AI + 區塊鏈會是下一條飛昇之路嗎？

原文標題：AI x Blockchain The Next Level

原文作者：Steve Vassallo, General Partner at Foundation Capital

編譯：倩雯，ChainCatcher

照片拍攝於2021年3月31日，工人們正在轉移礦機

區塊鏈和人工智慧是我們這個時代最具時代特徵的兩項技術。每一種技術都是一種強大、顛覆性的力量，它們就像是怪獸哥斯拉和金剛一樣，幾乎無人可擋。但是，當金剛和哥斯拉面對自己都無法解決的敵人時，他們也會偶爾聯手合作。（明年他們將在《哥斯拉與金剛：新帝國》中再度合作）。

人工智慧與區塊鏈這兩項偉大技術突破結合，將能夠解鎖無限可能，一同解決我們面臨的棘手難題。

我最近恰好有機會能夠探索這兩大方向結合的巨大可能。不久前我在 Coinbase 首屆"機器學習（ML）和區塊鏈"會議上主持小組會議。該小組召集了來自學術界和工業界的四位專家，解讀了這兩種快速發展技術的如何通過交融並釋放巨大潛能。我們的談話涵蓋了許多主題，包括區塊鏈如何加速人工智慧的發展，與區塊鏈數據合作的複雜性，以及大型語言模型（LLM）的前景。

人工智慧與區塊鏈結合的一大好處是，當涉及到數據虛假和內容虛假的問題時（隨著人工智慧的發展，假數據、假內容已日益成為亟待解決的大問題）區塊鏈可以作為一種解決方案，用加密數字簽名和時間戳來對抗虛假信息，使人們了解什麼是真實和虛假信息。

同時，人工智慧可以提高區塊鏈網絡的效率，增強其安全性，並解鎖新的功能，如允許協議根據實時、鏈上數據做出決定。

為了更清晰地傳達觀點，以下內容摘自我同事的發言，在編輯後進行呈現。

Bhaskar Krishnamachari，南加州大學電子和計算機工程及計算機科學教授

在我看來，區塊鏈和人工智慧有兩個主要領域的交集。第一個是應用ML模型來解決區塊鏈中的挑戰，第二個是利用區塊鏈來解決人工智慧中亟待解決的問題。

在第一種情況下，ML模型可以在區塊鏈數據中梳理出複雜的模式，有助於提高鏈上去中心化應用程序的性能。通過分析交易數據，ML模型可以揭露潛在的不當行為，如洗盤交易和非法資金轉移，並檢測新出現的安全威脅。除了幫助確保區塊鏈網絡的安全外，ML模型還可以提高網絡的性能。例如，它們可以根據交易量動態地調整交易費用，並在使用高峰期優化系統資源。

目前較少討論的是區塊鏈如何助力人工智慧的發展。作為無邊界、互聯網原生支付系統的基礎，區塊鏈可以為人們貢獻數據和計算資源以訓練ML模型創造經濟激勵。我們一直在南加州大學做關於去中心化數據市場的研究，以實現這一目標。

近年來，我們看到少數科技公司佔據全球數據和人工智慧的越來越多份額。這引起了人們對隱私、偏見和安全的擔憂：區塊鏈是去中心化、透明和可公開審計的系統，可以解決所有這些問題。例如，區塊鏈可以追蹤用於訓練人工智慧模型的數據來源，並以加密方式驗證其真實性。通過確認這些輸入是未經修改且公正的，區塊鏈可以幫助提高對人工智慧系統提供建議的信任。

Leo Liang, Coinbase 數據平台和服務主管

在 Coinbase，我的團隊面臨的大部分挑戰都與數據有關。具體來說，我們需要從區塊鏈中提取數據，並將其轉換為可被 ML 模型使用的格式。我喜歡把區塊鏈想像成一個洋蔥，因為它有無數錯綜複雜的層次。它的去中心化性質意味著數據分布在許多節點上，每個節點都獨立驗證和添加新的區塊。當多個區塊鏈發揮作用時，這些網絡就會更加具有複雜性------現在你要處理的是一個相互連接的洋蔥網絡。在這個無序、分散的生態系統中同步並確保數據的一致性並非易事。

此外，區塊鏈是相對獨立的系統，無法訪問其邊界之外的數據。為了讓 ML 模型對現實世界進行預測，我們需要將鏈上數據（存儲在區塊鏈上的數據）與鏈下數據（區塊鏈外部的數據，如股票價格、匯率、天氣模式等）結合起來。這就相當於把區塊鏈連接到互聯網上，這無疑是一大激動人心卻又艱巨的工程難題。

