比特币上的人工智能

以感知机为例

人工智能，尤其是机器学习形式的人工智能，最近取得了巨大的进步，应用范围从人脸识别到自动驾驶汽车。我们建议将 AI 与比特币区块链结合起来，以获得许多其他方式无法实现的显着优势¹：

公开透明：区块链上的代码和数据都是公开的，任何人都可以验证，因此是可信的。
协作数据集：与传统的孤立数据集相比，每个人都可以贡献数据并访问已发布的数据。

比特币不仅可以维护链上的数据集以作为 AI 的输入，它还可以托管 AI 算法本身来处理这些数据集²。

我们已经实现了一个机器学习的基本构建块——感知器，并展示了在比特币上构建 AI 的巨大潜力。

感知器

与作为神经网络构建块的神经元类似，感知器相当于人工神经网络 (ANN)。感知器是单层神经网络，如下所示：

在这里插入图片描述

它消耗多个输入，对它们进行加权、求和，将其馈送到阶跃函数（如下所示）并产生一个二进制输出（只有 0 或 1）。

在这里插入图片描述

一个性别分类感知器

我们使用感知器来解决一个简单的分类问题。输入是多人的身高和体重，输出是他们的性别。

在这里插入图片描述

红色标记表示男性和洋红色表示女性

我们的目标是拟合一条将所有男性样本与女性样本分开的边界线。当样本变得庞大时，感知器是一种很好的找到界限的方法。

我们已经将这样的感知器实现为有状态合约。它的状态由所有权重和偏差（图中的 w0）组成。最初，它们被分配一些随机值，然后在每次交易更新状态时进行调整。学习阶段一直运行到收敛。

// Perceptron's internal state includes 2 inputs: height & weight
struct State {int heightWeight;// 1st weight means weight in KGsint weightWeight;int bias;
}struct Input {// in inchesint height;// in KGsint weight;
}// correct classification of gender: 0 means female, 1 male
type Output = int;/** A simple perceptron classifying gender based on height & weight*/
contract Perceptron {// sample sizestatic const int N = 10;// learning ratestatic const int LR = 1;// training data set// inputsInput[N] inputs;// outputsOutput[N] outputs;// train the perceptronfunction train(State s) : State {loop (N) : i {int prediction = this.predict(s, i);int delta = this.outputs[i] - prediction;s = this.adjust(s, delta);}return s;}// prediction for the i-th inputfunction predict(State s, int i) : int {int sum = s.bias;sum += this.inputs[i].height * s.heightWeight + this.inputs[i].weight * s.weightWeight;return stepActivate(sum);}// learn internal statefunction adjust(State s, int delta) : State {int scaledDelta = delta * LR;loop (N) : i {s.heightWeight += this.inputs[i].height * scaledDelta;s.weightWeight += this.inputs[i].weight * scaledDelta;}s.bias += scaledDelta;return s;}// binary step functionstatic function stepActivate(int sum): int {return (sum >= 0 ? 1 : 0);}
}