<dl id="hhv55"></dl>
      <pre id="hhv55"></pre>

                <pre id="hhv55"></pre>

                <pre id="hhv55"></pre>
                收藏本站 網站導航 開放平臺 Tuesday, November 23, 2021 星期二

                解讀 PlatON 白皮書 2.0:如何構建去中心化隱私人工智能網絡?

                來源 中金網 11-12 12:40
                摘要: 全面了解隱私 AI 計算網絡 PlatON 2.0 的關鍵技術、特性與應用場景。

                  區塊天眼APP訊 : 全面了解隱私 AI 計算網絡 PlatON 2.0 的關鍵技術、特性與應用場景。

                  原文標題:《PlatON 白皮書 2.0 解讀:去中心化隱私人工智能網絡的實現》

                  撰文:Jason,PlatON 社區愛好者

                  近日,PlatON 在網站發布了 白皮書 2.0 版,新版白皮書在此前初版的基礎上,廣納全球社區開發者、技術愛好者的建議,并對部分細節進行了重新修訂。

                  PlatON2.0 是 PlatON 下一階段的重要戰略部署,將通過建立去中心化的隱私計算網絡,形成去中心化的人工智能市場,從而實現自組織協作的通用人工智能網絡。為使用戶全面了解 PlatON2.0,打開通往通用人工智能的道路,尋找技術關鍵之鑰,PlatON 將開啟白皮書解讀專題。

                  讀一篇文章,首先要看的是它的結構,而非它的具體內容。

                  從結構來看,文章前三章的結構是遞進式,后面幾章是并列式,兩部分是以總分式的方式串起來的。

                  首先講背景和趨勢,從可觀測可感知的現象分析引出本質需求,繼而得到提出 PlatON 的必然性和合理性,當然就是針對需求解決問題。這是前三章的意義。

                  接著,后面幾章講分別從技術層面、應用層面、經濟模型、社會活動層面、計劃與進展層面展開講述 PlatON 各細節方面的部署或者執行情況。最后,按照行業慣例,給出參考文獻,一方面是表示對引用文章作者知識產權的尊重,另一方面,是方便對所引用的論據有疑問的朋友追溯查證。

                  接下來,我們就這個脈絡進行剖析。

                整體背景

                  文章開篇首先點明了我們所處的時代,是一個數據爆炸的時代,這一點我們其實都有感同身受。文中給出了較為權威的數據統計和預測,來自 Statista 和 IDC(國際數據公司),兩家比較知名的數據分析機構。

                  概況來說,就是表達了一種觀點,或者說現象,就是未來數據量將呈指數型上漲,而這隨著 5G、物聯網等新技術和新應用而誕生的新數據,具有極大的商業價值,是非常需要得到保護的。不過,如果延續當前的數據管理模式,那么到 2025 年,將有將近一半的數據是應該得到保護卻得不到保護的。

                  這是一個非常嚴重的現象,也是產業未來集體推進的一個痛點。當然了,從另外一個角度來看,這也是一次非常重大的機遇。

                人工智能和數據

                  從整個經濟和產業發展趨勢來講數據隱私保護的重要性固然是合理的,不過由此而來的問題是容易陷入空泛。

                  的確,從廣義的角度來講,數據的隱私保護作為一項基礎功能,可以說是數字經濟時代一切應用都需要和適用的,有必要為隱私計算尋找一個聚焦的切入點,以實現應用的首先突破和效應的集中展示。

                  AI,即人工智能,作為近些年的一個熱點,無論是在政策產業規劃還是行業應用方面,都有其體現。

                  另外,重要的是,AI 確實和數據有著斬不斷、理還亂的聯系。人工智能向來有基于邏輯和基于機器學習的發展思路。早期的 AI 主要是基于邏輯的,其代表如專家系統、知識圖譜等等,核心是編制規則,主要依賴于人的經驗,算法本身對數據的需求并不大。

                  而進入二十一世紀以來,尤其是近些年,得益于數據采集和存儲的便利性、計算機性能的提升以及軟件處理架構的改進,基于機器學習 AI 開始重新展露頭角,并且一發不可收拾,其中知名的代表大家應該都有所耳聞,擊敗一眾圍棋高手的 AlphaGo,背后就是深度學習。

                  機器學習的核心思想是讓機器能夠通過相關的數據不斷學習,如果學習后參加考試回答結果是正確的,那么就加強記憶,如果學習后參加考試回答結果是錯誤的,那么就修正學習方法,直到能夠回答正確。

                  其實本質上和我們讀書學習是一樣的。

                  我們從幼兒園開始讀書學習,讀得書越來越多,讀得書越來越難,與此同時,我們的知識和認知水平也在逐漸提高。

                  基于機器學習的人工智能也是如此,我們希望人工智能的水平越高,就需要給它找更多類別、更大數量、更好質量的數據來訓練。

                  當前,其實很多公司的 AI 本身在模型架構和算法設計上差距都不大,真正拉開差距的就是其訓練水平了,又或者說,就是有多少數據可以拿來用于其 AI 模型的訓練。

                問題和痛點

                  之前講到了,當下人工智能需要大量不同類別的高質量數據用于訓練,這是有效提升智能水平的關鍵,其重要性往往會超越算法本身的設計。不過有一個問題,那就是,數據從哪里來?

