从IOTA的进展看BOTTOS的未来  botfans.org

2018-01-24 21:27:00 区块链

第一节【IOTA的技术核心--缠结】   

IOTA是专为物联网领域涉及的项目,做为一个去中心化的开源数字加密令牌,它旨在提供高效的,安全的,轻便的,并且是实时的微交易,并且在交易过程中不产生交易费用。IOTA的蓝图是实现机器与机器、设备与设备、系统与系统之间的无交易费的支付体系,从而构建机器经济的长远目标[1]。它的易扩展特性又满足了物联网设备的未来不断扩展的需求。

IOTA比较有特点的地方是它的缠结机制。虽然IOTA沿袭了去中心化的机制和相应的安全加密机制,但是它并不是基于区块链本身的(这意味着区块链技术不是实现去中心思想的唯一机制),而且基于一种叫做缠结(Tangle)的技术,缠结的实质是一种有向无环图结构。

那么,什么是有向无环图呢? 在图论中,倘若一个有向图从任何一个节点出发经过若干条路径之后无法回到该原点,那么,这个图就是一个所谓的有向无环图[3]。

图中的节点转移是有方向的, 并且从任何一个节点出发,经过其他节点之后,都不能回到该原点并且构成一个环路。有向无环图是描述一个可扩展系统进行过程的有效工具。一个有向无环包含着许多子过程,这些子过程之间又存在着某种制约[5]。IOTA作为第一个采用有向无环图机制的加密令牌,为去中心化领域除区块链技术之外的其他技术的有效探索做出了一定的贡献。

 

第二节【物联网技术的应用】   

物联网技术本身的前景关系着IOTA的前景。物联网技术本身可以看做智能技术在广度上的延伸。物联网的应用包括如下方面:智能工业,智能农业,智能物流,智能交通,智能电网,智慧环保,智能安防,智能医疗,智能家居等[6][7]。

 可以看到物联网的应用与人工智能的应用有一定的重叠,这是完全可以理解的。 在上一篇文章中我们提到物联网的哲学思想是万物相连,所以可以把物联网看做是连接无数个智能系统的感知和交流网络,而人工智能则是智能个体和群体的决策和神经中枢单元。我们知道智能大体可以分为四种,即感知智能、计算智能、运动智能和认知智能;物联网的主要作用是在广度和深度两方面推动感知智能的应用和普及,这给AI的未来腾出了更多的聚焦于认知智能的努力。

 

第三节【BOTTOS致力于解决AI痛点】   

相对于物联网而言,人工智能对人类社会的影响与意义显然更为深刻并更激动人心。镌刻在BOTTOS基因里的是三个关键词:区块链、人工智能与数据。为什么我们要用区块链来推动人工智能的发展呢?这和AI的痛点问题不无关系。我们知道人工智能的发展一定程度上得益于开源。我们可以找到许多开源的AI模型和平台。作为AI的应用者主要的工作是采用某个开源的模型来训练相应的数据以得到期望的结果。

很多从事AI产业的中小企业、以及采用AI技术来升级企业智能化水平的公司和实体,他们本身并不开发新的模型,而是应用现有的模型来解决问题。在这个过程中,智能化需要解决的一个关键问题就是模型训练,而模型的训练基本上依赖于数据的获取与质量。因为模型本身的修改不是什么太大的问题,比如把一个前馈神经网络的隐含层数由4层改为6层,把某个隐含层神经元的节点数从100改为120,把激活函数从Sigmoid函数改为TanHyperbolic、ReLu或者Softplus,在操作层面都不是大问题。最大的问题是如果获取训练所需的数据并且保证数据的质量和规模达到要求。

