去中心化学习机器人群的区块链实验结果

比利时的一个科学家团队可能已经利用一种基于区块链的去中心化训练方法，解决了人工智能领域最大的挑战之一。虽然这项研究仍处于初期阶段，但其潜在影响可能会从彻底改变外太空探索到对人类生存构成威胁不等。

在模拟环境中，研究人员开发了一种协调单个自主人工智能代理之间学习的方法。研究小组利用区块链技术促进和保障代理之间的通信，从而创建了一个分散的学习模型 "蜂群"。

然后，"蜂群 "中每个代理的单独训练结果被用于开发一个更大的人工智能模型。由于数据是通过区块链处理的，因此这个更大的系统可以受益于蜂群的集体智慧，而无需访问任何单个代理的数据。

人工智能蜂群

机器学习是一个与人工智能密切相关的概念，有多种形式。典型的聊天机器人，例如 OpenAI 的 ChatGPT 或 Anthropic 的 Claude，是通过多种技术开发出来的。它使用一种称为 "无监督学习 "的模式进行预训练，然后使用另一种称为 "人类反馈强化学习 "的模式进行微调。

这种方法面临的最大挑战之一是，通常需要将系统的训练数据集中到一个中央数据库中。这对于需要持续自主学习或注重隐私的应用来说是不切实际的。

研究团队使用一种名为 "去中心化联合学习 "的学习范式进行了区块链研究。在此过程中，他们发现可以成功地协调模型，同时保持数据的分散性。

蜂群安全

该团队的大部分研究涉及研究蜂群对各种攻击方法的应变能力。由于区块链技术是一种共享账本，而且实验中使用的训练网络本身也是去中心化的，因此该团队能够证明其对传统黑客攻击的鲁棒性。

不过，他们确实找到了一个明确的阈值，即该蜂群可以处理多少个恶意机器人。研究人员设计了一些场景，让机器人故意伤害网络。其中包括怀有邪恶目的的代理机器人、信息过时的代理机器人，以及用简单的破坏指令编码的机器人。

虽然简单和过时的代理机器人相对容易抵御，但研究小组发现，如果有足够多的恶意代理机器人能够渗透到蜂群中，它们最终会扰乱蜂群的智能。

这项研究仍然是实验性的，而且只是通过模拟进行的。不过，不久的将来，机器人群可能会以分散的方式进行交叉协调。也许有一天，来自不同公司或国家的人工智能代理团队可以在不牺牲数据隐私的情况下，共同训练一个更大的代理。

相关内容 中本聪与物理学：量子比特币矿机如何让ASIC过时