智雲鏈生態系統
智雲鏈生態系統主要由兩部分構成，NBAI 基金會與智雲鏈系統。NBAI 基金會⽀持資助區塊鏈研發平臺、人工智慧聯合實驗室以及工程師培養中心的發展和運營管理。智雲鏈系統則集合了 DAI App、科研應用及高校教育等頂層應用，智雲鏈區塊鏈，以及人工智慧礦機和人工智慧資料中心的底層⽀持。
智雲鏈生態系統的經濟模型如圖 2 所示。開發者向使用者提供 DAI App，使用者根據開發者制定的規則⽀付 NBAI 代幣或免費使用 App。開發者向 NBAI 提交人工智慧任務，並根據 NBAI 預估的費用⽀付 NBAI 代幣，之後 NBAI 將任務公開，礦工自由從智雲連結收並處理任務，完成任務後礦工獲得相應 NBAI 代幣作為報酬。使用者與礦工之間可以透過交易所進行 NBAI 代幣交易，從而實現了一套完整的價值流轉增值經濟模型。
1. 智雲鏈
在智雲鏈系統中，有大量的人工智慧深度學習的模型（如 RNN，CNN 和LSTM）訓練，需要大量的 GPU 運算來完成。為了解決這個問題，我們必須改變區塊鏈挖礦方式，不再單純以工作量證明（PoW）為解決方案，而是採用初期 PoW後期群體工作證明（Proof of Group) 的方式發放代幣。現有的礦機可以進行人工智慧計算來獲得代幣回報。在初期仍然使用 Ethash 作為工作量證明（PoW）方式保證出塊的穩定性，但是中期將啟用群體工作證明（PoG）來完成。
1.1 Helix (PoW)
一個載入智慧合約的人工智慧獨立公鏈將釋出。因此專案的第一階段將使用獨立的 ether 鏈實現。獨立的 ether 鏈有以下優點:
• 較少的流量延遲
• 自定義的 gas
有利於激勵礦工透過智慧合約獲得收益，而不是依靠智慧合約的 gas 收益。
• 自定義的難度
可以提高出塊速度，調整代幣生產的速度。
每個人工智慧節點根據計算能力的不同，可以透過智慧合約取得任務池⾥的任務進行計算，在提交結果後獲得代幣回報。智慧合約的 hash 會記載在塊中用於標識任務的地址。合約中會設定任務地址和工作量以及工作費用。
然而，目前比特幣已經吸引全球大部分的算力，其它使用 PoW 共識機制的區塊鏈應用已經難以獲得足夠高的算力來保障自⾝的安全。挖礦造成大量的資源浪費，必將導致環境破壞能源短缺，致使全人類都需要為之買單。區塊的確認時間難以縮短，達成共識的週期較長，已經不適合現階段流行的商業應用，且 PoW 共識機制對均衡攻擊尚無解決方案 。綜上所述，我們認為智雲鏈生態系統需要應用一套全新的共識機制來解決工作量證明存在的潛在漏洞和最佳化智雲鏈的共識機制。
1.2 Orion (PoG)
由於人工智慧的訓練資料⾮常龐大，在系統內拿取資料的時間會變得⾮常的關鍵，雲端計算的特性則是節點之間的距離越近通訊的成本越低，相應的計算的效率就越高。根據這個特性以及對 PoW 共識機制現存問題的思考，我們將使用一種新型的群體工作證明（Proof of Group）。在 PoG 中我們將結合使用共識系統和智雲鏈信用機制來保障效率與安全。
我們給出如下定義：
定義 1 工作節點與記賬節點
工作節點是主要的人工智慧計算任務執行節點，它的主要作用就是用來執行人工智慧運算任務。
記賬節點除了普通的計算功能還可以負責管理其他節點和記賬的功能。當 AI任務需要分散式執行時，記賬節點負責分配任務給本區域所有的 node 執行，任務執行結果寫入 IPFS，而任務完成的合約則由記賬節點透過拜占庭共識提交主鏈進行驗證。
當一個新工作節點加入系統時，他將⾸先⼴播搜尋周圍的節點。
• 發現了周圍節點的響應時間在時間 t 內，選擇加入周圍的節點網路成為其中一個 worker。
• 周圍沒有任何節點的響應時間在時間 t 內，自己被選舉成一個記賬節點。
定義 2 如何成為記賬節點
