關於 用數學的語言看世界摘要 ，我們在網路上蒐集到這些相關的討論、資訊與評價

2020人工智慧的預測~

本文來自量子位微信公眾號 QbitAI
…………………………………………………………
吳恩達邀請9位AI大牛暢想2020：李開復看好醫療教育，LeCun強調自監督學習

2020，AI的研究會有哪些突破？

2020，AI的應用又會有什麼變化？

吳恩達DeepLearning.ai旗下的THE BATCH刊物，分享了包括Yann LeCun、李開復、周志華、還有他們的老闆吳恩達在內的10位AI大佬的新年寄語，以及對AI在2020年能有什麼突破的“新年願望”。

一起來看看吧~

▌吳恩達：保持學習和好奇心

在這份「新年寄語篇」的開頭，吳恩達作為發起人開場，總體是一些關於學習新知識的碎碎念。

吳恩達說，他每年冬天的假期都會圍繞一個新的主題進行學習。

比如10年前的那個冬天，他的學習主題是教育學，雖然當時他拖著十分沉重的書箱在機場趕路，但對教育學的研究的確為後來線上學習平臺Coursera的成立起到了幫助。

而去年，當時他的寶貝女兒Nova還在母親腹中，吳恩達就在冬天讀了很多育兒書籍。

而這個冬天，吳恩達說他在研究續命——包括遺傳學、還有誇克什麼的在內的新興科學，還實地探訪去拜見了自己101歲的爺爺，爺爺用親身經歷告訴他：

長壽的秘方，就是保持好奇心。

照這個規律，吳恩達覺得自己的關注者裡會有不少人能在101歲之後依然活蹦亂跳的。

最後，吳恩達祝大家過一個充滿好奇心、學到新東西、有愛的2020年。

▌李開復：AI將在更多行業落地

李開復的新年寄語主題，是AI無處不在。他說：

人工智慧已經從發現的時代到了落地的時代。在我們主要在中國的投資組合中，我們看到了在銀行、金融、運輸、物流、超市、飯店、倉庫、工廠、學校和藥物研發中使用人工智慧和自動化技術的應用。

但是，從整體經濟的角度來看，只有一小部分企業開始使用AI，這表明AI還有巨大的增長空間。

我相信，在人類技術進步的歷史上，AI將與電力同等重要。在未來的一二十年中，人工智慧將滲透到我們的生活和工作中，從而提供更高的效率和更智慧的體驗。現在正是企業、機構和政府充分擁抱AI並推動社會前進的時機。

我對AI在醫療和教育上的影響非常興奮。這兩個行業已經為AI的部署做好了準備。

我們投資了一家使用AI和大數據優化供應鏈的公司，從而緩解了超過1.5億中國農村人口的藥品短缺情況。我們也在投資用深度學習來生成化合物的藥物研發公司，以將藥物發現時間縮短三到四倍。

在教育方面，我們看到一些公司正在用AI改善學生的英語發音，幫助學生提升成績，用個性化和遊戲化的方式説明學生學習數學。這將使教師從日常工作中解放出來，並使他們能夠花時間為新興一代的學生做更多鼓勵性的工作。

我希望看到更多明智的企業家和公司在2020年及以後的幾年中開始使用AI來幫助他們獲得更大的好處。

▌LeCun：自監督學習帶來AI革命

深度學習三巨頭之一、圖靈獎得主Yann LeCun的新年寄語主題，是Learning From Observation。

讓人忍不住把它翻譯成“格物致知”。

“格”的是開車這件小事。LeCun提到，人類學開車只要幾十個小時，但是模仿學習演算法需要學幾十萬個小時，強化學習演算法甚至需要學幾百萬個小時，這裡面一定有什麼問題。

人類可以高效學習，是因為我們人在腦海裡建立了世界的模型。嬰兒很難和世界互動，但是在剛出生的幾個月裡，他們通過觀察吸收了大量關於這個世界的背景知識。顯然，大腦的很大一部分被用在了理解世界的結構，並預測一些無法直接觀察到的事物，比如未來才會出現的東西、或者被隱藏的事物。

因此，AI的前進方向，就是自監督學習（self-supervised learning），它和監督學習類似，但是並不會訓練系統去把資料分類，而是我們隱藏一些部分，讓後讓機器預測丟失的部分，比如把視頻的一些幀抹掉，然後訓練機器根據剩餘的幀來填補被抹掉的部分。

