信息化革命之后，AI3.0呼之欲出
第三次的工业革命是信息化并且这场革命将持续70年。那到了2040年时，下一代的工业革命将是什么呢？李晓林教授认为是认知化所驱动的。例如在50年代初AI1.0萌芽期，出现了第一代计算平台大型机，可惜并不成功。第二代计算平台在80年代经过了30年的进化和演变，部分已经可以落地应用。第三代计算平台，例如SMAC云计算大数据平台，也就是所谓的的AI2.0，也经历了30年。那么下一次的计算平台是什么呢？李晓林教授称，大约30年之后，在2040年将推出AI3.0，将可实现储备更多知识，并且能够做出更加复杂、自主化的智能决策，这也对“数据使用”提出了更高的要求。
纽约梅隆银行高管将担任美CFTC数字资产小组联合主席:金色财经报道，根据周五发布的一份公告，美国商品期货交易委员会(CFTC）宣布，任命纽约梅隆银行数字资产全球主管Caroline Butler、富兰克林邓普顿(Franklin Templeton)高级副总裁兼数字和行业咨询服务主管Sandy Kaul担任数字资产市场小组委员会的联合主席。Butler在一份声明中评论道：“纽约梅隆银行致力于在塑造金融未来方面发挥领导作用，以改善我们的客户和更广泛的生态系统。”数字资产小组委员会的其他成员包括来自Coinfund、Crypto.com和Uniswap等加密货币公司的高管，华尔街的代表还有来自资产管理公司贝莱德、交易公司DRW和高盛的成员。[2023/7/1 22:11:46]
冲破数据孤岛，知识联邦用“小数据”实现“大智能”
Solana基金会发布3月验证者健康报告：拟招募质押生态系统负责人:金色财经报道，Solana基金会官方发布2023年3月验证者健康报告，其中指出Solana是目前世界上节点数最多的权益证明网络之一，也是中本聪系数分布最多的网络之一，全球分布3000多个共识和RPC节点。此外，Solana基金会表示作为一个多验证者客户端网络，目前已有两个客户端投产运行，第三个客户端正在开发中。在过去的120天里，来自多个组织的104位核心贡献者向Solana网络的Github提供支持，Solana基金会还透露将会招募一位质押生态系统负责人。[2023/3/24 13:22:56]
当前大背景下，数据孤岛是制约AI发展的重要阻碍，公司内部和子公司的部门之间存在很多数据壁垒。不同机构之间的壁垒问题更甚。与此同时，隐私暴露或者数据泄露亦是当下面临的十分严重的社会问题，并且大有成为监管“重灾区”之势。比如脸书曾在欧盟因数据泄露遭受巨大罚款。李晓林教授表示：消除各行业的数据孤岛，创新模式让数据协作是未来的趋势，而在此之间，知识联邦可以发挥重要作用。
Wickens项目Discord服务器遭攻击:金色财经报道，据CertiK监测，Wickens项目Discord服务器遭到攻击。请社区用户在服务器修复之前不要点击任何链接。[2023/3/1 12:35:57]
李晓林强调：知识联邦不是一种单一的技术方法，是一套理论框架体系，是人工智能、大数据、密码学等几个领域交叉融合的产物，使其可以以更合规的方式来打破数据孤岛，在利用数据的同时，做到保护数据隐私。知识联邦的目标就是打造数据安全的人工智能生态，通过数据安全交换协议来有效利用多方的数据，进行知识共创、共享和推理，实现数据可用不可见。
古典音乐NFT平台KOLO.Market将推出“Listen to Earn”:据官方消息，古典音乐NFT平台KOLO.Market即将推出Listen to Earn玩法，并已于TokenPocket、Ballet等Web3钱包入口达成深度合作。
据KOLO.Market CEO Lenny介绍，Listen To Earn是一种结合DeFi而建立的全新收益模式。参与者通过听音乐、收集音乐作品、创建个性歌单、参与互动活动等方式来获取收入。[2022/8/11 12:18:39]
知识联邦结构分为4层，信息层、模型层、认知层和知识层。信息层包括了技术安全查询，模型层包括很多模型，如线性模型、树模型，一些常用的金融模型和深度学习模型，认知层是有迁移学习跨媒体表达和基层学习等等。
知识层包括知识推理、知识融合，图神经网络和知识表达、知识发现。底层包括了密码学，安全的分布式通信，计算机网络，分布式机器学习、深度学习和强化学习等；数据方面则包括了跨样本、跨特征、复合型联盟；功能上包括联邦共享、联盟计算、联邦学习、联邦预测、联邦推理。上面应用场景覆盖了智慧金融、智能金融、智能医疗、智能政务、智能智慧城市、智慧教育等。
李晓林指出：知识联邦的核心理念就是”数据可用不可见，知识可创可共享“，MIT曾有一篇文章说到，“根据梯度的更新，可以反推出原始数据。”但这个问题在知识联邦模型中是不存在的。知识联邦是在密文空间的梯度上面做聚合，所以是属于安全的，未来，同盾科技也希望跟各界同仁一起打造标准化的交换协议。
知识联邦如何应用至实际场景？
谈及知识联邦的场景应用，李晓林教授以金融反欺诈、疫情预报、艾滋病防控等为例，重点介绍到：知识联邦可以打破数据孤岛，把认知层给提取出来，认知层提取出来之后，再通过加密的手段与第三方做一些融合。通过使用一些迁移方式，或者原协议的方式，从而将各个机构的数据壁垒打破，达到联防联控的效果，这样便可运用至反欺诈，或者做企业征信。比如说一个小微企业，它信息非常有限，那么它有可能有一些关联交易或者关联公司，企业主以及他的社交关系，社交网络、社会活动等等这些信息都能够串联利用起来，这些知识图谱组合起来，可以更有效的判断企业的信用情况。
我们再看知识联邦在此次新冠疫情大环境下的应用，李晓林表示：同盾科技以知识联邦为基础的疫情预报系统能做到像天气预报一样去预测未来几天实际病例的情况。此前，该模型预估的复工时间也相当准确。基于知识层的解决方案，同盾科技可以做到预报艾滋病的传染路径。艾滋病本身也很私密，很多病友通过一些社交关系去看病的医院，诊疗数据都十分私密，而这个私密性所导致的结果非常难预报，导致艾滋病一爆发就难以控制了。那么这时候知识联邦就能够通过时空人群的流动，时空演变的去可视化以及通过知识图谱、社交网络、人际关系来做一些判断，甚至大众在社交网络上的一些活动和信息都可以传达出来。甚至通过这个知识层，可以预测基因的一些变化。因为传染艾滋之后，它的基因会有所变化。如果将这个基因突破变化的过程结合起来，将会得到相当准确的判断。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。