在一個節點網路內，工作節點成為記賬節點的方式有兩種：
• 如果網路內原記賬節點消失，那麼信用最高的節點自動成為記賬節點。
定義 3 虛擬工作組
若⼲的工作節點會合成一個工作組。工作組中的備份係數定義為可以同時記賬的節點數，假設一共有 n 個節點在節點中，則備份係數可以為 1 < k < n + 1; 當 k= n 時，則轉變為 Helix 系統。備份系統是一種在組內保持賬本的一種方式。然而礦工為了儘量獲得挖礦的收入，可能會人為試圖調高備份的係數 k，對此，系統設計成主要收入來自於 AI 計算，挖礦產出應該是低於 AI 節點的運算收入。
定義 4 組間通訊
工作組之間共同組成了一個記賬網路，該網路使用拜占庭共識系統進行聯合記賬 。充分保證了防⽌ 51% 攻擊和記賬效率之間的平衡。
最終，當擁有足夠的網路節點，系統將接受這筆交易，且這一系列分層的群體共識使得攻擊者無法擁有完整共識資訊，從而無法實現攻擊。只有這樣，任何參與者才會考慮交易入駐。PoG 共識可以確保人工智慧任務以及交易資訊的完整性。
1.3 任務的執行
任務池包含兩種任務：
• 系統生成任務。例如 Ethash，蛋⽩質測序等，標準單位回報。
• 使用者任務。使用者為解決某些問題提交任務，使用者會設定任務回報。
無論哪種任務都會附帶一個小型的智慧合約統，用於將合約以及計算結果提交。挖礦將同時獲得任務回報和記賬回報。
一個標準的訓練任務包含以下內容：
• 任務使用的訓練資料。資料集可以來自 foundation 提供或者自定義。
• 任務使用的訓練指令碼。訓練方法來自於標準的深度學習模型（RNN，CNN，LSTM 等）以及其他自定義方法。
• 訓練報酬。訓練任務由 AI 礦機完成，需要指定報酬的數量，越高的費用會提高訓練的優先順序。
任務系統儲存在整合 IPFS 上，用於存放運算加密後的演算法程式碼以及任務程式碼。
當礦機接受到計算任務後，會返回本⾝的硬體引數，從遠端下載計算任務單元以及訓練資料集。標準的 Distributed TensorFlow 進行封裝後，加入適當的冗餘計算以保障計算結果的可靠性。
1.4 跨鏈服務呼叫
作為去中心化的人工智慧系統，很多元件都將是去中心化的，然而全部自行設計開發是⾮常低效的，系統應該是與其他去中心化服務聯通並且可以方便的跨鏈使用。跨鏈分為兩種：價值跨鏈與技術跨鏈。
價值跨鏈是透過去中心化交易所實現跨鏈交易，例如在以德上透過智慧合約交換得到所需的服務的代幣，然後使用這種代幣驅動相應的服務進行。該技術簡單易行但是效能低下。但是如果在系統中提前兌換好服務需要使用的代幣就可以降低延時。在目前條件下 USDT、比特幣都會是典型的價值跨鏈媒介。
技術跨鏈的案例有比特幣與萊特幣的跨鏈原⼦交易達成，採用 Segwit 隔離見證，不同幣種之間可以進行跨鏈交易。此外，Zcash 和以太坊之間正在進行零知識驗證交易，零知識證明使 Zcash 代幣成為不可追蹤的，透過在公共 Zcash 區塊鏈上建立私人交易。一個底層鏈需要被設計出用於跨鏈交易。目前已有大量的 ICO 專案在進行跨鏈方面的嘗試，例如 Ethcore 公司在跨鏈通訊領域的 Polkadot 專案，其設計核心理念為解決兩大阻⽌區塊鏈技術傳播和接受的難題：即時拓展性和延伸性。該專案目前以以太坊為主，實現其與私鏈的互聯，並以其他公有鏈網路為升級目標，在其技術成熟之後整合會極大提高專案的適用範圍和效能 。
2.人工智慧資料中心與礦機
2.1 人工智慧資料中心
為了在大規模的使用者加入之前保證一定的 AI 算力供應，我們位於將與魁北克的大規模的第三方網際網路資料中心合作，為人工智慧挖礦計算提供初期的算力。魁北克具有全球極具競爭力的電費，寒冷的氣候，充足的人才以及多達 34 個資料中心。此外，世界著名的大公司包括 IBM，諾基亞，亞馬遜，微軟的資料中心機房均建設在此地。
