工智能芯片——勘智K210，可容纳神经网络模型的一体化SOC方案，是全球第一款基于RISC-V架构设计的商用边缘计算芯片，支持最高0.5T算力，且功耗较低，在性能上极具优势。
同时，凭借完全自主研发的神经网络加速器IP，勘智K210兼具了机器视觉和语音识别的能力，可以在超低功耗下进行高速卷积神经网络计算，比如，基于卷积的神经网络可用于目标检测和图像分类任务（如人脸识别、多分类物体检测与识别等），还可以实现声源定向、声场成像、波束形成、语音唤醒、语音识别等机器听觉功能（如图2-2所示）。
▲图2-2 勘智K210人工智能芯片示意图
人脸识别技术是近年来非常火热的人工智能生物识别技术，为人们的生活带来了极大的便利性，可以降低社会运行和治理的成本，同时还能产生一定的经济效益。目前，人脸识别技术已经应用到支付、娱乐、安防、教育等生活的各个领域。
目前常见的人脸识别系统主要有两种工作方式：离线工作和联网工作。
- 离线工作的边缘计算人脸识别系统算法运行在AI芯片上，随着神经网络算法（CNN）技术的快速发展和提升，识别准确率已经能够满足绝大多数场景的应用要求；
- 联网工作的人脸识别系统算法识别准确率很高，但计算和传输的时间成本也很高，运行的基础设备成本较高，同时会存在人脸信息数据泄露的问题，因此具有一定的风险。
边缘计算能够减少请求的响应时间、提升电池的续航能力、减少网络带宽，同时保证数据的安全性和私密性。这些优势在物联网领域格外明显，在物联网时代，大量电子设备涌入互联网，产生了海量数据，传统的云计算并不能及时有效地处理这些数据，此时，边缘计算人工智能就派上用场了。它具有以下无可比拟的优点。
- 第一，更快的传输速度和响应速度。对于直接运用于安防、市政甚至工农业的物联网设备体系来说，效率和速度意味着一切。尤其是对于安防和娱乐等产业，如果终端的延迟率太高，会对实际的运行效果和交互体验产生很大的影响。
- 第二，摆脱了网络环境制约，避免人脸数据泄露，因此更加安全。边缘计算人脸识别解决了这部分网络环境的限制，并且避免了数据上传云端所带来的隐私泄露风险，因此更适合物联网体系。
- 第三，利用传统云计算的遗漏区域，产能比更划算。在整体上云的思路下，终端很大一部分的运算能力将遭到放弃，这显然也是一种巨大的浪费，边缘计算将这部分能力调集了起来，形成了“中心+分散”的运算模式，产能比更高，资源的利用率也有了大幅度的提升。
3. “区块链+边缘智能”，构建万物互链
能不能让所有的产品都具备智能，而且还要能够保护隐私？区块链、人工智能、边缘计算的有机结合可以有效地应对这个问题。
在当下的计算模式下，数据可以由各个终端统一调度到云端进行计算处理。边缘端不仅浪费了计算能力，而且由其产生的数据价值也被云端所垄断。通过区块链，云端与边缘端各节点可以构筑成数据与价值网络，各个边缘智能终端将成为可信数据与可信计算的智慧载体，与云端高效互通，实现“万物互链”。
如图2-3所示，随着边缘计算和人工智能技术的发展，未来的高级别智能将同时存在于云端和边缘端。当云端和各个边缘端的数据被打通时，数据不再是孤岛式的，更不会再被强大的云所垄断。这个时候我们需要考虑三个问题：
- 第一，数据如何保真；
- 第二，如何保护数据的隐私；
- 第三，如何体现数据的价值。
▲图2-3 云+端可信网络结构示意图
区块链技术为这些问题提供了解决的方法。我们不仅要将这个网络打通，更要将这个网络“链”接起来，利用区块链加密、不可篡改的特性，确保数据在链上可信、安全地流通。
同时，基于区块链平台搭建价值结算系统，用于保护每个用户、每个终端所产生的数据，并在其他节点需要用到相关数据时得到等价的激励。一个广泛的、智能的、可信的商业经济体就此诞生了。
02 谷歌DeepMind Health
DeepMind Health是世界上最热门的人工智能实验室之一Deep-Mind旗下的子部门。DeepMind于2014年被谷歌收购，之后因为研发了AlphaGo而享誉世界。2018年，谷歌宣布重新组建Google Health，并将DeepMind Health并入其中。
DeepMind Health提出了一种新的医疗数据解决方案，即运用区块链技术创建一个不可篡改的数据记录。与金融领域运用区块链技术大幅削减后台成本的目的不同，DeepMind Health的目的主要在于提升信任度。
与其他人工智能系统一样，DeepMind Health的人工智能同样依赖于大量数据的计算和学习更新，而医疗数据天然的敏感性和隐私性让其不得不思考数据来源和数据处理相关的一系列问题，包括公众、数据来源用户的理解程度及信任程度。
DeepMind过去曾与伦敦一家医院合作，并开发了名为Streams的应用，旨在帮助医生对病人的肾脏风险进行检测。2017年，DeepMind因被质疑与医院间过于广泛的数据共享协议而受到公众批评。这背后一方面是用户质疑医疗数据的非法泄露，另一方面是对于护理数据、研究数据划分不清而导致用户的不满。
DeepMind联合创始人Mustafa Suleyman曾公开表示：“我们希望通过公开构建这样的工具，来提高患者对这种数据访问的信任度。”
DeepMind利用联盟链达成小范围医疗机构、医疗服务者及数据处理机构之间的“联合”，数据审计系统采用了Merkle树数学函数。该函数可以利用较小的记录完整地记录区块链网络上的系统数据，并进行数据的更改与跟踪。
数据审计系统凭借区块链系统提升了公众的信任度，完整地记录了数据记录、数据使用和数据脱敏等一系列相关活动。
03 IBM Crypto Anchor Verifier
IBM于2018年发布了“加密锚验证程序”（Crypto Anchor Veri-fier），该技术结合了人工智能软件和复杂的内部镜头，用于验证产品的来源和内容，以确保与区块链网络上的记录相匹配。欺诈行为每年给全球带来上千亿美元的损失，“加密锚验证程序”有望解决这一问题。“加密锚验证程序”已在如下几个领域展开了试验。
- 识别诸如机油和食用油等物质的独特组成。
- 确认救生药的真伪。
- 分析水质。
- 通过平版印刷图案和纸纹的分析，发现包括金钱在内的假冒产品。
- 检测细胞、DNA序列或细菌（例如大肠杆菌）。
按来源地区或遗传修饰状态（GMO与非GMO）对种子/谷物进行分类，该技术经过专门设计之后，能够检测人眼无法察觉的瑕疵和差异，并将所有的数据都存储在区块链系统上。所有的商品都会产生一个独特的数字ID，代表模型、批次、生产地点、生产商等一系列数据，从而保证商品来源的真实性。
“加密锚验证程序”的可信度权威来源于三个方面：嵌入式特征、物理指纹、私钥。其中，嵌入式特征是指诸如微型打印、全息图等的特征；物理指纹是指诸如生产线印记、原材料掺杂程度等制造商也无法完全复刻的印记；私钥是指存储在电子设备中的密码，可用于验证身份。
04 百度图腾
《哈佛商业评论》发布的2019五大人工智能公司分别为谷歌、苹果、微软、百度和亚马逊。百度成为唯一一家入选的中国企业。2018年4月，由百度自主研发的百度图腾正式上线，这也是百度首个落地的区块链项目，是核心技术为区块链、人工智能以及大数据的原创图片服务平台。