一个未经训练的AI模型就像一个婴孩或者一张白纸,garbage in 只能导致garbage out。模型再先进,没有优质的数据去训练它从而让它具备某种智能,是不可能实现的。但是人工智能的训练数据不像模型那么容易获取。如果把模型和数据比作AI的左膀右臂,那么AI的左膀右臂的长度和强度是完全不对称的。这给AI的发展带来了瓶颈问题。这里面有个矛盾,就是一方面我们处在数据极度膨胀的年代,另一方面我们需要的训练数据又不易获得,问题到底处在哪里呢?笔者认为问题主要在于两个方面。首先是大公司和机构对数据的垄断。以谷歌为例,谷歌是一家做搜素引擎出生的IT巨头,在逐渐地像AI转型的过程中,它所获取的用户的搜索数据给它后期对AI的训练带来了无比的便利。还有许多做社交软件的IT巨头们,他们掌握了客户的海量信息,对数据的极大占有给了这些大公司们发展AI天然的优越性。寡头数据导致寡头AI,一个中心化了的人工智能很不利于AI社区的发展。AI大众化和民主化是AI发展进程中的必有之路。否则我们很难保证一个中心化的超脑是能否被制衡,一个不能被制衡的超智慧中心对未来人类社会的潜在危害很大的。另一方面,如果把一个人工智慧体看成一种生命形式的话,生命和种群的多样化是保证它能健康进化的前提条件之一。所以,这样我们就可以理解,我们为什么要用去中心化的方法来推动和改善人工智能的发展以及去中心化方法如果能够解决AI发展的痛点问题了。

 

第四节【BOTTOS应用举例】   

下面以机器人技能学习为例讲一下BOTTOS的应用。线性气动执行器的装配是一项非常繁琐的工作,在三菱的SCARA机器人上面可能需要花费数周甚至数月才能完成整个过程的装配流程。那么,完成了这个过程的三菱SCARA机器人可以算是习得了一个技能,当然这个技能得是在某种智能模型上训练完成的。现在某个公司现有很多发那科的LR-Mate机器人,他们并没有采购三菱的SCARA机器人,现在他们同样需要进行类似线性气动执行器的装配的装配任务,这时候他们需要进行技能训练,而技能训练又是非常耗费时间的。怎么办?假定他们知道训练该种技能需要什么样的模型,这时候他们可以作为数据的需求方在BOTTOS平台发出线性气动执行器的装配技能训练的数据需求,需求被广播后,使用了三菱SCARA机器人完成了该项技能训练的一方得知有这样的需求,那他们之间就存在数据需求和数据提供这样一种商业关系,一个去中心化的AI数据流转平台的存在可以很好地帮他们解决这个问题。技能数据的提供方可以把存储在云服务器上的一部分数据样本通过平台发给技能数据的需求方,平台在发给需求方之前会对数据进行一定的清洗和预处理,需求方收到样本数据之后经过验证和初步训练认可后,双方再通过平台完成整个技能训练数据的流转。

 

小结

去中心化的思想是物联网和人工智能进一步发展、进化的有效途径。AI模型和数据的不对称某种程度了制约了其发展和普及,去中心化有利于实现---人人为AI,AI为人人的良性循环,从而为AI的加速发展注入新的动力和血液。

 

【参考文献】

【1】https://www.jianshu.com/p/4cdbc200940d

【2】https://medium.com/@DavidSonstebo/iota-97592581f985

【3】Lee, Jay; Bagheri, Behrad; Kao, Hung-An (January 2015). "A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems". Manufacturing Letters 3: 18–23. doi:10.1016/j.mfglet.2014.12.001

【4】https://zh.wikipedia.org/wiki/%E6%9C%89%E5%90%91%E6%97%A0%E7%8E%AF%E5%9B%BE

【5】http://c.biancheng.net/cpp/html/1018.html

【6】Nordrum, Amy (18 August 2016). "Popular Internet of Things Forecast of 50 Billion Devices by 2020 Is Outdated". IEEE.

【7】 Thomas, Daniel R.; Beresford, Alastair R.; Rice, Andrew. "Security Metrics for the Android Ecosystem" (PDF). Computer Laboratory, University of Cambridgedoi:10.1145/2808117.2808118.

【8】http://www.skyworksinc.com/products_IoT.aspx

【9】https://techcrunch.com/2017/07/21/why-the-future-of-deep-learning-depends-on-finding-good-data/

阅读原文
标签:数据 AI strong 一个 智能 训练