魁北克作為人工智慧資料中心的優勢：
• 充足的⽔資源與低廉的電費。
據 Ontario Hydro 和 Hydro Québec 2013 年的統計資料顯示，加拿大擁有全球最低廉的電費，在加拿大的所有省份中，魁北克的電費又是最低 [16]，且90% 以上使用⽔電站能源。
• 較低的氣溫
魁北克有長達九個⽉的冬季，且冬季平均氣溫低於零下十度，即使在夏季平均氣溫也低於二十度。低溫讓機房的散熱耗能大大下降。
• 充足的人工智慧的人才儲備
⾕歌、臉書、微軟均在蒙特利爾設立了人工智慧中心。這⾥匯聚了大量的人工智慧領域的人才。比如蒙特利爾大學電腦科學與運籌學系的約書亞 · 本吉奧（Yoshua Bengio）教授就是世界頂級人工智慧研究學者，他是蒙特利爾學習演算法研究所的負責人，高階機器學習在人工智慧領域的三位奠基人之一。
此外加拿大政府也對人工智慧的研發給予充分的⽀持。聯邦政府總已給蒙特利爾大學特批 2.13 億加元的經費，同時省政府也計劃在未來五年內追加 1 億加元的投資。
• Nebula AI 已經與世界一流學府麥吉爾大學醫學院達成 AI 方面的聯合研發合作，致力於研究人工智慧在外科方面的創新應用。
2.2 人工智慧礦機
一張 1080Ti 顯示卡的計算能力為 7514 GFLOP/s。在 GTX 1080Ti 上使用 Caffe框架訓練 130 萬條影象資料的 GoogLeNet 模型，迭代 30 次的計算時間為 19 小時43 分鐘。六卡平行計算的時間可以縮短為 3.5 小時。
任何⽀持 CUDA 運算（主要為 Nvidia 系列顯示卡）的 GPU 礦機均可安裝 AI 挖礦系統。AI 礦機上預裝了常見的人工智慧演算法，如 CNN，RNN，DNN 等，以及大量其他常用的庫，如 TensorFlow 等，系統附帶的升級客戶端可以自動對 AI 預裝⽀持庫進行更新。第一批計算礦機將主要預裝 python 3.6 ⽀持庫。⽀持 Ethash 的記賬客戶端也跟系統一起整合。
在 AI 礦機上可以獲得三種收入：
• 記賬運算收入
以 Equahash 為基礎的演算法⽀持記賬部分收入。但該部分收入一般小於 AI 計算的收入。
• AI 計算收入
AI 的計算收入為礦工最要的收入來源。
• IPFS 收入
礦機可以開啟雙挖模式，⽀持 Sia，storj 型別的⽂件共享幣種挖礦。IPFS 同樣可以用於⽀付 AI 計算中儲存資料之用。
3. DAI App 開發
以太坊社羣把基於智慧合約的應用稱為去中心化的應用程式（Decentralized Application）。DApp 的設計目標是讓智慧合約有一個友好的介面，外加一些額外的功能，例如 IPFS。DApp 可以在一臺能與以太坊節點互動的中心化伺服器上執行。例如著名的 etherdelta, 以太貓等等。
然而對於去中心化人工智慧應用程式 (DAI App)，僅靠目前的智慧合約是不夠的。原因有以下幾點：
• 以太坊智慧合約並不帶有人工智慧計算功能
EVM 是一個圖靈完備的合約虛擬機器，但是其共識計算系統只能執行簡單的任務，無法執行復雜的人工智慧計算。
• 以太坊挖礦客戶端也不⽀持人工智慧計算所需要的計算庫
人工智慧的執行很大程度上取決於各種開發包的⽀持，分散式計算是其主要任務。相關計算任務所需的⽀持庫可以用單獨的計算客戶端實現。
然而作為一個商業化可用人工智慧應用，區塊鏈的超級賬本以及⽀付功能仍然是系統的核心部分。且由於人工智慧計算資源的稀缺性，共享計算能力將成為一個⾮常有用的功能。每個使用者均可連結到鏈上利用區塊鏈租借計算能力完成計算任務，每個 DAI App 的開發者根據自⾝的需求，編寫出符合標準的智慧合約。