Sam Green，Semiotic Labs聯合創始人和研究主管

在 Semiotic Labs，我負責 The Graph 的人工智慧研發工作，這是一個用於與區塊鏈數據互動和使用的去中心化協議。簡單地說，Graph 從區塊鏈上讀取數據，對數據進行處理，並創建索引，這是一種像百科全書附件按字母順序排列的列表。這種組織結構簡化了區塊鏈上的數據檢索。通過將區塊鏈數據進行索引，The Graph將這些數據轉化為一種易於查詢、分析和應用於下游應用程序的格式。

The Graph 上的交易涉及兩個主要參與者：一個是數據賣方，即索引者，另一個是數據買方，即消費者。這些實體通過我們所說的"網關"進行互動。當消費者向網關發送查詢時，網關考慮到投標價格、服務質量、延遲等因素，在索引商之間分配查詢。索引器通過服務這些查詢並向消費者提供區塊鏈數據來賺取收益。在人工智慧的幫助下，我們已經建立了算法定價代理，幫助索引者實現收入最大化，同時確保消費者獲得可靠、高質量的服務。

在許多方面，區塊鏈是訓練人工智慧代理的理想環境。因為由智能合約定義的規則，以及交易中記錄的用戶的行動，都在鏈上公開可見。由於這些規則和行動是已知的，我們可以創建這種區塊鏈環境的模擬，使用它們來訓練AI代理，之後再將這些代理部署。成功的秘訣就在於快速的反饋循環：通過試驗和錯誤學習的速度越快，代理就能越快地提升表現。

在未來，我們認為將 LLM 整合到 The Graph 將會釋放巨大潛力。目前用戶必須用一種叫做 GraphQL 的專門語言來查詢 The Graph。相比之下，LLM允許用戶用自然語言（ChainCatcher註：與編程語言相對，指的是人們日常生活中使用的的語言）來表述他們的請求。LLM 使任何人都可以用簡單的英語與 The Graph互動，這將進一步實現區塊鏈數據訪問的民主化。

Paul Bohm， Teleport 創始人

Teleport 正在為共享汽車開發一個開放的市場。目前，共享汽車市場是一個封閉的系統，這使得用戶很難在不同的服務之間轉換。如果電子郵件系統像共享汽車一樣封閉，微軟的 Outlook 郵件和蘋果的 iCloud 郵件用戶將無法相互發送電子郵件。同樣，如果網絡系統是封閉系統，那麼蘋果的 Safari 瀏覽器將無法與Microsoft.com 互通。

開放共享汽車意味著讓這一市場重新受到互聯網規範的監督。在一個開放的系統中，參與者可以從許多不同供應商的各種應用程序中進行選擇，並相互溝通。而封閉的市場中往往不存在公平的價格，價格由供應商提供，並最大限度地提高他們可以賺取的價值。開放共享出行並去除中間商，意味著司機能獲得更多利潤，乘客每次乘車支付的費用更少，最終更多的資金可以在當地經濟中流轉。

開放的市場若想取得成功，必須依靠用戶信賴。工程師們往往首先關注技術的各個方面，如其速度或新穎的功能。但在為現實世界建設市場時，我們必須從用戶對安全、安保和隱私的需求出發。只有這樣，我們才能確定滿足這些需求的最佳技術，而不會走上錯誤的道路。

當然這些假設只是一些可能性，也只是這一系列對話的開始，這些對話關注區塊鏈和機器學習結合時，哪些方面會被釋放、增強、穩固，並達到新的高度。區塊鏈等數字共識技術能夠實現公平、可信、安全，而且是可以證明的系統。

在 人工智慧會進一步破壞信任 的同時 ， 區塊鏈會 則會 加強信任 網絡 ，提供一個強大的機制來保障敏感數據的完整性。同時，人工智慧使人們得以探索分佈式數據的深海，這些數據使區塊鏈在大規模採用時過於笨重和複雜。通過將人工智慧部署到極具規模的問題上，我們可以將區塊鏈帶給 10 億用戶。

對於區塊鏈或人工智慧企業家來說，這些都是令人振奮的前景：我們討論的不僅僅是某一種技術，而是兩種技術的結合與促進。人工智慧和區塊鏈，就如哥斯拉和金剛，兩大怪獸界巨頭的優勢結合，必將勢不可擋。