这两种技能中的任何一种都对当今人工智能应用的寿命组成了致命的挑战。然而，它们加在一起就是人工智能的致命弱点。假如该行业不办理这些问题，本日的人工智能苏醒注定会再次熄火。
在60年月和70年月，自然语言处理惩罚、呆板推理和呆板视觉等规模都有了明显的进步。跟着上世纪80年月日本所谓的第五代计较机打算的呈现，在专家系统、基于案例的推理以及跟着反向流传的发现而使毗连主义神经网络规复等规模取得了重大希望。呆板进修在90年月得到了动力，从早期的标记要领转向操作概率和统计。
消费者及其设备在其保留期生成大量数据。这些数据包括了有关用户及其行为的有代价的信息：他们常常惠顾的餐厅、会见哪些网站、他们喜欢去哪些处所、他们利用的社交媒体应用措施、看什么视频等等。这些数据已经成为构建有效的深度进修模子以最大限度地加强用户体验的本性化处事的基石（譬喻ala Siri）。区块链提供了一种奇特的选择来构建这样的本性化模子，而不会加害用户的隐私。
首先，区块链为用户提供了节制其数据的本领，并抉择何时、何地、向谁提供数据的时间和多长时间，即区块链是对用户的私有数据举办本质上和自动操作的系统的反论证。另外，跟着零常识证明的呈现，区块链此刻除了有效之外，没有本领透露任何有关生意业务的信息。
本日，为了练习一个深层（呆板）进修模子，固然本日有两种技能有效，但这两种技能最终会成为人工智能的祸殃。
深度进修的汗青可以追溯到1943年，其时人们在领略人类大脑神经网络的基本上建设了Pitts-McCulloch计较机模子。“深度进修”这个说法是在上世纪80年月末缔造的；然而，深度进修的影响在本世纪头十年才真正开始，2012年开始的所谓“深度进修革命”让计较机行业彻底瓦解。2019年3月，Yoshua Bengio，Geoffrey Hinton和Yann LeCun)因他们的打破性研究而得到图灵奖，他们的研究使深度进修成为主流。
最近，在对早期和成熟的初创企业的巨额投资之间；媒体预示着呆板人杀手的将来；包罗IBM、微软和谷歌在内的老派巨头们的营销攻势；以及公家对Siri和Alexa等人的沉迷，看来人工智能终于来了。可是，它的脚步会就此愣住吗?
我之所以用“复生”这个词，是因为当人工智能被视为迫在眉睫的时候，我们曾经有过这样的时代。1950年，Alan Turing在1950年设计了以本身名字定名的图灵测试(Turing Test)，并将主流的留意力吸引到呆板可以思考的大概性上。1956年的Dartmouth研讨会是一个里程碑式的事件，它符号着人工智能的降生，其时John McCarthy提出了“人工智能”（AI）这个短语，代表了节制论、神经网络和标记推理研究的发达成长。
至关重要的是，宽大的行业应将用户隐私置于贸易好处之上，并利用区块链成果来成立呆板进修模子，使他们的人工智能应用措施成为大概。
区块链平台在去中心化应用措施和系统的设计和开拓方面取得了惊人的希望，并已应用于从到企业供给链等规模。
本日呆板进修的致命弱点
+呆板进修
第二，区块链的设计没有中央权力或系统。因此，为了在数据和生意业务上告竣一致，区块链利用了多种容错一致性算法。固然有各类百般的一致算法，但它们在跨分手的节点（或系统）之间告竣一致方面都有相似的特征。出格是，一个叫做拜占庭共鸣的变体办理了前面提到的拜占庭容错问题。区块链可以开拓不依赖于单一供给商实现的人工智能应用措施，同时存在所有的风险和错误。
人脸识别等应用正在被遍及利用（包罗当局机构）；由于呆板进修模子与单个供给商绑缚在一起的一系列问题而发生的假阳性和假阴性造成的风险太严重，不能继承忽视。譬喻，波音和空客飞机上的航空电子系统已经设计了几十年的拜占庭容错技能。当移民部分和领土巡逻队利用诸如AWS Rekognition等东西时，行业和禁锢政策机构必需从头思量当今人工智能应用的原始性质（譬喻在航空电子系统方面）。
首先，传统进修要领要求将练习数据会合在一个系统（或供给商数据中心）上。谷歌、亚马逊、微软、苹果和Facebook等公司收集了大量用户数据，并将其存储在各自的系统中。随后，以一次性或持续的方法，他们运行本身的算法来挖掘并构建最终的深度进修模子。读者很容易发明，这种要领加害了隐私。在没有用户许可的环境下，这些系统经常操作敏感的私有数据来构建它们的AI应用措施。
区块链+呆板进修开发了一个颠覆性的新要领使人工智能成为主流，同时掩护用户隐私和确保供给商中立的应用措施，淘汰风险。
技能上来说，我们应该称之为深度进修的苏醒，而不是人工智能的苏醒。
是呆板进修照旧人工智能？
下一步是什么
我们必需挣脱单一供给商的实现及其相关风险，转向去中心化的深度进修实现，操作跨多个供给商和供给商的计较资源（算法、语言、硬件等）。
将来是去中心化的，人工智能也不破例。不然就会是另一小我私家工智能冬天。简朴地说，深度进修是一种呆板进修技能，它教管帐算机去做那些对人类来说很自然的工作，好比从例子中进修。。通过深度进修，计较机模子可以直接从图像、文本或声音等中进修执行分类任务。深度进修模子是通过利用一组大的标志数据和神经网络架构来练习的(包罗有监视和无监视的)，这些架构包括了对人类神经元行为建模的多层软件。
我们本日所说的人工智能，很洪流平上源于呆板进修在海量数据中的应用。精确地说，正是所谓的“深度”进修技能的应用使语音搜索和语音激活助手如Siri的鼓起，癌症诊断和治疗等规模的医疗创新，AWS Rekognition等脸部识别，以及更遍及的图像和视频阐明和识别规模，呆板翻译，包罗必应翻译东西，语音识别东西，以及所谓的自动驾驶汽车的呈现等等。
更重要的是，由于区块链固有的去中心化实现，区块链有两种本领。
在已往五六年里，人工智能又复生了。
，
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