在訓練深度學習模型時，將執行兩項主要的操作：正向傳遞和反向傳遞。在正向傳遞中，輸入透過神經網路並在處理輸入後生成輸出。而在反向傳遞中，需根據正向得到的誤差來更新神經網路的權重。在神經網路的訓練過程中，一個最重要的問題就是訓練速度，特別是對於深度學習而⾔，引數的調整會消耗大量的時間。神經網路的計算密集部分由多個矩陣演算法組成，而 GPU 在矩陣運算和數值計算方面具有獨特的優勢，特別是浮點和平行計算的效能上能優於 CPU 數十到數百倍。在使用 GPU 訓練深度學習模型時，還能便於在雲端進行分類和預測，從而在耗費功率更低、佔用基礎設施更少的情況下能夠⽀持遠比從前更大的資料量和吞吐量。因此，透過智慧合約獲得足夠多的計算能力進行人工智慧計算是一個行之有效的手段。
我們以典型的風格轉移深度學習模型（Gatys et al.) 為例，比較 GTX 1080 TiGPU, K80 GPU (AWS P2), i5 7500 CPU 和 CPU (AWS P2) 運用 tensorflow 框架計算的時間。
GTX 1080 Ti GPU 的效能優於 i5 7500 CPU 接近 50 倍。
Nebula AI 能夠提供⾮常具有市場競爭力的計算能力。Nebula AI 的人工智慧礦機使用 Nvidia 1080 Ti, 以 Amazon P2.xlarge instance（Nvidia Tesla K80）為例我們做以下計算：Nvidia 1080 Ti 的價格為 1000 加幣，每小時電費消耗 0.1 加幣，假設一張 1080 Ti 的壽命為兩年，其每小時運算單價為 1000/(36 × 2 × 24) + 0.1 = 0.157加幣/小時。
透過官方測試資料可知，Nvidia 1080 Ti 的 Tensorflow GPU 效能為 AmazonP2.xlarge instance 的四倍 ，而 P2.xlarge 的價格為 0.9 加幣/小時，是 NebulaAI 提供的計算能力單價的 23 倍。使用者需要將資料上傳⾄ Amazon 伺服器進行計算，無法保證資料的私有，使用去中心化的智雲鏈則能解決此問題。
4. 高校教育
智雲鏈為全球各大高校的科研計算提供豐富的接又，能夠極大的提高科研人員的工作效率，降低研發成本，打破跨界多領域高階程式設計需求與底層配置對接的壁壘。智雲鏈生態系統提供的 PaaS（Platform as a Service）能夠使得高校學生拋開不必要的底層配置，更專注於興趣領域的學習。
5. Nebula AI 基金會
Nebula AI 生態系統預期成為一個使用 NBAI 加密貨幣的生態系統合作伙伴社羣。Nebula 基金會旨在成為面向這個生態系統成員的一個獨立、⾮盈利、民主的治理機構。
一個區塊鏈 AI 基金會將成立用於人工智慧基礎鏈的推⼴教育以及創業資助活動。我們⿎勵社羣任何人的加入和一切願意將系統整合到 Nebula AI 的平臺上的DAI App 的研發互動活動。
基於獨立性原則，社羣基金會的錢包採取 3/4 多重簽名。若增加簽名，需經過財務及人事管理委員會。大額的代幣進行冷儲存；小額的代幣使用多重簽名的方式。
5.1 人工智慧聯合實驗室
Nebula AI 基金會將於蒙特利爾大學，多倫多大學，麥吉爾大學展開在 AI、區塊鏈、分散式計算方向的⼴泛合作。加拿大決心在中部的多倫多 — 滑鐵盧、東部的蒙特利爾以及西部的埃德蒙頓地區打造新興的超級人工智慧中心，建立完善的資金、業務和人力生態鏈。在 2017 年，聯邦財政公佈的政府年度預算亦表明將著重撥款以上地區的人工智慧產業，在國家發展政策層面將人工智慧提⾄第一位。
