Vào giữa tháng 3, Đại học Stanford đã tổ chức một hội thảo về Blockchain và AI, tập hợp các giáo sư, CEO các startup và các nhà đầu tư mạo hiểm (VCs). Nội dung chính của sự kiện là sự hội tụ của hai công nghệ quan trọng: blockchain và AI. Tuy nhiên, hội thảo có thể đã hưởng lợi hơn nếu tập trung nhiều hơn vào Bitcoin và AI, xét vị trí dẫn đầu của Bitcoin trên thị trường cũng như các đổi mới mới nổi trong các giải pháp Layer 2 của Bitcoin. Một vấn đề chính tại sự kiện là blockchain và AI phần lớn phát triển như các lĩnh vực riêng biệt—mỗi lĩnh vực có các nhà đầu tư, doanh nhân, nhà nghiên cứu và cộng đồng riêng. Mặc dù ý tưởng hợp nhất hai lĩnh vực này rất tham vọng, nhưng nhiều diễn giả vẫn tập trung vào chuyên môn của chính họ, gặp khó khăn trong việc tìm ra các mối liên hệ rõ ràng giữa blockchain và AI. Có thể gọi đây là Hội thảo Blockchain HOẶC AI mới chính xác hơn. Ví dụ, một nhà đầu tư mạo hiểm đã trình bày tổng quan về lĩnh vực AI, nhấn mạnh tiến bộ đáng kể trong tạo hình ảnh, âm thanh và mã nguồn. Trong khi đó, một nhà nghiên cứu của DeepMind đã đề cập đến machine learning đối kháng, nơi những chỉnh sửa nhỏ trên dữ liệu đầu vào có thể hoàn toàn thay đổi kết quả của AI. Một ví dụ nổi bật là việc thay đổi chỉ vài pixel trong hình ảnh chó mèo, khiến AI nhầm lẫn và nhận diện đó là guacamole. Trong lĩnh vực blockchain, các cuộc thảo luận xoay quanh các giao thức khác nhau, nhưng phần lớn công nghệ vẫn còn mang tính thử nghiệm cao hoặc, đôi khi, hoàn toàn mang tính lý thuyết. Các tích hợp giữa blockchain và AI vẫn còn trong giai đoạn sơ khai, với các ứng dụng thực tế còn chưa hình thành rõ ràng. Chứng minh tính Toán Một trong những bài nói gây ấn tượng nhất là của Dan Boneh, một nhà mật mã học ứng dụng tại Stanford, nói về SNARKs (chứng minh không tương tác ngắn gọn của kiến thức) và bằng chứng không tiết lộ (zero-knowledge proofs). Những công nghệ này giải quyết một thách thức cốt lõi của mật mã học: chứng minh một cách hiệu quả rằng mình đã biết một phép tính nào đó. Nguyên tắc này đã được thiết lập rõ ràng trong blockchain và mật mã học.

Ví dụ, phân tích một số lớn thành các số nguyên tố là tính toán khó, nhưng xác minh phép phân tích bằng phép nhân thì dễ. Tương tự, tìm một tiêu đề khối có hàm băm đáp ứng độ khó mục tiêu sẽ tốn kém, còn việc xác minh bằng chứng này thì rẻ hơn nhiều. Khoảng cách giữa tính toán và xác minh này rất quan trọng trong các hệ thống blockchain, nơi các nút liên tục xác nhận công việc của nhau. Trong Bitcoin, các nút xác thực chữ ký và bằng chứng công việc của thợ mỏ. SNARKs mở rộng ý tưởng này, cho phép tạo các bằng chứng mật mã có thể xác nhận mà không tiết lộ thông tin nhạy cảm. Khi các tác nhân AI ngày càng tự chủ hơn, việc xác minh các phép tính mà vẫn giữ gìn quyền riêng tư sẽ là một thử thách lớn. Nhiều người dùng ngần ngại tải dữ liệu nhạy cảm lên các nền tảng như OpenAI do lo ngại về an ninh. Điều này tạo ra một nhu cầu mạnh mẽ về phương pháp xác minh bảo vệ quyền riêng tư—phương pháp cho phép người dùng chứng minh rằng một mô hình AI đã thực hiện một phép tính đúng mà không tiết lộ dữ liệu gốc. Công nghệ này có thể mở khóa các ứng dụng AI trong các lĩnh vực nhạy cảm như y tế, quốc phòng và tài chính, nơi bảo vệ dữ liệu là cực kỳ quan trọng. Dự kiến, công nghệ này sẽ phát triển thành một ngành công nghiệp trị giá hàng tỷ đô la trong thập kỷ tới. Đặc biệt, ý tưởng này bắt nguồn từ các mạng lưới blockchain áp dụng các kỹ thuật mật mã. Như Boneh lưu ý, khái niệm một máy tính có thể xác minh hiệu quả các phép tính tốn kém của máy khác xuất phát từ Bitcoin, nhưng nó có thể sẽ có ứng dụng thứ hai lớn trong AI. Nhìn về tương lai, tôi mong rằng các hội thảo trong tương lai sẽ đặt nhiều trọng tâm hơn vào những đóng góp của Bitcoin trong các lĩnh vực này. Ví dụ, BitVM dựa trên các khái niệm bằng chứng không tiết lộ để kết nối Bitcoin với các giao thức Layer 2 mới—có khả năng cho phép các tác nhân AI tương tác trực tiếp với hệ sinh thái của Bitcoin.