採用超級賬本的Elamachain平臺
- 超級賬本概念
超級賬本是在Linux基金主導下，為了推進產業間區塊鏈技術的發展組織的全球性開源專案。金融、銀行、物聯網、供應鏈、製造和技術領域的130多名成員正參與超級賬本fabric、超級賬本composer等八個專案，致力於開發標準化、開放的企業級分散式賬本框架及程式碼庫。Elamachain也包括與此。
所有節點（peer）執行交易，維護賬本並執行共識的許可型區塊鏈缺乏擴充套件性。許可型的區塊鏈網路也不支援真正意義上的私人交易和保密合同。作為此問題的解決方案，超級賬本社羣透過模組化方式設計了Fabric v1.0，它不僅可以進行擴充套件，還可以增強安全性。最重要的區別是節點被分成兩個執行時間並且在其中被賦予三個獨特的角色。Fabric v1.0有這種結構，只有利益關係者才可控制有關區塊鏈中交易的資訊。
- Elamachain平臺的結構
Elamachain堅信對企業而言最適合使用的區塊鏈是許可型區塊鏈。Elamachain平臺透過採用超級賬本fabric結構，增強了AI-ELA所需的大資料收集及學習、推理引擎的擴充套件性和安全性，與原有區塊鏈相比，實現更加靈活的共識。即使是與Elamachain一樣的許可型區塊鏈，一部分可能需要一些其他型別的演算法。例如，在規模小信賴度高的區塊鏈網路上，輪詢排程（Round-Robin）共識是足夠的，但是在其他區塊鏈網路可能需要Paxos或者PBFT的轉換。Elamachain平臺支援模組化Plug and Play共識，不僅在身份驗證、監控、保護個人資訊方面具有堅固結構，而且有很高的擴充套件性，能夠應用於很多領域。
*ID(Identity) 服務
ID服務管理參與Elamachain平臺的組織、驗證器和交易者的身份。ID服務不僅管理對擁有的資產、智慧合約等賬本中包含的個體（object）,還管理網路、伺服器、執行環境等系統組成因素。簡而言之，ID服務就是顯示，個體（object）在賬本中扮演的各種角色。
*政策服務
政策服務可以構成和管理系統政策的設定。政策服務的功能包括控制訪問和許可許可權，還包括以條款及規則形式規定以下事項的聯合政策：Elamachain平臺引擎的成員進入/退出、身份註冊和驗證策略、個人資訊保護政策、保密和管理責任政策、協議政策等。
*智慧合約
智慧合約是在驗證有效性的節點上執行的去中心化交易程式。智慧合約服務包括執行時穩定的環境，智慧合約登錄檔和生命週期管理。
*區塊鏈
區塊鏈 服務由三個核心元素組成：P2P協議（Protocol）、分散式賬本和協議管理者。P2P協議在單個連線上提供各種功能，例如雙向流(Streaming)、流控制和多路複用（multiplexing）請求。P2P協議與現有的網際網路基礎設施（包括防火牆，代理伺服器和安全程式）一同執行，這一點非常重要。此元素從點對點到組播用於定義對等節點使用的訊息。分散式賬本透過處理、檢查交易以及更新、維護賬本中個體的狀態來管理區塊鏈和世界狀態。
透過支援模組化和即插即用(Plug and Play)的共識功能，Elamachain平臺可以構建考慮到特定型別的威脅或安全模型而設計的多種型別的共識模組。
AI解決方案
- 解決方案1 ：利用超級賬本結構的個人資訊保護
以前，私人資訊只能透過保證交易信任的機構認證來獲取。但是，Elamachain的私人會員服務在上層鏈提供認證，保證包括公有區塊鏈上的交易在內的各個行為的匿名及安全。以此來可以用DecentralizedPublic Key Infrastructure(DPKI)來替代原來廣泛使用的中心化Public Key Infrastruture(PKI)。由此構建的Elamachain的個人資訊保安滿足GDPR標準。
- 解決方案2 : 利用區塊鏈的資料分散式儲存及資料安全
