Balaji:八大用例解读 AI 时代加密如何重建信任?
AI与区块链常常是相互交错,本文将列举八大它们的重合领域,解读我们如何能够利用加密重建信任。
视频标题: AI Makes Everything Easy to Fake—Crypto Makes it Hard Again | Balaji Srinivasan at SmartCon 2023
视频作者:Balaji Srinivason
编译:倩雯,ChainCatcher
关于作者:
Balaji Srinivason ,天使投资人、技术创始人和华尔街日报畅销书《The Network State》的作者。曾是 Coinbase 的首席技术官和 A16z 的普通合伙人,也是许多成功的科技公司和加密协议的早期投资者。
推荐阅读:《 Balaji Srinivasan:那个在加密领域出手次数最多的天才投资人 》
以下为视频内容:
我今天要跟大家谈谈人工智能和加密货币这两个老生常谈的话题——谈谈人工智能如何让一切变得虚假,而加密技术又如何让一切变得真实。
这两者之间有一个具体地交错点,那就是生成式人工智能可以很容易地在网上伪造内容,那么我们如何验证?如何在某种意义上恢复信息的稀缺性?这就是加密货币/技术的作用所在。正如我刚才所说,AI与区块链常常是相互交错,本文将列举八大它们的重合领域,解读我们如何能够利用加密重建信任。
AI让伪造变得容易,而加密又让伪造变得困难。这里有一张特朗普被捕的照片,这是人工智能生成的。新闻媒体会说,我们可以通过手指来分辨这是否是人工生成的内容,因为现在人工智能还无法真实还原手指,但是这些技术问题终将会被解决。
所以实际上,最根本的问题是,你希望知道如何验证以太坊上的签名。你希望看到这些图像和内容都经过数字签名,最好是通过一个ENS(或者类似的东西)。这样你就能确定是这个 ENS名称,以及与ENS名称相关联的以太坊地址和ENS公钥生成了这些内容。
AI生成内容,加密进行验证。其实针对加密验证,我们已经有了一些具体的架构,比如ENS/IPFS。如果你有了内容哈希值,就可以去进行检索,还可以把它映射到一个ENS名称上。比如,如果内容已签署,那么你可以用它来判断是人工智能生成的内容还是人类生成的内容,当然人类也可以对人工智能生成的内容进行签名,但至少你知道这是来自哪一个ENS名称(ENS不一定必须来自个人,也可以来自公司等等)。
AI宣传信息,加密验证信息。这很重要,因为一旦有了来源,一旦有了引用(citation),人工智能就会进行加密验证。例如,有一种服务叫“perplexity. ai”,去年我曾让它告诉我关于 FTX 黑客的事。理想情况下,你想要的是这些引用是在链上。有些人可能认为只有部分内容能在链上进行证明,比如财务记录。我同意这种观点,但这有点像说 90 年代或 21 世纪初,当时没有那么多互联网内容或网络内容时,你并不知道未来它发展会多块。
因此,一种思考方式是,AI打破公共网络,但 Web3 建立起信任网络。现在互联网已经充斥人工智能生产的虚假内容,也许谷歌能解决这个问题,但是理想的解决方案还是“interface.social”这种应用。你就会发现上面有更多不同类型的数据,不仅仅是金融交易数据,还有社交互动等等。它其实展示了良好的信任网络是什么样子——许多互动都在链上,你可以对这些互动的许多不同方面进行加密验证。不只是验证单个行为,比如这个实体签署了这个内容,也可以验证这个实体的所有其他行为,你就可以开始计算出这个实体到底是不是人类。这就是为什么我们可以建立Web3信任。你并不是只看看这个公钥签署了什么交易,而是宏观地在整个网络中看这个公钥和其他公钥的互动,
我们现在的网络有很高的权重可以决定内容“是否真实”,比如我们依靠谷歌的网页排名来进行判断,但其实很多虚假内容排名也很高,这种方式并不可靠。所以,我们需要一个去中心化的信任网络,任何人都可以查看,任何人都可以索引,查看链上数据,并在这些下一代区块探索者中将其可视化,展示出来就像社交界面一样。
AI让验证码失效,加密重建验证码。如上所示,一个机器人正在点击验证码说“我不是机器人”。但加密货币就可以改变这种情况,如果你用以太坊签署了它们,你可以要求小额支付、要求查看支付历史、或者提前质押一部分资金等等——也就是提升造假的成本,机器人当然还是可以用以太坊登陆,但你可以对他们收费高额的费用,来阻止他们这么做。
AI训练通常都是中心化的,加密技术可以将其去中心化。现在我们有了中心化训练和中心化模型(比如 Open AI),我们也有中心化训练和去中心化模型(比如 LLama2)。但理想情况下,我们也希望采用去中心化训练和去中心化模型。如果你去看看,你就会知道这些项目大部分都是加密货币。你可能不同意这些项目所做的事,这其实并不重要,重点是我们可以通过加密货币众筹获得大量资金,我们可以利用这些资金来训练人工智能模型。
当你训练这些模型时,你不仅仅是以去中心化的方式或部分去中心化的方式来训练它们。我说的去中心化,是指至少资金是去中心化的。你可能仍然需要在一个集中的集群中对他们进行训练,但至少人们都参与其中。
AI 评估是中心化的,加密可以将其去中心化。现在可以在 Mac studio 上评估 LLama 2。这其实就是意味着我们可以接近一种状态,那就是让每个训练模型的人都能在强大的硬件上运行模型,这就类似于运行 Solana 节点。
你可以想象,每当以太坊或 Solana 升级,人们更新他们的节点,更新模型并持有模型,也许每一次模型评估都需要花费代币,那么资助模型的人可以得到更多代币,然后他们也可以为模型评估付费。这只是一种思考方式。但我认为,要把这些东西从中心化的行为者手中解放出来,是值得思考的问题。
AI创造了很多权力中心,加密可以将其去中心化。人们谈了很多关于 AGI 的问题。我认为一个隐含的背景假设是,人们认为会有一个庞大统一的神教 AGI(如上图所示)。但如果我们的社群能实现去中心化资助和去中心化评估的概念,你可以想象一个多神教的AGI(如上图所示),每个社区都有自己更好版本的预言机,他们可以向预言机提问,比如,数值会怎波动?比如乔治·华盛顿会怎么做?不同的社会、不同的社群都会有自己的智能系统,他们可以对其进行查询。他们可以向智能系统询问引用情况,智能系统甚至可以提供链上引用。
免责声明:文章中的所有内容仅代表作者的观点,与本平台无关。用户不应以本文作为投资决策的参考。
你也可能喜欢
Bitget每日摘要 | BTC短暂反弹,灰度为17个代币信托基金开放私募认购(11月27日)
今日热门MEME盘点