20世纪70年代末80年代初,“专家系统”的诞生,标志着人工智能从理论研究走向实际应用,第二个黄金期来临。与此同时,霍普菲尔德神经网络(Hopflied Neural Network)提出,BP算法(Back Propagation)出现,使得大规模神经网络的训练成为可能。而后,由于专家系统只能处理特定领域问题,无法形成常识概念,也不可能构建真正的智能,同时其产生的高昂维护成本让人们对AI再次失望。
我们所处的AI第三次浪潮,得益于算法、数据及算力的共同作用结果。2006年,Hinton教授提出“深度学习”神经网络概念,提高了机器自学习的能力。随后,深度学习算法在语音、视觉识别上的突破,极大提升了AI应用的准确性。
区块链是新型的分布式数据库技术,而人工智能得以发挥效用和不断优化的 重要基础便是数据,区块链技术可以解决人工智能应用中数据可信度问题,使人 工智能的发展更加聚焦于算法,而合理利用人工智能技术也可以提高区块链系统 的智能化程度。区块链与人工智能技术融合,可以由区块链负责在数据层提供可信数据,人工智能负责自动化的业务处理和智能化的决策,实现区块链的自动化、自治化和智能化;区块链的智能合约作为一段实现某种算法的代码,可以将人工智能植入其中,使智能合约更加智能;人工智能依赖于数据,通过区块链技术可以获得干净、准确的数据,如果各种人工智能设备基于统一的区块链基础协议注册、授权及管理并实现互联互通,或者将人工智能引擎训练模型结果和运行模型存放在区块链上确保不被篡改,可以帮助人工智能提高受信任程度,降低人工智能应用遭受攻击的风险。
从根本上说,区块链是一系列信息,可以添加到但不能重写。这意味着可以创建新细节的附件,形成新的块,但之前的加密安全内容在任何情况下都不会改变。为了增加区块链的安全性,它们是共识驱动的。网络中添加了大量计算机,任何尝试添加到链中的用户都需要解决数学证明,与网络共享的结果,和所有其他连接电脑和机器必须允许任何更改之前达成一致解决方案。这使得区块链成为一种独特的安全在线业务方式,具有值得信赖的难以置信的所有权记录。从根本上说,区块链是第一种能够以分散的方式转移数字化所有权的技术,无需过多的文书工作,也不需要像纽约证券交易所(New York Stock Exchange)这样的集中结构的批准。
虽然区块链是一种令人兴奋的新技术,但人工智能几十年来一直以某种形式存在。然而,直到最近,人工智能的潜力才最终得以实现。AI复制人类智能,以快速有效地做出直观的决策。虽然它在制造和面向客户的故障排除方案中实现了出色的自动化流程,但AI在推动机器学习方面也非常出色,这有助于计算机无需任何特定编程即可执行操作。
通过机器学习,AI能够自动执行预测分析,使计算机能够利用大型数据集来做出准确而明智的决策。区块链是非常安全的,但它的一些进一步的层和应用程序则不那么安全。机器学习的好处在于它近年来在复杂性方面取得了很大进步,并使AI能够提供安全的应用程序部署,有助于确保区块链的所有组件都安全可靠。
当AI仍然处于加密状态时,AI也很快能够构建具有大数据的算法。由于能够以不需要加密的方式处理信息,可以保证数据始终是安全的。在传统计算机上管理区块链需要大量的处理能力来完成任务,这是由于它们的加密性质,以及由此导致的对如何实现它们的显式指令的缺乏。但随着人工智能的适应性,区块链管理的能力的方法被一种更精巧的风格所取代,这种风格是更智能的机器能够发挥的。这对于运行面向机器学习的挖掘算法特别有用。虽然在以前的日子里,这将是一个非常艰巨的过程,现在机器学习能够瞬间适应任务和推动结果。
AI能够为区块链管理带来的大量计算是另一个需要关注的方面。人类在计算中容易犯错并且速度较慢,因此人工智能在处理区块链技术时更具吸引力。区块链和AI协同效应的好处也不是单行道,区块链技术可以为人工智能带来许多增强功能。 值得注意的是,区块链极大地提高了AI的可信度。这意味着人工智能更容易通过区块链显示的清晰且不可穿透的信息链来解释其思维过程。 由于其能够处理的信息深度,区块链能够拥有的大量数据也可以帮助使AI程序更加有效。
