文章目录
从信息互联网到情报网
摘要—在信息互联网时代，我们经历了分层，跨层和跨系统的设计范例。 近年来，跨系统设计范例的“模型灾”和“维数灾”已导致了人工智能（AI）优化信息互联网的流行。 但是，对于AI方法而言，许多重大研究挑战有待解决，包括在这种数据驱动方法中，由于隐私和资源限制，缺乏高质量的训练数据。 为了应对这些挑战，我们需要在更大的时间范围内看待人类的合作。 为了推动现代合作，我们建立了三项主要技术：“交通网”，“能源网”和“信息互联网”。 在本文中，我们认为下一个合作范式可能是“情报网（Intelligence-Net）”，通过区块链技术的最新发展，可以像能源和信息一样轻松获取情报。 我们介绍了这些领域的最新进展，并讨论了未来需要解决的一些的问题和挑战。
索引词—情报，互联网，信息，区块链，合作。
1.介绍
互联网已经成为我们社会经济系统的主要基础之一，它使人与机器之间能够进行信息交流。在信息网络时代，我们经历了分层、跨层、跨系统的设计方法。互联网原始设计中的分层是互联网成功背后的关键原因之一。在分层设计范式中，复杂的端到端网络交互任务被分解为互不相关的部分，以简化设计。每一层只需要与其相邻的协议层交互。
虽然分层可以简化网络设计和操作，但分层架构存在许多问题。例如，分层引入了低效率和/或重复(同一函数在多个层上执行)。此外，很难与其他层共享某一层的操作信息。因此，分层可能导致较差的性能，特别是对于具有硬服务质量(QoS)约束的应用程序
为了解决分层架构的问题，跨层设计在21世纪初成为一种流行的方法。跨层设计允许在系统中不相邻的层之间进行通信。通过在非相邻层之间交换信息，各层可以根据其他层的状态进行有效的适应。因此，通过跨层设计可以获得吞吐量、效率和QoS方面的实质性收益。
虽然跨层设计可以提高网络性能，但仅关注网络很难满足新应用的需求，如增强现实(AR)和虚拟现实(VR)，它们不仅需要高数据率，而且需要高存储和计算能力。最近，跨系统设计吸引了业界和学术界的极大兴趣，其中，网络、缓存和计算是共同考虑的。跨系统设计的复杂性很高，由于“模型灾”和“维数灾”，使得传统方法难以对整个系统进行优化。人工智能(AI)的最新进展已广泛应用于跨系统设计的优化。
然而，许多重大的研究挑战仍然有待解决的人工智能方法跨系统设计。例如，训练数据对AI方法有重大影响，但是由于隐私和资源的限制，系统设计者可能无法获得高质量的训练数据。 为了应对这些挑战，我们需要在更大的时间范围上审视人类的合作。 为推动现代合作，我们建立了三项主要技术：交通网，能源网和信息互联网。 图1显示了此过程，其中分层，跨层和跨系统设计只是信息互联网时代的设计方法的一部分。
在本文中，我们设想下一个合作范式可以是“情报网（IntelligenceNet）”，通过区块链技术的最新发展，可以像能源和信息一样轻松获取情报。 我们认为，情报网络可以对社会经济系统产生重大影响。 我们介绍了这些领域的一些最新进展，并讨论了未来需要解决的一些问题和挑战。
本文的其余部分组织如下。首先，我们在第二节中回顾了信息网络的设计方法。第三节讨论了人类合作的支持技术。第四节介绍了情报网络，第五节讨论了一些为解决的问题和研究挑战。最后，我们在第六节中对本文进行总结。
2.信息网络中的设计方法
在信息互联时代，我们经历了分层、跨层、跨系统的设计过程。我们将在本节中描述这些方法。
图1所示：为推动现代合作，双方建立了交通网、能源网和信息互联网三大技术体系。分层、跨层和跨系统设计是信息互联网时代设计方法的一部分。我们设想下一个合作范式可能是情报网(intelligence - net)。
A 分层
人们普遍认为，分层的一般原则是互联网取得巨大成功的关键原因之一。分层的架构构成了互联网的基本结构。在分层架构中，每个模块(称为层)通过观察自己的一组参数和来自其他层的参数，并控制一组决策变量来负责特定的功能。每一层都向上一层提供服务，并隐藏下一层的复杂性。
分层具有几个优点，包括简化、模块化、抽象功能和重用。
•简化：分层可以通过将端到端网络的复杂任务分解为不相连的部分来简化设计。