                  互聯網巨頭有著天然的優勢,因為他們有自己的平臺,時時刻刻都在收集著用戶的數據,并且,這些公司通過大量的收購和投資,還在擴大自己的數據版圖。

                  對于我們普通人而言,由于早已習慣了各種看似免費的商業模式,所以感受不深,其實這帶來了三個深層次的問題。

                  首先是數據壟斷現象帶來的 AI 壟斷問題 ?;ヂ摼W巨頭天然擁有數據資源,從而更容易發展自己的 AI,其 AI 也天然具備更高的智能水平,從而造成 AI 領域的馬太效應,最終整個 AI 也將掌控在這些互聯網巨頭手中,重蹈現在移動互聯網時代的覆轍,屆時,不光是大眾衣食住行的定價權,連我們的決策和思考都會被這些巨頭所深深影響。

                  其次是數據隱私憂慮帶來的 AI 天花板問題 。對于我們普通人而言,大多數由于本身缺乏對個人數據的系統性管理能力,因此選擇了用數據來換取便利,這種損失是隱性的,通常感受不明顯,但是對于企業而言,其科研生產經營人事財務等一系列數據其實都是其最重要的商業機密,很少有企業會愿意把自己的核心數據拿出來共享。

                  所以我們經常會看到,企業各部門之間、企業與企業之間,都存在著數據孤島現象。即使是互聯網巨頭之間,一樣會有相互的邊界,這將導致大量的跨類別高質量數據其實是長期處于冷凍,而無法用于 AI 的訓練,這必然是制約 AI 未來發展的一個臨界點。

                  最后是數據的所有權、使用權和收益權問題 。之前提到過,每個人的數據看似沒有多大價值,但其實在各個互聯網巨頭手中,是通過我們的數據實現了融資、變現等一些列行為,也就是說,其實我們的數據是有價值的,但是在今天,出于各種客觀的制約和主觀的操縱,這些價值被模糊化了,那么,在未來數據爆發的時代,當數據的價值不可再忽略的時候,如果才能明確和保障這一系列權益,這也是個問題。

                解決方案

                  從 PlatON 2.0 白皮書不難看出,PlatON 的愿景就是建立一個去中心化的協作式人工智能網絡和全球大腦。其核心思想就是將數據資產化,從而實現數據的自由流通,進而大大加速 AI 算法的成熟和應用。

                  這是針對前面提到問題的給出的一種系統性解決方案。

                  可以看到,第一步就是要實現數據的資產化,這是基礎。數據本身是一種有價值的生產要素,這毋庸置疑,但是有價值并不等于就可以資產化,資產化有兩個關鍵,一是確權,二是保護。即,如何確立數據的所有權,以及通過什么手段來保護主權。

                  通常的資產,可以通過法律的手段來達成上述目的,但是對于數據這種無形資產,僅僅通過法律就會比較困難,因為數據的復制和傳播極其簡單,事后追責卻麻煩,更不要說事前事中保護了。

                  所以通過技術的手段來進行確權和保護開始成為一種主流的認知,PlatON 正是基于區塊鏈+隱私計算技術來實現的。其中,隱私計算技術是實現數據確權和保護的關鍵,區塊鏈起到的作用是為資源的調度和數據的流通提供便利。

                  由于技術棧的作用點不一樣,所以出于解耦合的目的,從架構上,PlatON 分解為了三層,各司其職。

                  第一層是共識層,是區塊鏈技術棧所在,包括了節點、共識機制、智能合約虛擬機;

                  第二層是隱私計算網絡,是隱私計算技術所在,包括了執行隱私技術所依賴的算法和數據,以及部署及執行算法的計算節點和提供數據的數據節點,算法都是基于密碼學技術的,包括安全多方計算、同態加密、零知識證明等等;

                  第三層是協同 AI 網絡,說直白點就是一個 AI 模型的貨架,這些 AI 模型都是可以基于上兩層訓練出來的,這個貨架可以源源不斷地上新。

                特點

                  PlatON 的定位是隱私 AI 計算網絡,核心是隱私計算,不過,與此同時,需要注意,它本身也是一條圖靈完備的公鏈平臺,也就是說,從功能性的角度,它和以太坊類似,支持虛擬機和智能合約。在功能上類似,也就意味著在實施上他們也將面臨類似的問題。

