Balaji：八大用例解讀 AI 時代加密如何重建信任？

視頻標題：AI Makes Everything Easy to Fake---Crypto Makes it Hard Again | Balaji Srinivasan at SmartCon 2023

視頻作者：Balaji Srinivason

編譯：倩雯，ChainCatcher

關於作者：

Balaji Srinivasan，天使投資人、技術創始人和華爾街日報暢銷書《The Network State》的作者。曾是 Coinbase 的首席技術官和 A16z 的普通合夥人，也是許多成功的科技公司和加密協議的早期投資者。

推薦閱讀：《Balaji Srinivasan：那個在加密領域出手次數最多的天才投資人》

以下為視頻內容：

我今天要跟大家談談人工智慧和加密貨幣這兩個老生常談的話題------談談人工智慧如何讓一切變得虛假，而加密技術又如何讓一切變得真實。

這兩者之間有一個具體地交錯點，那就是生成式人工智慧可以很容易地在網上偽造 內容，那麼我們 如何驗證？如何在某種意義上恢復 資訊的稀缺性 ？這就是加密貨幣 /技術 的作用所在。正如我剛才所說，AI與區塊鏈常常是相互交錯，本文將列舉八大它們的重合領域，解讀我們如何能夠利用加密重建信任。

AI讓偽造變得容易，而加密又讓偽造變得困難。這裡有一張特朗普被捕的照片，這是人工智慧生成的。新聞媒體會說，我們可以通過手指來分辨這是否是人工生成的內容，因為現在人工智慧還無法真實還原手指，但是這些技術問題終將會被解決。

所以實際上，最根本的問題是，你希望知道如何驗證以太坊上的簽名。你希望看到這些圖像和內容都經過數字簽名，最好是通過一個ENS（或者類似的東西）。這樣你就能確定是這個 ENS名稱，以及與ENS名稱相關聯的以太坊地址和ENS公鑰生成了這些內容。

AI生成內容，加密進行驗證。其實針對加密驗證，我們已經有了一些具體的架構，比如ENS/IPFS。如果你有了內容哈希值，就可以去進行檢索，還可以把它映射到一個ENS名稱上。比如，如果內容已簽署，那麼你可以用它來判斷是人工智慧生成的內容還是人類生成的內容，當然人類也可以對人工智慧生成的內容進行簽名，但至少你知道這是來自哪一個ENS名稱（ENS不一定必須來自個人，也可以來自公司等等）。

AI宣傳信息，加密驗證信息。這很重要，因為一旦有了來源，一旦有了引用（citation），人工智慧就會進行加密驗證。例如，有一種服務叫"perplexity. ai"，去年我曾讓它告訴我關於 FTX 黑客的事。理想情況下，你想要的是這些引用是在鏈上。有些人可能認為只有部分內容能在鏈上進行證明，比如財務記錄。我同意這種觀點，但這有點像說 90 年代或 21 世紀初，當時沒有那麼多互聯網內容或網絡內容時，你並不知道未來它發展會多快。

因此， 一種思考方式是， AI 打破公共網絡， 但 Web3 建立起信任網絡。 現在互聯網已經充斥人工智慧產生的虛假內容，也許谷歌能解決這個問題，但是理想的解決方案還是"interface.social"這種應用。你就會發現 上面有 更多不同類型的數據 ， 不僅僅是金融交易 數據， 還有社交互動 等等。它其實展示了良好的信任網絡是什麼樣子------ 許多互動都在鏈 上 ， 你可以 對這些互動 的許多不同方面進行加密驗證。 不只是驗證單個行為，比如這個實體簽署了這個內容，也可以驗證這個實體的所有其他行為，你就可以開始計算出這個實體到底是不是人類。這就是為什麼我們可以建立Web3信任。你並不是只看看這個 公鑰 簽署了什麼交易，而是宏觀地在整個網絡中看這個 公鑰 和其他 公鑰 的互動，

我們現在的網絡有很高的權重可以決定內容"是否真實"，比如我們依靠谷歌的網頁排名來進行判斷，但其實很多虛假內容排名也很高，這種方式並不可靠。所以，我們需要 一個去中心化的 信任網絡 ，任何人都可以查看，任何人都可以索引，查看鏈上數據，並在這些下一代區塊探索者中將其可視化， 展示出來 就像社交界面一樣 。

AI讓驗證碼失效，加密重建驗證碼。如上所示，一個機器人正在點擊驗證碼說"我不是機器人"。但加密貨幣就可以改變這種情況，如果你用以太坊簽署了它們，你可以要求小額支付、要求查看支付歷史、或者提前質押一部分資金等等------也就是提升造假的成本，機器人當然還是可以用以太坊登錄，但你可以對他們收取高額的費用，來阻止他們這麼做。

AI訓練 通常都是中心化的 ， 加密技術可以 將其 去中心化 。現在我們有了中心化訓練和中心化模型（比如 Open AI），我們也有中心化訓練和去中心化模型（比如 LLama2）。但理想情況下，我們也希望採用去中心化訓練和去中心化模型。如果你去看看，你就會知道這些項目大部分都是加密貨幣。你可能不同意這些項目所做的事，這其實並不重要，重點是我們可以通過加密貨幣眾籌獲得大量資金，我們可以利用這些資金來訓練人工智慧模型。

當你訓練這些模型時，你不僅僅是以去中心化的方式或部分去中心化的方式來訓練它們。我說的去中心化，是指至少資金是去中心化的。你可能仍然需要在一個集中的集群中對他們進行訓練，但至少人們都參與其中。

AI 評估是中心化的，加密 可以將其 去中心化 。現在可以在 Mac studio 上評估 LLama 2。這其實就是意味著我們可以接近一種狀態，那就是讓每個訓練模型的人都能在強大的硬體上運行模型，這就類似於運行 Solana 節點。

你可以想像，每當以太坊或 Solana 升級，人們更新他們的節點，更新模型並持有模型，也許每一次模型評估都需要花費代幣，那麼資助模型的人可以得到更多代幣，然後他們也可以為模型評估付費。這只是一種思考方式。但我認為，要把這些東西從中心化的行為者手中解放出來，是值得思考的問題。

AI創造了很多權力中心，加密可以將其去中心化。人們談了很多關於 AGI 的問題。我認為一個隱含的背景假設是，人們認為會有一個龐大統一的神教 AGI（如上圖所示）。但如果我們的社群能實現去中心化資助和去中心化評估的概念，你可以想像一個多神教的AGI（如上圖所示），每個社區都有自己更好版本的預言機，他們可以向預言機提問，比如，數值會怎波動？比如喬治·華盛頓會怎麼做？不同的社會、不同的社群都會有自己的智能系統，他們可以對其進行查詢。他們可以向智能系統詢問引用情況，智能系統甚至可以提供鏈上引用。