最近，這種方法在NLP方面非常成功。諸如BERT、RoBERTa、XLNet、XLM之類的模型以自監督的方式進行訓練來預測文本中缺少的單詞，它們在所有主要的自然語言基準測試中都有記錄。

希望在2020年，自監督學習能夠用在視頻和圖像上。它會在視頻這類高維連續資料上創造類似的革命嗎？

其中一項嚴峻的挑戰是應對不確定性。像BERT這樣的模型無法判斷句子中丟失的單詞是“貓”還是“狗”，但是它們可以產生概率分佈向量。對於圖像或視頻幀，我們沒有一個好的概率分佈模型。但是最近的研究非常接近，或許我們很快就會發現這樣一個模型。

這樣，我們就能用很少的視頻訓練樣本，來實現非常好的性能預測、動作預測，而這在以前是不可能的。

當這個想法實現的時候，2020年就會是AI領域非常激動人心的時刻。

▌周志華：方法創新，方針明確

南京大學周志華教授對2020年有三個希望：

1、希望能夠出現深度神經網路以外的高級機器學習技術。神經網路已經被許多研究人員、工程師和從業人員研究並應用了很長時間，其他機器學習技術為創新提供了相對未開發的空間。

2、希望AI可以涉足更多領域，為人們的日常生活帶來更多積極的變化。

3、希望研究人員、工程師和從業者們對於如何採取措施防止AI技術的錯誤開發和濫用進行更多的思考和討論。

▌Anima Anandkumar：模擬的力量

Anima Anandkumar是英偉達機器學習的總監，也是加州理工的電腦教授。

Anandkumar教授提到，在模擬環境學習中訓練演算法會讓網路更為強大，並且能類比各種複雜的情況，在一些情況下可以解決研究人員資料不夠的問題。

她所在的加州理工已經用物理模型來類比真實資料，用深度學習進行地震預測的研究；英偉達也推出了模擬平臺Isaac。

她希望，2020年AI科學家們能認識到在類比環境中進行訓練的價值，並在新的一年產生更為重大的AI進步。

▌Oren Etzioni：工具創造平等

Oren Etzioni是艾倫人工智慧研究所的首席執行官、華盛頓大學電腦教授、Madrona資本合夥人。

他認為，AI界花了很多時間討論演算法的公平和透明性，但在應用上，AI還可以為社會提供更多幫助，比如為行動不便的人提供無障礙技術，解決教育、流浪者、人口販賣的問題，AI能對人們的生活品質產生巨大的積極影響，但現在AI界對此的研究和探討只浮於表面。

因此，他希望2020年AI界能用切實的手段讓這些處於不利地位的人受益，讓世界更公平。

▌Chelsea Finn：泛化的機器人

Chelsea Finn是斯坦福電腦科學與電氣工程助理教授。

她認為，目前的許多AI技術都能在圍棋等特定任務上取得非常好的成績，但在泛化方面做得還不夠，無法用一個機器人來完成多個任務。

比如，識別ImageNet上的圖片需要一個模型，但如果機器人需要與環境交互，那為每個任務都創造一個ImageNet那麼大的資料集是不切實際的。

因此，她也在進行更多賦予機器人泛化能力的研究。如果強化學習的臨界品質發展和泛化有所突破，會是非常令人振奮的事情。如果能應對這些挑戰，機器人會比現在的更加智慧，而不僅僅是停留在實驗室裡。

▌David Patterson：快速訓練與推理

David Patterso是加州大學伯克利分校的電腦科學教授，RISC-V國際開源實驗室負責人，也是ACM和IEEE的Fellow。

他說，過去一年，阿裡巴巴、 Graphcore和英特爾等公司都在研發專門的人工智慧處理器，而這些晶片將慢慢進入研究實驗室和資料中心。

他認為，投資數十億美元打造新穎的人工智慧硬體將在2020年初見成效。

並希望人工智慧社區能接受其中最好的晶片，來推動這個領域朝著更好的模型和更有價值的應用方向發展。

▌Dawn Song：要對資料負責

Dawn Song是安全領域的頂尖學者之一，1996年本科畢業於清華大學，現在是加州大學伯克利分校(UC Berkeley)電腦科學和電子工程教授，也是Oasis Labs 首席執行官和聯合創始人。

