分布式協(xié)作是未來(lái)的方向,，其基礎(chǔ)是分布式業(yè)務(wù)共識(shí)。分布式業(yè)務(wù)共識(shí)實(shí)質(zhì)上是，在共識(shí)算法的支配下借助分布式智能系統(tǒng)來(lái)完成每個(gè)節(jié)點(diǎn)特定的任務(wù),。虛擬機(jī)（VM）就是一個(gè)典型的分布式智能系統(tǒng),。
分布式協(xié)作是未來(lái)的方向,，其基礎(chǔ)是分布式業(yè)務(wù)共識(shí),。分布式業(yè)務(wù)共識(shí)實(shí)質(zhì)上是，在共識(shí)算法的支配下借助分布式智能系統(tǒng)來(lái)完成每個(gè)節(jié)點(diǎn)特定的任務(wù),。虛擬機(jī)（VM）就是一個(gè)典型的分布式智能系統(tǒng),，或者說是分布式AI的低級(jí)形式。分布在全網(wǎng)上的各個(gè)節(jié)點(diǎn)通過與VM的直接交互,，來(lái)達(dá)到交易的目的,。VM執(zhí)行交易的機(jī)制是預(yù)先得到全網(wǎng)共識(shí)的智能合約（代碼庫(kù)），這是在一個(gè)行業(yè)生態(tài)中較為簡(jiǎn)單的業(yè)務(wù)共識(shí),。VM運(yùn)行的方式是通過執(zhí)行一套對(duì)應(yīng)的算法,，完成具體的鏈上交易任務(wù)。但是,，EVM（以太坊虛擬機(jī)）目前還不能做到專家系統(tǒng),，如不能夠給出股票投資策略專家級(jí)建議，只能夠完成股票交易操作指令的執(zhí)行,，因此是不具備智能形態(tài)的,。目前區(qū)塊鏈所起的作用是通過業(yè)務(wù)共識(shí)來(lái)達(dá)成自動(dòng)交易，并同步交易信息,，節(jié)約交易者時(shí)間,，數(shù)據(jù)不可篡改，具有抗抵賴性和方便追責(zé),，同時(shí)降低資本市場(chǎng)穿透式監(jiān)管的成本,。但是區(qū)塊鏈有以下缺陷：（1）數(shù)據(jù)來(lái)源的真實(shí)性依然要借助于中心化的平臺(tái)進(jìn)行背書，例如股票交易數(shù)據(jù)的真實(shí)性依然要借助中心化的傳統(tǒng)證交所,，所以并不能徹底解決節(jié)點(diǎn)間的信任問題,；（2）僅僅能夠做數(shù)據(jù)留痕，不能利用數(shù)據(jù)進(jìn)行系統(tǒng)訓(xùn)練,，以更好地改進(jìn)業(yè)務(wù)質(zhì)量,。有鑒于此我們認(rèn)為區(qū)塊鏈未來(lái)的技術(shù)方向是跟AI技術(shù)相結(jié)合，其中最典型的是區(qū)塊鏈+分布式機(jī)器學(xué)習(xí)的綜合技術(shù)模式,。
訓(xùn)練專家系統(tǒng)是機(jī)器學(xué)習(xí)（ML）的任務(wù),，簡(jiǎn)單來(lái)說，ML工作所需數(shù)據(jù)是真實(shí)訓(xùn)練數(shù)據(jù)和最新預(yù)測(cè)數(shù)據(jù),，通過這些數(shù)據(jù)的對(duì)比不斷調(diào)整權(quán)值向量和學(xué)習(xí)參數(shù),，以提高M(jìn)L預(yù)測(cè)的精度。這些訓(xùn)練數(shù)據(jù)并不是全都有用,，AI需要從中挖掘出有價(jià)值的數(shù)據(jù)，并發(fā)現(xiàn)這些數(shù)據(jù)之間的關(guān)聯(lián)性，因此數(shù)據(jù)挖掘技術(shù)和ML是一體兩翼,。進(jìn)入到金融大數(shù)據(jù)時(shí)代,，每秒鐘產(chǎn)生的數(shù)據(jù)量在傳統(tǒng)基礎(chǔ)上暴增，并且所構(gòu)建的模型需求也相對(duì)傳統(tǒng)有了質(zhì)的提升,，比如微軟公司在2015年訓(xùn)練出的AI模型LightLDV,，擁有多達(dá)200億個(gè)參數(shù)。數(shù)據(jù)的量越來(lái)越大,，關(guān)系越來(lái)越復(fù)雜,，也對(duì)模型的復(fù)雜度提出了超高要求，這使得單機(jī)進(jìn)行ML訓(xùn)練的效率無(wú)法跟上,，因此未來(lái)分布式機(jī)器學(xué)習(xí)（DML）就成為了趨勢(shì),。
