认识达内从这里开始

随着互联网的不断发展，越来越多的企业都开始通过数字化运营来维护自己的客户。今天，我们就一起来了解一下数字化运营的一些简单条件。

“去中心化”的互联网

互联网的前身叫做阿帕网，属于美国国防部60年代部署的一个中央控制型网络。阿帕网有一个明显的弱点：如果中央控制系统受到攻击，整个阿帕网就会瘫痪。为了解决这个问题，美国的PaulBaran开发了一套新型通信系统。该系统的主要特色是：如果部分系统被摧毁，整个通信系统仍能够保持运行。它的工作原理是这样的：中央控制系统不再简单地把数据直接传送到目的地，而是在网络的不同节点之间传送;如果其中某个节点损坏，则别的节点能够马上代替进来。阿帕网的相关实践和研究，催生出现代意义上的互联网。

互联网的起源就是为了去中心化，可以使信息更安全、更高效地传播。可惜在第一次互联网泡沫之后，人们开始意识到在互联网上创造价值的捷径是搭建中心化服务，收集信息并将之货币化。互联网上逐渐出现了不同领域的巨头，它们以中心化的形式影响着亿万用户，例如社交网络Facebook，搜索引擎Google等等。用户使用他们的产品进行社交或者搜索，而作为服务提供商的巨头们通过掌握和分析用户数据进而优化自己的产品并获得利益。为了给用户提供更好的服务，存储和分析用户数据本来无可厚非，但这也引起了一部分对自己的隐私安全敏感的用户的不满。但更重要的一点是，如果某个巨头突然垮了停止了相关服务，会给人类的生活带来极大的困扰。

貌似互联网又回到了60年代。很多老一辈互联网参与者重新开始讨论去中心化的互联网，他们认为互联网去中心化的核心概念是：服务的运行不再盲目依赖于单一的垄断企业，而是将服务运营的责任分散承担。

TimBerners-Lee(万维网的发明者)提出了自己的见解：“将网络设计成去中心化的，每个人都可以参与进来，拥有自己的域名和网络服务器，只是目前还没有实现。目前的个人数据被垄断了。我们的想法是恢复去中心化网络的创意”。

我们再看看去中心化网络的三个核心优势：隐私性、数据可迁移性和安全性。

隐私性：去中心化对数据隐私性要求很高。数据分布在网络中，端到端加密技术可以保证授权用户的读写权限。数据获取权限用算法控制，而中心化网络则一般由网络所有者控制，包括消费者描述和广告定位。

数据可迁移性：在去中心化环境下，用户拥有个人数据，可以选择共享对象。而且不受服务供应商的限制(如果还存在服务供应商的概念)。这点很重要。如果你想换车，为什么不可以迁移自己的个人驾驶记录呢?聊天平台记录和医疗记录同此理。

安全性：最后我们的世界面临着越来越大的安全威胁。在中心化环境下，越孤立的优良环境越是吸引破坏者。去中心化环境的本质决定了其安全性，可以抵御黑客攻击、渗透、信息盗窃、系统奔溃等漏洞，因为从一开始它的设计就保证了公众的监督。

近几年很火的HBO《硅谷》以“互联网去中心化”这个理念开始了最新一季。怪人风投家RussHanneman询问陷入困境的PiedPiper创始人RichardHendricks，如果给予他无限的时间和资源，他想要构建什么?Hendricks回答“一个全新的互联网”，他随后解释说，现在每台手机的运算能力都比人类登月时的手机要强大得多，如果你能用所有的几十亿台手机构建一个巨大的网络，使用压缩算法将一切变得更小更高效，更方便的转移数据，那么我们将能构建一个完全去中心化的互联网，没有防火墙，没有过路费，没有政府监管，没有监视，信息将会完全的自由。

互联网档案馆的创始人BrewsterKahle曾表示，互联网去中心化在实际中很难被执行，仍有很漫长的路要走。虽然《硅谷》只是一部电视剧，里面有部分技术纯属虚构，但是它也侧面证实了一个事实，每一台手机的运算能力和性能除了打打电话，聊聊天，玩玩游戏外，还能做到很多事情，例如成为新一代微型服务器和计算中心。

最合适的私人服务器

手机成为新一代微型服务器，这也符合TimBerners-Lee“每个人都拥有自己的网络服务器”的观点。目前手机的性能和容量已经可以媲美一台台式计算机，更重要的是，为了减少对CPU的压力，手机拥有不同的协处理器。各协处理器各司其职，专门为手机提供不同的特色功能，例如iPhone从5s开始集成了运动协处理器，它能低功耗监测并记录用户的运动数据;MotoX搭载的协处理器可以识别你的语音/处理运动信息，从而在未唤醒状态下使用Googlenow功能。

手机上各种传感器可以从不同维度监测用户数据，如果手机成为下一代微型服务器，那么它需要承担着存储用户数据的责任。同时人工智能助手需要每个用户海量的数据作为基础才能更好地理解用户并实时提供帮助，成为“千人千面”的个人助理，所以手机存储和分析用户数据是人工智能助手的基础。

