Во средината на март, Универзитетот Стенфорд одржа конференција за Блокчејн и вештачка интелигенција, собирајќи професори, стартапизводители и венчурни капиталисти (VC). Главната тема на настанот беше преклопувањето на две значајни технологии: блокчејн и вештачка интелигенција. Сепак, конференцијата можеше да биде посилна ако имаше посилен фокус на Биткоин и вештачката интелигенција, со оглед на водечката позиција на Биткоин на пазарот и новите иновации што се јавуваат во слојот 2 на Биткоин. Еден од клучните проблеми на настанот беше тоа што блокчејн и вештачка интелигенција се развиваа речиси како одделни области — секоја со свои инвеститори, претприемачи, истражувачи и заедници. Иако идејата за спојување на овие области беше амбициозна, многумина од говорниците останаа фокусирани на своите експертизии, борејќи се да најдат јасни врски помеѓу блокчејн и AI. Веројатно, повикот да се именува како Конференција за Блокчејн или AI би била по прецизен. На пример, еден венчурен капиталист даде широк преглед за секторот на AI, истакнувајќи значаен напредок во генерирањето на слики, сигнали и кодови. Меѓутоа, истражувач од DeepMind се осврна на adversarial машинското учење, каде мали измени во влезните податоци можат драстично да променат резултатот на AI. Еден значаен пример беше промена на само неколку пиксели во слика од маче, што предизвика AI-то да ја погреши како гукамоле. На фронтот на блокчејн, разговорите се фокусираа на различни протоколи, но многу од технологиите сè уште се високо експериментални или, во одредени случаи, целосно теоретски. Интеграциите помеѓу блокчејн и AI сè уште се на рана фаза, а реални примени се чекаат да се реализираат. Доказ за пресметка Еден од најосветлувачките говори беше тој на Dan Boneh, примен криптограф од Стенфорд, кој зборуваше за SNARK-и (кратки неинтерактивни докази на познавање) и zero-knowledge proofs. Овие технолошки решенија се занимаваат со клучен криптографски предизвик: ефикасно докажување на знаењето за пресметка. Овој принцип е добро утврден во блокчејн и криптографија.

На пример, факторизацијата на голем број во простите броеви е пресметкиски тешка, но потврдувањето на факторизацијата со множење е лесно. Исто така, наоѓањето на заглавието на блок со хаш кој ги исполнува условите за целната трудност е скучно, додека потврдувањето на овој доказ со помош на SNARK-и е малку поевтино. Овој јаз меѓу пресметката и потврдувањето е важен во системите на блокчејн, каде јазлите постојано ја потврдуваат работата на другите. Во Биткоин, јазлите валидираат потписи и потврдите за работа на миниерите. SNARK-ите го прошируваат овој концепт, дозволувајќи криптографски докази што можат да се потврдат без да се откриваат чувствителни податоци. Како што AI-агентите стануваат се посамостојни, потврдувањето на пресметките додека се зачувува приватноста ќе биде значаен предизвик. Многу корисници се двоумат да поставуваат чувствителни податоци на платформи како OpenAI поради безбедносни грижи. Таа потреба за приватност ја создава силна потреба за метода на проверка што чува приватност — начин што им дозволува на корисниците да докажат дека AI-јал ја извршил пресметката правилно без да disclose-ваат основните податоци. Таквата технологија може да овозможи AI употреба во чувствителни области како здравство, одбраната или финансиите, каде заштитата на податоците е критична. Се очекува ова да се развие во индустрија вредна милијарди долари во следната деценија. Забележително, оваа идеја потекнува од мрежите на блокчејн што имплементираат криптографски техники. како што забележа Boneh, концептот на една машина да ефикасно потврдува скапа пресметка од друга произлегува од Биткоин, но може да најде значајна втора примена во AI. Гледајќи наназад, се надевам дека идните конференции ќе се посветат повеќе на придонесите на Биткоин во овие области. На пример, BitVM се базира на концептите за zero-knowledge proof-ови за поврзување на Биткоин со новите протоколи слој 2 — потенцијално овозможувајќи директна интеракција на AI-агентите со еко-системот на Биткоин.