她認為，人們對敏感性資料的收集正在迅速增加，幾乎涵蓋了人們生活的方方面面。但使用者幾乎無法控制他們生成的資料如何被使用。與此同時，企業和研究人員在利用資料方面面臨著諸多挑戰。

在她看來，這種資料收集方式將個人和企業置於危險之中，她希望2020年應該是為負責任的資料經濟打下基礎的一年。

這需要創造新的技術、法規和商業模式。Dawn Song認為，2020年在在機器學習方面仍然存在更大的挑戰，要打造可擴展的系統來為實際部署大型、異構資料集服務，聯邦學習的進一步研究和部署對於某些用例也很重要等等。

▌Richard Socher：資訊海洋已經沸騰

Richard Socher博士畢業于斯坦福大學電腦系。2016年，自己創辦的公司被Salesforce收購後，加入Salesforce，現在是Salesforce的首席科學家。

他認為，如何處理鋪天蓋地的事實、意見和觀點仍然是一個挑戰。

比如，在你沒有讀過一個冗長的文檔之前，你很難知道你會在裡面找到什麼資訊。而且，想要知道某個特定的陳述是否正確也非常困難。

在他看來，自動提取摘要可以解決這些問題，2020年，這一技術將會迎來重大發展，改變我們消費資訊的方式。

不僅能説明人們應對不斷湧現的新資訊，而且還能讓人們進一步擁抱人工智慧的巨大潛力，創造一個更美好的世界。

原文傳送門：
https://blog.deeplearning.ai/blog/the-batch-happy-new-year-hopes-for-ai-in-2020-yann-lecun-kai-fu-lee-anima-anandkumar-richard-socher

📜 [專欄新文章] ELI5! 區塊鏈到底在幹嘛？
✍️ Juin Chiu
📥 歡迎投稿： https://medium.com/taipei-ethereum-meetup #徵技術分享文 #使用心得 #教學文 #medium

用生活化的例子輕鬆學會區塊鏈技術的重要概念

前言

我們熟知的世界正在慢慢地被區塊鏈技術瓦解與重建。不論背景，有愈來愈多人想對區塊鏈技術一探究竟，或許更進一步成為從業者、貢獻者或佈道者。

不幸的是，初學者若想學習區塊鏈技術，第一個問題可能會是高學習門檻，這是因為目前在各種主流平台上所流傳的區塊鏈知識或資源，都不免會大量使用艱澀的術語，長久以來便塑造出區塊鏈高大上的距離感，好似區塊鏈是只專屬於一小群駭客或者專業人士才能理解的技術。然而這是不準確的，事實上，區塊鏈技術中許多概念都能用一般常識理解，頂多只需要國小數學。

本文中，筆者將化繁為簡，試著把區塊鏈技術中的每個元素都使用生活化的例子比擬，讓區塊鏈愛好者與初學者不需用到密碼學/經濟學/資訊科學，也能領會區塊鏈技術的精髓之處。

本文將提及的概念如下：

什麼是帳本？

什麼是交易？

為什麼需要區塊？

有哪些共識機制？

區塊鏈安全嗎？

智能合約如何運作？

以下正文開始：

區塊鏈：一個公平的記錄系統

簡單來說，區塊鏈技術旨在打造一個去中心化的（Decentralized）狀態紀錄系統，更準確一點：區塊鏈技術旨在打造是一個追求真正「公平」的系統。

區塊鏈實現公平的關鍵在於：它完全仰賴自然法則運作，只透過一系列精細的規則就能保證系統的正確，這打破了人類社會一直以來的仰賴的中心化系統，使促成不平等的最大因素不復存在。

區塊鏈技術可以打造出具世界規模的去中心化運算平台，由數千甚至數萬個參與者共同維護狀態並提供計算資源。如果這個運算平台是應用在貨幣與資產的場景中，那麼這個平台可被稱為分散式帳本。

在接下來的段落，筆者將用一個例子展示一個極度精簡、只用紙跟筆的就可以運作的分散式帳本。在這個例子中，一群學生可以使用區塊鏈技術發行屬於他們自己的虛擬幣：「考卷幣」（Exam Paper Coin, EPC）。

