人工智慧搭上區塊鏈：智能型合約添「智慧」

摘要

區塊鏈(Blockchain)是公鏈底層技術，透過共識協定(開源原始碼作業系統)，以及預設的程序編寫程式而成的智能型合約。把計算中最吸引人的人工智慧(AI)的這一塊放到區塊鏈上，將智能型合約的演算能力不但提升，而且更有智慧。

keyword：BTC、物聯網(IOT)、機器學習(Machine learning)、深度學習(Deep learning)、時間銀行、特斯拉(Tesla)、邊緣演算(Edge Computing)、電子商務、產業應用

區塊鏈(Blockchain)是BTC(比特幣)實現的底層技術，而隨著比特幣一起出現的，如今這些結構的應用早已超出了數位貨幣，甚至可以轉到任何類型的交易方式。

區塊鏈亦是一種網路底層的共識協定，就像Android、iOS之於智慧型手機一樣是一種「開源原始碼作業系統」，可以在上面開發出各種應用，從公部門的分散式智慧身分認證系統、醫療病歷、資產確權，到私部門的金融交易、數位影音轉移、無法造假的數位文憑，甚至完全去中心化的自由交易。

同時，基於各種能夠自動執行合約條款的「智能型合約」(Smart contract)的應用，並為物聯網(IOT)時代提供更高的資訊與交易安全保障。可以說涵蓋生活各種層面的應用，都將能放心地透過網路更有效率地、去中介化地進行。

打造區塊鏈時代的下一個Windows、iOS基礎系統

目前的區塊鏈在基礎開發的階段，眼前的智能型合約也能透過預設的程序編寫程式條件，達到自動執行、自動支付的目的。然而要真正進化到「智慧」的階段，則需要更智慧且能提供強大演算能力的底層公鏈架構。

目前已有大批團隊投入區塊鏈領域的開發，多數聚焦在解決擴張問題，雖然也有部分團隊步入應用開發領域，但仍侷限於對擴張要求不高的確認領域，或是等待基礎設施建置完全才能真正步入實現應用階段。而將目標放在底層公鏈架設的團隊，則致力於真正實現去中心化的人工智慧(artificial intelligence, AI)自治系統。

底層公鏈架設的團隊一開始聚焦在演算，而且把計算中最吸引人的 AI的這一塊放到區塊鏈上，將智能型合約的演算能力再提升。例如，就像目前的智慧型手機技術提升，其實只是讓功能變得更流暢、自動化，猶如最新一代 iPhone 的臉部辨識則是人工智慧／機器學習(Machine learning)／深度學習(Deep learning)的產物。

所以，透過底層公鏈所打造的平台，就是一個可以不斷學習、進步，真正智慧的「智能型合約」，透過將 AI 領域的機器學習(Machine Learning)的模型結合進智能型合約的編寫程式中，讓智能型合約可以自行推演、發展，這也是目前公認人工智慧演算的未來方向。

再則，我們只要搭建出對開發者具有足夠吸引力的底層公鏈，它有點像 iOS 做好之後，社區中會有很多其他開發者，開發出各種各樣的 App 應用。只有到區塊鏈的基礎架構實現之後，人們才會發現更多有趣的應用。

軟硬結合、顛覆現有虛實界線

以特斯拉(Tesla)為例，當物聯網(IoT)收集到所有路況駕駛資訊之後，人工智慧對這些數據演算出模型、訂定規則，區塊鏈扮演的角色則是這些規則與決策的紀錄者，讓過程中的一切都是有歷史紀錄並且無法被竄改。還有，不只發生事故時可用來確認，甚至像是到了一個路口誰先走、是否互相間支付一筆小額電子費用，都有可能，這才是一個智能型合約。

區塊鏈技術目前對權益、價值互聯網的運用，現階段只待擴張問題被解決，除了虛擬世界之外，它還得跟真實世界交互，甚至出現合約層級的交易，會涉及聲音、圖像、影像，這些是現在的區塊鏈處理不了的，底層公鏈架設的團隊必須提前處理這個問題，打通虛擬跟真實世界交互的橋梁。

人工智慧、區塊鏈，跨步商業應用

供應鏈金融目前是供應鏈思考優化競爭力的關鍵。許多中小企業廠商在供應鏈生產銷售活動中，其實都是幕後英雄，但在金融財務相對於中心大廠多處於弱勢，也不易取得銀行融資。

根據大數據中心與供應鏈相關廠商合作，利用人工智慧，以機器學習過去公司財務與交易歷史資料與借貸跳票之間的關係，以評估中小企業還款風險，可大幅提高中小企業融資信用與取得更加貸款條件。

其實，區塊鏈也可以用來做社會公益。目前全世界已有超過2,000個以上的「時間銀行」組織，以知識與技能來交換時間。區塊鏈剛好可以用來實踐時間共享經濟。臺灣金融科技公司如能發表「時間銀行」區塊鏈系統，則有利於在長照領域極度欠缺人力資源投入一股新的力量，以及透過企業公益募款構想，擴大推動老人長照志工服務。

