મધ્ય માર્ચમાં, સ્ટાનફોર્ડ યુનિવર્સિટી દ્વારા બ્લોકચેન અને આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) પર એક સમannsા યોજાઈ, જેમાં પ્રોફેસરો, સ્ટાર્ટઅપ CEOઓ અને વેંચર કેપિટલિસ્ટ્સ (VCs) ભાગ લીધો હતો. આ કાર્યક્રમનો મુખ્ય મુખ્ય લક્ષ્ય બે મહત્વપૂર્ણ ટેક્નોલોજીઓ: બ્લોકચેન અને AIનું સંમિશ્રણ હતું. જોકે, ಮುಂದೆ ચાલતાં આ સમરોકે બિટકોઇન અને AI ઉપર વધુ կենտրոն કરી શકાયતું હતું, કારણ કે બિટકોઇન આપની માર્કેટમાં અગ્રણી સ્થિતિમાં છે અને બિટકોઇન લેયર 2 સમાધાનોમાં નવા નવતર આયામો જોવા મળે છે. આ સમરસમાં એક મહત્વપૂર્ણ મુદ્દો હતો કે બ્લોકચેન અને AI મોટાભાગે અલગ-અલગ ક્ષેત્ર તરીકે વિકસ્યા છે—જ્યાં દરેકના પોતાનાં દેશી રોકાણકારો, ઉદ્યોગપતિઓ, સંશોધકો અને સમુદાયો છે. જ્યારે આ બંને ક્ષેત્રને મળવા માટેનો વિચાર મહાન હોશિયા હતો, ત્યારે ઘણા સ્પીકરો પોતાના વિશેષતા ક્ષેત્રે જ કેન્દ્રિત રહ્યા, અને બ્લોકચેન અને AI વચ્ચે સ્પષ્ટ જોડાણ setores કરવાનું મુશ્કેલ થયું. શક્યતા તરીકે, આને બ્લોકચેન અથવા AI સમરસ કહેવું વધુ યોગ્ય રહેયું હોત. ઉદાહરણ તરીકે, એક વેંચર કેપિટલિસ્ટે AI ક્ષેત્રની кеңકડી વર્ણના આપી, ચિત્ર, અવાજ અને કોડ જનરેશનમાં નોંધપાત્ર પ્રગતિ પર પ્રકાશ ફેંક્યો. બીજી તરફ, એક DeepMind સંશોધક adversarial machine learning વિશે વાત કરી, જેમાં இனપુટ ડેટા પર નાના ફેરફારોથી AIનું આઉટપut સારી રીતે બદલાઈ શકે છે. એક ખૂબ જ નોંધપાત્ર ઉદાહરણમાં બિલાડીનું ચિત્ર માત્ર થોડા પિક્સેલો બદલી દેવામાં આવ્યા હતા, જેના કારણે AI તેને ગ્વાકામોલી તરીકે ઓળખી ગયું. બ્લોકચેનના ક્ષેત્રમાં, ચકાસણી પર ચર્ચાઓ થઈ, પણ વધુ ટેક્નોલોજી હજુ પણ પ્રયોગાત્મક જ છે અથવા કેટલાક કિસ્સામાં સંપૂર્ણ રીતે તત્ત્વજ્ઞાનિક છે. બ્લોકચેન અને AI વચ્ચેનું સંમિશ્રણ હજુ શરુઆતી પ્રગતિ છે, અને વાસ્તવિક દુનિયાના એપ્લિકેશન્સ હજુ પણ વિકાસમાં છે. પ્રૂફ ઓફ કમ્પ્યુટેશન એક સૌથી પ્રકાશમાન ટોક સ્ટાનફોર્ડના એપ્લાઇડ ક્રિપ્ટોગ્રાફર דאנ બોનહ દ્વારા આપવામાં આવ્યું, જેમણે SNARKs (સ્માર્ટનન-ઇન્ટરએક્ટિવ એગ્ર્યુમેન્ટ્સ ઓફ નોલેજ) અને જિરો-નોલેજ પ્રૂફ્સ વિશે ચર્ચા કરી. આ ક્રિપ્ટોગ્રાફિક સમસ્યાનું મુખ્ય ઉકેલ છે: કરવાનો કામગીરીનો પૂરાવો અસરકારક રીતે આપવામાં આવે. આ સિદ્ધાંત બ્લોકચેન અને ક્રિપ્ટોગ્રાફીમાં સારી રીતે સ્થાપિત છે.