考卷幣：使用區塊鏈技術發行的虛擬幣

考卷幣（EPC）是一種使用區塊鏈技術發行的虛擬幣，並存在於分散式帳本中。它的用途是為考卷加分，這將會吸引想考高分或者擔心被當的人學生持有。為什麼 EPC 只能被稱作虛擬幣，而不被稱作密碼貨幣？這是因為 EPC 的發行不會使用任何有關密碼學的技術，因此 EPC 嚴格來說不是密碼貨幣。

在分散式帳本被創建之初，沒有任何人擁有 EPC ，那麼 EPC 是怎麼「鑄造」與分配的？至少可以肯定的是，EPC 不能憑空產生，否則所有參與者就能不斷製造 EPC，使分散式帳本崩潰。事實上，EPC 的價值奠基於參與者的「付出」。

分散式帳本中最重要的角色非記帳者莫屬。每當記帳者成功完成工作，它便可以獲得固定數量的 EPC 作為報酬。於是，分散式帳本中的 EPC 便如此逐步地被鑄造出來。將 EPC 賦予具有貢獻的記帳者除了能夠公平分配 EPC，同時也是一種激勵機制（Incentivizing Mechanism），提供參與者維護帳本的動機。

那麼每個人所具有的 EPC 是怎麼記錄在帳本中的？

帳本： EPC 都要記錄下來

帳本即為依時間順序與特定格式記錄價值的系統。在分散式帳本中，每一批紀錄都會由某一個特定的「記帳者」維護，而記帳者會以特定的規則從所有的參與者中選出，因此分散式帳本是具有多個「記帳者」的系統。

為了確保能公平選出 EPC 的所有記帳者，分散式帳本不會使用任何記帳者的個人資訊，例如姓名、電話，做為帳本上的識別。記帳者可以自由地使用假名（Pseudonym）作為帳本上唯一的識別（Identifier），或者稱為地址（Address）。所以王小庭同學可以使用 Alice 這個假名，而且如果王小庭同學喜歡的話，他也可以同時使用 Bob 這個假名。

EPC 使用如下的格式記錄每個地址幣的數量：

Alice 100 EPCBob 0 EPCCharlie 0 EPCDavid 0 EPCEva 0 EPC

多數區塊鏈稱其識別為地址（Address），其為非對稱密碼學中公鑰（Public Key）的雜湊值（Hash）。地址具有統一的格式，例如以太坊的地址為長度 160 位元的 16 進位數字。

交易：把我的 EPC 轉移給別人

EPC 是可以轉移的，現在 Alice 可以將它持有的 100 EPC 中的 60 EPC 轉移給 Bob，以幫助 Bob 在下一次考試中免於被當。這樣的轉幣紀錄稱為交易（Transaction, Tx），可以如下表示：

Tx1

60 EPC, from [Alice] to [Bob]

而這筆交易會由 Alice 以上述格式記在紙條上，以 Tx1 表示。

簽章：讓參與者的所有動作都不可抵賴

EPC 的每個參與者的每個行為，例如交易，都必須附帶簽章（Signature），證明「這個動作確實是由我本人發起的」，簽署者不可抵賴，任何沒有附帶簽名的動作都是不被承認的。一個附帶簽名的交易紙條會像這樣：

Tx1

60 EPC, from [Alice] to [Bob], ALICE

簽章分為簽署（Sign）及驗證（Verify）兩個動作。驗證即是確認簽章是否確實是由行為發起者所簽署。在這個例子中，僅用一個簡單的驗證：若簽章與識別相符，則驗證成功。例如 Tx1 中，簽名 ALICE 確實與交易發起者 Alice 相符，因此驗證成功。

簽章就是區塊鏈的數位簽章（Digital Signature），其使用私鑰（Private Key）簽署，公鑰（Public Key）驗證，非常難以偽造。

訊息的散佈：怎麼讓所有參與者都收到訊息？

由於 Tx1 是由 Alice 發起的，因此 Alice 將於它自己的帳本記下這筆交易，接著 Alice 必須把這筆交易的內容也轉達所有的參與者，讓所有參與者皆具有所有的交易內容。

EPC 的參與者們不以口語，而是以傳紙條的方式互相交換訊息。紙條要如何有效率地傳播訊息給所有在教室中的參與者呢？可以使用「一傳十、十傳百」的策略。也就是：一次傳 10 張紙條給自己周圍的參與者，參與者收到後再抄寫 10 次後傳給周圍尚未收到該紀錄的其他參與者，逐步將訊息擴散致所有參與者。

