Mikä on tekoäly (AI)?
Tekoäly on ohjelman kyky oppia. Se on myös älykkäisiin tietokoneohjelmiin liityvä tiede ja tekniikka. Nämä algoritmit voivat ymmärtää malleja ja ratkaista ongelmia käyttämällä suuria tietojoukkoja ilman ihmisten komentoja. Ne analysoivat ulkoisia syötettyjä tietoja, oppivat niistä ja käyttävät näitä tietoja tiettyjen tavoitteiden saavuttamiseen suorittamalla tehtäviä.
Perustasolla tekoälyä on kahta päätyyppiä – heikko tekoäly ja vahva tekoäly.
Heikko tekoäly kohdistuu tiettyihin tai rajoitettuihin tehtäviin, kuten kasvojentunnistukseen, roskapostin suodatukseen tai shakin pelaamiseen. Toisaalta vahva tekoäly pystyisi käsittelemään monenlaisia tehtäviä yhden tietyn tehtävän sijaan. Sillä voisi mahdollisesti olla ihmisen tasoiset kognitiokyvyt, ja se voisi pystyä suorittamaan minkä tahansa älyllisen tehtävän, johon ihminen pystyisi. Heikko tekoäly on nykyään jo olemassa, kun taas vahva tekoäly ei ole vielä syntynyt – itse asiassa monet asiantuntijat kyseenalaistavat, onko sen luominen edes mahdollista.
Vahvan tekoälyn mahdollisia vaikutuksia on mahdotonta ennustaa, mutta monet uskovat, että lohkoketjun ja tekoälyn tulevaisuus on todennäköisesti yhteenkietoutunut. Voidaan väittää, että nämä ovat tulevien vuosikymmenten merkittävimpiä tekniikoita.
Tästä syystä on tärkeää tarkastella lähemmin, miten ne voivat tulevaisuudessa olla vuorovaikutuksessa keskenään.
Tekoälyn ja lohkoketjun synergia
Tekoälyn tuomat parannukset lohkoketjuun
Louhinta vaatii paljon laskentatehoa ja energiaa. Hajautetut pääkirjat uhraavat tehokkuuden sellaisten ominaisuuksien, kuten muuttumattomuuden ja sensuurinkestävyyden, vuoksi. Tekoäly voi olla erittäin tehokas energiankulutuksen optimoinnissa, mikä voi olla hyödyllistä louhinta-algoritmien parantamisessa.
Eräs tärkeimmistä vasta-argumenteista lohkoketjujärjestelmien käyttöä vastaan on erittäin korkea energiantarve. Halutut kryptotaloudelliset ja tietoturvaominaisuudet tuovat mukanaan laskennallisia tehtäviä, jotka muuten eivät olisi tarpeen. Työntodistelohkoketjujen kulutuksen vähentäminen hyödyttäisi koko teollisuutta ja voisi edistää lohkoketjujen yleistä käyttöönottoa.
Tekoäly voisi myös optimoida lohkoketjujen tallennustarpeet. Koska transaktiohistoria tallennetaan kaikkiin solmuihin, hajautetun kirjanpidon koko voi nopeasti kasvaa valtavaksi. Jos tallennusvaatimukset ovat korkeat, markkinoille pääsyn este on myös korkeampi, mikä mahdollisesti vähentää verkon hajauttamista. Tekoäly voisi luoda uusia tietokannan shardaustekniikoita, jotka pienentäisivät lohkoketjun kokoa ja tallentaisivat siihen tietoja tehokkaammin.
Hajautettu datatalous
Data on yhä arvokkaampi omaisuuserä, joka on paitsi tallennettava myös vaihdettava turvallisesti. Tehokkaat tekoälyjärjestelmät ovat vahvasti riippuvaisia datasta, mitä lohkoketjut voivat tallentaa erittäin luotettavasti.
Lohkoketju on pohjimmiltaan turvallinen, hajautettu tietokanta, joka on kaikkien verkon osallistujien käytössä. Sen tiedot tallennetaan lohkoihin, ja jokainen lohko on kryptografisesti linkitetty edelliseen. Tämä tekee uskomattoman vaikeaksi tallennettujen tietojen muokkaamisen ilman, että verkon konsensusta kaapataan jollain tavalla, esimerkiksi 51 %:n hyökkäyksen avulla.