DML需要借助云計(jì)算、大數(shù)據(jù)挖掘,、機(jī)器學(xué)習(xí)等技術(shù)作為支撐,，同時(shí)區(qū)塊鏈技術(shù)在其中也扮演著重要角色。舉例：股票市場(chǎng)的投資者的基本訴求是在控制風(fēng)險(xiǎn)的基礎(chǔ)上,，盡可能多地增加收益,。那么如果有這么一個(gè)專家系統(tǒng)，經(jīng)過訓(xùn)練,，可以對(duì)未來(lái)的收益和風(fēng)險(xiǎn)進(jìn)行較準(zhǔn)確的預(yù)測(cè),，股民就可以根據(jù)專家系統(tǒng)的建議，靈活選擇不同的投資品種進(jìn)行組合,。而訓(xùn)練專家系統(tǒng)的數(shù)據(jù)來(lái)自股民自己的歷史數(shù)據(jù),，和真實(shí)的預(yù)測(cè)數(shù)據(jù)。因?yàn)榭梢詫?duì)AI進(jìn)行訓(xùn)練,，因此這些數(shù)據(jù)都是有價(jià)值的,。可以設(shè)計(jì)一套機(jī)制,，股民貢獻(xiàn)自己的數(shù)據(jù)上鏈,，可根據(jù)數(shù)據(jù)的價(jià)值給與股民節(jié)點(diǎn)相應(yīng)的token獎(jiǎng)勵(lì)。分布式專家系統(tǒng)（或者AI投顧系統(tǒng)）的初衷是幫助大部分節(jié)點(diǎn)獲益,，因此token可以與系統(tǒng)總的盈利能力的改進(jìn)相綁定,。DML在每個(gè)節(jié)點(diǎn)處都有最新的備份，且永久存在鏈上,。只有區(qū)塊鏈能夠?qū)崿F(xiàn)這一套激勵(lì)機(jī)制,，這就大大加快了AI專家系統(tǒng)學(xué)習(xí)的步伐跟效率。
有兩點(diǎn)機(jī)制可以確保原始數(shù)據(jù)是真實(shí)的：（1）從利益角度出發(fā),，每個(gè)節(jié)點(diǎn)都想減少風(fēng)險(xiǎn)和提高系統(tǒng)預(yù)測(cè)能力,，因此會(huì)貢獻(xiàn)出真實(shí)數(shù)據(jù)以幫助DML能力的快速提升；（2）真實(shí)數(shù)據(jù)是完全隨機(jī)性的，而造假的數(shù)據(jù)或多或少有一些非隨機(jī)的痕跡,，這一點(diǎn)可以核實(shí)出來(lái),，系統(tǒng)自動(dòng)舍棄掉非隨機(jī)的成分，因此使得造假的部分不能作為訓(xùn)練數(shù)據(jù),。
區(qū)塊鏈創(chuàng)立的初衷是節(jié)點(diǎn)間的民主,、共責(zé)、共識(shí),、信任,，其實(shí)還應(yīng)該在這些基礎(chǔ)上加上“激勵(lì)”。激勵(lì)必然跟錢掛鉤,，而區(qū)塊鏈的特性已經(jīng)解決了雙花問題,，這使得去中心化的激勵(lì)機(jī)制是可行的。區(qū)塊鏈網(wǎng)絡(luò)共同維護(hù)的是一個(gè)虛擬的分布式機(jī)器,，是信任的機(jī)器,。區(qū)塊鏈+DML的模式在資本市場(chǎng)上的成功也必然延伸到其他場(chǎng)景，代表了區(qū)塊鏈的真正價(jià)值——即“實(shí)現(xiàn)高效有序的大規(guī)模分布式協(xié)作”,。