蒙特利爾大學約書亞 · 本吉奧（Yoshua Bengio）教授及團隊在過去 10 年中進行的研究，打下了基礎，把蒙特利爾推到了人工智慧的前線。Bengio 也在蒙特利爾大學的演算法研究所（MILA）繼續學術研究。MILA 由資料頌讚研究所（IVADO）⽀持。Nebula AI 正在與 MILA 積極溝通推進合作研發工作。
北美頂尖醫學院麥吉爾大學醫學院外科創新專案（Surgical Innovation program（Department of Surgery））與 Nebula AI 開始了一項由 Mitacs 計劃⽀持的 AI 醫學影像方向的研發活動。Mitacs 計劃是加拿大資訊科技與綜合系統數學組織發起設立的合作專案，已執行十餘年。著名醫學教授 Jake Barralet 是該計劃的領導人。
2018 年 2 ⽉，在矽⾕成立研發實驗室與本地的高校、業界就人工智慧應用以及區塊鏈研究展開⼴泛充分的合作。
5.2 區塊鏈研發平臺
Nebula AI 將組成以 Nebula AI 區塊鏈工程師以及社羣貢獻者為核心，聯合高校科研與業界領先技術等資源的區塊鏈研發平臺。同時為區塊鏈工程師培養中心提供技術⽀持與人力資源。
Nebula AI 的研發平臺包括開發樣例，開發 API/SDK 接又，線上學習影片，技術⽀援小組以及多種應用場景實施中心。分佈在世界各國的研發人員和社羣合作者將共同為 Nebula AI 平臺提升功能和易用性。
5.3 人工智慧與區塊鏈工程師培養中心
每一個成功的專案都離不開大量的工程師。目前市場處於緊缺 AI 人才的階段。Nebula AI 以資金和專案平臺合作的方式，與本地的 ECV learning 等教育機構合作。Nebula AI 的 AI 科學家們也將充當專案講師，招聘大量的 AI 實習生，持續的為人工智慧產業提供高素質的人才。2018 年 1 ⽉ 27 ⽇由熊騰科博⼠主講的人工智慧工程師培養專案成功贏來第一批學員。他們將成為 Nebula AI 未來堅實的研發團隊後備力量。區塊鏈培養專案也已於二⽉中旬開課。
智雲鏈架構設計
1. 智雲鏈邏輯架構
智雲鏈的邏輯結構主要由行業應用需求、開發者、DAI App、基礎設施和 NebulaAI 相互交流組成，其中 Nebula AI 分別提供 PaaS（Platform as a Service）以及智雲鏈區塊鏈。大量金融、醫療、生物等行業的人工智慧開發需求，促使開發者根據不同的行業應用需求開發 DAI App，並透過部署應用，加入 Nebula AI 生態系統提供解決方案，獲取收益。Nebula AI 將提供豐富的接又和應用，方便開發者的使用。智雲鏈提供的去中心化區塊鏈結合 Nebula AI 的信用機制，將著手解決敏感資料及模型的 P2P 信任和大資料處理的效率問題。
2. 智雲鏈系統架構
如上圖 所示，智雲鏈的系統架構主要由智雲鏈、開發者、使用者、交易中心、礦工和任務池等構成。Nebula AI 不僅提供了去中心化的智雲鏈區塊鏈，還提供了NBAI 代幣交易中心，用來完善價值在智雲鏈生態系統中的傳遞。
Nebula AI 提供了共享 AI 雲端計算平臺，PaaS（Platform as a Service）更是能讓⾮ IT 領域的細分行業從業者實現快速開發部署，減輕對系統環境以及計算能力的依賴。
3. API/SDK ⽀持
一些常見的預付或追加費用的智慧合約可以用 SDK 程式化地生成接入，API則是在某個中心化服務⾥提供接又。第一批⽀持的 SDK 將是 python 為主要程式設計語⾔，java,.net 將陸續⽀持。
有了 SDK 的⽀持，使用者可以程式化地驅動 AI 計算，從而為使用者提供更多的便捷性，並且使使用者成為與中心化系統的一個接又點。
智雲鏈最佳化設計
1. 資料安全加密