這樣的傳播策略正如同流言被散佈的方式，因此也被稱為流言散佈協定（Gossip Protocol）。紙條傳播的網路就是對等網路（Peer-to-peer Network），紙條就是對等網路的封包（Packet）。關於對等網路的介紹，可以參考筆者日前的撰文：

隱私、區塊鏈與洋蔥路由

區塊：記錄一段時間內的交易順序

經過一段時間之後，每個 EPC 參與者手上都會有許多來自別的參與者的紙條，每張紙條都記載著不同的交易。在理想狀況下，如果所有參與者收到紙條的順序都相同，且每個參與者都收到了所有紙條，則所有參與者的帳本上的狀態，也就是餘額，都會相同。然而，若採用上述的訊息散佈策略，會發生兩種情況：每個參與者收到紙條的順序會不同，或者某些紙條可能會被遺漏。這些情況都會讓每個參與者的帳本產生差異，使帳本不可靠。而一個不可靠的帳本，不能作為貨幣發行的工具。

有沒有辦法能使所有 EPC 參與者用相同的交易順序記帳呢？這便是區塊鏈技術的奧秘之處。

為此，我們需要使用一個精心設計的結構：區塊（Block）。每個參與者皆會將一段時間內收到的交易紙條的編號，依照自己的順序寫在另一張紙條上，這張紙條就是區塊紙條，簡稱區塊，產出區塊的參與者則稱為區塊生產者。收到區塊紙條的其他參與者便會知道區塊生產者在這段時間內的交易順序。

為了要讓所有帳本都具有一致的狀態，EPC 的所有參與者必須要選出其中一個區塊作為所有參與者的共識（Consensus）。所有參與者都必須要遵照共識區塊的交易順序來更新自己的帳本，而這個區塊生產者就是記帳者。由於記帳者可以獲得報酬，因此在利益的驅使下，所有參與者都會努力生產區塊以爭取記帳權。

值得注意的是，每個區塊當中都會記錄前一個已達成共識的區塊的編號。例如接下來的範例，Bk15 的前一個已達成共識的區塊為 Bk3：

Bk15

Last Block: Bk3

Height: 15

Transactions:- Tx1- Tx5- Tx4- Tx10- Tx7- Tx13

Nonce: 1

Signature: CHARLIE

由於每個新的共識區塊都會指向前一個共識區塊，如此便會形成一條長鏈般的結構，已形成共識的區塊接成一條鏈，這就是區塊鏈（Blockchain）名稱的由來。

而當 EPC 參與者在收取共識的區塊後，將按照共識依序為每個交易內容進行帳本餘額的轉換。如此，所有的帳本都將具有一致的狀態。

依據特定輸入及轉換函數（Transition Function）執行狀態更新的系統，稱為狀態機複製（State Machine Replication）

摘要：濃縮紙條上的訊息

在介紹達成共識的方法前，筆者要先來介紹一個樸實無華但重要的概念：摘要（Digest），其顧名思義就是一段內容經過消化的產物。假設有一種摘要產生器，這個機器可以放入一張紙條，然後透過 3 個步驟計算出紙條的摘要。

摘要產生器將記載訊息的紙條切成一條一條固定寬度的細長條狀紙帶，如下圖：

2. 將這些紙帶依照順序接成一個長條紙帶。紙帶上有字跡的黑色部分與沒字跡的白色部分會出現不規則相間，測量每個黑色區塊之間相鄰的距離，如下圖：

3. 每段距離的數字相乘後的數字就是這個紙條的摘要（Digest）。

每個 EPC 參與者都會有一台摘要產生器，而它需要上緊發條才能開始工作，且每計算完一張紙條便須重新上一次發條。

摘要的計算雖然簡單，卻具有一些很有用的特性：

首先，摘要會隨著紙條內容的變動而更動。只要更動了任何一點紙條內容，例如區塊的交易順序，或者流水號（Nonce），都會使摘要改變。因此一個附上摘要的紙條，可以讓收到紙條的人在收到後再自行計算一次摘要並比對兩者，以驗證紙條的內容是否被修改過。因此，摘要是可驗證的（Verifiable）。

