刘锋 吕乃基:互联网中心化与去中心化之争

640?wx_fmt=jpeg


前言:本文发表在2019年5月《中国社会科学报》上,主要从神经学角度分析互联网的发育过程,并对云计算和区块链为代表的中心化与去中心化技术趋势进行了探讨。


当前,学术界和产业界对互联网的未来发展出现了分歧。随着谷歌、亚马逊、Facebook、腾讯、百度、阿里巴巴等互联网巨头的不断强大,亦即“中心化”愈演愈烈之时,一些人对互联网的中心化趋势表达担忧,反弹的声音也越来越大,人类社会的有识之士希望解决这个问题,甚至也包括万维网之父伯纳斯·李(Tim Berners-Lee),他希望推翻自己发明的技术,重塑互联网的未来。区块链随比特币发展起来,其“去中心化”的特点与上述反弹声浪一拍即合。中心化和去中心化究竟哪个方式更适合互联网的未来?中心化还是去中心化已经成为一个问题,未来究竟如何选择?

从技术视角看中心化与去中心化

互联网的发展历史上有5个重要的节点:互联网的诞生、TCP/IP的发明、万维网的推出、社交网络的兴起、移动通信技术的大规模应用。其中万维网是非常重要的一个发明,不但20年后云计算的产生与它的B/S结构有关,大数据的兴起与它的超链接和超文本技术也有直接的关系,甚至引发巨大争议的区块链技术,也是因为在一个方面有可能对抗万维网的影响力,因此被世界关注。

万维网是20世纪90年代伯纳斯·李在欧洲核物理实验室(CERN)推出的。在20世纪80年代,互联网已经开始成长为世界科技、军事、政府机构中信息共享的巨大网络,但由于技术架构的问题,互联网的信息像被锁在一个个箱子里的宝贝一样,获取时需要密码和钥匙,箱子之间的宝贝也无法相互获得。为了解决这个问题,伯纳斯·李在前人的基础上提出了万维网架构,这个架构有两个重要的特点:第一个是超文本和超链接,它的诞生为后来互联网大数据的形成奠定了基础;第二个是B/S,也就是中心型架构,包括谷歌、Facebook、腾讯、阿里巴巴、亚马逊等世界科技巨头和数千万个网站都在采用这个架构。到21世纪,B/S随着互联网科技巨头的出现逐步演变成云计算,成为互联网寡头垄断的代表与核心。

这种变化对于伯纳斯·李是一种意外,也是他无法容忍的一种状况。2018年3月,在万维网诞生29周年的日子里,伯纳斯·李撰写公开信,对Facebook、谷歌等大型互联网公司进行了批评,他指出这些公司利用人们的个人数据的同时,扩散了虚假信息。他表示,自己越来越担心的是少数公司控制和拥有越来越多的信息和个人数据。

针对互联网巨头垄断数据资源的状况,伯纳斯·李试图亲自扭转这一局面,创立于2017年的Solid项目,希望能让用户管理自身的个人数据,而不用像过去一样把数据储存于各家公司的数据中心内。透过这个软件,用户可以把自己的数据存在个人的“Solid POD”内,除非得到用户允许,不然其他公司都拿不到该用户的个人数据。这并不是万维网之父伯纳斯·李一人意识到的问题,更大的一个群体正在通过区块链技术试图对抗互联网巨头的垄断地位,这是利用20世纪90年代对等式网络与密码技术组合形成的新的技术框架,同样希望用去中心化的方式解决互联网面临的问题。中心化与去中心化,关系到互联网的未来。

从历史视角看中心化与去中心化

如果我们回顾过去50年互联网发展的历史,会惊奇地发现,互联网与诸多前沿科技并不是杂乱无章、你死我活的竞争与无序发展。种种迹象表明,它们都可以看作一个不断发育和成熟的互联网大脑架构的一部分(如图所示)。其中,云计算对应中枢神经系统的发育;物联网对应感觉神经系统的发育;工业4.0、云机器人、智能驾驶、3D打印对应运动神经系统的发育;边缘计算对应神经末梢的发育;大社交网络、混合智能、云群体智能和云机器智能对应类脑神经元网络的发育;移动通信和光纤技术对应神经纤维的发育等。

640?wx_fmt=jpeg

回顾过去数亿年生物大脑的进化历史,我们可以看到,在生物脑出现早期,脑的形态是一种弥散的神经网络,现在的水母和海葵依然如此,如果用IT科技的概念来表述这个时期的脑结构,它可以看作一种去中心化的类似区块链的模式。但随着生物进化,脑的构造越来越复杂,继续进化到鱼脑、两栖动物脑、爬行动物脑、哺乳动物脑,最后到人脑,脑的中枢神经系统越来越复杂,智能越来越高,应对自然挑战的能力也越来越强。