資料的儲存將使用同態加密方案 (Homomorphic Encryption) 進行儲存，秘密同態的思想是指：對幾個資料的加密結果進行運算後再解密，得到的結果與這些資料未加密時執行某一運算所得的結果一致。目前出現的同態加密方案可被分為三種型別：部分同態加密、淺同態加密和全同態加密。部分同態只能實現某一種代數運算（或、乘、加）；淺同態能同時實現有限次的加運算和乘運算；全同態能實現任意次的加運算和乘運算。同態加密方案除了可以實現加密功能外，還可以用於密⽂資料的計算。
一旦運演算法則被保留下來，那麼資料結構也會隨之被保留下來。因此在機器學習的過程中，我們只需要資料結構，就可以對加密資訊進行解密和機器學習。
2. 分散式系統最佳化
透過對大資料進行等值分割處理能夠加速資料的傳輸，智雲鏈上的工作節點收到任務進行併發處理，之後各節點將結果返回⾄選定的聚合處理節點進行任務的合併，最後返回任務所有者。在這些傳輸與處理過程中，我們將透過對節點選舉、資料存取、負載均衡、網路安全及冗餘機制的研究對智雲鏈進行最佳化。
當智雲鏈從開發者接收到大資料級的人工智慧任務後，單個礦工無法獨自處理任務，我們需要將任務進行拆分並交付給多個礦工進行計算，並最終透過任務聚合返回給開發者最終結果。這一系列操作需要依賴於完備且最佳化的分散式系統設計。智雲鏈也將在滿足高吞吐、低延遲和高併發等效能需求方面做出最佳化。
雖然傳統的分散式系統結構僅有三層，但是根據業務需求，往往會被設計成更多層次。一個多層結構常常會具備各種各樣的代理程序和路由。這些代理程序之間，大多應用是透過 TCP 來連線前後兩端。然而為了避免 TCP 的高故障率及高維護開銷，智雲鏈將應用訊息佇列機制實現程序間通訊。 智雲鏈使用 NoSQL 來實現資料儲存層的分佈的解決方案。NoSQL 除了高承載量和高速訪問的優勢外，它只能使用一條索引來檢索和寫入。這種約束帶來了分散式實現上的優勢，系統可以按這條主索引定義資料存放的程序。這樣一個大資料級別的任務資料，就能安全地傳送到不同的節點。
由於分散式系統涉及⾮常多的網路通訊，且系統實現依賴於非同步⾮阻塞程式設計模型，開發人員在對分散式系統的程式設計中會生成大量回撥函式。任務指令會被分散到多個程序，透過多次網路通訊組合完成。然而，回撥這種非同步程式設計模型⾮常不利於程式碼維護。為了解決這個問題，智雲鏈應用 Future/Promise 模型進行了回掉函式集中最佳化。
智雲鏈代幣 NBAI
1. 代幣方案
1.1 代幣的使用價值
系統的代幣用於購買計算能力，當訓練資料比較小的時候，消耗的代幣比較少，當訓練資料大的時候消耗的代幣相應增多。⽀付的費用與訓練成本和當前代幣的價值有關。為每個 1080Ti 的顯示卡計算一分鐘產生的計算能力，也就是 7514 GFLOP/s× 60。
1.2 代幣的應用場合
代幣會在以下三種情況下使用：
• 開發者測試
開發者在測試中會消耗一些代幣用於模型的訓練。根據⽀付的代幣的多少，訓練模型所需的訓練時間會減少 50% 90% 不等。
• DAI 應用的使用
DAI App 可能被開發者設定成付費 app，則使用者必須付代幣才能使用這些人工智慧服務，比如本⽩⽪書中的預測數字貨幣⾛勢 app。
• DAI 訓練服務購買
在使用者使用訓練服務來取得更精細的模型時，可能會被要求⽀付訓練費用才可以重新訓練模型。
1.3 使用者使用場景
· 量化交易
量化交易從很早開始就運用機器進行輔助工作，分析師透過各種量化模型，設計一些指標，觀察資料分佈，將機器當做一個運算器來使用。直到近些年機器學習的崛起，資料可以快速海量地進行分析、擬合和預測，從而更加精確預⾔未來金融產品的行情⾛向，然而這些模型的計算需要大量的人工智慧計算能力。如果採用傳統的方式，每個交易部門都需要自行建立一套資料中心。而共享計算能力可以省去昂貴的維護費用。讓金融交易公司更加專注於預測本⾝。
