能量链 区块链赋能AI，AI赋能人类经济社会！

ENG链是基于区块链技术和IPFS文件系统，以AI 应用为目标的开放市场平台。ENG链在提供分布式存储空间和分布式算力资源的基础上，结合区块链的技术特点为AI从数据到模型再到应用的全生命周期的各个环节提供了强力支持，从而为AI赋能，以便AI服务于整个人类经济社会。

阿尔法狗人工智能程序战胜人类围棋世界冠军具有划时代的意义，至此人工智能也开始受到人们越来越多的关注。随着人工智能领域技术的不断进步，人工智能的商用进程也在不断的加快，最为人所熟知的要数天猫精灵智能音箱，它可以和用户对话，为用户推荐并播放各种音频作品，同时在和用户的沟通过程中也会变得越来越“聪明”。AI从诞生以来，理论和技术日益成熟，应用领域也不断扩大。未来人工智能带来的科技产品必将给人来带来视觉、听觉、触觉等感官上的全新体验，为整个人类社会的经济社会赋能。

像智能音箱等较为成熟的AI产品一般来说包含数据、模型和应用三个环节。首先，AI不是最终的产品，而是必须融入到具体的应用或者产品中才能发挥真正的作用;其次，AI要通过具有推断能力的模型发挥作用;最后，模型的训练要基于海量的数据。

AI的领域很宽泛，阿尔法狗核心的深度学习是其中一部分。过去的几年中，以深度神经网络为代表的机器学习技术取得了不错的成就，比如在计算机视觉、语音识别以及自然语言处理等其他领域取得了显著的进展。但随着应用的深入和拓展，也使得AI技术开始面临一系列现实问题。

第一，AI缺乏数据共享。对AI来说，没有数据就没有AI，数据体量越多，质量越高，AI就越“聪明”。但是，在AI领域的绝大多数应用场景之下，数据获取存着壁垒。造成壁垒的原因很多，比如数据孤岛和数据割据现象;再如，因为当下社会的隐私泄露问题严重，绝大部分人担心隐私泄露不愿分享贡献数据;还有更为关键的一个是，数据提供方、数据分析方和数据获利方属于不同利益方，同时又无法保证数据提供方在共享数据之后能够共享利益。

第二，AI缺乏算力。作为AI支撑的深度学习需要从大量样本数据中提炼具有预测能力和推断能力的模型，然后再在样本数据持续增多的过程中不断调试和完善。可见，AI的模型训练过程通常需要庞大的计算量和算力。而英国的一份AI工业分析报告指出，当前训练一个AI模型平均需要1万英镑，而复杂深度网络的训练过程则更为昂贵，目前60%以上的AI公司都存在可用算力不足的问题。

第三，AI缺乏隐私保护。AI的深度学习带来了盗取隐私的新手段，针对深度学习模型的隐私窃取技术(例如窃取模型参数和训练数据)也在快速出现。据荷兰著名安全研究员VictorGevers指出，SenseNets公司的一个 MongoDB人脸识别数据库在没有安全认证的情况下直接在公网“裸奔”，用户数据信息，如姓名、身份证号码、身份证签发日期、性别、国籍、家庭住址、出生日期、照片、工作单位等均可供任何人查找，并允许完全访问。

第四，AI缺乏可信性(可解释性)。金融、医疗中也都有大量成熟的建模应用，相较于AI的深度学习模型而言，AI模型的可解释性较差。例如，金融业中常用的风控模型不仅可以在给出具体的风险评估报告和风险评估结构，而且也能解释说明具体的导致风险因素以及哪些因素导致风险较大，例如信用分数低、现有借贷过多等。AI的深度学习模型则具有“黑盒”特性，虽然其准确率可以很高，但难以说明其推理过程，造成决策的可信性不足。

第五，AI需要用户。应用产生价值，也即AI需要融入到具体的应用中才能发挥真正的作用，才能为整个人类的经济社会赋能，而应用归根到底是与人的应用，用户级AI应用、企业级AI应用、工业级AI应用最终服务的都是人。

ENG链是基于区块链技术和IPFS文件系统的公链，而区块链技术以及IPFS文件系统和AI的融合必将为行业带来全新的机会，最为显著的是，可以解决数据提供方、AI模型开发方和AI应用等各方面资源的共享问题。区块链本质是去中心化的分布式账本，这一核心功能为围绕AI建立具有公信力的数据、模型、应用共享平台提供了技术支撑。而基于IPFS构建的文件系统，有助于数据的沉淀和积累，便于AI从这些数据中进行加工提纯，输出模型并加以商用。