由Elamachain平臺收集、生成的DB資料透過區塊鏈的分散式賬本技術分開儲存。此時，只能透過Private Key確認儲存的對映（mapping）值。在Elamachain平臺上實現區塊鏈化的大資料既滿足資料完整性又保證安全。
- 解決方案3：利用區塊鏈生態界確保資料透明性
由超級賬本fabric結構構成的Elamachain平臺是一種區塊鏈資料儲存邏輯，旨在確保使用者對獲取和提供資訊的高信賴度。與現有的AI行業不同，Elamachain平臺擁有自己的獎勵系統，使使用者能夠自願參與其中，確保能夠獲取資料庫構成和維護所需的可靠判斷資料。
ELAMACHAIN 平臺
1) AI ELA Core-engine
- 人工智慧的必要性
密碼貨幣的潛力在於它不僅僅是一種支付工具，而且它可以透過新功能創造和擴散與過去不同的生活方式。但是，如果必須事先定義要在密碼貨幣中記錄的所有功能，不僅無法反映從新傳入資料中獲得的趨勢，也很難透過改進演算法來得出最最佳化的結果 。從這個角度來看，Elamachain平臺的最理想的發展方向是引入透過主動學習，經大資料處理後，可以靈活地最佳化結果的人工智慧 。
-Multilayer neural network (Deep learning network)
有各種各樣的人工智慧技術，但其中多層神經網路（Multi Layer Neural Network）最接近人類大腦。眾所周知，透過層疊這些神經網路實現深度學習，深度學習得出的結果與人類思維得出的結果最為相似。該技術應用於擊敗李世石的阿爾法狗、谷歌開發的自動駕駛汽車。更精細的神經網路配置可以得出更好的結果。對於透過數學濾波獲取部分結果綜合分析的DCNN（Deep Convolutional Neural Network）或以時間流逝、順序善於辨別屬性的DRNN（Deep Recursive Neural Network）,引入這兩種網路並調整加權值，能夠創造更完善的人工智慧。
① ELA AI 服務
ELA AI內建了各種最先進的AI引擎，Elamachain持續快速地升級AI引擎。ELA AI Brain模組中的AI引擎可以獨立工作，因此您可以透過升級單個引擎來提高效能，而不會影響整個解決方案的完整性。如今，人工智慧技術正在以驚人的速度發展。由於這種引擎結構具有應用前沿技術的最佳結構，ELA AI可以按照人工智慧服務的內容和目的，就像組裝模組一樣以即插即用（Plug and Play）方式提供AI服務。
② 機器學習資料
隨著不斷的學習，AI解決方案和產品不斷升級。我們擁有語音識別、情感分析、域名分類、問答和對話處理等按功能配置的各種機器學習資料。Internet Web Crawling 、臉書、推特、YouTube、Instagram等等都是用人類語言編寫的文字。情緒分析技術是一種從這些文字中提取人類情感並識別人們如何思考特定主題的技術。
· 大資料分析引擎 : ELA Analysis System
大量資料是非結構化的，其中一些包含許多沒必要的資料，將這種整理困難的資料稱之為暗資料。ELA AI服務收集的大量資料透過ELA DB中心的ELA Core-engine，經過流層(streaming layer)分析步驟作為ELA DATA儲存。
· 資料處理引擎: ELA DB Discover
ELA AI服務執行實時流（stream）處理和全流(full stream)重組，以防止資料重複和檢查完整性（ELA DB Discover）。這種方法可以透過下一代架構實現，使得實時大容量處理變得容易。自動分析和自動儲存可實現每個節點在實時接近資料的基礎上相互交換必要的資料。與ELA分析系統中的學習和推理相連線，資料被結構化並放置在區塊鏈上。
2) 生態系統