· 人工智慧學習者計劃
高校目前開始逐漸開設人工智慧課程，這種趨勢在未來幾年將會更加流行，學生學習的時候一般會選擇在本機執行小任務，在學校機房執行耗時的任務。然而這些碎⽚化的任務，完全可以用區塊鏈算力雲解決。低成本的 AI 計算服務⾮常適合學生完成各種運算練習，快速修改自己的模型。
· 生物醫學人工智慧
腫瘤的早期篩查意義重大，但由於早期癌症病變區域小，傳統方法難以判斷良惡性，給臨床診斷造成了困難，醫生往往需要透過活檢的方式進行檢測，不僅增加了醫療成本，也給病人帶來巨大痛苦。而將人工智慧運用於醫學影像識別和多學科協作診斷，可以有效突破這一難點，提高醫生診斷能力、幫助快速決策，促進醫療服務向個體化、精準化轉變。
2. DAI App 開發者收益模式
1. DAI App 任務型別
• I 類 DAI App — 需要訓練模型的 App
這一類 App 使用者必須⽀付代幣來驅動運算，運算需要消耗大量的資源。訓練時間根據任務的不同可能需要幾小時甚⾄幾百小時。
• II 類 DAI App — 無需訓練模型或使用已有模型的 App
無訓練模型的 DAI App 無需消耗計算能力，只需要⽀付一定的智慧合約費用即可應用。也可以呼叫 I 類 DAI App 模型計算結果來生成應用。這一類 DAIApp 的開銷比較低。
2. 計算任務
一個標準的算力⽀付合約將包含以下基本元素：
• AI 任務的資料地址
• AI 任務的程式指令碼
• AI 任務執行結果輸出地址
• AI 任務的報酬
3. 任務釋出
當任務釋出在鏈上時，所有的 AI 礦機都可以從系統中接受任務。任務被礦機執行時會被標識成 “進行中” 的狀態，使用者可以設定幾個不同等級的冗餘計算以保證更高正確率的結果。Nounce 可以設定為 1，2，3 等不同級別，以對應不同的冗餘計算度。數字越大意味著需要更多的計算來保證計算結果的準確性。相應的費用也會更高。
4. 費用計算
AI 計算一般分為訓練階段和使用階段。在訓練階段將使用大量的訓練資源，絕大部分算力將在此處被使用。而在使用階段，由於訓練的結束，將消耗較少的算力。
在任務啟動時，智慧合約會預先收取一部分的預付開銷，在計算結束時，將再次計算總開銷，同時需要客戶再次付清餘款以取得資料。
為了保證交易的正常進行，使用者需要有一定的保證金數額才能開始預約服務，多重簽名的自動合約將鎖住雙方的資金以保證交易的正常進行。
5. 任務執行
礦機客戶端從鏈上讀取任務方案，並且解析成可執行的人工智慧程式碼。人工智慧和訓練用資料可以存放於外部的連結中，當任務開始執行時。會按照以下方案執行程式碼：
• 解析加密任務
• 遠端下載資料
• 將任務設定為執行狀態
• 寫入運算的進度和結果
• 礦機繫結地址獲得回報
6. 計算結束
DApp 的使用者下載執行結果，可以直接用於 web 的展示或者離線使用。執行結果可以使用 API 方式獲得，解密後使用。
3. 智雲鏈 AI 應用案例
對沖基金、銀行以及像 Goldman Sachs 一樣的大型國際公司正在從基於智慧技術的外匯和股票交易中獲益。這些公司透過 “深度學習 (Deep learning)” — 可以不斷髮展演化的數學統計的預測模型和概率模型 — 來預測各種金融市場的短期和長期效果，而像 Pantera Capital 的加密貨幣玩家、桑坦德銀行和花旗銀行這類金融機構也在觀察如何從加密貨幣市場中獲取利潤。
在深度學習模型的設計、搭建、訓練和最佳化過程中，需要大量的計算能力，而每個使用者在每次進行引數調整時都需要進行模型的運算。那麼在此時，透過智慧合約來獲得足夠多的計算能力進行人工智慧的計算則是一個行之有效的手段。標準的系統流程如圖 所示：
更多區塊鏈資訊：www.qukuaiwang.com.cn/news
