# MATRIX——专为AI服务的全球分布式资源共享网络 (1/4)
### 人工智能的伟大时代
“人工智能”一词最初是在1956年达特茅斯（Dartmouth）学会上提出的，从AI诞生以后，科学家与工程师们进行了大量的研究和开发，发展了众多理论和原理，人工智能的概念也随之扩展。
到今天为止，人工智能已经进入了整个社会生活的各个角落，像无人驾驶汽车正在逐步普及，给交通运输和物流行业带来发生巨大变化；通过人工智能也能够得到更加准确的医疗诊断；更好的搜索引擎可以让我们更好地获取知识和信息；我们也在让机器能够理解文本为人类提供各种问答服务，取代人工客服；与此同时我们也会看到人工智能在投资以及在长期交易、短期承销、承贷、授信方面发挥越来越重要的作用。
我们也看到人工智能技术的发展速度越来越快，仅仅经过不到一年的研究和训练，AlphaGo就取得了在围棋比赛中击败了李世石的成果；在计算机视觉领域，也就是人工智能系统可以对于照片、对图像进行识别方面，在最近的一次大规模视觉识别挑战赛中，图片类别超过了1000种，这些图片在对人类的考核过程中，人类通过自身视觉来进行识别，一般准确度达到95%，但是在过去五年AI识别的准确度整整提高了六倍，在比赛中取得了98%准确率，这已经超过了人类视觉识别专家的水平了，这是一个非常重要的进展；基于这项技术，AI诊断技术也获得了长足的进步，尤其在肺癌、甲状腺癌等诊断方面，AI的诊断准确率已经远远超过了资深的医生，成为目前医疗行业的最有力的辅助诊断工具。
### 区块链赋能AI – 与我们合作的智能
人工智能是否会像电影里一样在未来统治世界并消灭人类？在AI技术高速发展的同时，这是人们一直在思考，专家一直在努力解决的一个问题。就像作为人工智能开发人员和Siri的联合创始人Tom Gruber说到的那样， “人工智能的目的是什么？它是为了让机器变得聪明，所以他们可以做我们不想做的自动化任务，比如在国际象棋和围棋这样的复杂游戏中击败我们，或许在未来，发展超级人工智能会并成为人类的统治者？不，人工智能不应该与我们竞争，而应该加强与我们的合作。超级智能应该给我们超人的能力，例如帮助脑瘫患者与Siri进行沟通，帮助我们做各种各样的事情，从导航城市到回答复杂的问题。”
那么，如何实现AI与人类的和平共处呢？知名AI公链项目MATRIX给出了他们的答案。在1.0版本中，MATRIX使用人工智能来赋能区块链，大幅提升了区块链的性能、安全性以及公益性，打造了一个高效、易用的区块链平台。在这个区块链的平台之上MATRIX计划构建一个2.0的版本，那是一个使用高性能区块链管理的人工智能生态系统。
### 图：MATRIX 2.0中基于区块链的AI生态
在这个系统架构下，AI不再是中心化的存在，人工智能将基于去中心化的区块链网络进行管理和应用，而每个人工智能节点都将通过整个网络的共识机制来进行决策和运行，这将直接杜绝中心化的AI在未来“觉醒”，同时去中心化网络中的AI节点之间也可以更好地协作，从而与人类更好地合作，更好地为人类服务。
自AI时代-人人都有自己的AI
要想迎来AI时代的大爆炸，必须降低人工智能的准入门槛，这样将有效提升AI生态的多样性，和自然界的生态一样，生物越多样性，就能促进生态的活力和发展。
而MATRIX即将推出的MANTA，似乎是打开自AI时代大门的钥匙。在MANTA的加持下，AI的准入门槛将大幅降低，甚至在未来，每个人都可以拥有自己专属的AI，毕竟对于人工智能服务提供商来说，他们无法提供非常个性化的AI服务，第一这将大幅提升企业的开发成本，第二，个性化的服务基于个性化的数据，用户很难贡献出自己最私密的数据，所以用户自己训练专门服务于自己的AI算法才是有效的解决方式，而MANTA的出现将很好地实现这个场景。
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://docs.matrix.io/depin/matrix-zhuan-wei-ai-fu-wu-de-quan-qiu-fen-bu-shi-zi-yuan-gong-xiang-wang-luo-14.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.