Elra-Machine平臺的生態系統流程如下。首先，ELA利用基於情緒智慧的情感對話工具（EI Chatbot）與使用者進行溝通並獲取各種資訊。透過基於深度學習的學習和推理過程，將獲取的資訊大資料化。其次，為了提高判斷使用者認知慾望和情感喜好的準確性，進行”ELA任務” 。基於首先獲得的初始大資料，我們給予使用者各種消費任務以便進行更深入的推理。使用者透過與ELA的對話完成日常任務，透過Elamachain的密碼貨幣結算系統完成消費任務，任務有關的資料再次透過ELA獨有的情感智慧深度學習，構建更深層次的大資料。這種“ELA任務”是持續進行的，透過這個過程，ELA的情感智慧學習能力得到進一步擴充套件。透過任務獲得的使用者的各種大資料用於機器學習（基於深度學習的學習和推理）之後，利用區塊鏈技術來安全保護並儲存。 透過持續不斷的“任務”，ELA加深對使用者認知傾向和情緒的理解，並且使用者對ELA的信任度和滿意度也會提高。在此過程中，使用者以向ELA提供資訊的代價換來ELA幣，並且作為完成任務的回報收到ELA幣。ELA幣可用於購物、旅行、醫療保健等多個領域。
- 獎勵制度
ELA任務是使用者和ELA相互溝通的結果。透過對話獲取有關使用者的更多資訊，推薦使用者喜歡的餐廳、好玩的地方、景點及與其連線的優惠券。以下是ELA任務的例子。透過這種任務，當使用者用ElamaChain的虛擬貨幣結算系統（卡或app）進行支付時，被認為完成了一個任務。ELA任務獎勵根據執行任務時支付的硬幣數量，商品的折扣率而決定，具體政策在該平臺正式推出以後方可確認。透過與ELA的情感對話，按照其問題回答的質和量,經驗值上升，與ELA的親密度等級也會上升。”與ELA的對話獎勵”適用高等級使用者獲得高價值的基準。其他任務被細分為每日任務、每週任務和黃金時間任務，以此來掌握特定時間段和使用者群的偏好並提供額外獎勵。
- 獎勵和生態系統
在使用者數少的初期、中期階段，獎勵給使用者的ELAC數量和返回ELA生態系統的ELAC數量很難保持均衡。因此為新使用者提供相對更有價值的活動性獎勵。這一時期出現的初始使用者的被動使用ELAC造成的獎勵和返回數量之間的差距，透過各種BM最小化。隨著ELA生態系統的建立，使用者數開始增加，使用者的親密度也會上升，此時能建立相應的獎勵系統。透過提高ELAC使用率和分配規模來逐漸完成ELAMA生態系統。
- 商業模式
① AI大資料管理
Elamachain提供AI大資料管理工具。這意味著將Elamachain的API提供給需要AI解決方案的其他企業，例如基於AI的初創企業。因此，AI開發公司和AI服務運營商用ELA幣支付大資料管理費。透過大資料管理，可以不斷維護、改進和開發AI。Elamachain的AI大資料整理工具對AI啟用程度、總使用者數、活躍使用者數、使用者互動等基本的資料進行分析，並且提供確認使用者意圖的準確率、目標完成率、能夠掌握使用者喜好的使用者有關資訊等。此外，可以深入檢視收集的資料，整理好分散的資料並製作目錄，提供給使用管理工具的當事人。
· AI啟用程度
最基本的分析資料。根據所有使用者和活躍使用者的重訪率判斷聊天機器人的活躍程度。
· AI效能
開發AI的目的是準確地瞭解使用者的意圖並做出響應，但實際上準確地掌握使用者的意圖存在許多實際困難。 如果你能用數值的方式掌握整個問題中沒法確認使用者意圖並沒有作出應對的部分，那麼你下次就不必在同樣的問題中重複犯同樣的錯誤。此外，即使AI效能KPI在引擎本身設定為80％以上確信度，它實際上也可能給出錯誤答案，因此可以透過有關AI效能的客觀資料，對問題做出適當應對並提高AI效能。
· 目標完成率 Goal Completion Rate(GCR)
它是一個指標，可以再次提醒您AI的發展目的是什麼。如果以“推薦整形手術套餐”為目標的聊天機器人，意圖啟用程度較少，應該再次考慮該方案。同樣，如果目標是讓使用者點選特定頁面，應該檢視其訪問率。如果是諮詢聊天機器人，可以透過諮詢量增加等指標來檢查目標完成狀態。
· 使用者洞察（User Insight）