                  這是以太坊一直以來無法回避的問題,也是隨著這兩年 DeFi、NFT 等各種應用爆火之后愈發不可收拾的問題,就是 TPS,或者說可擴展性問題。

                  以太坊 2.0 將采用分片的方式來改善這個問題,當前以太坊 1.0 是通過 layer2 的方式來改善這個問題。

                  具體到 PlatON,采用的是分層的方式,其實嚴格來說,也是一種 layer2 的解決方案,核心還是通過上面提到的分層架構,在實現解耦合的同時,也大大提升了整個網絡的橫向可擴展性。鏈上鏈下通過基于密碼學的可驗證計算 (VC) 鏈接起來,即鏈下執行具體的個性化的計算任務,鏈上對任務完成情況做驗證并達成全網共識,將大量的計算放到易于擴展的鏈下,減少對稀缺的鏈上資源的占用。

                  回到核心點,隱私計算,其實隱私計算并不是一個新的技術,關于這方面的研究這些年一直有在進行中,縱觀目前行業內的隱私計算相關項目,技術路徑一般可以分為兩類,一類是基于 TEE (可信執行環境)硬件的,其中比較知名的 TEE 就是 intel 的 SGX;一類是基于密碼學技術的,之前提到過的安全多方計算、同態加密等等都是。

                  基于 TEE 的隱私計算實現,優點是工程上容易實現,缺點是帶來了對硬件廠商的中心化依賴,同時受限于 TEE 本身的性能,在擴展性上存在問題;基于密碼學技術的隱私計算實現,優點是更安全,無中心化依賴,可擴展性空間更高,缺點就是以當前的技術水平,工程落地上不理想,很難做到效率和通用性兼顧。走密碼學這條道路,需要足夠的科研基礎和持續的經費投入。

                  以上,PlatON2.0 的特點已梳理差不多,把白皮書中的內容簡單總結一下,就是:

                •   支持 WASM 和 EVM 虛擬機,對以太坊兼容性好;

                •   鏈上鏈下解耦的分層系統架構,系統可擴展性強;

                •   基于密碼學技術的隱私保護解決方案,上限高。

                外圍工具

                  隱私計算的理念非常好理解,其效用也很容易讓人接受。

                  然而,這改變不了一個隱藏的事實,就是隱私計算的技術門檻其實相當之高,對于普通的 AI 從業者而言,想要通過隱私計算來實現 AI 模型的訓練,除了需要其具備 AI 方面的相關知識外,還需要在密碼學方面有較高的造詣,才有可能很好地將隱私框架融入 AI 模型中,這其實非常不利于隱私計算應用的推廣。

                  所以這里單獨將白皮書中的隱私 AI 開發框架 Rosetta 拿出來提一下,在我看來 Rosetta 非常重要,盡管它其實可以是一個獨立于 PlatON 網絡的存在,看起來沒有太大的關系,但其實對于加速整個系統的成長來講有十分重要的意義,所以有必要單獨講。

                  簡單來說,Rosetta 其實是將大數據處理框架,如 TensorFlow 等;常用的 AI 算法,如統計機器學習、基于人工神經網絡的深度學習;密碼學的算法,如安全多方計算、同態加密;以及底層的硬件調度框架打包集成在了一起,內部做了融合處理,而對外部只暴露了一些常用的調用接口,這樣對于 AI 工程師而言,在開發 AI 算法的時候,只用考慮自身業務的邏輯,并調用相應的接口來實現,而不用再去學習更復雜的密碼學算法了。

                  以后,開發人員可以通過 Rosetta,利用系統第二層的隱私計算網絡,便利地開發和訓練自己的 AI 模型,并上架到第三層的協同 AI 網絡,供具體的應用來使用。

                應用場景

                  之前有講到,整個數字經濟的體系都需要數據隱私保護的加持,因為在數字經濟中,數據是一項有價值,或者更直接地說,有價格的資產,因此,通過隱私保護對數據資產的確權和保護就非常必要。

                  白皮書中列舉了幾種典型的應用場景,有區塊鏈行業相關的熱點,比如預言機、鏈游,也有傳統的生物醫藥、金融風控、智慧城市等。

                  那么具體在這些應用場景的哪個環節會用到隱私計算呢?其實無一例外都是在需要相關多方發生交互的環節。

                  白皮書中講了一些案例,我就不重復引用,我嘗試用自己熟悉的情況來描述。

                  比如對于預言機,預言機是鏈上用戶獲取特定信息的來源,不過對于用戶而言,其實在持續關注和獲取那些數據本身的行為本身就是一種隱私,甚至有可能牽扯到商業秘密,這個時候隱私保護就顯得非常重要。