分析用户的非结构化数据需要大量的计算，为了降低对CPU和电池的压力，手机需要一块低功耗专门分析用户数据的协处理器。它能够低功耗地进行深度学习、迁移学习等机器学习方法，对用户的海量非结构化数据进行分析、建模和处理。

家庭也需要一个更大容量的服务器来减少手机容量的压力，例如24小时长期工作的冰箱、路由器或者智能音箱是一个很好地承载数据的容器。用户手机可以定期将时间较长远的数据备份到家里服务器，这样的方式有以下好处：

降低了手机里用户数据的使用空间

家庭服务器可以24小时稳定工作，可以承担更多更复杂的计算，并将结果反馈给移动端

用户手机等设备更换时，可以无缝使用现有功能

Google在2015年已经开始使用自家研发的TPU，它在深度学习的运算速度上比当前的CPU和GPU快15~30倍，性能功耗比高出约30~80倍。当手机、智能音箱等设备拥有与TPU类似的协处理器时，个人人工智能助理会到达新的顶峰。在17年9月份，华为发布了全球第一款AI移动芯片麒麟970，其AI性能密度大幅优于CPU和GPU。在处理同样的AI应用任务时，相较于四个Cortex-A73核心，麒麟970的新异构计算架构拥有大约50倍能效和25倍性能优势，这意味未来在手机上处理AI任务不再是难事。更厉害的是，iPhoneX的A11仿生芯片拥有神经引擎，每秒运算次数最高可达6000亿次。它是专为机器学习而开发的硬件，它不仅能执行神经网络所需的高速运算，而且具有杰出的能效。

数据的进一步利用

人工智能的发展依赖于大数据、高性能的运算能力和实现框架，数据是人工智能的基础。在过去30年里，人类数据经历了两个阶段，孤岛阶段和集体阶段。

孤岛阶段

在没有互联网以及互联网前期，人类使用计算机基本处于单机状态，数据也只能存储在计算机本地。由于计算机性能较差，产品较为简单以及技术的不成熟，人类在计算机上产生的数据价值不大。

集体阶段

在互联网中后期和移动互联网时代，计算机行业开始往互联网发展并衍生出更多领域，例如网上社交、搜索等等，视频音乐等娱乐行业也开始互联网化;到了移动互联网时代，巨头们结合传统行业产生出更多的玩法。人类每天的活动逐渐创造出庞大的数据。

由于数据的庞大以及技术有限，个人没有能力对自己的数据进行存储和分析，个人数据对个人来讲仍然价值不大，但对于巨头来说就不一样了。巨头们有的是资金和技术，即使个人数据拥有太多特征，但放在一起成为群体数据时，巨头们可以通过数据清洗，建模等方法分析出相关群体的普遍特征，得出相关的用户画像，更了解自己的用户是谁，从而设计出更有针对性的功能和服务，探索出新的用户需求和衍生出新的产品。

随着近几年技术的成熟，巨头们可以做到一些相对简单的个人推荐。如亚马逊，它可以根据你的购买记录推荐相关商品给你，其背后的原理是通过分析大量的用户购买数据后得到的商品推荐。

由于服务器的普遍昂贵以及普通用户缺乏对数据处理的能力，而巨头们有能力使用户数据发挥更大价值，所以用户数据一直“默许”被Google、Facebook、苹果、腾讯、阿里、百度等巨头收集着，这是可以理解的。每个用户一天产生的数据涵括了社交、健康、购物、地理信息等等，但是巨头们的垄断和相互竞争，导致用户数据被各巨头分割和收集使用，再加上巨头们宁愿生产更多的产品进行竞争也不愿意使用户数据互通，导致用户数据发挥不出更大的价值。这也是人工智能发展道路上的一道很现实赤裸裸的门槛。

互通阶段

若要使人工智能得到更快发展，需要分析和了解更多完整数据;加上互联网去中心化的理念，应用厂商把数据“还给”用户将会是下一个趋势。把数据“还给”用户的意思不是指应用厂商不应该拥有该数据，而是指将数据共享出去，从而获得更多有用的数据。

为了人工智能的发展让各个应用厂商之间共享数据是不符合竞争和现实的，但用户有权把自己的数据给“拿”回来，因为这些本来就是用户自己的。这时候用户需要一个数据仓库，它能存储和整理不同应用厂商的数据，而人工智能可以利用数据进行自我优化和分析出该名用户的特征。

例如我们手机里的淘宝和京东，用户使用它们时的动机和场景不一样，所以它们所得的用户画像仅是该名用户的一部分，不能完全代表该名用户。如果淘宝和京东将各自的数据保存到个人数据仓库，人工智能将数据整理完后为淘宝和京东输出已授权的完整用户画像，那么淘宝和京东可以为该名用户提供更多的个性化服务，创造更多收益。这就是应用厂商为人工智能提供数据，人工智能反哺各应用厂商。

作者：薛志荣

来源：微信公众号：薛志荣

【免责声明】本文系本网编辑部分转载，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与管理员联系，我们会予以更改或删除相关文章，以保证您的权益!