Em meados de março, a Universidade de Stanford realizou uma conferência sobre Blockchain e IA, reunindo professores, CEOs de startups e investidores de venture capital (VCs). O foco principal do evento foi a convergência de duas tecnologias importantes: blockchain e IA. No entanto, a conferência talvez tivesse se beneficiado de um foco mais forte em Bitcoin e IA, considerando a posição de liderança do Bitcoin no mercado e as novas inovações emergentes nas soluções Layer 2 do Bitcoin. Uma questão central no evento foi que blockchain e IA se desenvolveram em grande parte como campos separados — cada um com investidores, empresários, pesquisadores e comunidades distintas. Embora a ideia de mesclar esses domínios fosse ambiciosa, muitos palestrantes permaneceram focados em suas próprias especialidades, lutando para estabelecer conexões claras entre blockchain e IA. A nosso ver, chamá-la de Conferência Blockchain OU IA teria sido mais preciso. Por exemplo, um venture capitalista fez uma visão geral do setor de IA, destacando avanços notáveis em geração de imagens, áudio e código. Enquanto isso, um pesquisador da DeepMind abordou o aprendizagem de máquina adversarial, onde pequenas alterações nos dados de entrada podem modificar drasticamente a saída de uma IA. Um exemplo notável envolveu alterar apenas alguns pixels numa imagem de um gato, fazendo com que a IA a interpretasse como guacamole. Na parte de blockchain, as conversas giraram em torno de vários protocolos, embora grande parte da tecnologia ainda seja altamente experimental ou, em alguns casos, totalmente teórica. As integrações entre blockchain e IA ainda estão em fase inicial, com aplicações práticas ainda por se concretizar. Prova de Cálculo Uma das palestras mais esclarecedoras foi dada por Dan Boneh, criptógrafo aplicado de Stanford, que falou sobre SNARKs (provas succinct non-interactive arguments of knowledge) e provas de conhecimento zero. Esses conceitos tratam de um desafio criptográfico central: provar de forma eficiente o conhecimento de uma computação. Esse princípio é bem estabelecido em blockchain e criptografia.

Por exemplo, fatorar um número grande em primos é computacionalmente difícil, mas verificar a fatoração por multiplicação é fácil. Analogamente, encontrar um cabeçalho de bloco cujo hash atenda a uma dificuldade alvo é custoso, enquanto verificar essa prova é barato. Essa diferença entre cálculo e verificação é fundamental nos sistemas de blockchain, onde os nós verificam continuamente o trabalho uns dos outros. No Bitcoin, os nós validam assinaturas e as provas de trabalho dos mineradores. Os SNARKs expandem esse conceito, permitindo provas criptográficas que podem ser verificadas sem expor informações sensíveis. À medida que agentes de IA se tornam mais autônomos, verificar cálculos enquanto se preserva a privacidade será um grande desafio. Muitos usuários hesitam em fazer upload de dados sensíveis em plataformas como a OpenAI por motivos de segurança. Isso cria uma necessidade forte de verificações que preservem a privacidade — um método que permita aos usuários provar que um modelo de IA realizou um cálculo corretamente, sem divulgar os dados subjacentes. Essa tecnologia poderia abrir possibilidades de uso da IA em áreas sensíveis como saúde, defesa e finanças, onde a proteção de dados é crítica. Espera-se que essa área evolua para uma indústria de bilhões de dólares na próxima década. Notavelmente, essa ideia tem origem em redes blockchain que implementaram técnicas criptográficas. Como observou Boneh, o conceito de uma máquina que verifica eficientemente os cálculos caros de outra surgiu do Bitcoin, mas pode encontrar uma segunda aplicação importante na IA. Olhando para o futuro, espero que futuras conferências deem mais ênfase às contribuições do Bitcoin nessas áreas. Por exemplo, o BitVM baseia-se em conceitos de provas de conhecimento zero para conectar o Bitcoin aos novos protocolos Layer 2 — potencialmente permitindo que agentes de IA interajam diretamente com o ecossistema do Bitcoin.