                  比如對于鏈游,大家都知道現在鏈游的一個方向是元宇宙,元宇宙試圖構建一個擬真的,有沉浸感的世界,要構建這樣一個世界,需要從現實世界中采集大量的數據并在虛擬世界中進行還原,如果沒有隱私計算對數據的確權和保護,現實世界中的數據所有者恐怕都不愿意將自己真正有價值的數據提供出來。

                  比如對于生物醫藥,其實醫療水平的進步很重要一部分來源于大量臨床案例的分析,通常大醫院這方面的數據會很多,而很多中小醫院相對匱乏,而醫院從病人隱私以及自身發展的角度,通常都不愿意將這些數據共享出來,因為數據的特殊性,一旦共享出來,就不受控制了,這在很大程度上制約了醫療整體水平的發展,而基于隱私計算對數據確權和保護之后,是有可能解決這個問題的;

                  對于金融風控,理論上,對一個人或者企業的風險評級,掌握的信息越全面,評估結果越準確,比如我們看支付寶的芝麻信用評分,其實就是綜合了人脈、資產、身份、行為、過往守約記錄 5 個方面。

                  那么問題來了,人脈方面的數據阿里未必能夠比騰訊更全面,而如資產、行為等數據,除了在阿里的平臺,用戶在其它平臺可能也有。當前這些互聯網平臺之間的數據其實是斷路的,所以對用戶的畫像準確性和通用性上可能都有欠缺,比如在一個平臺的高信用,拿到另外一個平臺可能就無法被直接接受。

                  如果可以通過隱私計算,在不傷害各方數據隱私的前提下將多個平臺的數據綜合利用,就可以得出一個更精確、更普適的人物畫像,從而更容易針對性地提供風險匹配的金融服務。

                  對于智慧城市,智慧城市的打造其一個目的就是讓城市服務能夠更便捷、更精準、更高效、更安全。為了達到這個目的,往往是需要政府各部門,以及一些企業的配合。以城市安全為例,這需要有關部門的天網攝像頭、道路交通攝像頭、小區的物業攝像頭、各商業機構的金屬探測傳感器、運營商的通訊數據等聯動,對可疑和危險情況能夠第一時間發現和連續跟蹤,防患于未然,而這些傳感器都分屬于不同的主體,無論出于對公民隱私的保護,還是出于各主體之間的考慮,都有必要對這些傳感器數據的隱私進行保護。

                結語

                  夢想是要有的,結果也是要有的。對于我自身而言,最期待的還是今年底隱私計算網絡上線,在我看來這是 PlatON 的核心競爭力。

                  大概到這里,關于 PlatON 的隱私 AI 版圖應該會比較清晰了,關于更具體的一些情況,大家也可以詳細閱讀白皮書。

                  最后我想說,這里我講的是 PlatON 2.0 的白皮書,更是隱私這條整體的賽道,這條賽道很難,究竟誰能夠真正走到最后,說實話,不得而知,這需要資本、技術、商業的聯合推動,也需要十足的耐心和毅力,但是無論如何,我相信這是個正確的方向,最終總有人會走下來。

                更多區塊鏈消息,請關注下載區塊天眼APP,全球區塊鏈監管查詢APP 。

                區塊鏈
                免責聲明:中金網發布此信息目的在于傳播更多信息,與本網站立場無關。中金網不保證該信息的準確性、真實性、完整性、有效性等。相關信息并未經過本網站證實,不構成任何投資建議,據此操作,風險自擔。
                相關新聞 更多

                天眼深度 | 12月值得關注的 5個 NFT項目

                幾個月來,你一直在互聯網上聽到 NFT 的消息,有關于 NFT 售價數百萬美元的最新消息,以及有關名人加入 NFT 趨勢的新聞。

                17分鐘前

                大廠入局、對標主流 區塊鏈游戲向可玩性拓展

                上個月,最大的視頻游戲商店 Steam 禁止了“Play-to-Earn”游戲,確切的說是所有基于區塊鏈技術或可以交換 NFT 和加密貨幣的游戲,這一禁止也被寫入了 Steam 商城內的規則中。

                2小時前

                NFT音樂平臺Royal 完成了由 A16z領投的5500萬美元融資

                電子音樂表演者 The Chainsmokers 和說唱歌手 Nas 也提供了資金,這是在 Justin “3LAU” Blau 合資企業完成 1600 萬美元融資后不到三個月的時間。

                2小時前
                天眼經紀商 更多
                天眼交易所 更多
                猜你喜歡
                久播影院无码中文字幕_久草精品视频在线播放_久草精品视频在线观看