我們應該首先問一個問題，我們為什么要架構
區塊鏈？大家都知道，
人工智能的基礎是大數據，大數據的特點是碎片化、無結構、實時、海量、數據良莠不齊。在這種良莠不齊的數據上去研究人工智能，就像王飛躍教授所講的，是在沙地上蓋房子。因此，區塊鏈必須架構在大數據和人工智能中間，把大數據變成可信、可靠、可用和高效的“真數據”。
在這個過程中，首先就要從大數據到區塊鏈。經濟學人說區塊鏈是一個信任機器，就像機器生產產品一樣，能夠自動化地去生產人對這個數據的信任，但是卻沒有說這個機器是怎么運轉的，我們試著做一個解構。
左邊是一個區塊鏈的網絡，它實時地產生大數據，這個大數據經過節點的驗證以后，會發送到右邊的共識算法中。這個共識算法就是信任機器的核心引擎，它在不停地運轉，每運轉一輪有四個步驟：選主、造塊、驗證和上鏈。每轉一輪，就會把一段時間里（比如說
比特幣是十分鐘）的大數據打包到一個區塊當中，而且這個區塊是經過所有節點驗證過的，所以說是一個可信、可靠、可用、高效的“TRUE真數據”的區塊。
怎么從區塊鏈到人工智能？也有很多種方式，我們提出平行智能的方式，核心就是平行學習。
把小數據變成大數據，再把大數據變成小知識，用小知識來指導決策。就像AlphaGo一樣，它的輸入是人類歷史上真實的80萬盤棋，大家可能覺得是大數據，其實還是小數據，是種子數據。AlphaGo拿著這個種子數據通過左右互搏、自我對打的方式把它搞成了7000萬盤人工的大數據，再把這7000萬盤人工的大數據搞成兩張網絡：價值網和策略網，然后用小知識打敗現在人類最好的棋手。這就是一種平行學習的思路。
所以，我們認為未來的區塊鏈應該是一個平行的區塊鏈，每一個真實的區塊鏈都會有一個或者是多個人工的區塊鏈和它一起成長。真實的區塊鏈我們不能做的那些實驗，比如安全攻擊的實驗、切換共識算法的試驗，可以在人工的區塊鏈上做，然后用計算實驗在人工的區塊鏈系統上拿到最好的解，再反饋、優化實際的區塊鏈系統。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
