【电脑报于线】杰里米·艾普斯坦（Jeremy Epstein）的女儿只有九岁，但她比家里任何人都要热中在科技产物。一天晚上，她领着艾普斯坦体验了亚马逊Alexa语音助手的新技术。

亚马逊Alexa语音助手有把持人们言论的嫌疑

杰里米·艾普斯坦（Jeremy Epstein）的女儿只有九岁，但她比家里任何人都要热中在科技产物。一天晚上，她领着艾普斯坦体验了亚马逊Alexa语音助手的新技术。

“Alexa，最先对于话。”

她一声令下，Alexa马上切换成为了一个新的会话呆板人——一个由华盛顿年夜学研究团队开发的、不久前方才斩获“Alexa年夜奖赛”的会话用户界面人工智能（CUI AI）。据称，它可以或许按照上下文语境与用户就差别话题举行深切交流。

刚最先，这个会话呆板人所揭示出的能力可圈可点，但当他们的谈天话题转向科技热门时，这个呆板人向艾普斯坦父女二人抛出了一个问题：

“你们知道甚么是收集中立性吗？”

语音助手暗地里毕竟是谁于措辞

从这个问题最先，艾普斯坦与人工智能的对于话体验最先转为不适：这个会话人工智能援用了不少来自收集上的文章来阐明它“对于收集中立性原则的理解”，美国联邦通讯委员会（FCC）、Ajit Pai（FCC 现任主席）、收集中立性等话题均有说起。而问题于在，所援用的四篇文章都旗号光鲜地站于了“否决拔除收集中YABO鸭脖官网立性原则”这个不雅点上。

作为时下美国海内的热点话题，差别群体对于 FCC 拔除收集中立性一事都有着本身的见解，这自己无可厚非。但艾普斯坦认为，于近似亚马逊智能语音助手如许的平台上，人们或者多或者少应该获得一份应有的“消停”——这些智能语音助手的语气是那末中正和蔼，不经意间就能对于那些不太相识收集中立性话题的人造成误导。

艾普斯坦不由对于此感应担心：亚马逊是否于经由过程这类手腕操控用户于此类热门事务中的不雅点、设法甚至是言行呢？

咱们对于 AI 的相信有些过甚了

艾普斯坦其实不是于庸人自扰。人工智能飞速成长确当下，他所担心的问题实在十分锋利。亚马逊、google这种公司于年夜数据及人工智能技能上的上风值患上每个用户警惕。

“阐发过的数据组数目级越年夜，呈现过错的概率就越小。”

16年前，当两位微软研究职员发明这个今天看来显而易见的结论时，他们其实不知道这句话会于人工智能及年夜数据范畴激发多年夜的波涛。年夜数据时代的竞赛，自 2001 年这个结论降生的那一刻起正式最先。

这场竞赛的法则异样简朴——谁能网络、贮存及阐发更多的数据，谁就可以盘踞优势。于如许的法则下，Facebook、亚马逊、网飞及google成了年夜洋彼岸人工智能与年夜数据的重要玩家，baidu、阿里及腾讯则管辖着海内的年夜数据市场。

可以绝不夸张的说，年夜数据时代也是以成了富人、科技巨头及跨国公司的时代。只有他们有实力举行年夜范围的数据收罗、贮存及阐发收拾，并于此基础上制作各类各样基在年夜数据练习的人工智能模子；除了此以外，也只有他们才有能力为当前人工智能市场紧缺的人材提供 30 到 50 万美元不等的年薪。

当这些公司用年夜量财力及人力聚集出来的人工智能模子测验考试投入现实运用时，公家就必需将数据送入一个个可托度未知的“黑匣子”傍边了。这里，咱们没关系从现存人工智能的一般事情道理来阐明这个问题。

对于一小我私家工智能模子而言，如下三个层面尤为要害：

·数据贮存

·算法/呆板进修引擎

·AI 交互界面

假如咱们任由这些数据中央化的至公司开发的人工智能提供信息甚至举行决议计划时，也就象征着咱们必需百分之百信托：

数据的完备性与安全性——所网络的数据是否正确靠得住、是否轻易被窜改及窃取？

人工智能暗地里的呆板进修算法——算法是否存于过错或者缺陷、算法履行历程是否被审查？

咱们终极所能接触到的人工智能交互——终极所输出的信息是否为呆板进修算法的正确反馈、算法可否经由过程人工智能交互界面正确无误地捕获新信息？

将这几点代入文章开首的场景，你也许会问：思索这些问题对于在一个与科技产物对于话的九岁孩童来讲好像没甚么年夜不了的？但当事务的主人公酿成一名非裔美国人的刑事被告人，成果或许就存亡攸关了。

非盈利查询拜访机构ProPublica从警方拿到 1.8 万COMPAS评分数据，患上出了“黑人更易犯法”的陈诉

据《纽约时报》及《连线》杂志的报导，美国多地法院所利用的COMPAS呆板进修体系都呈现了为黑人判处更长禁锢刑期的征象——人工智能简直可以或许做出一些带有种族歧视的决议，制订这些决议计划的细节一般人无从获知、卖力开发这些人工智能的科技公司也其实不会做过量注释，究竟关闭及不透明是这些至公司连结竞争上风的重要方式之一。

那“区块链人工智能”能解决问题吗？

区块链人工智能，起首也就象征着将小我私家数据放举行区块链商品化治理。咱们没关系以区块链数据公司 Ocean Protocol 为例来讲明这个问题。

Ocean Protocol指出，2016 年，全世界共孕育发生了16ZB（17529186044416 GB）数据。因为数据中央化，只有少数至公司才能对于这些数据举行网络、收拾及阐发，是以这16ZB数据傍边，仅有1%获得了合理使用并投入人工智能模子练习。

缘故原由上面提到了：数据中央化的条件下，数据的利用方式也缺少透明度，当数据提供者没法对于本身的数据举行有用治理时，许多人都选择再也不举行数据分享。

Ocean Protocol 这家公司要做的工作就是，将用户数据打包扔进区块链收集——当这些数据被人工智能开发职员、研究机构或者其他构造所利用时，数据上传者就会收到利用方提供的必然数目的加密数字钱币作为赔偿。这类思绪重要带来的利益有三点。

一是数据透明化，每一一份数据的上传者、利用流向及结果都有迹可查；二是用户对于数据拥有所有权及自立利用权；三是加密数字钱币带来的有偿鼓动勉励机制。

到头来，提供数据的用户能将本身孕育发生的数据变现，人工智能从业者可以或许得到与google、亚马逊等至公司一样的甚至更为正确的模子练习数据——更主要的是，区块链中的年夜数据越发透明、有用，终极练习出来的算法模子堕落概率会更小。即便真的出了问题，各方也都能知道问题毕竟出于哪一步。

云云一来，区块链必将会促成更洁净、更有构造的小我私家数据市场的成立，而于人工智能练习及成长的各环节中，这也只是区块链可以或许涉及到的此中一环罢了。

当人工智能模子的原始数据、基本算法及终极交互都与区块链技能发生碰撞时，数据的可用性提高了，算法的审计跟踪流程透了然，人工智能交互也能从信托的“黑匣子”中获得开释，其实不算促成更多、更好的新数据反馈至整个流程顶用在进一步优化。