无论是从数亿年生物脑的进化,还是从互联网50年的进化,我们似乎看到中心化的、中枢神经式结构的出现是互联网发展的必然。用去中心化的技术和结构,瓦解和推翻中心化中枢神经式技术结构,很可能不符合未来趋势。生物界有海克尔的生物重演律,技术(人工自然)的演化再现生物进化的足迹,生物整体是这样,局部如神经系统由网络到中心化亦然。

中心化与去中心化共存的可能

与工业时代的科技巨头不同,谷歌、亚马逊、Facebook等互联网巨头因为其跨地域、跨行业、跨国家的特征,很难被拆分,这是人类历史从没有出现过的企业形式。总而言之,我们能够得出三个结论:1.互联网的神经中枢化符合历史趋势;2.人类逐渐意识到不能让自己的神经中枢被少数人和公司掌控;3.互联网巨头难以被拆分。这三个结论似乎是一个死结。在假定不应用去中心化的基础彻底颠覆互联网架构的情况下,一条可能的路是,这些互联网巨头的股权在未来逐步被使用者或人类社会共同拥有。

中心化,意味着谷歌、亚马逊、Facebook等世界互联网巨头进入某种垄断状态。全人类的数据、信息、服务、行踪、情绪、隐私、知识财富都被少数几家公司控制,整个人类社会的中枢神经系统被这样的组织形式掌控,明显也会引发越来越大的反弹。我们应创造条件,促使人工智能在世界各地以去中心化、民主化的方式发展。像其他资源一样,我们不能让人工智能最终仅集中在一小部分人(或国家)手中。去中心化的区块链技术也许在那时发挥真正的价值,对人类社会共同的互联网巨头进行监控和监督,也就是说在需要对社交网络、搜索引擎、电子商务等巨头的重大事项进行投票决定时,区块链技术是目前最佳选择之一,可以有效防止投票被大规模控制。

从区块链和云计算的技术特征看,在未来的人类社会的科技格局中,中心化技术和科技巨头在如何为人类提供具体服务上,将占据主导地位;但在如何发展、如何分配利润等问题上,人类可以通过区块链等去中心化技术进行投票决策,从而对中心化技术和科技巨头进行有效管控。它们的互补将使得互联网更为稳健和灵活地向未来发展,厘清它们的关系也许可以避免误判带来的重大损失。此外,现在的世界互联网巨头之间也可能构成彼此制约的多中心。

一个根本性的问题是,生物重演律和技术重演律之异同。在前者的情况下,“重演”的对象是作为完整和统一之生物个体。个体的所有器官、细胞和组成部分,完全“听命于”整体之需,这既是生物大脑中心化的基础,也是中心化的目的。在后者的情况下,现在的互联网,人类几十亿个体,各有自己的隐私、利益和价值追求,彼此间甚至离心离德,这些个体是否听命于整体、无自我意识的“细胞”?即使如此,在“重演”接近最高阶段脑和意识之后,没有了“再现”的母版,技术的发展可能另辟蹊径。中心化与去中心化,二者的博弈或/与合作,将是未来互联网和人工智能发展的一条主线。

(作者单位:刘锋 中国科学院虚拟经济与数据科学研究中心;吕乃基 东南大学文学院)

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491725.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

iOS-BMK标注覆盖物

在iOS开发中,地图算是一个比较重要的模块。我们常用的地图有高德地图,百度地图,谷歌地图,对于中国而言,苹果公司已经不再使用谷歌地图,官方使用的是高德地图。下面将讲述一下百度地图开发过程中的一些小的知…

PyTorch框架学习二——基本数据结构(张量)

PyTorch框架学习二——基本数据结构(张量)一、什么是张量?二、Tensor与Variable(PyTorch中)1.Variable2.Tensor三、Tensor的创建1.直接创建Tensor(1)torch.tensor()(2)to…

十年空缺一朝回归,百度正式任命王海峰出任CTO

来源:机器之心百度要回归技术初心了吗?自 2010 年李一男卸任百度 CTO 之后,百度对这一职位就再无公开任命,一空就是 10 年。而今天上午李彦宏突然发出的一纸职位调令,让这个空缺多年的百度 CTO 之位有了新的掌舵手。就…

Windows下卸载TensorFlow

激活tensorflow:activate tensorflow输入:pip uninstall tensorflowProceed(y/n):y如果是gpu版本: 激活tensorflow:activate tensorflow-gpu输入:pip uninstall tensorflow-gpuProceed&#xf…

PyTorch框架学习三——张量操作

PyTorch框架学习三——张量操作一、拼接1.torch.cat()2.torch.stack()二、切分1.torch.chunk()2.torch.split()三、索引1.torch.index_select()2.torch.masked_select()四、变换1.torch.reshape()2.torch.transpace()3.torch.t()4.torch.squeeze()5.torch.unsqueeze()一、拼接 …

'chcp' 不是内部或外部命令,也不是可运行的程序

在cmd窗口中输入activate tensorflow时报错chcp 不是内部或外部命令,也不是可运行的程序 添加两个环境变量即可解决: 将Anaconda的安装地址添加到环境变量“PATH”,如果没有可以新建一个,我的安装地址是“D:\Anaconda”&#xf…