若想在不更動摘要的情況下同時變動紙條內容，只能不斷嘗試用不同內容產生摘要，直到發生碰撞（Collision） — 意即兩個不同內容的紙條出現相同摘要。

其次，摘要也是單向的：一個紙條很容易產出摘要，但摘要很難還原出原本的紙條內容。這也代表摘要是隨機且難以預測的，因此摘要可以作為一種亂數（Random Number）來源。

正式的區塊鏈使用更難預測且更不易碰撞的的密碼雜湊函數（Cryptograpgic Hash Function）產生訊息摘要。

理解關於區塊鏈技術的基本要件後，接下來就來看看區塊鏈技術的精妙之處：共識機制。

共識機制：如何達成共識？

在區塊鏈技術中，大致上有兩種方式可以產生共識：抽彩（Lottery）或表決（Vote），它們各自有不同特性，每一種分散式帳本都會使用其中之一作為共識機制。

抽彩

在抽彩機制中，唯有摘要小於門檻值的「合法」區塊才會被所有參與者收受。然而，區塊生產者無法預測摘要，且可驗證的摘要使區塊生產者難以作弊。因此若想生產數字小於門檻值的摘要，區塊生產者必須不斷改動區塊內容，例如流水號或者交易順序，直到找到摘要小於門檻值的區塊，就像抽彩一樣。只有合法的區塊才會被區塊生產者散佈給其他 EPC 參與者。

在這樣的規則下，可能會同時出現多個合法區塊。還記得區塊鏈中「鏈」的部分嗎？當收受多個低於門檻的區塊時，該選哪個區塊作為上一個區塊呢？這裡我們可以用一些簡單的規則來做抉擇：選擇合法區塊中高度（Height）最高的區塊，若高度一樣則選擇摘要數字較低的區塊。

區塊紙條的摘要就是正式區塊鏈中的區塊雜湊值。在正式的區塊鏈中，門檻值愈低，困難度（Difficulty）也愈高。區塊的選擇規則也稱為分岔選擇規則（Fork Choice Rule），使用可驗證的亂數作為共識的做法又稱為中本共識（Nakamoto Consensus）。

表決

有別於複雜的抽彩，表決機制相當直觀：所有參與者針對某個預先選出的領袖（Leader）的提案（Proposal），也就是區塊，進行投票。領袖是怎麼選出的？一個直覺的做法是按照假名的順序，按照 Alice / Bob / Charlie 的順序，所有參與者輪流擔任領袖。

所有參與者在收到提案後，可以選擇同意或反對這個區塊的內容，若同意的話，則將自己對提案的同意票記在紙條上，並將這個投票紙條散佈給所有其他參與者。若多數的參與者同意了提案，則所有參與者皆須認定該提案為共識。

然而，表決機制雖然直觀，卻不如抽彩具有可驗證性，參與者若想作弊則相對容易：例如，參與者可以重複投票，或者串通其他參與者一起不投票，以破壞帳本；另一方面，表決比抽彩來得有效率，因其不需要所有參與者都費功去製造可能將不被收受的區塊。

拜占庭錯誤（Byzantine Fault）特指這些不在預期內的行為，表決機制事實上也就是拜占庭容錯（Byzantine-fault-tolerant, BFT）演算法。PBFT 家族的協定是目前拜占庭容錯演算法的主流，然而其至多只能容忍不超過參與者總數一半的拜占庭錯誤。若想了解更多 PBFT 的細節，可以參考筆者日前的撰文：

若想搞懂區塊鏈就不能忽視的經典：PBFT

女巫：如何避免帳本被單一個體掌控？

上文提到：為了保證公平的記帳權，帳本上的識別都是假名，如上文提及，Alice 跟 Bob 實際上都是由同一個參與者王小庭所控制，其他參與者不僅難以得知，而且王小庭喜歡的話，他愛用幾個假名就用幾個假名 — 掌控多個假名的王小庭就成為了「女巫」（Sybil）。

不論是採取何種共識機制，女巫的存在都會破壞分散式帳本的安全性：

在抽彩機制中，如果多數的參與者皆由女巫控制，則女巫有很大的機會可以無視規則，不需抽彩便竄改帳本。

在表決機制中，如果由女巫控制的參與者可以集體進行不在預期內的行為，例如重複投票或者不投票。

因此，抵抗女巫對於分散式帳本的安全至關重要。對此，一個直覺的思路是：讓每個假名的行為都必須付出有限的資源，例如錢跟力。因此有兩種方式可以抵抗女巫：要嘛出錢，要嘛出力。

