人工智慧和區塊鏈結合的新研究成果——“背靠背知識協同”
微眾銀行副行長兼資訊長馬智濤在萬向全球區塊鏈峰會上,給我們帶來了關於現階段銀行對聯盟鏈跟公有鏈的觀點的主題演講《聯盟鏈的昇華——公眾聯盟鏈》。
讓我們瞭解到了一個新名詞“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開啟分散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:區塊鏈與人工智慧結合的新途徑”。 白碩認為,背靠背資料協同具有非常廣泛的應用場景,在技術上很有挑戰性,其在人工智慧、神經網路訓練領域可以起到很好的作用。
目前大資料時代資料的高度融通,不能流通有他的現實原因,白碩認為一個是不願意分享,一個是不敢分享,一個是不能分享。這給大資料時代資料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。
如何使保護資料不離開原有邊界,又能在巨集觀上引導資料流通,形成合成、協同的效果?如何做到不洩露引數,就能以這些引數來做輸入的計算?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。 其目的就是在不洩露實體資訊的情況下,去見證一個“關係”,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洩露實體資訊的情況下,去見證一個關係。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,給智慧合約。B也是,先加擾,再給A加擾,再給智慧合約,由智慧合約來求加擾之後的資料交集。大家會問,加前後的順序是不是有問題呢?我們說,只要加擾的運算元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,只要運算元足夠安全、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,可以支援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慧合約節點,部署各自的加擾軟體模組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資料,這些影像資料合在一起,會訓練出一個更好影像識別模型。但是影像資料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,就沒有辦法做相當於資料匯聚效果的模型訓練。
解決方案:
利用假資料。每個人手裡有真資料,利用真資料訓練一個模型。針對模型,生成假資料,跟真資料具有高度一致的分佈。兩邊都有假資料,把假資料給對方,把對方的資料跟自己的真資料和對方的假資料進行混合,混合之後再進行學習。這是傳模型的方法。
白碩總結道:“ 背靠背資料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,用的是生成對抗網路。生成對抗網路的方式,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資料協同的作用,特別是在人工智慧、神經網路訓練領域可以起到很好的作用,這也為我們今後區塊鏈的實踐增添了一種新的選擇。”