人工智能和區塊鏈結合的新研究成果——“背靠背知識協同”區塊鏈
“背靠背知識協同：區塊鏈與人工智能結合的新途徑”
微眾銀行副行長兼首席信息官馬智濤在萬向全球區塊鏈峰會上，給我們帶來了關于現階段銀行對聯盟鏈跟公有鏈的觀點的主題演講《聯盟鏈的升華——公眾聯盟鏈》。
讓我們了解到了一個新名詞“公眾聯盟鏈”，從馬行長的演講中我們可以看到公眾聯盟鏈未來的可行性，公眾聯盟鏈很有可能會是打開分布式商業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——“背靠背知識協同：區塊鏈與人工智能結合的新途徑”。白碩認為，背靠背數據協同具有非常廣泛的應用場景，在技術上很有挑戰性，其在人工智能、神經網絡訓練領域可以起到很好的作用。
目前大數據時代數據的高度融通，不能流通有他的現實原因，白碩認為一個是不愿意分享，一個是不敢分享，一個是不能分享。這給大數據時代數據的高度融通負面說是提出了障礙，正面說是提出了挑戰。這造成了兩難，你又想飛翔，但是又要保護。
如何使保護數據不離開原有邊界，又能在宏觀上引導數據流通，形成合成、協同的效果？如何做到不泄露參數，就能以這些參數來做輸入的計算？如何不碰對手方的內容，還能實現和對手方的互相聯通？這就離不開區塊鏈研究探索。目前的方式基本上是以區塊鏈為基礎，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“關系”，這就是背靠背協同機制想要達到的目的。
白碩認為，交易對賬、產品溯源和金融的供應鏈，都可以運用上區塊鏈的技術在不泄露實體信息的情況下，去見證一個關系。這都是背靠背協同機制在未來想要達到的目的。
白碩給我們分享了兩個現實的案例，一個是背靠背求交集；一個是背靠背訓練模型，或者叫協同學習。
案例一
兩個機構合作，一個機構是廣告商，一個機構是手機商，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據交集。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學上叫做可交換的，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
有幾個醫院，醫院各自有某個病的影像數據，這些影像數據合在一起，會訓練出一個更好影像識別模型。但是影像數據各醫院當寶貝不拿出來，在不拿出來的情況下，傳統辦法看起來，就沒有辦法做相當于數據匯聚效果的模型訓練。
解決方案：
利用假數據。每個人手里有真數據，利用真數據訓練一個模型。針對模型，生成假數據，跟真數據具有高度一致的分布。兩邊都有假數據，把假數據給對方，把對方的數據跟自己的真數據和對方的假數據進行混合，混合之后再進行學習。這是傳模型的方法。
白碩總結道：“背靠背數據協同是一個真實需求，它有非常廣泛的應用場景，它在技術上很有挑戰性。也通過第二個案例可以看到，第一個案例是使用了密碼學，第二個案例我們沒有用密碼學，用的是生成對抗網絡。生成對抗網絡的方式，把它跟區塊鏈進行疊加，就可以看到它同樣可以起到背靠背數據協同的作用，特別是在人工智能、神經網絡訓練領域可以起到很好的作用，這也為我們今后區塊鏈的實踐增添了一種新的選擇。”
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
