人工智能+区块链 将会有怎样的潜力？(人工智能和区块链)

随着很多网友们针对于人工智能+区块链 将会有怎样的潜力？关注越来越多，小编通过花费九牛二虎之力，终于整理出来相关问题的信息。

当下社会投资风口，大致分为人工智能、区块链和物联网。

从上帝视角来看，这三种企业技术背后的驱动因素都是数据。

所以人们更愿意相信，在互联网时代，“数据就是新的石油。

” 人工智能的发展痛点“人工智能”一词最初是在1956年DARTMOUTH学会上提出，主要包含三个核心部分：算法、算力及数据。

更通俗的解释就是，如果把人工智能比作建造太空火箭，那么数据和算力就是燃料，算法就是发动机。

大数据时代的数据隔离从数据的角度来看，人工智能就像一只需要非常庞大的数据来“饲养”的动物。

因为人工智能在构思机器学习方法，需要足够多的数据来验证和训练，从而使数据的收集、共享、分析以及基于这些数据的决策自动化成为了可能。

但当下的很多数据大都掌握在中心化的企业手中，如Google、Facebook、BAT等。

一些AI发展所需的训练数据，诸如：个人的消费记录、医疗数据、教育数据、行为数据等，不仅不能随意地被个人支配，且中心化严重，数据流通市场还未形成。

AI的高速发展，在造就了大数据的同时，也被大数据时代带来的信息孤岛所束缚。

计算量倍增的压力从人工智能发展的关键节点来看：1975年之后，学者开始着手研究BP(Back Propagation，后向传播)算法。

1986年之后，研究上基本实现了BP网络，同期计算机硬件能力快速提升:2006年之后，随着移动互联网发展，海量数据爆发，深度学习算法在语音和视觉识别上实现突破，人工智能商业化高速发展。

如同 OpenAI 最近的一份报告所述，自2012年以来，最大的AI培训运行中使用的计算量呈指数增长，为3.5个月的倍增时间（相比之下，摩尔定律有 18个月的倍增期）。

自2012年以来，该指标增长了300,000多个（18个月的倍增期仅增长了12倍）。

OpenAI 报告：人工智能与计算这一时期，计算的改进是人工智能进步的关键原因。

然而如果继续按照这种趋势发展下去，许多配置就需要更新。

也就是说，一个企业用于处理数据的 GPU 等各式各样的芯片，每年可能需要提高差不多 5-10 倍的性能，才能勉强追上企业AI发展的步伐，而这些飞快的更新迭代也需要大量投入资金。

也就是说，传统人工智能不仅在数据层面上面临着被大型机构垄断等困境，在算力层面上面临着购置硬件资源导致的资金难题，在算法层面上面临着算法运行不稳定等难题。

这些暂且还未提及数据来源、质量以及隐私等诸多亟待解决的问题。