•模块化：每一层都易于设计，开发，优化，管理和维护。
•抽象功能：可以更改每一层而不会影响其他层。
•重用：每个层提供的功能和服务都可以重用。
然而，分层也有一些缺点，包括次优、信息隐藏和性能。
•次优：分层可能会导至低效和/或冗余。
•信息隐藏：一层的信息很难被其他层使用。
•性能：分层会导致性能下降，特别是对于具有严格QoS约束的应用程序。
B 跨层设计
这种分层架构已经受到研究团体的密切关注，特别是无线网络研究团体。文献中已经提出了大量的跨层设计方案。跨层设计积极地利用了不同层之间的依赖关系来改善系统整体性能。这与分层不同，在分层中，不同的层是独立设计的，不相邻的层之间禁止直接通信。
众所周知，无线网络上的传输控制协议(TCP)是跨层设计中最常被引用的例子之一。在分层架构中，TCP发送者将无线链路上的数据包错误，错误作为网络拥塞的指示器，这会导致TCP性能恶化。相比之下，可以在跨层设计中创建从底层到传输层的新接口，以启用显式通知，通过这种方式可以显著提高TCP的性能。在[2]-[4]（引用文献）中可以找到许多其他交叉设计的例子。
C 跨系统设计
随着增强现实和虚拟现实等新兴应用的出现，单纯以网络为中心的传统网络已不能满足这些应用对高数据速率、高缓存和计算能力的需求。另一方面，信息和通信技术(ICT)的最新进展推动了各个领域的创新，包括网络、缓存和计算。
这些系统的集成成为的自然趋势。通过将缓存功能合并到网络中，系统可以为高度可伸缩和高效的内容检索提供本地支持。此外，计算功能的集成使网络具有强大的数据处理能力，从而能够在网络中执行计算密集型的应用。通过将移动设备计算任务卸载到边缘/云节点，可以节约移动设备本地资源特别是电池寿命，减少任务执行时间，丰富用户体验质量。此外，通过跨系统设计，网络、缓存和计算功能可以相互补充。例如，可以缓存一些计算结果以供将来使用，并且可以减轻回程工作负载。图2显示了针对不同应用程序的网络、缓存和计算跨系统设计。
图2。针对不同应用程序的网络、缓存和计算跨系统设计。IoT:指物联网；AR:增强现实；SMS:短消息服务。
D 人工智能(AI)方法
当我们共同考虑不同系统的动力学时，跨系统设计的复杂性是非常高的。由于建模灾和维数灾的存在，传统的优化方法难以应用于跨系统设计中的优化问题。建模灾是指当建模的系统是复杂的时，很难准确地知道所有的状态参数和动力学。维数灾是指由于对计算时间和资源的要求较高，当状态参数、动作和动力学增加时，很难找到最优策略。
强化学习(RL)是一种广泛使用的方法,可以减少建模灾和维度灾。这种方式使得当系统动力学不明确知道或当问题是高度复杂时，允许我们近似最优策略的顺序，状态依赖决策问题。然而，当动作值函数近似为神经网络等非线性函数时，RL是不稳定的，甚至发散的。
深度学习的最新进展导致了深度强化学习 (DRL)，这两种学习很好地结合在一起。基本上，RL需要从数据逼近函数的方法来实现它的所有组件，包括值函数、策略、世界模型、状态更新器，而深度学习是最近开发的，也是最成功的函数逼近器。DRL已成为AI最重要的方法之一，并已成功地用于解决跨系统设计中的优化问题。
对于跨系统设计的AI方法，许多重大研究挑战仍需解决。 例如，训练数据对AI方法有重大影响，但是由于隐私和资源的限制，系统设计者可能无法获得高质量的训练数据。
3.使人类合作的技术成为可能
为了应对上述挑战，我们需要在更大的时间范围上看待人类的合作。合作是人类历史的核心。人们认为，人类之所以主宰世界，是因为我们是唯一一种能够大量灵活合作的动物。近代以来，为促进合作，我们建立了三大技术:交通网、能源网和信息互联网。图1显示了这个过程。
A 交通网
交通运输技术在贸易、战争和社会活动等合作中发挥了重要作用。在其他交通工具出现之前，人类是步行的。然后，人类学会了用动物和船来运输。在17和18世纪，人们发明了许多新的交通技术，如自行车、火车、汽车、卡车、飞机和有轨电车。飞机、宇宙飞船和汽车是二十世纪决定性的交通技术。
从本质上说，交通的主要目的是把质量从一个地方转移到另一个地方，以减少资源的差距。例如，一个没有石油的国家可以通过运输从另一个国家进口石油。
