区块链绑定人工智能系统（BTA）的硬件集成与规划

### 区块链绑定人工智能系统（BTA）的硬件集成与规划 #### 1. 集成硬件与区块链的结合 将区块链绑定人工智能（BTA）与集成硬件结合的应用场景仅受想象力的限制。AI工程师为AI工作流系统构建的软件几乎可以集成任何智能硬件系统。在实际应用中，需要考虑这些设备的实际影响，并进行健全性检查或交叉检查，以确保系统功能正常且与其他组件兼容。 以汽车为例，现代汽车有许多不同的组件，每个组件都需要通过单独的检查才能协同工作，使汽车在当前环境中正常运行。其中一种用于交叉检查组件的方法是操作设计域（ODD），它决定了车辆（或类似设备，如机器人）可以运行的各种细节。 当驾驶非自动驾驶汽车时，驾驶者会根据一天中的时间和道路条件等因素来决定如何控制车辆，这就是对ODD的考虑。而对于全自动驾驶车辆，AI将负责分析ODD，无需人类干预。例如，车辆可能会检查轮胎压力、温度，并在必要时进入非运行模式。 ODD原则不仅适用于自动驾驶车辆，还可用于机器人和混合动力设备。例如，一个汽车 - 机器人混合动力设备去公交站接孩子或执行其他附近的常规任务，它的各个组件（如计算机化转向系统、照明系统、制动系统等）都需要协同工作。每个组件都有自己存储在可擦除可编程只读存储器（EPROM）芯片上的内存，用于存储其优化数据。 如果从一个总是在白天干燥天气下运行的机器人中取出一个组件，可能需要对其进行重新优化，才能在夜间或雨中运行。因此，车辆进行健全性检查以确保优化设置适合当前条件非常重要。这些数据会一直保留在车辆中，直到车辆进行诊断测试。如果将该组件取出并安装到另一辆车中，它将保留EPROM中的优化设置，直到被新车辆重置。 引入区块链作为一种更永久的内存形式，可以提供一个防篡改的记录，显示每个部件是如何以及为什么被优化的。每个组件可以有自己的区块链通道，存储在其EPROM上的链可以作为一个防篡改、可审计的永久内存库。区块链的其他节点可以存储在其他利益相关者的系统中，如用于测试部件的工作台。当部件与区块链网络的其他部分进行通信时，该部件的ODD通道上的数据可以公开或作为零知识证明与区块链网络的其他部分共享。 此外，许多集成测试是通过数字孪生技术以数字方式完成的。数字孪生是物理设备（如机器人）的数字表示。一个有趣的应用案例是机器人强化学习。当一个部件从机器人中取出并放在工程师的工作台上时，工程师可以创建1000个数字孪生并进行大量实验，得出一组新的优化数据。这些新设置将被加载到卡上，然后再加载回机器人中。在区块链场景下，新的优化数据以及模型的详细信息（如AI工程师的身份和实验历史）将被存储在卡上。 当部件安装到机器人中时，可以使用区块链智能合约来验证修改后的部件是否满足机器人的ODD要求，如最大速度或操作条件。在集成硬件与区块链绑定AI时，ODD可以被替换为其他各种检查，如版本检查、需求检查、维护检查等，这些检查可以通过不同的区块链通道并行进行。 #### 2. 第三方服务和工具 BTA项目采用了以下第三方服务和工具，每个工具都有自己独特的用户界面： | 服务/工具名称 | 描述 | | ---- | ---- | | Oracle Cloud Infrastructure Data Science | 端到端的机器学习（ML）服务，提供JupyterLab Notebook环境，并可访问数百种流行的开源工具和框架。具有模型构建、训练、部署和管理等功能。 | | Oracle bucket | OCI对象存储服务提供的存储容器，用于在对象存储命名空间的一个分区中存储对象。一个桶与一个分区相关联，分区有策略规定可以对桶和其中的对象执行的操作。 | | Jupyter Notebook | 提供基于Web的交互式开发环境，用于处理笔记本、代码和数据。 | | PyTorch Lightning | 为专业AI研究人员和机器学习工程师提供的深度学习框架，在不牺牲大规模性能的前提下提供最大的灵活性。 | | TensorBoard logger | PyTorch Lightning提供的日志框架，其日志以TensorBoard格式存储在本地文件系统中，是Lightning的默认日志记录器。 | 通过一些额外的编程，BTA还可以连接到第三方程序，以分析AI模型的透明度、可解释性以及与业务模型的契合度。连接合适的程序有助于通过分析数据是否存在偏差或公平性来验证AI模型。可以对AI模型应用不透明盒测试，以确定模型的准确性水平。MLOps工程师需要了解项目的目的、超参数（AI工程师在模型训练前选择的运行变量）以及用于训练模型的算法。此外，还可以将SHapley Additive exPlanations（SHAP）、local interpretable model - agnostic explanations（lime）或Explainable Boosting Machines（EBM）等程序与ML集成，这些程序是模型无关的，并提供易于理解的图形和术语来解释迭代输出的结果。在将这些功能集成到BTA时，需要将每个新功能构建到用户界面中。 #### 3.