ઉદાહરણ તરીકે, મોટી સંખ્યા પ્રાઇમ્સમાં કોઈ ફેક્ટરનું શોધવું ભારે કાર્ય છે, પરંતુ ફેક્ટર દ્વારા પ્રૂવ કરવું સરળ છે. તેવા જ રીતે, હેશ સંયોજનને મળતું એક બ્લોક હેડર શોધવો મહોગું છે, પણ તે પ્રૂફની ચકાસણી સસ્તી છે. આ સામાન્ય કામગીરી અને ચકાસણીના વચ્ચેનો ખાળો બ્લોકચેન પ્રણાલીઓમાં મહત્વપૂર્ણ છે, જ્યાં નોડ્સ સતત એકબીજાનો કામગીરીનો વેરિફિકેશન કરે છે. બિટકોઇનમાં, નોડ્સ સહી સાઇનની ચકાસણી કરે છે અને માઇનર્સની Trabalhproof ઓફ વર્ક પ્રૂફ. SNARKs આ વિચારને વિસ્તૃત કરે છે, જેવી કે ક્રિપ્ટોગ્રાફિક પ્રૂફ્સ જે સુરક્ષિત માહિતી પ્રદર્શિત કર્યા વિના ચકાસી શકાય. જેમ AI એજન્ટ વધુ સ્વાયત્ત બનાવે છે, તેમ ટેસ્ટોની ચકાસણી અને ગોપનીયતાનું સંરક્ષણ મોટું પડકાર રહેશે. ઘણા વપરાશકર્તાઓ સિક્યુરિટી કારણોસર OpenAI જેવી પ્લેટફોર્મ પર સંવેદનશીલ માહિતીને અપલોડ કરવામાં ઝઝકી રહ્યા છે. આથી, ગોપનીયતા-રક્ષણી ચકાસણીની વધુ જરૂર પડશે—આ રીત જે વપરાશકર્તાઓએ AI મ modellenનું કાર્ય યોગ્ય રીતે કર્યું છે તે સાબિત કરી શકે, પરંતુ താഴતાડો ડેટા પ્રદર્શિત કર્યા વિના. આવી તકનીક સ્વાસ્થ્યસેવા, ડ્રોન તેમજ નાણાકીય ક્ષેત્ર જેવા સંવેદનશીલ ક્ષેત્રોમાં AIના ઉપયોગો માટે ટકાઉ નંવતર ઉભા કરી શકે છે, જ્યાં માહિતી સંરક્ષણ અત્યંત મહત્વપૂર્ણ છે. આશા છે કે આવતાં દાયકામાં આ ઉદ્યોગ અर्ब કરોડાર ડોલરનો બને. ઉલ્લેખનીય છે કે, આ વિચાર blockchain નેટવર્કથી ઉદ્ભવે છે, જેમાં ક્રિપ્ટોગ્રાફિક તકનીકો અમલમાં લાવવામાં આવી છે. બોનહ જણાવે છે કે, એક યંત્ર એક બીજા પર અસરકારક રીતે ખર્ચાળ ગણતરીની પુષ્ટિ કરતું વિચાર બિટકોઇન પછીથી ઊભું થયું હતું, પણ તે કદાચ AIમાં બીજી મોટી મુખ્ય એપ્લિકેશન શોધી શકે છે. આગલા દિશામાં, હું આશા રાખું છું કે આવતીવાર્તાની સમરોકોને bટકોઇનના યોગદાન વધુ મહત્વ આપશે. ઉદાહરણ તરીકે, BitVM જિરો-નોલેજ પ્રૂફ્સ પર સ્થિત છે, જે બિટકોઇન અને નવા લેયર ૨ પ્રોટોકોલ્સ વચ્ચે ಸೇતું vaardigheden વિકાસ કરવા, જે AI એજન્ટો ને સીધો બિટકોઇનના ઈકોસિસ્ટમ સાથે જોડવાની સક્ષમતા આપી શકે.