2019年全球企业人工智能发展现状分析报告

来源:199IT互联网数据中心《悬而未决的AI竞赛——全球企业人工智能发展现状》由德勤洞察发布,德勤中国科技、传媒和电信行业编译。为了解全球范围内的企业在应用人工智能技术方面的情况以及所取得的成效,德勤于2018年第三季度针对早期人工智能…

PyTorch框架学习四——计算图与动态图机制

PyTorch框架学习四——计算图与动态图机制一、计算图二、动态图与静态图三、torch.autograd1.torch.autograd.backward()2.torch.autograd.grad()3.autograd小贴士4.代码演示理解(1)构建计算图并反向求导:(2)grad_tens…

美国准备跳过5G直接到6G 用上万颗卫星包裹全球,靠谱吗?

来源:瞭望智库这项2015年提出的计划,规模极其巨大,总计要在2025年前发射近12000颗卫星。有自媒体认为,该计划表示美国将在太空中建立下一代宽带网络,绕过5G,直接升级到6G,并据此认为“6G并不遥远…

PyTorch框架学习五——图像预处理transforms(一)

PyTorch框架学习五——图像预处理transforms(一)一、transforms运行机制二、transforms的具体方法1.裁剪(1)随机裁剪:transforms.RandomCrop()(2)中心裁剪:transforms.CenterCrop()&…

IBM Watson大裁70% 员工,撕掉了国内大批伪AI企业最后一块遮羞布!

来源:新医路Watson 是IBM 的重量级AI 系统;近年IBM 大力发展AI 医疗,在2015 年成立独立的 Watson Health 部门,并收购多家医疗数据公司,前景看好。然而短短三年,这个明星部门就要裁员50% 到70% 的员工,代表…

PyTorch框架学习六——图像预处理transforms(二)

PyTorch框架学习六——图像预处理transforms(二)(续)二、transforms的具体方法4.图像变换(1)尺寸变换:transforms.Resize()(2)标准化:transforms.Normalize()…

numpy方法读取加载mnist数据集

方法来自机器之心公众号 首先下载mnist数据集,并将里面四个文件夹解压出来,下载方法见前面的博客 import tensorflow as tf import numpy as np import osdataset_path rD:\PycharmProjects\tensorflow\MNIST_data # 这是我存放mnist数据集的位置 is_…

纳米线传感器来了,传感芯片还会远吗

来源:科学网“无旁路电路”纳米线桥接生长方案 黄辉供图微型气体检测仪 黄辉供图人工智能、可穿戴装备、物联网等信息技术迅猛发展,需要海量的传感器提供支持,大数据和云计算等业务也需要各种传感器实时采集数据来支撑。但目前的传感器存在国…

PyTorch框架学习七——自定义transforms方法

PyTorch框架学习七——自定义transforms方法一、自定义transforms注意要素二、自定义transforms步骤三、自定义transforms实例:椒盐噪声虽然前面的笔记介绍了很多PyTorch给出的transforms方法,也非常有用,但是也有可能在具体的问题中需要开发…

美国芯片简史:军方大力扶持下的产物 但一度被日 韩超越

来源:知乎专栏腾讯科技近日发起系列策划,聚焦各个芯片大国的发展历程。第四期:《美国芯片简史》。集成电路是电子信息产业的的基石,电子信息产业对国民经济与社会发展具有重大推动作用。从全球集成电路产业发展历程来看&#xff0…

PyTorch框架学习八——PyTorch数据读取机制(简述)

PyTorch框架学习八——PyTorch数据读取机制(简述)一、数据二、DataLoader与Dataset1.torch.utils.data.DataLoader2.torch.utils.data.Dataset三、数据读取整体流程琢磨了一段时间,终于对PyTorch的数据读取机制有了一点理解,并自己…

报告 | 2019年全球数字化转型现状研究报告

来源:Prophet2019年,战略数字化转型的重要性已经不止于IT领域,而影响着全公司的竞争力。企业的相关预算直线攀升,利益相关方所关注的颠覆性技术数量急剧增加。数字化项目开始由首席高管主导,并由相互协作的跨职能团队管…

Android调用binder实现权限提升-android学习之旅(81)

当进程A权限较低,而B权限较高时,容易产生提权漏洞 fuzz测试的测试路径 First level Interface是服务 Second level Interface是服务中对应的接口 1.首先获取第一层和第二层接口,及服务以及对应服务提供的接口 2.根据以上信息结合参数类型信息…

PyTorch框架学习九——网络模型的构建

PyTorch框架学习九——网络模型的构建一、概述二、nn.Module三、模型容器Container1.nn.Sequential2.nn.ModuleList3.nn.ModuleDict()4.总结笔记二到八主要介绍与数据有关的内容,这次笔记将开始介绍网络模型有关的内容,首先我们不追求网络内部各层的具体…