2022年1月27日，特斯拉執行長馬斯克透露，特斯拉機器人「Optimus」是該公司今年研發最重要的產品，優先於 Cyberruck 跑車和其他電動汽車。特斯拉還有更多AI應用進入商用化階段，並導入企業或在市場上被使用。特別是有三個項目發展特別顯著，分別是「影像辨識」、「語音辨識」、「對話機器人」。

根據相關研究指出，AI的影像辨識準確率已經達到99%，超越一般人類肉眼的97%辨識準確率。例如，英特爾、 AMD 陸續推出適合深度學習的高效能演算設備，促成了 AI 商用化的契機。原因在於商業使用的數據量遠高於實驗室環境，讓平台演算量能夠滿足，即是商業應用，舉凡2021年底，市場包含3D人臉感測、路口監視器人流監測、安控影像監控的行人偵測等應用不斷冒出。

又如，群暉科技(Synology)公司推出的「Moments」技術，「就是一種創新AI應用。」過去照片檔案你沒辦法搜尋，因為只有檔名。但Moments技術透過 AI 影像辨識，一秒就能找出關鍵場景、人物，可以立即幫用戶自動歸類成一個相簿。

緊接著，深度學習的人工智能，是一種現代先進的機器學習技術，其採用了一種更為復雜的神經網絡形式，由多層計算節點或神經網絡共同處理數據並給出最終結果。深度學習的驅動同樣出現在語音辨識上，在此技術發展之下，2019年微軟宣稱，語音辨識的錯誤率已經低於人類水準，這讓語音辨識應用的場景大量增加，例如書寫、或是餐廳訂餐，均運用語音辨識。

最初的深度學習是利用深度神經網絡來解決特徵表達的一種學習過程。深度神經網絡本身並不是一個全新的概念，可大致理解為包含多個隱含層的神經網絡結構。

為了提高深層神經網絡的訓練效果，人們對神經元的連接方法和激活函數等方面做出相應的調整。其動機在於建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，主要應用在互聯網、安防、金融、智能硬件、醫療、教育等行業，在人臉技術、圖像識别、智能監控、文字識别等領域。

進一步來說，大量AI應用的關鍵，邊緣演算(Edge Computing)的崛起可說功不可沒，它讓 AI 可以更輕易地導入各類裝置中，像是透過人臉的辨識，讓影像的畫質更好，以及透過 AI 導入，機械手臂已經可以幫鞋子穿上鞋帶，這是驚人的發展。

此外，對話機器人則是AI另一種快速發展的應用形態，像是Google語音助理、微軟Cortana等。受惠於語音辨識的技術突破，讓對話機器人成為 AI 快速導入商用的先鋒，特別是在著重對話能力的客戶服務上，例如電商、銀行、實體店加入對話機器人，有助於處理電話客服，並由系統分析來電的客戶用語與情緒反應，藉此減少顧客對於電話語音的厭惡感，提升整體服務的滿意度。

深度學習推動醫療變革

在過去20年中，由於數據可用性的擴展、硬件的改進以及創新的算法，深度學習人工智能推動了人工智能在醫療健康行業的融合，同時促進醫療服務更便捷、更高效且更有效。

深度學習人工智能的發展，使人們更容易獲得高質量的醫療資源、增強了資源共享，也提高了診斷和治療的效率。在缺乏先進儀器和設備的情況下，提高醫生初步診斷和治療的能力，有助於緩解優質醫療資深匮乏地區醫療需求等問題。

深度學習人工智能通過大量的影像數據，形成了一套檢測標準，幫助指導醫生和其他醫療服務者，在診斷過程中更快做出治療決策，提升其臨床工作的效率，同時提高準確度並優化治療結果。

近年來臨床試驗，AI醫療在癌症、感染性疾病、腦血管疾病、心血管疾病、創傷及其他疾病領域，提供的篩查、診斷、治療、臨床決策、健康及康復管理方面取得不錯臨床表現及市場口碑，臨床價值日益凸顯。

結語

「AI人工智慧」與「區塊鏈」是近2年企業必須了解的策略性科技趨勢。猶如一份最低薪資可以雇用8個EMILY機器人24小時工作，EMILY本身就是一個瀏覽器，可以在各種桌面環境下獨立運作，也無需擔心系統改版造成的不相容問題。

此外，電子商務平台快速崛起，消費者可以不受空間、時間限制選擇並購買商品，但平台上的品項常真假難辨。新創simplyBrand運用AI、大數據及區塊鏈技術有效打擊山寨貨，除了確保消費者購物品質外，也為企業保存盜版店家的侵權證據。在識別出假貨後，simplyBrand將會生成「假貨資料庫」，並儲存至區塊鏈上，無論用戶或品牌方均可查閱假貨黑名單。

在醫療領域，在優質醫療服務資源有限、分配不均等問題日益凸顯的大背景之下，隨著數據可用性的擴展、硬件的改進以及創新的算法，深度學習人工智能正不斷推動了人工智能在醫療健康行業的融合，正孕育出一個100億級的黃金賽道。