Marta vidū Stanforda Universitātē notika konference par blokķēdēm un mākslīgo intelektu, kas pulcināja profesorus, jauno uzņēmumu vadītājus un riska kapitālistus (VC). Galvenā pasākuma uzmanība bija divu būtisku tehnoloģiju – blokķēdes un mākslīgā intelekta – savienojumam. Taču konferencē būtu noderējusi spēcīgāka uzmanība Bitcoin un mākslīgā intelekta jautājumiem, ņemot vērā Bitcoin līdera pozīciju tirgū un jaunas inovācijas Bitcoin Level 2 risinājumos. Svarīgs jautājums bija tas, ka blokķēde un mākslīgais intelekts lielā mērā attīstījušies kā atsevišķas jomas – ar saviem investoriem, uzņēmējiem, pētniekiem un kopienām. Lai gan ideja apvienot šīs divas jomas bija ambīcijām bagāta, daudzi runātāji palika pie savām kompetencēm, nespejdami skaidri sasaistīt blokķēdi un mākslīgo intelektu. Varbūt būtu bijis precīzāk to nosaukt par Blokķēdes vai Mākslīgā Intelekta Konferenci. Piemēram, viens riska kapitālists sniedza vispārēju pārskatu par mākslīgā intelekta nozari, akcentējot ievērojamus sasniegumus attēlu, skaņas un kodu ģenerēšanā. Tikmēr DeepMind pētnieks runāja par pretiniecisko mašīnmācīšanos (adversarial machine learning), kur mazas izmaiņas ievades datos var ievērojami mainīt mākslīgā intelekta izvadi. Interesants piemērs bija dažas pikseļu maiņa attēlā ar kaķi, kas noveda pie tā, ka mākslīgais intelekts to nepareizi atpazina kā guacamole. Blokķēdes frontē runa bija par dažādiem protokoliem, taču lielākā daļa tehnoloģijas joprojām ir ļoti eksperimentāla vai dažos gadījumos pilnīgi teorētiska. Savienojumi starp blokķēdi un mākslīgo intelektu joprojām ir sākumstadijā, un reālas lietojumprogrammas vēl nav attīstītas. Pierādījums par aprēķinu Viena no interesantākajām uzrunām bija Dāna Boneha, Stanforda praktikanta kriptogrāfa, kas runāja par SNARK (kompaktajām nesen pārbaudāmajām apgalvojumu izsanu metodēm) un nulles zināšanu pierādījumiem. Šie risina galveno kriptogrāfijas izaicinājumu – efektīvi pierādīt, ka ir zināma kāda aprēķina procesa izpilde. Šis princips ir labi apliecināts blokķēdēs un kriptogrāfijā. Piemēram, liela skaitļa faktorizācija ir aprēķināmi grūta, bet pārbaudīt šīs faktorizācijas pareizību ar reizināšanu ir vienkārši.

Tāpat, atrast bloka galveni ar tā hasu, kas atbilst noteiktai grūtības pakāpei, ir dārgi, bet šo pierādījumu pārbaudīt ir lēti. Šis starpība starp aprēķinu un pārbaudi ir būtiska blokķēdes sistēmās, kur mezgli nepārtraukti pārbauda cita darba pareizību. Bitcoin gadījumā mezgli pārbauda parakstus un kalnraču darba pierādījumus. SNARK ļauj paplašināt šo koncepciju, sniedzot kriptogrāfiskus pierādījumus, kurus var pārbaudīt bez jutīgu datu atklāšanas. Kā mākslīgā intelekta aģenti kļūst neatkarīgāki, pārbaudīt aprēķinus un saglabāt privātumu būs liels izaicinājums. Daudzi lietotāji izvairās augšupielādēt jutīgu informāciju platformās kā OpenAI drošības apsvērumu dēļ. Tas rada lielu nepieciešamību pēc privātumu saglabājošiem pārbaudījumiem – metodes, kas ļauj lietotājiem pierādīt, ka mākslīgā intelekta modelis ir pareizi izpildījis aprēķinu, neizpaudot pamata datus. Šāda tehnoloģija varētu atvērt iespējas sensitīvās jomās, piemēram, veselības aprūpē, aizsardzībā un finanšu jomā, kur datu aizsardzība ir kritiska. Sagaidāms, ka šī nozare attīstīsies milzīgu industriju nākamajā desmitgadē. Interesanti, ka šī ideja ir cēlusies no blokķēdes tīklos izmantotajām kriptogrāfijas tehnikām. Kā Bonehs norādīja, doma par vienas mašīnas efektīvi pārbaudītu dārgu aprēķinu radās no Bitcoin, bet tā varētu ieguvumu sniegt arī AI jomā. Nākotnē ceru, ka turpmākās konferences pievērsīs lielāku uzmanību Bitcoin ieguldījumiem šajās jomās. Piemēram, BitVM balstās uz nulles zināšanu pierādījumu koncepcijām, lai savienotu Bitcoin ar jaunām Level 2 protokoliem – kas varētu ļaut mākslīgā intelekta aģentiem tieši sadarboties ar Bitcoin ekosistēmu.