今天上午，以“数字赋能质胜未来”为主题的第15届浙商（投融资）大会暨2018数字经济峰会在杭州开幕。作为此次峰会亮点之一，美国区块链科学研究所的创始人梅兰妮·斯万来到大会，以《数字经济的未来》为题，从数字经济、区块链技术、深度学习算法、数字经济的未来等方面，进行了约40分钟的演讲。
以下为梅兰妮·斯万演讲实录：
我非常荣幸来到这里，这里有来自于政府的代表，我今天来这里的目的是因为，中国浙江还有杭州在经济方面都是非常好的，我们也非常希望为浙江下一个阶段数字经济发展的发展提供一点建议。
我是区块链研究所的创始人，也是一个技术的研究者，我今天会总体地讲讲数字经济，还有两个创新的技术，另外可以讲讲在中国有什么样的机会。
到底什么是数字经济？数字经济是基于数字计算技术的经济，如果说狭义地来定义的话，它可以定义为互联网产业，占到（全球？）GDP的6%。更广泛地来说，数字经济包括第三产业，以及消费品领域，还有政府和商业的领域。在消费的方面有2.9万亿美元的市场，其中设备占到37%的比例，也就是硬件，电商是34%，社交媒体是12%。
政府、商业还有企业都会把重点放在经济方面。2018年全球IT行业支出是3.86亿美元，特别是有1.1亿美元的支出用于数字化转型。数字化转型是数字经济创新的地方，也就是利用数字技术重组业务流程，数字化的转型带来一个核心的变化，即技术的应用能够提高工作效率，而现在的技术正在经历转型，让它更加简化，让它更好地重组我们的工作。
数字经济有不同的发展阶段。传统的经济是专注于物理基础设施，比如说自然资源、电力还有交通网络。在数字经济中，我们现在已经进入了第一个阶段，也就是数字化，第二个阶段是要加入更多的智能；第一个阶段是在数字技术上，发展出数据、通信、数据网络，在第二阶段我们的重点是加入人工智能的技术，包括智能的基础设施、深度学习、区块链等，然后构建出一个智能网络。
数字经济的第一阶段，重点是对现有的互动模式的数字化，现在要转向第二个阶段，也就是说要加入智能。我们使用区块链和深度学习来设计新的交互和业务。智能是机器或者是技术能够做很多通常是人做的事，在某种意义上来说，智能就是在转变；而人工智能是要做一些我们还无法做到的事，昨天的成功会很快被遗忘，比如说机器人学习、面部识别等。
智能很重要，它会把很多工作岗位转化为技术岗位，经济学家预测在未来的20年有可能会有一半的工作岗位会受到自动化机器人的威胁。这对中国来说也是一个双刃剑，中国在工业机器人的领域有领先的地位，但是同时也要创造一些新工作的岗位以实现就业。
（图示）我们可以看到，我们交给机器的一些日常的任务，在未来是非常规的认知的任务，还有非常规的一些应用。机器人领域的支出预计到2025年会达到670亿美元，包括军工、工业和个人的机器人的应用。根据相关的预测，未来最大的颠覆性的技术就包括了深度学习、大数据分析和区块链。
同时我们可以看到，最大的就业需求的增长会来自于机器人自动化、数据深度学习和区块链的技术。所以我现在就着重讲讲这两个重要的技术，分别是区块链和深度学习，它们是非常重要的，它们会推动未来新经济的发展，大家也比较感兴趣。
先从区块链讲起，实际上我在2015年写了一本非常畅销的书《区块链：新经济蓝图与导读》，这本书有繁体和简体中文两个翻译的版本。为什么写这本书呢？是希望激励人们建设更美好的世界。我是独立研究者，跟任何区块链项目没有关系。
我们知道，首先有信息，之后是电子邮件，再之后是视频，现在又有货币的流通，这些都通过互联网来进行。区块链和分布式账本技术是一种软件的协议，这种软件的协议就像是电子邮件使用SMTP协议进行发送一样，区块链是货币进行流转发送的协议，所以我们可以看到区块链技术有三层，它有自己的转移层，当然也有相关的协议，这样的协议可以让流量的流转得以实现。比如说TCP/IP是电邮和路由的协议，VOLP是通信软件进行路由的协议，区块链是将货币通过互联网来进行物流和周转。