B 能源网
另一个重大创新是能源网，它是现代生活的基础。 有了能源网，我们只需插入电网，即可轻松获得能源来为电话和计算机供电，为房屋供冷并在夜间照明。 能源网的主要目的是将能量从一个位置移动到另一位置，以减少能量差异。 有趣的是，爱因斯坦发现能量和质量之间存在一种众所周知的关系，如下所示。
C 信息互联网
在能源网之后，信息互联网的发明使人类的合作达到了新的水平。信息网络已成为我们社会经济系统的主要基础之一，使信息交流成为可能。信息互联的主要目的是将信息从一个地方转移到另一个地方，以减少信息的差异。
信息和能量之间的联系可以追溯到麦克斯韦妖。“恶魔”能够通过将信息(关于每个粒子的位置和速度)转换成能量来减少系统的熵。兰道尔的原理证明了信息的比特数，I，可以不可逆地删除或合并的理想有效的记忆改变或逻辑操作需要一个最小的能量，E。
从上面的描述中，我们可以看到，每一个重大的创新都使我们能够移动一些东西，减少一些东西的差距，我们可以分享一些东西，促进我们的合作。在这里，这些实现技术中，一些东西分别是质量，能量和信息。此外，我们可以看到，每一种新技术都是从现有技术中创造出来的，每一种技术都是站在其他技术的金字塔之上的。
4 情报网
我们设想下一个合作范式可能是情报网(intelligence - net)，随着区块链技术的最新进展，情报可以像能源和信息一样容易获得。在本节中，我们首先提出当前信息网络的局限性。然后，我们介绍区块链技术的最新进展，可以用来使情报网成为可能。
A 现有信息和AI的局限性
传统的因特网最初是用来处理信息交换的，例如使用电子邮件和网站。它的设计不是为了处理包括金钱和情报在内的有价值事物的交换。虽然现在网上电子商务非常流行，但网上转账实际上并不是直接转移钱。取而代之的是使用中间人，如银行、信用卡公司、西联汇款或贝宝。
目前的人工智能算法通常涉及大量数据。分析的数据越多，人工智能算法的预测和决策就越准确。但是，由于隐私和资源的限制，在一些系统中无法访问大量高质量的培训数据。此外，数据的可信度也起着重要的作用。在数据资源的探索中，AI方法需要更好的数据来源来训练模型，从而更有效地解决问题。然而，通过当前的信息网络，高精度和隐私感知的数据/情报共享是困难的。
与人类学习类似的另一个方面是集体学习，这在目前的人工智能系统中是不可用的。在了解从大爆炸到现在的宇宙，地球，生命和人类的历史时，集体学习解释了人类为什么不同于其他所有动物的原因。通过集体学习，人类可以从数据中学习、保存情报、相互分享，并将其传给下一代。集体学习使人类能够分享如何应对周围环境的想法，从而适应新的环境。
B 区块链技术
区块链技术的最新进展可以帮助解决上述挑战。随着密码货币的巨大发展，底层的区块链系统引起了业界和学术界的广泛关注。与为信息网络的发展奠定基础的TCP/IP协议类似，区块链通过有效地建立人与人之间的信任，降低成本，提高资源的利用率，为我们的社会经济系统创造了新的基础。区块链是一个不断增长的记录列表，称为块，使用密码学进行链接和保护。一般来说，它是在地理上分布在多个节点的网络上的复制、共享和同步数据的共识。没有中央管理员或集中式数据存储。使用共识算法，对分类帐的任何更改都会反映在副本中。 分类帐的安全性和准确性根据网络同意的规则以密码方式维护。
C 区块链支持的情报网
在本小节中，我们将展示区块链的一些可以使情报网成为可能的好特性，包括数据和情报共享、安全和隐私、分散式情报、集体学习和信任问题。摘要在图3中列出。
图3，区块链的良好特性使其能够实现情报网。
1)区块链有利于数据和情报共享:在当前的信息互联网和人工智能系统中，对数据和情报共享的低效管理是情报网发展的关键瓶颈。为了解决这些问题，可以使用区块链技术通过嵌入在区块链中的激励机制来鼓励分布式各方共享数据和情报。在情报网络中，数据和情报的可靠性起着重要的作用。目前，考虑到信任和隐私问题，大多数用户不愿意与他人分享自己的数据和情报。利用区块链的优势，解决这个问题成为可能。具体来说，区块链上的每个事务都是基于分布式网络中的单向加密哈希函数进行检查、验证和存储的。这些曾经执行的事务在验证之后是不可逆的和不可否认的。由于区块链具有这些良好的特性，可以实现对数据和情报的验证，显著提高数据和智能的可信性。
