ในกลางเดือนมีนาคม มหาวิทยาลัยสแตนฟอร์ดจัดการประชุมเกี่ยวกับ Blockchain และ AI รวมถึงอาจารย์ นักลงทุนกลุ่มสตาร์ทอัพ และนักลงทุนร่วมทุน (VC) โดยเนื้อหาหลักของกิจกรรมคือการรวมกันของเทคโนโลยีสำคัญสองด้าน คือบล็อกเชนและ AI อย่างไรก็ตาม การประชุมอาจได้รับประโยชน์จากการเน้นเรื่อง Bitcoin กับ AI มากขึ้น เนื่องจาก Bitcoin มีตำแหน่งตลาดอันดับหนึ่งและมีนวัตกรรมใหม่ ๆ เกิดขึ้นในด้านโซลูชัน Layer 2 ของ Bitcoin ประเด็นสำคัญหนึ่งของงานคือ blockchain กับ AI ยังพัฒนานอกเส้นทางเดียวกันเป็นส่วนใหญ่—แต่ละด้านมีนักลงทุน นักธุรกิจ นักวิจัย และชุมชนแยกกัน ถึงแม้แนวคิดที่จะผสมผสานสองด้านนี้จะมีความทะเยอทะยาน แต่ก็ยังมีผู้กล่าวว่า สัมมนานี้ควรเรียกว่า Blockchain หรือ AI Conference มากกว่า ยกตัวอย่างเช่น นักลงทุนกลุ่มหนึ่งให้ภาพรวมอย่างกว้าง ๆ ของวงการ AI เน้นความก้าวหน้าที่โดดเด่นในด้านการสร้างภาพ เสียง และโค้ด ขณะที่นักวิจัยจาก DeepMind พูดถึงการเรียนรู้แบบต่อต้าน (adversarial machine learning) ซึ่งการปรับแต่งข้อมูลเล็กน้อยสามารถเปลี่ยนผลลัพธ์ของ AI ได้อย่างมาก ตัวอย่างที่น่าจดจำคือ การเปลี่ยนพิกเซลเล็กน้อยในภาพแมว ทำให้ AI เข้าใจผิดว่ามันเป็นกัวซาโมเล ในด้านบล็อกเชน การสนทนาหมุนเวียนรอบโปรโตคอลต่าง ๆ แต่เทคโนโลยีส่วนใหญ่อยู่ในระดับทดลองหรือบางกรณีเป็นทฤษฎี ทั้งการเชื่อมต่อระหว่าง blockchain และ AI ยังอยู่ในขั้นเริ่มต้น การใช้งานในโลกจริงยังไม่เกิดขึ้น Proof of Computation หนึ่งในบรรยายที่ชัดเจนที่สุดมาจาก Dan Boneh นักเข้ารหัสเชิงประยุกต์จาก Stanford ซึ่งพูดเรื่อง SNARKs (succinct non-interactive arguments of knowledge) และ zero-knowledge proofs ซึ่งเป็นการแก้ปัญหาทางคริปโตสำคัญ คือการพิสูจน์ความรู้เกี่ยวกับการคำนวณอย่างมีประสิทธิภาพ หลักการนี้เป็นที่รู้จักในวงการบล็อกเชนและคริปโต เช่น การแตกตัวเลขจำนวนมากเป็นจำนวนเฉพาะเป็นงานที่ยากมากเชิงคำนวณ แต่การตรวจสอบผลคูณของตัวเลขเหล่านั้นง่าย ในลักษณะเดียวกัน การหาเฮดเดอร์บล็อกที่มีค่าแฮชตรงตามเป้าหมายก็ใช้เวลานาน แต่การตรวจสอบก็ทำได้ง่ายเช่นกัน ความแตกต่างระหว่างการคำนวณและการตรวจสอบนี้สำคัญในระบบบล็อกเชน ที่ซึ่งโหนดจะตรวจสอบงานของกันและกันอย่างต่อเนื่อง ในบิทคอยน์ โหนดจะตรวจสอบลายเซ็นและหลักฐานการทำงานของนักขุด ขยายแนวคิดนี้ด้วย SNARKs ที่สามารถพิสูจน์ด้วยคริปโตโดยไม่เปิดเผยข้อมูลสำคัญ เมื่อ AI มีความอิสระมากขึ้น การตรวจสอบการคำนวณโดยรักษาความเป็นส่วนตัวจะเป็นความท้าทายใหญ่ ผู้ใช้จำนวนมากยังลังเลที่จะอัปโหลดข้อมูลที่ละเอียดอ่อนไปยังแพลตฟอร์มอย่าง OpenAI ด้วยเหตุผลด้านความปลอดภัย ซึ่งทำให้เกิดความต้องการสูงสำหรับวิธีการตรวจสอบที่รักษาความลับ—เทคโนโลยีที่ให้ผู้ใช้สามารถพิสูจน์ว่าโมเดล AI ทำการคำนวณอย่างถูกต้องโดยไม่เปิดเผยข้อมูลเบื้องหลัง เทคโนโลยีดังกล่าวอาจเปิดโอกาสให้ใช้งาน AI ในด้านที่ต้องความปลอดภัยสูง เช่น สาธารณสุข การป้องกันประเทศ และการเงิน คาดว่าภายในสิบปีข้างหน้า เทคโนโลยีนี้จะกลายเป็นอุตสาหกรรมขนาดหลายพันล้านดอลลาร์ ที่น่าสนใจคือ แนวคิดนี้มีต้นกำเนิดจากระบบบล็อกเชนที่นำเทคนิคคริปโตมาใช้งาน และตามที่ Boneh กล่าวไว้ แนวคิดของเครื่องจักรที่สามารถตรวจสอบการคำนวณราคาแพงของเครื่องอื่นอย่างมีประสิทธิภาพเกิดขึ้นจากบิทคอยน์ แต่ก็อาจพบการใช้งานที่สำคัญรองในด้าน AI ในอนาคต ผมหวังว่าจะมีการประชุมที่เน้นย้ำถึงความสามารถของ Bitcoin ในด้านต่าง ๆ มากขึ้น เช่น การพัฒนา BitVM ซึ่งใช้แนวคิด zero-knowledge proof เพื่อเชื่อมต่อ Bitcoin กับโปรโตคอล Layer 2 ใหม่ ๆ ซึ่งอาจทำให้นัก AI สามารถโต้ตอบโดยตรงกับระบบนิเวศของ Bitcoin ได้