区块链要实现的是互联网上安全的加密转款和价值的转移，互联网上要有这样一些机制能够实时进行验证，比如说我要花费数字货币的话，要通过相关的机制来看使用者是否有足够的金额和额度，而且确保是否是单次使用，避免重复花费的情况。可以看到区块链可以实现安全的价值转移，包括来实现应用的开发，包括了货币证券、财产、合同和身份的证明（包括签证）。
我区块链有两类，一类是公有链，一类是私有链。公有链是向公众开放的，所有人都可以下载相应的软件进行使用，公有链是去信任化的，我只要相信这个软件就可以了，不需要建立信任；而且公有链是通过P2P的软件来进行挖矿，所以有这样的机制来进行交易的验证，这里面有一些比较大的项目，比如说比特币、以太坊等等。
再讲到私有链，它从另外一个侧面来说，实际上是企业或者说政府来使用的，它可以是下一代数据交互的界面。私有链并非是去信任化的，我必须要将对方的信任建立起来，这个很重要，比如说我是一个小公司，加入供应链的区块链的私有链里面，我要理解这里面是如何编排的，它对我的交易记录是如何进行记录和转移的。
（图示）这里有一些示例的应用，作为管理人员需要将价值创造和噱头区分开来，并不是说每一个场景都需要区块链，区块链像企业软件和其他的软件一样，首先要有实际的业务运用，有多方的参与，价值转移要得到实现。比如美国有一个与健康保险相关的项目，就有多方参与，医护人员、患者、保险公司等等。在这样一个开放网络里面需要进行安全的相关的信息的转移，区块链是一个很好的应用。
在金融服务领域，这也是区块链最显而易见的应用领域，对银行来说结算不再需要通过中心清算机构，而是各自建立一个分布式账本，以点对点的方式结算，减少我们的风险。
另外供应链也是区块链的很好的应用的场景：有一个流程在云端，所有的供应链的相关方——供应商、物流商、保险商都可以参与进来。如果未来这些活动都以区块链的方式存储在云端的话，就不需要每家企业都搞一个账本了。
今天是大数据的时代，大数据并不等于智能的数据，全世界只有42%的企业表示知道如何从数据中提取有意义的洞见。一些老旧的算法已经没有办法跟上数据的大量增长，正因为如此，新的方法，比如说深度学习的算法需要得到进一步开发和应用。
全球人工智能的支出也呈现爆发式地增长，预计到2025年会达到360亿美元。我们可能会思考深度学习和AI是如何进行联系的，在计算机科学领域，人工智能是一个研究的方向，其中包括机器学习，神经网络等，深度学习是其中一个研究的目标，但是我们看到很多深度学习领域的相关投资现在都是针对一个狭义的领域，而不是在更广义的方面进行投资。深度学习的概念是计算机程序能够自主识别相关的物体或者说对象。从技术上来说，深度学习是机器学习算法以神经网络的形式存在，使用处理单元的层级从数据中提取特征，同时也可以针对新数据进行预测。
深度学习系统其实是很傻的，是机械性的，深度学习中所谓的“学习”，实际上是通过大量的案例和大数据来进行试错，再进行权重的调整，识别出数据中的关键特征，以此来识别新的事例。
人工智能的观点也在这里适用，系统的好坏要看数据的体量。
可以看看下面这些深度学习的步骤。
首先是大量输入的数据，比如说非常多的猫猫的图像输入到系统里面，接下来使用试错法，让机器进行猜测，来看一下这个图像中猫的重要的特征是什么。到最后有这样一个结果，是系统能够识别的猫猫的图像或者说新的事例。
所深度学习的应用场景，一个是智慧城市，交通、监控管理等。比如说我要让系统识别出汽车，必须创建汽车的图象识别系统，并且在更高的层面识别出新的图像。再比如我把我自己的自拍传上去，它就会将自拍分成非常多的网格，对每一个网格里面进行非常多的特征识别，从而识别出我的面部的特点。