2)区块链可以使情报网在安全和隐私方面受益:安全和隐私保护是情报网使用的关键因素。目前AI系统大多采用集中式架构，容易被黑客攻击，单点失效。此外，由于资料及情报通常涉及个人资料，资料的泄露可能会导致对个人资料私隐的关注。如何保护数据和情报免受黑客攻击是一个重要的问题。由于在5区块链中嵌入了密码学，存储在区块链中的数据是高度安全的。区块链是存储高度敏感的个人数据的理想选择。此外，在区块链中嵌入的惩罚方案可以用来处理网络攻击问题。区块链还可以与基于属性的加密(ABE)技术一起使用，使数据和智能所有者能够在访问控制管理中为用户分发**和加密共享数据。
3)区块链可以使智能网络受益，实现去中心化的智能和集体学习:一个集中化的人工智能系统需要对问题具有全球视野，需要具备收集大数据集所需的所有知识和资源。然而，集中的人工智能系统并不足以适应不断发展的社会和经济复杂性，并可能有严重的限制，如物联网和边缘计算应用的可伸缩性问题。区块链的分散化本质可以解决这些问题。通过应用区块链，单个智能实体可以在本地设备上以分散、分布式的方式学习、训练、推导决策。更重要的是，情报可以被保存下来，并与他人分享，从而实现永无止境的集体学习。特别是，区块链中的智能契约可以为不同AI实体之间的交互建模提供新的机会。
4)区块链可以让智能网络更加信任决策:随着AI系统在处理更重要的任务上变得越来越智能，比如自动驾驶，人类将很难理解这些AI系统是如何得出具体结论和决策的。缺乏信任将严重限制人工智能系统的应用。因此，应在智能网络中设计好信任机制和审计程序。区块链的分散、透明和加密特性使人和机器能够相互信任，并建立了一种新的信任范式。通过区块链，授权节点可以随时对决策过程进行审核和审计。为过程审计提供了一种可行的解决方案，极大地提高了智能网的可信度。
5 未解决的问题和研究挑战
虽然对情报网的研究仍在兴起，但仍有许多未解决的问题和挑战需要谨慎地加以解决，以备将来的努力。在本节中，我们将讨论一些为解决的问题和研究挑战。
A 情报建模
在信息互联时代，信息建模起着基础性的作用。特别是香农的信息理论，利用熵来量化信息的数量，已经成为信息网络成功的关键。同样，情报建模将是情报网络成功的关键。图灵测试是一种流行的方法，用来测试机器表现出等同于或与人类无异的智能行为的能力。然而，智能建模仍然是一个为解决的问题。我们能不能用一种类似于熵的方法来量化智能的数量？
B 体系结构和协议设计
我们已经经历了信息互联网的分层、跨层和跨系统设计范例。在设计智能网络的过程中，我们是应该遵循类似的流程，还是应该首先考虑跨系统的设计? 此外，信息互联网有一个成功的沙漏结构，该结构以通用网络层(即通用网络层)为中心。它实现了全球互联所必需的基本功能。通过允许上下级技术自主创新，瘦腰原理成功地实现了信息互联网的爆炸式增长。同样，我们设想的智能网络的瘦腰结构也需要进一步的研究。
C 区块链和AI系统的可扩展性
目前，大多数区块链和AI系统是专门的系统，是为专门的应用而设计的。这些系统之间的互操作是非常困难的。此外，由于区块链最初主要是为加密货币设计的，因此当前区块链系统中存在的一些重要问题使其无法作为全球不同服务和应用程序的通用平台。特别是在智能网络中，不同的业务和应用对QoS的要求会有很大的差异，未来需要采用先进的QoS提供方案来满足这些需求。
6 结论
在本文中，我们回顾了信息网络的设计方法:分层设计、跨层设计和跨系统设计。信息网络的挑战促使我们在更大的时间范围上审视人类合作。然后，我们回顾了三种促进人类合作的主要技术:交通网、能源网和信息互联网。我们注意到，这三种主要的创新，每一种都使我们能够移动某样东西，缩小某样东西的差距，使我们能够分享某样东西，促进我们的合作。基于这一观察，我们设想下一个合作范式可能是情报网络(intelligence - Net)，情报可以像能源和信息一样容易获得。在此基础上，提出了区块链技术及其优点，使智能网络成为可能。最后，对情报网存在的问题和研究挑战进行了概述和讨论。