三月中旬，斯坦福大学举办了一场区块链与人工智能（AI）会议，聚集了教授、创业公司CEO和风险投资家（VC）。此次活动的主要焦点是两个重要技术的融合：区块链和AI。然而，考虑到比特币的市场领先地位以及比特币Layer 2解决方案中不断涌现的新创新，如果会议能更聚焦于比特币与AI的结合，可能会更为有益。 会议中一个关键问题是，区块链和AI在很大程度上发展为两个相对独立的领域——每个领域都有不同的投资者、创业者、研究人员和社区。虽然将这两个领域融合的想法充满雄心，但许多发言人仍然集中在自己的专业范围内，难以在区块链与AI之间找到明确的联系。可以说，称其为“区块链或AI大会”或许更为准确。 例如，一位风险投资家对AI行业进行了广泛的介绍，强调在图像、音频和代码生成方面取得的显著进展。同时，一位DeepMind的研究人员讨论了对抗性机器学习，即对输入数据的微小调整可以极大改变AI的输出。一个显著的例子是，只改动几像素的猫图片，竟然让AI误识为鳄梨酱。 在区块链方面，讨论集中在各种协议上，但许多技术仍处于高度实验性阶段，或者在某些情况下完全是理论上的。区块链与AI之间的结合尚处于初期，实际的应用场景尚未出现。 证明计算的技术 其中一个较为深刻的演讲来自斯坦福的应用密码学家丹·博内（Dan Boneh），他讲述了SNARKs（简洁非交互式知识证明）和零知识证明。这些技术解决了核心的密码学难题：高效地证明对某个计算的掌握。 这一原理在区块链和密码学中已经得到充分应用。例如，将大数分解为质数虽计算难度高，但验证乘积是否正确却很容易。类似地，找到一个符合一定难度目标的区块头的哈希值成本很高，但验证这个过程则相对廉价。 计算与验证之间的这一差距在区块链系统中至关重要，因为节点需要不断验证彼此的工作。在比特币中，节点验证签名和矿工的工作量证明。SNARKs扩展了这一概念，允许通过密码学证明进行验证，而无需暴露敏感信息。 随着AI代理变得更为自主，验证计算的同时保护隐私将成为一个重大挑战。许多用户因安全担忧不愿将敏感数据上传到像OpenAI这样的平台。 因此，迫切需要一种隐私保护的验证方法——让用户能够证明AI模型正确执行了一项计算，而无需披露底层数据。这项技术有望在医疗、国防和金融等敏感领域开启新的AI应用场景，数据保护至关重要。预计在未来十年内，这将发展成为一个价值数十亿美元的产业。 值得注意的是，这一思想起源于区块链网络中实现的密码技术。如博内所说，单一机器高效验证另一台机器昂贵计算的想法，起源于比特币，但它在AI领域可能会迎来第二次重大应用。 展望未来，我希望未来的会议能更加重视比特币在这些领域的贡献。例如，BitVM借助零知识证明的概念，架起比特币与新Layer 2协议的桥梁——这可能使AI代理能够直接与比特币生态系统互动。