人工智能和區(qū)塊鏈結(jié)合的新研究成果——“背靠背知識協(xié)同”區(qū)塊鏈

                  dapdap區(qū)塊鏈 2018-09-27 18:42
                  分享到:
                  導(dǎo)讀

                  “背靠背知識協(xié)同:區(qū)塊鏈與人工智能結(jié)合的新途徑”

                  微眾銀行副行長兼首席信息官馬智濤在萬向全球區(qū)塊鏈峰會上,給我們帶來了關(guān)于現(xiàn)階段銀行對聯(lián)盟鏈跟公有鏈的觀點的主題演講《聯(lián)盟鏈的升華——公眾聯(lián)盟鏈》。

                  讓我們了解到了一個新名詞“公眾聯(lián)盟鏈”,從馬行長的演講中我們可以看到公眾聯(lián)盟鏈未來的可行性,公眾聯(lián)盟鏈很有可能會是打開分布式商業(yè)模式這道大門的鑰匙。

                  那今天,我們來聽聽白碩帶來我們的精彩演講——“背靠背知識協(xié)同:區(qū)塊鏈與人工智能結(jié)合的新途徑”。白碩認(rèn)為,背靠背數(shù)據(jù)協(xié)同具有非常廣泛的應(yīng)用場景,在技術(shù)上很有挑戰(zhàn)性,其在人工智能、神經(jīng)網(wǎng)絡(luò)訓(xùn)練領(lǐng)域可以起到很好的作用。

                  目前大數(shù)據(jù)時代數(shù)據(jù)的高度融通,不能流通有他的現(xiàn)實原因,白碩認(rèn)為一個是不愿意分享,一個是不敢分享,一個是不能分享。這給大數(shù)據(jù)時代數(shù)據(jù)的高度融通負(fù)面說是提出了障礙,正面說是提出了挑戰(zhàn)。這造成了兩難,你又想飛翔,但是又要保護。

                  如何使保護數(shù)據(jù)不離開原有邊界,又能在宏觀上引導(dǎo)數(shù)據(jù)流通,形成合成、協(xié)同的效果?如何做到不泄露參數(shù),就能以這些參數(shù)來做輸入的計算?如何不碰對手方的內(nèi)容,還能實現(xiàn)和對手方的互相聯(lián)通?這就離不開區(qū)塊鏈研究探索。目前的方式基本上是以區(qū)塊鏈為基礎(chǔ),加上安全的多方計算。其目的就是在不泄露實體信息的情況下,去見證一個“關(guān)系”,這就是背靠背協(xié)同機制想要達到的目的。

                  白碩認(rèn)為,交易對賬、產(chǎn)品溯源和金融的供應(yīng)鏈,都可以運用上區(qū)塊鏈的技術(shù)在不泄露實體信息的情況下,去見證一個關(guān)系。這都是背靠背協(xié)同機制在未來想要達到的目的。

                  白碩給我們分享了兩個現(xiàn)實的案例,一個是背靠背求交集;一個是背靠背訓(xùn)練模型,或者叫協(xié)同學(xué)習(xí)。

                  案例一

                  兩個機構(gòu)合作,一個機構(gòu)是廣告商,一個機構(gòu)是手機商,如何把雙方共有客戶的手機號碼篩選出來,同時每一方不知道對方手機號碼的全集。

                  解決方案:

                  進行某種擾動或者加擾。A先加擾,給對方,對方加擾,給智能合約。B也是,先加擾,再給A加擾,再給智能合約,由智能合約來求加擾之后的數(shù)據(jù)交集。大家會問,加前后的順序是不是有問題呢?我們說,只要加擾的算子在數(shù)學(xué)上叫做可交換的,其實它就是成立的。用這種方法的時候,只要算子足夠安全、足夠可靠的時候,就可以利用它做背靠背求交集的工作。這種方法,可以支持一些不希望透露全集的雙邊和多邊合作,各自只要部署各自的智能合約節(jié)點,部署各自的加擾軟件模塊就可以把這個事做下來。

                  案例二

                  有幾個醫(yī)院,醫(yī)院各自有某個病的影像數(shù)據(jù),這些影像數(shù)據(jù)合在一起,會訓(xùn)練出一個更好影像識別模型。但是影像數(shù)據(jù)各醫(yī)院當(dāng)寶貝不拿出來,在不拿出來的情況下,傳統(tǒng)辦法看起來,就沒有辦法做相當(dāng)于數(shù)據(jù)匯聚效果的模型訓(xùn)練。

                  解決方案:

                  利用假數(shù)據(jù)。每個人手里有真數(shù)據(jù),利用真數(shù)據(jù)訓(xùn)練一個模型。針對模型,生成假數(shù)據(jù),跟真數(shù)據(jù)具有高度一致的分布。兩邊都有假數(shù)據(jù),把假數(shù)據(jù)給對方,把對方的數(shù)據(jù)跟自己的真數(shù)據(jù)和對方的假數(shù)據(jù)進行混合,混合之后再進行學(xué)習(xí)。這是傳模型的方法。

                  白碩總結(jié)道:“背靠背數(shù)據(jù)協(xié)同是一個真實需求,它有非常廣泛的應(yīng)用場景,它在技術(shù)上很有挑戰(zhàn)性。也通過第二個案例可以看到,第一個案例是使用了密碼學(xué),第二個案例我們沒有用密碼學(xué),用的是生成對抗網(wǎng)絡(luò)。生成對抗網(wǎng)絡(luò)的方式,把它跟區(qū)塊鏈進行疊加,就可以看到它同樣可以起到背靠背數(shù)據(jù)協(xié)同的作用,特別是在人工智能、神經(jīng)網(wǎng)絡(luò)訓(xùn)練領(lǐng)域可以起到很好的作用,這也為我們今后區(qū)塊鏈的實踐增添了一種新的選擇?!?/p>

                  數(shù)據(jù) 區(qū)塊 背靠背 協(xié)同 白碩
                  分享到:

                  1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范,任何轉(zhuǎn)載的稿件都會明確標(biāo)注作者和來源;
                  2.TMT觀察網(wǎng)的原創(chuàng)文章,請轉(zhuǎn)載時務(wù)必注明文章作者和"來源:TMT觀察網(wǎng)",不尊重原創(chuàng)的行為TMT觀察網(wǎng)或?qū)⒆肪控?zé)任;
                  3.作者投稿可能會經(jīng)TMT觀察網(wǎng)編輯修改或補充。