区块链是一种新兴数据库,现已成为一种趋势,能够帮助人们以更安全的方式存储数字信息。国际数据公司(International Data Corporation)近期预测,2018年各企业和政府将投入21亿美元开发区块链技术,投资金额是去年的两倍多。
问题以答疑解惑。
区块链与比特币有关吗?
的确如此。第一代区块链就用来储存比特币交易数据的数据库。自2009年比特币投入使用以来,区块链记录了数字钱包间的每笔比特币交易,总共1.6千亿字节。
区块链名字的由来
此前描述比特币的文献显示,虚拟货币构成的新型数据库并未被命名为区块链,但由于网络上完成的所有交易都被成组转化为系列数据,通过复杂算法链接起来,渐渐区块链由此得名。如此一来,回溯或改写交易信息或使用较老记录变得困难重重。相关学者指出区块链早于比特币问世,但比特币出现后,区块链才逐渐进入大众视野。
区块链与以往存储交易数据的数据库有何不同?
用于保存财务记录的大多数数据库由中央机构维护。例如,摩根大通集团负责追踪记录客户的账户金额。借助比特币构成的区块链数据库,所有连接至比特币网络的电脑都能够记录、更新账目、共享数据。比特币数据库的数据共享属性与维基百科一样,但维基百科的数据不是同一个人,而是广大贡献者共同编辑而成。
比特币区块链的共享性质对于虚拟货币很有用,比特币的创始人想要开发一种无需中间机构介入的虚拟货币,而比特币区块链的共享属性刚好能派上用场。因此没有任何计算机或企业介入其中。若其中一台记录数据的电脑遭受黑客入侵或崩溃,其他电脑仍可继续追踪数据。
所有区块链项目都与比特币关联吗?
并非如此。大多数区块链与比特币毫无关联。
比特币区块链已运营多年,成功存储了每一场比特币交易,并多次为交易阻挡黑客侵袭。因此,许多程序员与企业家都想知道可否复制比特币区块链设计,并借此创建比特币之外的其他类型安全分类账。
区块链是否仅能用于记录虚拟货币交易?
答案是否定的。早期程序员完成了模仿比特币区块链的尝试,他们试图创建区别于与比特币的虚拟货币,这种货币需要用自己的数据库存储所有交易。随着时间推移,这些新型虚拟货币也增添了一些重要的新功能,刷新了区块链这一概念,从而能够处理更多信息。
除了比特币,最具价值的虚拟货币当属基于以太坊区块链的以太币。这种太坊区块链不仅记录了虚拟货币交易,还记录并执行了一些简单程序。例如,可以在以太坊区块链上创建某种程序,只要满足特定条件,可以允许进行以太币交易。
近来,许多公司及政府对于用区块链存储虚拟货币交易等交易类型之外的数据信息很感兴趣。各银行正在建立区块链追踪账户间的支付信息,政府也正在尝试利用区块链存储财产记录与投票信息。
区块链存储有何魅力,让各企业趋之若鹜?
老套的数据存储方式存在一些限制,所有更新仅由单一权限负责。
若数据库仅由单一权限维护,如果该权限受到黑客攻击,甚至遭遇自然灾害,该数据库的用户将无法访问数据。但通过区块链技术,数据库的所有用户都能保留和更新自己的数据副本。
除安全性能外,许多数据以某种特定方式存储,这种方式要求所有操控者分别跟踪记录。例如,银行会跟踪与其他银行间的每笔交易,对方银行也会如此。要让每个用户的记录保持同步,需要很高的成本。区块链可以提供更有效方法,让所有用户的记录保持同步。
假若区块链跟踪数据涉及多台计算机,权限受限时该怎么办?
如何使所有用户保持同步,是区块链技术中最重要也最令人困惑的一点,区块链技术旨在解决这一问题。
比特币的挖掘和创造还有第二个目的,即确保每位持有人都对其区块链版本进行相同更新。多数虚拟货币借助该过程协调区块链上的所有用户。
有的区块链没有虚拟货币,得借助其他机制获得每位用户对账本上新加项的认可。这类机制称作共识算法,也是区块链设计中最受争议的一部分。
用户能加入区块链并更新记录吗?
用户手持大多数虚拟货币便可加入对应区块链,观察并维持记录。我们称之为公共区块链。
这个系统引起许多大玩家的不满。因此,多数企业和政府都与所谓的私人区块链合作,私人区块链只允许计算机观察和加入。
难道所有涉及比特币的盗窃行为都表明区块链不安全吗?
多数涉及虚拟货币的盗窃事件的起因都是用户虚拟货币钱包中的密码或私钥被盗、被黑。虚拟货币尤其容易遭到这类攻击,一旦黑客将钱包中的货币转移,就没有中心机构能够将其收回。对于任何区块链钱包或账户来说,它们只有私钥的安全级别。
当不法分子试图篡改数据库记录,私钥就成了安全漏洞,而区块链则更安全。区块链中“块”的链接方式使记录篡改行为无处可藏。
区块链真的比传统方式更适合记录数据吗?
实际上我们不确定。虚拟货币已表明区块链可在某些方面发挥作用,但也有弊端。网络上所有计算机都必须记录每一笔交易,区块链能够处理的数据总量却有限。为解决这个问题,技术人员已投入了大量精力,但尚未找到行之有效的方法。
许多反对区块链的人士表示,除非集中储存的数据库成为技术核心,否则区块链维持数据公有化效率较低,将使其失去吸引力。
当前,除了大型虚拟货币,几乎还没有区块链投入实际使用并通过性能测试,这就出现了一个重要问题:一旦投入使用,区块链究竟将如何表现?
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。