出力：在抽彩機制中，每個合法區塊的生產都必須附有低於門檻的摘要，而摘要的計算需要參與者出力不斷地重上發條。

出錢：在表決機制中，抵押一定數量 EPC 的參與者才能獲選為領袖被生產提案，且若違反規則，參與者的押金將會被沒收。

出力即是工作證明（Proof of Work, PoW）；出錢即是權益證明（Proof of Stake, PoS），抵抗女巫的機制稱為抗女巫機制（Sybil-control Mechanism）。

合約：進行條件式的交易

回顧一下本文開頭所提：區塊鏈技術可以用來打造去中心化的運算平台，它可以用以記錄任何資訊，不止餘額，例如一段合約（Contract）。合約就是指一段會依據不同條件而達成不同執行結果的語句。例如：

CheckAndPay

給定 A、B 兩個假名，若 A 的餘額大於/等於 30 EPC，則 A 支付 20 EPC 給 B ，否則 A 不支付任何 EPC。

這個合約就可以被記錄在帳本中：

Alice 100 EPCBob 0 EPCCharlie 0 EPCDavid 0 EPCEva 0 EPCCheckAndPay "給定 A、B 兩個假名，若 A 的餘額大於/等於 30 EPC，則 A 支付 20 EPC 給 B ，否則 A 不支付任何 EPC。"

之後 Alice 就可以發起像這樣的交易：

Tx 99

CheckAndPay, {[Alice], [Bob]}, ALICE

如此，若 Alice 的 EPC 餘額不足 30 EPC 則不會支付 Bob。

觸發合約的 Tx 99 ，它的執行過程比較煩瑣：執行 Tx 99 的參與者首先會從帳本中尋找 CheckAndPay 的合約內容，並從 Tx 99 中取出合約需要的輸入：A 與 B，接著參與者再解讀合約的語句，依照條件進行帳本的狀態轉換。其中，為了使參與者能解讀合約，合約需用所有參與者皆能看懂的語言書寫。

合約又稱智能合約（Smart Contract）。正式的區塊鏈使用虛擬機（Virtual Machine）來解讀與執行合約。事實上，智能合約能做的事情非常多，這使具有智能合約功能的分散式帳本得以成為去中心化的運算平台，例如以太坊（Ethereum）。

總結： 分散式帳本究竟是一個怎樣的系統？

如果以上環節皆運作順利，那麼便能成功只用紙筆便發行了專由學生使用的貨幣。最後再次強調一次：這是一個為了便於使初學者掌握核心觀念而極度簡化的例子。正式運行的區塊鏈，例如以太坊，其實際運作遠遠複雜得多。

還有一些比較進階的概念，雖然礙於篇幅未在此文章提及，但部分主題筆者曾撰文介紹：

可擴展性（Scalability）：第二層方案（Layer 2）與分片（Sharding）

隱私（Privacy）與匿名（Anonymity）

共識機制的安全性（Safety）與活躍性（Liveness）

最後，如果日後朋友/家人問起「什麼是區塊鏈」時，我想你會知道如何解釋了:)

ELI5! 區塊鏈到底在幹嘛？ was originally published in Taipei Ethereum Meetup on Medium, where people are continuing the conversation by highlighting and responding to this story.

