Vad är artificiell intelligens (AI)?
Artificiell intelligens är ett programs förmåga att lära sig. Den är också vetenskapen och tekniken bakom intelligenta datorprogram. Dessa algoritmer kan förstå mönster och lösa problem med stora datamängder och utan mänskliga kommandon. De analyserar externa ingångsdata, lär sig av dessa och använder den kunskapen för att uppnå specifika mål genom att utföra uppgifter.
På grundnivå finns det två huvudtyper av AI – smal AI och stark AI.
Smal AI riktar in sig på specifika eller begränsade uppgifter såsom ansiktsigenkänning, skräppostfiltrering eller att spela schack. Stark AI, å andra sidan, skulle kunna hantera ett brett spektrum av uppgifter, istället för en viss uppgift. Den kan potentiellt ha kognition på mänsklig nivå och skulle kunna slutföra alla intellektuella uppgifter som en person kan. Smal AI finns redan idag, men stark AI har ännu inte dykt upp – många experter ifrågasätter faktiskt om den ens är möjligt.
Det är omöjligt att förutsäga de potentiella effekterna av stark AI, men många tror att framtiden för blockkedjan och AI sannolikt kommer att sammanflätas. Man kan hävda att de kommer att vara bland de viktigaste teknikerna under de kommande decennierna.
Av denna anledning är det viktigt att titta närmare på hur de kan interagera i framtiden.
Synergin mellan AI och blockkedjan
AI-förbättringar för blockkedjan
Utvinning kräver mycket beräkningskraft och energi. Fördelade huvudböcker offrar effektivitet för egenskaper som oföränderlighet och censurmotstånd. AI kan vara mycket effektivt för att optimera energiförbrukningen, vilket kan vara praktiskt för att förbättra utvinningsalgoritmer.
Ett av de viktigaste motargumenten mot att använda blockkedjesystem är det extremt höga energibehovet. De önskade kryptoekonomiska egenskaperna och säkerhetsegenskaperna introducerar beräkningsuppgifter som annars inte skulle vara nödvändiga. Att minska konsumtionen för blockkedjor med arbetsbevis skulle gynna hela branschen och skulle kunna främja fler användare av blockkedjan.
AI kan också optimera lagringsbehovet för blockkedjor. Eftersom transaktionshistoriken lagras i alla noder kan storleken på den fördelade huvudboken snabbt växa till sig. Om lagringskraven är höga är inträdeskravet också högre, vilket potentiellt minskar decentraliseringen av nätverket. AI kan introducera nya databasdelningstekniker som skulle göra storleken på blockkedjan mindre och lagra data på den mer effektiv.
Den decentraliserade dataekonomin
Data är en allt mer värdefull tillgång som inte bara behöver lagras säkert, utan också kunna utbytas. Effektiva AI-system är starkt beroende av data, något som blockkedjor kan lagra med en extremt hög grad av tillförlitlighet.
En blockkedja är i huvudsak en säker, distribuerad databas som delas av alla deltagarna i nätverket. Dess data lagras i block och varje block är kryptografiskt länkat till det föregående. Detta gör det oerhört svårt att ändra information som är lagrad utan att kapa nätverkets konsensus på något sätt, till exempel genom en 51 %-attack.
Decentraliserat datautbyte siktar på att skapa en ny dataekonomi som körs ovanpå blockkedjor. Dessa utbyten skulle göra en enkel och säker åtkomst till data och lagring tillgänglig för alla (eller allt). Vid anslutning till denna dataekonomi kan AI-algoritmer använda en större uppsättning externa ingångar och lära sig snabbare. Dessutom kan algoritmerna själva också utbytas på dessa marknadsplatser. Detta skulle göra dem mer tillgängliga för en bredare publik och skulle kunna påskynda dess utveckling.
Decentraliserade datautbyten har potential att revolutionera datalagringsvärlden. I huvudsak skulle vem som helst ha möjlighet att hyra ut sin lokala lagring mot en avgift (betalas i token). I sin tur skulle befintliga leverantörer av datalagringstjänster behöva förbättra sina tjänster för att förbli konkurrenskraftiga.
Några av dessa datamarknadsplatser är redan igång, även om de befinner sig på tidiga stadier. Genom att motivera data- och lagringsleverantörer att upprätthålla hög dataintegritet kommer AI-system också att gynnas.
Decentraliserade superdatorer
Att utbilda AI kräver inte bara kvalitetsdata som algoritmerna kan lära sig, utan också mycket datorkraft. AI-algoritmer använder ofta en typ av datorsystem som kallas ett artificiellt neuralt nätverk (ANN). ANN:er lär sig att utföra uppgifter genom att överväga många exempel. Dessa ANN:er kräver ofta enorm beräkningskraft för att gå igenom miljontals parametrar för att utföra en utsedd uppgift.
Om data kan delas över ett blockkedjenätverk, varför kan inte beräkningskraft göra det? I vissa blockkedjeimplementeringar kan användarna effektivt låna ut sina maskiners datorkraft på en peer-to-peer (P2P)-marknadsplats för alla som vill utföra komplexa beräkningar. Användarna uppmuntras att tillhandahålla datorkraft genom att få token i gengäld.
AI-system kan utbildas mycket mer effektivt på dessa datorplattformar och med minskade kostnader. Även om tidiga användningsområden främst handlar om att återge 3D-datorgrafik, kan fokuset sakta flyttas mot AI.
När dessa decentraliserade applikationer (DApps) utvecklas kan företag som tillhandahåller datorkraft få ökad konkurrens. Genom att låta användarna tjäna intäkter genom att hyra ut sin lediga datorkraft kommer stora mängder data att användas mer effektivt. När de inte används kan varje enskild CPU eller GPU i världen i teorin fungera som en nod i en decentraliserad superdator.
Bättre granskning av AI-beslut
Beslut som fattas av AI-system kan vara svåra för människor att förstå. Dessa algoritmer kan fungera med ett sådant överflöd av data att det skulle vara praktiskt taget omöjligt för en person att granska och replikera dess beslutsprocess.
Om beslut registreras baserat på varje datapunkt, finns det en tydlig verifieringskedja för personer att kontrollera, vilket kan öka förtroendet för beslut som fattas av AI-algoritmer.
Sammanfattningsvis
Om dessa två tekniker kan leva upp till sin potential kommer de utan tvekan att skapa en långvaraktig effekt. Även om många företag utnyttjar dem separat, finns det några intressanta användningsområden där de kan kombineras.
Eftersom båda teknikerna utvecklas ytterligare, kan mer innovation nås genom utnyttjande av blockkedjeteknik och AI samtidigt. De potentiella resultaten är svåra att bedöma, men det är rätt så säkert att de kommer att leda till förbättringar i många aspekter av vår ekonomi.