区块链还具有降低AI处理敏感数据相关风险的巨大潜力。人工智能正在帮助开发的最光明的前景之一是智能合约,一种在线制定安全协议的方式,无论是就业、交易还是住房。例如,已经有不少公司允许投资者使用区块链来获得房地产资产的所有权。一家此类公司的首席执行官表示,利用区块链是改变和民主化房地产投资的方式,这可以确保无边界和安全的交易。
关于最佳交易执行问题有许多研究,基本上都是基于非常严格的假设,通常与实际金融市场的交易过程非常不符。深度强化学习是近几年来机器学习领域的热门之一。我们可以直观地认为,强化学习的目标是在智能体与环境进行交互的过程中,帮助智能体学习最优策略,也即一个从状态变量到动作的映射。
目前来看,深度强化学习在做市商问题中的运用是相对较新的研究方向,不像经典强化学习已 得到了较为广泛的实证,但我们不妨将其视作未来可行的尝试方向之一。”程雪表示。
在高频交易和深度学习同时于21世纪10年代进入爆发期后,为了解决高频交易中市场微观结构数据的颗粒性(granularity),许多学者将机器学习特别是深度学习引入了金融领域。“不过,由于对于市场微观结构问题,我们通常知之甚少,所以在进行模型设计的时候,不能对模型进行过多的假设。”程雪表示。
由于高频交易在21世纪初才面世,以及深度学习也在2012年之后才进入爆发期,所以机器学习在市场微观结构中的预测问题相对不多。“但可预见,随着深度学习的成熟和新网络的设计,以及市场微观结构领域的发展,机器学习在预测问题上的应用也将越来越多。”程雪介绍。
“无论是传统机器学习模型还是深度学习模型,监督学习和强化学 习在金融领域的应用并非只限于上述典型问题。”程雪介绍,除了监督学习和强化学习,另一类强大的机器学习方法——无监督学习也有它在市场微结构领域的用武之地。
作为智能算法领域中比较主流的系统协议,作为智能算法领域中比较主流的系统协议,近来AIMM(Artificial Intelligence Market Make)在一些前沿领域体现了其价值。AIMM也被称为“智能算法做市系统”,它是一个分布式的流动性提供商智能算法系统协议,你可以把它理解为是一个数字金融市场的无监督学习服务和做市商协议。可以在保护数据交互安全的情况下通过智能合约保障数据智能的实施转换,协同链接,算法信任等功能,从而有效的服务于Ai Finance(智慧金融)市场。
区块链的共识算法中,除了常见的工作量证明和权益证明外,还有拜占庭容错共识算法。由于拜占庭容错共识算法具有安全、性能、部署性等多方面的优点,成为了区块链的关键技术。相对于其他算法,异步算法在网络故障以及恶意攻击方面容错性更高,成为了密码学和分布式计算领域的研究重点。而AIMM共识算法通过一种创新性的多值拜占庭共识应用,在容忍1/3的恶意节点的同时,突破了异步共识算法在性能上的设计挑战,不仅解决了异步共识算法设计的理论难题,而且在性能上大幅提升并全面超越了当前工业界采用的HoneyBadgerBFT,成为国际前列完全实用的异步共识算法。
AimmSwap被大量媒体报道的同时,也吸引了多方对于AIMM人工智能算法的探讨,有利有弊,实践是检验真理的唯一标准,人工智能和区块链的结合是大势所趋。历史潮流,浩浩荡荡,顺之则昌,逆之则亡。正如区块链诞生之初历经十年的发展的“郁金香泡沫”同时也推动了众多溯源,辩伪,联盟链等技术的发展,新事物的诞生总是充满曲折的,需要用辩证的思维去看待这些新事物,人工智能算法和区块链的相结合有利于促进数字经济的发展。
区块链已经发展成为远远超过支付系统的功能。它脱离了纯粹的金融应用,为数据存储、数字身份、独特的数字资产(如虚拟土地)和供应链管理创造了一个去中心化的系统。VeChain、Enjin或Filecoin等项目都整合了区块链技术,颠覆了现有的中心化流程。
此前国际货币基金组织(IMF)的Christine Lagarde表示,人工智能和区块链都可以塑造一个“对所有人都有效”的经济未来,并重申了数据的透明度和完整性将如何有益。将人工智能整合到区块链中可以使两者都受益,因为它可以提高区块链上的处理速度(该技术的主要问题之一)。AIMM发展的进步将很快提高交易速度,并为AI融入区块链提供更好的机会。