Hajautettujen tietokeskusten tavoitteena on luoda uusi datatalous, joka toimii lohkoketjujen päällä. Nämä keskukset antaisivat tiedot ja tallennustilan kenen tahansa (tai minkä tahansa) saataville, jotta niitä voitaisiin käyttää helposti ja turvallisesti. Muodostaessaan yhteyden tähän datatalouteen tekoälyalgoritmit voisivat hyödyntää suurempaa joukkoa ulkoisia syötteitä ja oppia nopeammin. Tämän lisäksi myös itse algoritmeja voitaisiin vaihtaa näillä markkinapaikoilla. Tämä tekisi niistä helpommin saatavan laajemmalle yleisölle ja voisi nopeuttaa niiden kehitystä.
Hajautetuilla tietokeskuksilla on potentiaalia mullistaa tietojen tallennustilat. Kenellä tahansa saattaisi olla mahdollisuus vuokrata paikallinen tallennustilansa maksua vastaan (tokeneina maksettuna). Nykyisten tiedontallennuspalvelujen tarjoajien olisi puolestaan parannettava palvelujaan pysyäkseen kilpailukykyisinä.
Jotkin näistä datamarkkinapaikoista ovat jo toiminnassa, vaikka ne ovatkin vasta alkuvaiheessa. Kannustamalla tietojen ja tallennustilan tarjoajia ylläpitämään korkeaa tietojen eheyttä, myös tekoälyjärjestelmät hyötyvät.
Hajautetut supertietokoneet
Tekoälyn kouluttaminen ei vaadi vain laadukasta dataa, josta algoritmit voivat oppia, vaan myös paljon laskentatehoa. Tekoälyalgoritmit käyttävät usein tietojenkäsittelyjärjestelmää, joka tunnetaan nimellä keinotekoinen neuroverkko. Neuroverkot oppivat suorittamaan tehtäviä ottamalla huomioon useita esimerkkejä. Nämä neuroverkot vaativat usein valtavaa laskentatehoa miljoonien parametrien käsittelyyn määrätyn tehtävän suorittamiseksi.
Jos tietoja voidaan jakaa lohkoketjuverkon kautta, miksei myös tehoa voitaisi jakaa? Joissakin lohkoketjutoteutuksissa käyttäjät voivat lainata koneidensa laskentatehoa vertaismarkkinoilla niille, jotka haluavat suorittaa monimutkaisia laskelmia. Käyttäjiä kannustetaan tarjoamaan laskentatehoa vastineeksi tokeneista.
Tekoälyjärjestelmiä voitaisiin kouluttaa näillä laskenta-alustoilla paljon tehokkaammin ja pienemmillä kustannuksilla. Vaikka varhaiset käyttötapaukset käsittelevät ensisijaisesti 3D-tietokonegrafiikan renderöintiä, painopiste saattaa siirtyä hitaasti tekoälyyn.
Kun nämä hajautetut sovellukset kehittyvät, laskentatehoa tarjoavat yritykset voivat kokea valtavan määrän kilpailua. Kun käyttäjille annetaan mahdollisuus ansaita tuloja vuokraamalla käyttämätöntä laskentatehoa, suuria määriä sitä käytetään tehokkaammin. Teoriassa, kun niitä ei käytetä, jokainen suoritin tai grafiikkasuoritin maailmassa voisi toimia solmuna hajautetussa supertietokoneessa.
Tekoälypäätösten parempi tarkastettavuus
Ihmisten voi olla vaikeaa ymmärtää tekoälyjärjestelmien tekemiä päätöksiä. Nämä algoritmit voivat toimia niin runsaalla määrällä dataa, että ihmisten olisi käytännössä mahdotonta tarkastaa ja toistaa tätä päätöksentekoprosessia.
Jos päätökset kirjataan jokaisen datapisteen perusteella, ihmiset voivat tarkistaa selkeän kirjausketjun, mikä voi lisätä luottamusta tekoälyalgoritmien tekemiin päätöksiin.
Yhteenveto
Jos nämä kaksi tekniikkaa pystyvät täyttämään potentiaalinsa, ne saavat epäilemättä aikaan kestävän vaikutuksen. Vaikka monet yritykset hyödyntävät niitä erikseen, on joitain mielenkiintoisia käyttötapauksia, joissa ne voidaan yhdistää.
Kun molemmat tekniikat kehittyvät edelleen, lisää innovaatioita saattaa syntyä lohkoketjuteknologian ja tekoälyn samanaikaisesta hyödyntämisestä. Mahdollisia tuloksia on vaikea arvioida, mutta on varmaa, että ne johtavat parannuksiin monilla taloutemme osa-alueilla.