中心化,去中心化?关乎互联网未来命运的重要选择

前言:不知不觉互联网的未来发展出现了分歧,当Facebook、谷歌等互联网巨头越来越强大的时候,反弹的声音也越来越大,人类社会的有识之士希望解决这个问题,由此导致了区块链的兴起,甚至也包括万维网之父伯纳斯· 李,他希望推翻自己发明的技术,重塑互联网的未来。中心化,去中心化?这已经成为一个问题,未来究竟如何选择,我们在这篇文章中进行了深入探讨。

 

应该说在互联网的发展历史上有5个重要的节点,分别是互联网的诞生、TCP/IP的发明,万维网的推出,社交网络的兴起,移动通讯技术的大规模应用。

其中万维网是非常重要的一个发明,不但20年后云计算的产生与它的B/S结构有关,大数据的兴起与它的超链接和超文本技术也有直接的关系,甚至引发巨大争议的区块链技术也是因为要对抗万维网的影响力而被世界关注。

万维网是20世纪90年代,伯纳斯· 李在欧洲核物理实验室(CERN)推出的。在20世纪80年代,互联网已经开始成长为世界科技、军事、政府机构中信息共享的巨大网络,但由于技术架构的问题,互联网的信息像被锁在一个个箱子里的宝贝一样,获取时需要密码和钥匙,箱子之间的宝贝也无法相互获得。

为了解决这个问题,伯纳斯· 李在前人的基础上提出了万维网架构,这个架构有两个重要的特点,第一个是超文本和超链接,它的诞生为互联网知识海洋也就是大数据的形成奠定了基础,第二个是B/S,也就是中心型架构,包括谷歌、Facebook、腾讯、阿里巴巴、亚马逊等世界科技巨头和数千万个网站都在采用了这个架构,到21世纪,B/S随着互联网科技巨头的出现逐步演变成云计算,成为互联网寡头垄断的代表与核心。

 

这种变化对于伯纳斯· 李是一种意外。也是伯纳斯· 李无法容忍的一种状况,2018年3月,在万维网诞生29周年的日子里,伯纳斯· 李撰写的公开信,对Facebook、谷歌等大型互联网公司进行了批评,他指出这些公司利用人们的个人数据的同时,扩散了虚假信息。他表示,自己越来越担心的是少数公司控制和拥有越来越多的信息和个人数据。

 

针对互联网巨头垄断数据资源的状况。伯纳斯· 李试图亲自扭转这一局面,创立于2017年的Solid项目,希望能让用户管理自身的个人数据,而不用像过去一样把数据储存于各家公司的数据中心内。透过这个软件,用户可以把自己的数据存在个人的"Solid POD"内,除非得到用户允许,不然其他公司都拿不到该用户的个人数据。

这并不是万维网之父伯纳斯· 李意识到的问题,更大的一个群体正在通过区块链技术试图对抗互联网巨头的垄断地位,这是利用20世纪90年代对等式网络与密码技术组合形成的新的技术框架。同样希望用去中心化的方式解决互联网面临的问题。中心化?去中心化,这似乎是个关乎互联网未来命运的重要选择。

 

 如果我们回顾过去50年互联网发展的历史,会惊奇的发现,互联网与诸多前沿科技并不是杂乱无章、你死我活的竞争与无序发展。种种迹象表明,它们都是一个不断发育和成熟的互联网大脑架构的一部分。

    其中云计算对应中枢神经系统的发育;物联网对应感觉神经系统的发育;工业4.0,云机器人、智能驾驶、3D打印对应运动神经系统的发育;边缘计算对应神经末梢的发育;大社交网络,混合智能、云群体智能和云机器智能对应类脑神经元网络的发育;移动通讯和光纤技术对应神经纤维的发育等等。

 

    如果我们回顾过去数亿年生物大脑的进化历史也可以看到。在生物脑出现早期,脑的形态是一种弥散的神经网络,现在的水母和海葵依然如此,如果用IT科技的概念来表述这个时期的脑结构,它可以看做是一种去中心化的类似区块链的模式。但随时生物进化,脑的构造越来越复杂,继续进化到鱼的脑,两栖动物脑,爬行动物脑,哺乳动物脑,最后到人脑,脑的中枢神经系统越来越复杂,智能越来越高,应对自然挑战的能力也越来越强。

    无论是从数亿年生物脑的进化,还是从互联网50年的进化,我们似乎看到中心化的,中枢神经式结构的出现是互联网发展的必然。用去中心化的技术和结构,瓦解和推翻中心化中枢神经式技术结构,很可能不符合未来趋势。

    但不意味着谷歌,亚马逊,Facebook等世界互联网巨头目前的垄断没有问题。全人类的数据、信息、服务、行踪、情绪、隐私、知识财富都被少数几家公司控制,整个人类社会的中枢神经系统被这样的组织形式掌控,明显也会引发越来越大的反弹。

    这是人类历史从没有出现过的企业形式,与工业时代的科技巨头不同,谷歌,亚马逊,Facebook等巨头因为其跨地域,跨行业,跨国家的特征,让它们很难被拆分。总体有三个结论:1.互联网的神经中枢化符合历史趋势;2.人类又逐渐意识到不能让自己的神经中枢被少数人和公司掌控;3.无法被拆分。

    这三个结论视乎是一个死结。在假定不应用去中心化的基础彻底颠覆互联网架构的情况下,唯一的一条路就是这些互联网巨头的股权在未来逐步被使用者或人类社会共同拥有。将其彻底的基础设施化。

    去中心化的区块链技术也许在那时发挥真正的价值,对人类社会共同的互联网巨头进行监控和监督,也就是说在需要对社交网络,搜索引擎,电子商务等巨头的重大事项进行投票决定时,区块链技术是最佳的选择。因为这是防止投票被大规模控制的唯一方式。

    在未来的人类社会的科技格局中,去中心化技术是权高而位轻,中心化技术和巨头是位高而权轻。它们的互补将使得互联网更为稳健和灵活的向未来发展,理清它们的关系也许可以避免误判带来的重大损失。

 

作者:计算机博士,《互联网进化论》作者刘锋

关于互联网大脑模型的参考文章:

1.互联网的大脑模型与原子的太阳系模型,科学史上的巨系统对比,http://blog.sciencenet.cn/blog-39263-1118627.html.

2.互联网大脑模型的提出过程和研究方向,http://blog.sciencenet.cn/blog-39263-1111663.html

3.5个版本互联网大脑模型的演进与对比,http://blog.sciencenet.cn/blog-39263-1130208.html

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值