👏 歡迎轉載分享鼓掌

【開啟合法賴帳大門之年改釋憲案】

過去我常講，年金只要是確定給付制的，都要當成 #確定賴帳制。
.
在這次年改釋憲案中完全印證我的看法，也讓政府撿到了槍，因為解釋文重新定義了 #由政府負最後支付責任 的意涵，以及將確定賴帳制的做法合憲。
.
解釋文寫很清楚，雖然軍公教人員各退休撫卹法律，都有明文「由政府負最後支付保證責任」，但在解釋上並未排除於基金收支確有不足時，政府得另採行其他因應措施，包括檢討調整撥繳費用基準、延後退休給與起支年齡、 拉長平均本俸計算期間、調整退休所得替代率等開源節流之手 段，以增加退撫基金財源、提高支付能力等。
.
另外政府依法定比率按月繳納之提撥費用本息部分，為政府履行共同提撥制所應負之法定責任，惟其財源源自政府預算，涉及國家財政資源分配之社會關聯性，立法者得有相對較高之調整形成空 間，本院審查相關立法是否符合比例原則及有無違反信賴保護原則時，應採較為寬鬆之審查標準。
.
我來幫大家翻成大白話解釋，就是法條雖然寫清楚，是由政府負最後支付保證責任，但並沒有規定當基金錢不夠時，政府不能先要求你「多繳錢」、「晚退休」、「少領退休金」等，之後剩下的範圍再由它負責。
.
至於政府要求的內容是否合理必要，因為基金裡有關政府提撥費用部分，是來自國家預算，所以他們只會採取寬鬆審查標準，不要太離譜就好。
.
從本次釋憲案 #林俊益大法官的部分不同意見書 中，可以瞭解這部分的爭議出在哪裡，相關摘要如下:
--------------------------.
『依本院歷來解釋，法律規定所使用之概念，須為受規範者可得理解，且為其所得預見，並可經由司法審查加以確認，始與法律明確性原則無違。
.
所謂「受規範者可得理解」，應從一般人民的觀點， 依據正常生活與語言經驗的標準，來理解法律規定。
.
而依一般人民的觀點，普遍會認為「由政府負最後支付保證責任」一詞，簡單的說，就是當退撫基金不足以支付退休軍公教人員的月退休金時，最後由政府保證負責支付到底的意思！

不然，為什麼法律會規定「保證」、「最後支付」、「最後保證」等語，難道這一切都是玩假的嗎？
.
沒想到這次竟然釋示： 在解釋上並未排除於基金收支確有不足時，政府得另採行其他因應措施。

說白話一點，就是法條雖然沒有關於開源節流的明文規定， 但在法律解釋上並不排除有這種可能性。
.
請問：一般人民能理解，所謂「政府負最後支付保證責任」，還有這招解釋嗎？
.
舉個例子說明，例如，債權人甲向債務人乙請求清償債務 100 萬元，債務人的財產不足以清償，債權人甲轉向保證人丙請求給付

保證人丙說：「我也沒有什麼錢，我們共同想個開源節流的方法來處理債務人的債務，要不要先請債務人再努力去賺錢來還？
.
5年後，假如債務人還是沒有還，債務額100萬元可否打個折扣？七折或八折？我一時間也沒有那麼多錢，先給個緩衝期 5 年，之後再分個 20 年分期給付，我最後一定付保證責任，最後、最後我一定保證支付完畢！」』
-------------------------------------
如果發生在現實世界，請問，這不是賴帳?什麼才是賴帳?
.
同時這也讓政府撿到了槍，因為未來所有符合上面要件的年金，政府都能比照辦理，不必受到法條文字的拘束，而且不分職業對象，都成了它的射程範圍。
.
因為難道只有退撫基金有這種情況?當然不是
.
勞保跟國民年金，政府有沒有提撥費用?有
.
經費是不是來自國家預算?是
.
條文有沒有「政府負最後支付責任」文字??當然也有
.
國民年金法第49條:「本保險之財務，由政府負最後支付責任。」
.
勞工保險條例修正草案第69條:「勞工保險如有財務虧損，應由中央政府檢討虧損原因及負擔最後支付責任。」
.
更重要的是，這些基金有沒有財務危機?當然也是有
.
根據最新精算結果，人數最多的勞保，預計最快將於2026年破產，
.
假如這次解釋文都已經幫政府背書，未來用各種手段賴帳都合法合憲，那麼上面這些「政府負最後支付責任」的規定還有任何意義嗎?
.
其實臺灣人口老化、少子化是不可逆的趨勢，未來繳的人愈來愈少，領的人卻不斷增加，加上基金績效又差，這些年金未來會不會改，只是很簡單的數學問題。但要怎麼改?那就是複雜的政治問題了。
.
畢竟得罪少數人，還可以換得掌聲，但假如得罪到多數人，那就是 #政權存亡 的差別。
.
但不管基金預計何時破產，可以確定的是，經過這次釋憲案，政府的信用其實早就已經先破產了。
------------------------------------------------------------
圖片來源:https://reurl.cc/xYzV5

【如何正確理解現行退休制度】https://reurl.cc/e0jlL