一开始的话系统不知道人脸识别要去查找哪些特征，但是在进一步的抽象化过程中，它可能会发现下巴的特征和面部的特征是识别我本人最重要的特征。
深度学习有两类，监督性和非监督性。监督是目前使用比较多的，监督性学习利用的是已经分类标记的数据，无监督的系统是使用未标记数据。监督式学习在2011年有一些早期的成果，因为我们知道Youtube上有一亿个和猫猫有关的视频，而且上传视频的用户也会给视频打个猫猫的标签，通过数据学习让人工智能了解到猫的图像是怎么样的。2011年Google基于这样的应用发表了论文。
去年，Google宣布研发出了在图象识别上和人可以媲美的机器学习系统。深度学习网络也分两种，一个是卷积神经网络，二是递归神经网络。递归神经网络是进行语音、文字和音频的识别，因为在语音当中顺序很重要，“递归”，顾名思义，即使用记忆功能来进行迭代顺序的输入，递归神经网络会使用长短期的记录，而实际上的复杂性还要包括卷积神经网络。
在深度学习方面有三个原理，一个是双曲函数，二是感知器结构，三是损失函数。比如说我们最大的客户是什么，这个客户有20个特点，就把这个问题给输入到回归函数里面，形成一个S型的函数。算法让人工智能能够进行是或者否的回答。比如说0到0.5的曲值就回答否，到1就回答是。
另外一个是神经元的结构，指我们深度学习的网络是模块化的，无论是10个节点还是100亿个节点都是一样的，像人大脑中的神经元通过输入来进行处理，最后产生同一个输出。模块化也是神经网络通过一个层级互联的神经元结构进行深度网络的构建。
损失函数，我们使用回归函数将自己的数值映射到S型的网络，有相关的优化的解决方案。进行这项工作最重要的一个原理就是损失函数，将我们算法处理的损失最小化。
神经网络如何来学习呢？刚才讲到它是机械性的，实际上神经网络之所以能够学习，是因为神经元起点层的结构体系，它要调整参数的权重和偏差。另外反向传播也是很多研究人员的一项课题，反向传播解决的问题是。如果要对所有在神经网络里面的数据都进行计算是低效率的，所以对算法要进行优化。通过反向传播可以更好的地对所有的算法结果进行分析。
接下来讲一下数字经济的未来。
区块链和深度学习让我们能够研判目前数字经济的发展阶段，第一阶段是现有的互动模式的数字化，比如说在商业或者说在通信方面，比如说社交网络、APP、支付。
现在在第二个阶段，我们转向融合人工智能技术创造出智能网络，我们可以利用区块链和深度学习的技术。我们的想法是能够设计一种新的交互的方式，新的业务模型。智能技术和数字技术可以利用区块链来实现安全的自动化，使用深入学习来识别物体。这两种技术结合在一起之后，它能够让一些未来的应用更加安全，更加智能化。
另外还有一个应用就是健康大数据，我们现在全球有75亿人，但是我们要真正掌握人类疾病的标记物，需要大量的健康数据，通过人工智能，我们能够从中有新的发现。
比如人的基因组，要进行存储和处理的数量非常大，所以我们需要一些安全的架构，这样我们才能把规模扩大来应用于健康的大数据。深度学习也可以用于自动化的生产，主要是一些技术性的识别，比如说有很多的岗位已经可以由机器来替代。这些未来的技术还有一个非常远大的未来，就是它的可持续发展和包容性。未来，不需要有银行或者说信贷机构，而是使用数字技术来提供服务，那些过去没有办法获得服务的人，也有70%可以满足需求。比如没有办法获得土地登记的人，还有在政府的身份系统里面没有能够被识别，还有四亿人没有办法获得疫苗和药物，我们通过数字钱包的技术，能够服务到这些人。深度学习技术也能够更好地来进行疾病的诊治。
最后，我认为中国的数字经济有三个机会，提高生产力；在区块链和深度学习等技术上的投资，还有就是提升效率。因为中国有很多大企业，通过区块链还有深度学习更好的来管理全球贸易的供应链。