使用者洞察專案由聊天機器人能夠明白使用者喜好的資訊組成。在這裡，您還可以從意圖（問題）以外的專案中獲得重要的使用者洞察。您還可以根據特定群體的行為變化來掌握使用者對哪種“產品”或“服務”逐漸興趣化。收集有關此資料的方法有兩種：針對所有使用者的蒐集方法和針對個人的收集方法。提取實際資料時，您可以採用不同的方法，具體取決於您是要從自然語言中提取特定物件還是從特定行為（例如按按鈕）中提取該物件。
-結算系統
Elamachain用API將ELA幣錢包與POS終端、POS系統和Elamachin綜合平臺相連線。此外，Elamachain聯盟在其有關加盟店安裝了POS並建立了基礎設施，以便ELA幣直接輕鬆地在POS上付款。
此外，Elamachain的虛擬貨幣結算系統提供實時虛擬貨幣價格資訊及建立自動化結算系統，並透過交易所獲取實時虛擬貨幣價格資訊和API，向POS Program和App提供價格有關資訊。Elamachain還購買顧客使用的虛擬貨幣或透過作為PG的CyreXpay現金清算給加盟店。
3) 擴充套件性消費模式分析Dapp
透過該AI引擎，可以提供各種AI服務，例如聊天機器、MR、物聯網，並且可以在諸如醫療保健，旅行和遊戲等商業模式中提供差異化個性服務。
① 開始ELA
ELA希望與您建立最親密的個人關係，並始終對您的想法，您的感受，您的需要，您想要做的事情等等充滿好奇。有時在您的家裡，有時在您的工作場所，有時在公園散步的路上，有時作為您的監護人，有時作為您的私人助理，有時作為您的朋友和愛人， 為了更靠近您，更好地理解您，我們按以下順序歡迎您。會員註冊是為了進行使用者的基本資訊DB化。使用者輸入姓名、國籍、年齡、居住地、職業等基本資訊，此後將獲得第一次ELA幣獎勵。
② 使用指南(tutorial)
使用指南是一個問答過程，用於瞭解使用者的基本傾向。ELA向使用者出示單詞、影象等，使用者選擇喜歡的答案。透過這個過程，我們獲取使用者傾向資訊並將它DB化。在這過程中，我們構建了使用者最喜歡的食物、旅遊目的地、喜愛的音樂型別等使用者基本傾向和喜好資訊的大資料，並進行機器學習。
③ 與ELA的第一次見面，以及對話
您和ELA之間的第一次令人激動的會面開始了。當使用者選擇自己喜歡的具有情感的人物並與ELA進行對話時，眼前會展開一個神奇的世界。
“ELA想知道您日常生活的每一天。 請對ELA的提問友好回答。 如果您向ELA提問，ELA迴應，並且經常相互交談，ELA的親密程度會上升！“與ELA的情感交談，使用者可以直接設定人物，並根據人物每個角色的外觀、感情、對話風格都不同。 人物及按人物的特徵如下。
當您選擇人物並與自己的ELA會面時，ELA的主動型人工智慧服務會積極地引導與您進行情感對話。在這過程中，根據對話內容獲取消費行為的認知、消費流程及消費流程中影響消費的因素（認知、情感）等大資料。這些資料以文字形式熟練掌握後透過機器學習，向使用者推薦符合使用者喜好的消費行為。
ELA有時會與您作為愛人進行互動，有時作為朋友，有時作為家庭成員，與您進行情感對話，並收集以下圖表的消費行為認知基準資訊，並根據這些資訊得出6階段的消費流程。
④ 第4階段 : ELA任務
現在，ELA為了得出符合您基本傾向及喜好的最佳結果，提示您‘ELA任務’。 當您完成ELA提示給您的針對性的消費任務時，將會作為回報ELA，獎勵您ELA幣。此時，Elamachain生態系統正式開始。
⑤ 第5階段：ELA的日常化，透過機器學習提供學習/推理結果
透過持續的智慧型任務，ELA的情感智慧學習能力得到進一步擴充套件。透過學習能力擴充套件後的資料，ELA為您提供最具針對性的選擇性經驗。
關於更多ELAmaChain資訊：
更多區塊鏈專案：http://www.qukuaiwang.com.cn/news/xiangmu
風險提示：區塊鏈投資具有極大的風險，專案披露可能不完整或有欺騙。請在嘗試投資前確定自己承受以上風險的能力。區塊網只做專案介紹，專案真假和價值並未做任何稽覈！
