2018-08-10

                                                               POAI将引领共识机制AI化潮流

                                                             区块链的普及应用离不开性能提升

不同的商业应用场景其交易频次相差很大,大体可分为低频场景、中频场景和高频场景三类:TPS小于100的是低频场景,比如不动产交易、艺术品交易、珠宝交易等,TPS达到千级的是中频场景,比如跨国转账、产品溯源等,而TPS达到万级的是高频场景,比如电子支付、物流追踪等。 

区块链的性能越高,能商业化应用的场景也就越丰富,其渗透率、影响力与生态价值也就越高。现在有不少公有链在主网上线后或者测试阶段达到了千级TPS,可以满足中低频商业场景的性能要求。

虽然中低频商业场景已经覆盖了相当大比例的商业场景,但还无法覆盖的高频场景往往是高活跃度、高影响力、具备高价值的场景。所以区块链要想普及化,真正从各个层面重塑人类社会,还是要能满足高频场景要求。

用AI来提升区块链性能是最佳选择

区块链是在对分布式数据存储、点对点传输、共识机制、加密算法等已有的计算机技术的基础上进行创新组合而形成颠覆性的技术形态。但是在本质上,区块链只是一种生产关系工具,在其技术基础没有突破性提升的时候,仅靠削弱去中心化程度能获得的性能提升是很有限的。所以应当突破思维定式,尝试与其他技术结合来提升区块链的性能。

而AI无疑是提升区块链性能的最佳选择。

首先,区块链与AI天然契合。区块链的本质是机器信任,“代码即法律”是其基本原则,而AI则是用数学算法提升人类在各领域的工作效率,二者的基础都是数学算法。

其次,AI的技术发展更快。AI无疑是人类目前最热门、最前沿的技术领域,其发展速度也是日新月异。以著名的谷歌阿尔法狗为例,旧版阿尔法狗在2016年1月首次战胜专业围棋选手,2016年3月已经能够以4:1的战绩战胜围棋世界冠军李世石,2016年末至2017年初更是以60:0的辉煌战绩零封数十位人类顶尖围棋高手;而新版阿尔法狗更是从旧版的学习人类棋谱进化到了“左右互搏”、自我学习,从零起步经过40天的自我学习就可以完败旧版阿尔法狗。

POAI或将代表区块链的未来

POAI是智能链AICHAIN所首创的共识机制。POAI采用POW(Proof of Work)与POA(Proof of Activity)相结合的方式,所有节点都有机会参与POW挖矿,再由AI算法对过往的区块进行算法分析,算出来各个出块节点的贡献权重,根据权重排名来决定哪些节点可以被选为超级节点,以及原有的超级节点中,哪些是要留下来,哪些是要踢出局。

POAI具有四大优势。首先,POAI具有POW强大的抗攻击能力,而且在所有超级节点被打下线后通过AI可以在10多秒内重新选出超级节点,因而具备快速恢复能力;其次,POAI在主网测试中实现了1000-2000 TPS的高性能,同时POAI的AI算法也使其超级节点不会固化,从而具有较高程度的去中心化;再次,POAI能够自动根据交易分布变化来调整超级节点分布,使得超级节点分布与交易分布始终匹配,从而始持续保持最佳性能;最后,POAI的超级节点筛选看的是节点的贡献权重,而不是像EOS那样比拼资本实力与拉票能力,所以能够激励所有节点良性竞争,推动AICHAIN的效率持续提升。

AICHAIN未来会考虑两种升级方案,其中一种就是分片。

AICHAIN目前的测试性能已经达到了千级TPS,如果结合分片技术,将轻易达到万级TPS,成为最强公链。

但是AICHAIN对自己有着更高的期许,所以AICHAIN团队重点考虑的是第二种升级方案:去中心化决策+中心化处理,也即是POAI的升级版。

AICHAIN团队认为从效率角度还是中心化的集群系统最适合,因此AICHAIN的AI团队提出了一中新的思路:由运行AI程序的各节点设备形成分布式、去中心化的仲裁网络,该去中心化网络不处理交易,只负责仲裁出谁是唯一的超级节点,由选中的唯一超级节点来处理交易,这种方式足以和中心化的系统一比高下。

虽然AI技术目前还无法达到该方案的要求,但是该方案至少在原理上是可行的。考虑到AI的发展速度,在不远的将来我们就能够看到性能达到10万级TPS的AICHAIN。

作为最先应用AI的POAI共识机制,或将引领区块链底层技术AI化的潮流。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,752评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,100评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,244评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,099评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,210评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,307评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,346评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,133评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,546评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,849评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,019评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,702评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,331评论 3 319
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,030评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,260评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,871评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,898评论 2 351

推荐阅读更多精彩内容