Na Środę połowy marca Uniwersytet Stanford zorganizował konferencję na temat Blockchain i AI, gromadząc profesorów, CEO startupów i inwestorów venture capital (VC). Głównym tematem wydarzenia była konwergencja dwóch ważnych technologii: blockchain i AI. Jednakże konferencja mogłaby skorzystać na większym skupieniu się na Bitcoinie i AI, biorąc pod uwagę jego dominującą pozycję na rynku oraz pojawiające się nowe innowacje w zakresie rozwiązań Layer 2 dla Bitcoin. Jednym z kluczowych problemów na wydarzeniu było to, że blockchain i AI rozwijały się głównie jako odrębne dziedziny — każda z własnymi inwestorami, przedsiębiorcami, naukowcami i społecznościami. Chociaż idea łączenia tych obszarów była ambitna, wielu prelegentów koncentrowało się na własnych specjalizacjach i miało trudności z wyraźnym wskazaniem powiązań między blockchainem a AI. Można powiedzieć, że bardziej trafne byłoby nazwanie tego konferencji Blockchain LUB AI. Na przykład, inwestor venture capital przedstawił szeroki przegląd sektora AI, podkreślając znaczące postępy w generowaniu obrazów, dźwięku i kodu. Tymczasem naukowiec z DeepMind omówił zagadnienia związane z adversarial machine learning, czyli tak zwanym uczeniem maszynowym przeciwstawnym, gdzie drobne zmiany w danych wejściowych mogą drastycznie zmienić wyniki AI. Przykład, który przytoczono, dotyczył zmiany kilku pikseli na obrazie kota, co spowodowało, że AI błędnie zidentyfikowało go jako guacamole. Na temat blockchainu rozmowy koncentrowały się na różnych protokołach, jednak większość technologii nadal pozostaje wysoce eksperymentalna lub, w niektórych przypadkach, w pełni teoretyczna. Integracje między blockchainem a AI wciąż są na bardzo wczesnym etapie, a realne zastosowania jeszcze się nie zmaterializowały. Proof of Computation Jednym z najbardziej pouczających wystąpień było to Dana Boneha, kryptografa zastosowań z Stanfordu, który mówił o SNARKach (zwięzłych nieinteraktywnych dowodach wiedzy) i dowodach zero-knowlege. Te techniki rozwiązują kluczowy problem kryptograficzny: jak efektywnie udowodnić posiadanie wiedzy o obliczeniu. Podstawy tej zasady są dobrze znane w blockchain i kryptografii.

Na przykład, faktoryzacja dużej liczby na czynniki pierwsze jest obliczeniowo trudna, ale weryfikacja takiej faktoryzacji przez mnożenie jest prosta. Podobnie, znalezienie nagłówka bloku, którego hash spełnia określony poziom trudności, jest kosztowne, podczas gdy weryfikacja tego dowodu jest tania. Ta różnica między obliczeniem a weryfikacją jest kluczowa w systemach blockchain, gdzie węzły nieustannie sprawdzają pracę innych. W Bitcoinie węzły walidują podpisy i proof of work górników. SNARKi poszerzają tę koncepcję, umożliwiając tworzenie kryptograficznych dowodów, które można zweryfikować bez ujawniania poufnych informacji. W miarę jak AI agentom coraz bardziej będzie powierzać się automatyzację, weryfikacja obliczeń przy jednoczesnym zachowaniu prywatności będzie stanowić poważne wyzwanie. Wielu użytkowników wstrzymuje się z przesyłaniem poufnych danych do platform takich jak OpenAI z obaw o bezpieczeństwo. Tworzy to silną potrzebę pewnych metod weryfikacji chroniących prywatność — sposób, w jaki użytkownicy mogą udowodnić, że model AI poprawnie wykonał obliczenie, nie ujawniając przy tym danych źródłowych. Taka technologia mogłaby odblokować zastosowania AI w poufnych dziedzinach, takich jak opieka zdrowotna, obrona czy finanse, gdzie ochrona danych jest kluczowa. Przewiduje się, że w nadchodzącej dekadzie może to rozwinąć się do branży o wartości miliardów dolarów. Warto zauważyć, że pomysł ten pochodzi z sieci blockchain, które implementują techniki kryptograficzne. Jak zauważył Boneh, koncepcja tego, aby jedna maszyna skutecznie weryfikowała kosztowne obliczenia innej, narodziła się w kontekście Bitcoin, ale może znaleźć drugie, główne zastosowanie w AI. Patrząc w przyszłość, mam nadzieję, że kolejne konferencje położą większy nacisk na wkład Bitcoin w te obszary. Na przykład, BitVM opiera się na koncepcjach dowodów zero-knowlege, aby zbudować most między Bitcoinem a nowymi protokołami Layer 2 — co potencjalnie umożliwi agentom AI bezpośrednią interakcję z ekosystemem Bitcoin.