解讀 PlatON 2.0 白皮書：如何實現去中心化的通用人工智能網絡？

PlatON 將通過隱私計算網絡、人工智能市場及協同人工智能網絡三個階段實現通用人工智能網絡。

撰文：0x007

人工智能的普適應用面臨着三大問題，一是數據。數據是人工智能最重要的資源，人工智能需要海量的有效數據集以訓練出更好的模型，但在數據隱私和數據監管的前提之下，需要解決數據的使用權和安全使用等問題。

二是訓練成本。人工智能模型的規模以每年 10 倍的速度增長，需要超大算力進行計算，導致人工智能總訓練成本持續攀升。三是集中化。大多數人工智能研究由少數科技巨頭控制，其他組織面臨着人工智能人才和技術的缺乏問題，而與此同時，人工智能的開發者缺乏方法變現他們的成果，只能將技術賣給科技巨頭。

PlatON 2.0 白皮書呈現的，是藉助於區塊鏈和隱私計算技術，建立一個基礎設施網絡，在這個網絡上，開發人員可以低成本獲得包括數據和算力在內的資源，訓練人工智能模型並作爲人工智能服務發佈到網絡，該服務同時能與其他人工智能服務或代理交互、組合，而任何人或組織都可以從這個網絡獲得人工智能算法或服務。隨着該基礎設施網絡的發展，將孕育出一個繁榮的去中心化的人工智能市場，人們可以在該網絡上交易與人工智能相關的「商品」，比如數據、算力、人工智能算法、人工智能服務。

如果更進一步，這個自組織的分散式協作網絡將可能成爲一個總體大於其各部分之和的生態體，連接人工智能並使其相互協作學習，最終湧現通用人工智能。

PlatON 分三個階段來實現上述目標：

• 第一階段：去中心化的隱私計算網絡。建立一個去中心化的數據共享和隱私計算基礎網絡，連接數據所有者、數據使用者、算法開發者和算力提供者。
• 第二階段：去中心化的人工智能市場。實現人工智能資產的共建共享、敏捷的智能應用開發，提供從人工智能算力、算法到人工智能能力及其生產、部署、集成的全流程產品和服務。
• 第三階段：去中心化的協同人工智能網絡。允許人工智能進行大規模合作，彙集集體智慧來執行復雜的人工智能服務。

隱私計算網絡

計算的基本要素是數據、算法和算⼒，隱私計算⽹絡將數據、算法和算⼒緊密結合起來，構建一個完整的計算⽣態。

在隱私計算網絡中，數據節點和計算節點通過 P2P 協議連接到系統中，發佈數據和算⼒，這些數據⼀般保存在本地。利用數據和算力，通過安全多⽅計算、聯邦學習等技術對算法進⾏協同計算，數據可⽤不可⻅，不僅數據的隱私得到保護，計算結果如訓練完成的人工智能模型的隱私也能得到保護。

PlatON 的隱私計算⽹絡技術架構如下圖所示：

數據主體可以在本地啓動數據節點，也可以將數據加密託管到數據節點，如上圖中的數據服務部分所示。在數據節點接受到計算請求時，PlatON⽀持兩類不同的隱私計算，一類是安全多⽅計算，一類是隱私外包計算。

在安全多方計算方式下，數據節點採⽤祕密分享對數據分⽚，並分發給隨機挑選的計算節點。計算節點之間採⽤安全多⽅計算協議進⾏隱私計算，計算結果通過區塊鏈智能合約返回給計算結果⽅，如果是人工智能模型訓練，訓練完成的模型可以部署到人工智能⽹絡，併發布人工智能服務。

在隱私外包計算方式下，數據節點通過同態加密將數據加密，分發給計算節點進⾏外包計算。計算任務可根據數據或模型進⾏分解，計算節點計算完成後，返回計算結果和計算證明，可以驗證計算的正確性。如果⽤戶有⾃⼰的數據和算法但是沒有⾜夠的算⼒，可採用該方式。

人工智能市場

通過區塊鏈上的智能合約，可構建數據、算力和算法的去中⼼化的交易市場；基於區塊鏈上的密碼經濟學，可將數據、算⼒和算法貨幣化，形成有效的激勵機制，激勵更多的數據、算法和算⼒加⼊⽹絡。

對於數據提供者，包括個⼈和機構在內的主體會由於經濟上的激勵來提供個⼈的和專業的數據，而通過安全計算保證數據的安全和隱私，各主體會更願意分享敏感數據，⽐如消費和健康信息。隨着時間的推移，市場將積累⾼質量的數據。

對於算力提供者，任何人都能夠在安全且無摩擦的市場中共享計算資源。人工智能模型的規模越來越大，通過人工智能市場分享世界各地的閒置計算資源，可以實現去中心化的算力網絡，理論上可以爲人工智能提供無限的算力，真正降低計算成本。

對於人工智能開發者，他們可以在數據市場主動搜索訓練數據集訓練人工智能模型，也可以發佈模型，讓其他⼈提供數據以合作訓練模型。訓練數據集不是明⽂交換的，⽽是通過安全多⽅計算協議參與到模型訓練，它可以公平交易，沒有⼀⽅可以通過提前退出或其他不當⾏爲獲得優勢。

人工智能開發者能夠在人工智能市場交易人工智能算法和人工智能服務，直接變現他們的成果，被激勵和鼓勵創造更好的人工智能模型。開發者的⼈⼯智能模型還可以與其他⼈⼯智能模型和付費⽤戶進⾏交互。

對於人工智能使用者，他們可以方便地、低成本地獲得和使用人工智能服務。

協同人工智能⽹絡

利⽤隱私計算⽹絡的數據集和計算資源，可以訓練出人工智能模型，這些模型可以部署在人工智能⽹絡中，並通過人工智能代理對外進⾏服務，形成人工智能服務市場。通過多代理系統等技術，可運⾏人工智能代理進⾏通信和協同，創建越來越多的創新人工智能服務，實現 AI DAO，形成⾃治的協同人工智能⽹絡。

PlatON 的協同人工智能網絡技術架構如下圖所示：

協同人工智能網絡中的服務節點用於託管訓練好的人工智能模型並對外提供人工智能服務，註冊節點和評估節點構成智能搜索網絡，進行人工智能服務和代理的搜索和交互。具體是指：人工智能服務和代理將其⽂本描述和標籤登記到註冊節點，以便⽤戶發現它們的服務、定價、地址等信息，並調⽤它們。評估節點對人工智能服務和代理進⾏服務測試、評估和評級，通過共識算法建⽴⼀個信譽評分系統，並以此爲依據進⾏搜索和推薦，使得其他⽤戶能夠迅速和容易地查詢人工智能服務和代理。

自主人工智能代理能自主搜索並調用人工智能服務或與其他自主人工智能代理交互，並能持續學習改進，調整策略和目標。它們是這個自組織的智能網絡空間中代表人類完成某些目標的軟件程序，具有一定程度的獨立性或自主性，無需人類的直接干預。

協同人工智能網絡由許多個相互作用的自主人工智能代理構成，也就是說它是一個多代理系統。多代理系統已被用於多個應用領域，包括個人助理、交通管理、遊戲娛樂和虛擬角色等等。比如人工智能助手 Siri 便是一個簡單的自主代理的例子，它使用傳感器來感知用戶提出的請求，並在沒有用戶幫助的情況下自動從互聯網上收集數據滿足用戶請求。

⾃主人工智能代理不僅僅是存在於數字世界，也可以作爲數字世界與真實世界的橋樑，連接到⼈類、IoT 設備和外部 IT 系統。每個⾃主代理是獨⽴運⾏的守護進程，各⾃追求⾃⼰相對簡單的⽬標，但它們在互動中將產⽣複雜的⽬標，⽣成更智能的⾼階代理。

PlatON 將在 2021 年第四季度上線去中⼼化的隱私計算⽹絡，通過隱私計算協議連接數據、算法和算⼒，並逐漸形成一個人工智能市場；在 2022 年第四節度上線協同人工智能網絡，並最終基於該網絡形成一個⾃組織的協作的⼈⼯智能⽹絡。

在技術上，PlatON 綜合使用了區塊鏈、隱私計算和人工智能技術。在文章的最後，簡要介紹其核心技術特徵，主要包括：

1、去中⼼化。任何⽤戶、節點都可以無需許可的連接到⽹絡，結合去中⼼化數字身份認證和授權，全球範圍內任何數據、算法和算⼒可進行安全的共享、連接和交易，⼈⼈可開發和使⽤⼈⼯智能。

2、隱私保護。基於 MPC、同態、零知識證明等現代密碼學的隱私計算技術，提供計算的全新範式，使數據和模型可⽤⽽不可⻅，讓隱私得以完備的保護，讓數據權利得以保障。

3、低訓練成本。⼈⼯智能需要⼤量的算力和訓練數據，訓練成本⾼昂。藉助區塊鏈和隱私計算技術，可以共享計算資源，降低計算成本；可以實現安全的數據共享，促進數據的合規流通，通過去中⼼化累積⽐科技巨頭數量更多、質量更好、成本更低的數據。

4、低開發⻔檻。可視化人工智能模型開發及調試，⾃動化機器學習（AutoML），通過 MLOps 簡化人工智能模型從模型開發、訓練到部署的全流程管理流程，降低人工智能模型的開發⻔檻，提⾼開發效率。人工智能服務能⾃動發現、組合、協作，通過更⾼級的⾃動編程形式，創建越來越多的創新人工智能服務。

5、監管合規。人工智能訓練決策過程中使⽤的所有數據、變量和過程都有不可篡改的記錄，可進⾏跟蹤和審覈。隱私保護技術的使⽤使得數據的使⽤滿⾜被遺忘權、可攜帶權、有條件授權和最⼩化採集等監管條例。

以上是對 PlatON 2.0 白皮書的個人解讀，如果你想了解更多，更好的方式是閱讀其白皮書，可以在 這裏 找到。