區塊鏈與人工智慧的橋樑：隱私、安全以及 AGI 未來的挑戰與機會

7月初，坎城舉辦了尖端 黑客季節會議 匯聚頂尖技術專家、投資人與建造者，共同探討區塊鏈與人工智慧不斷發展的交會點。 Tech Track 的主要會議之一由產品負責人 Jay Z 主持。 近人工智慧 召集了包括 德爾·貢 ( 自動機 ), 胡安·布魯斯 ( 超級網 ), 天籟貝克泰勒 ( 威尼斯 ）， 德萬什·梅塔 ( 愛心基金會 )，共同探討私有人工智慧的安全發展。

小組討論首先探討了區塊鏈與人工智慧交叉領域鮮為人知但實際上至關重要的洞見。其中一個關鍵點是，現代消費設備如今已足夠強大，能夠在本地運行開放的人工智慧模型，從而實現私有化和去中心化的人工智慧服務，而無需外部共享資料。隨著硬體的不斷發展，這些功能預計將變得更加普及。小組成員也強調了一個常見的誤解：將人工智慧與大型語言模型 (LLM) 混為一談。他們指出，人工智慧在清晰的 defi合適的背景和視角。另一個值得注意的見解是，人工智慧代表了第一種被廣泛採用的非確定性計算形式——與傳統軟體不同，它不會在給定相同輸入的情況下始終產生相同的輸出。這種不可預測性使標準基準測試變得複雜，因此一些去中心化資訊市場（InfoFi）轉而依賴人工智慧系統。

小組也探討了保障人工智慧安全的技術方法，特別是比較了零知識證明 (ZK) 和可信執行環境 (TEE)。一些講者認為，這些技術可以互補——雖然 TEE 提供了基於硬體的即時安全性，但它本身並不能保證隱私。從長遠來看，零知識證明可能會更有用，但目前其性能不足以滿足某些即時應用的需求。這兩種方法最終都依賴硬體開發，小組成員強調了與硬體製造商合作以支援下一代加密和人工智慧系統的重要性。他們也探討了一個日益增長的擔憂：在通用人工智慧 (AGI) 的背景下，私鑰是否能夠保持安全，或者人工智慧最終是否會學會提取私鑰。這個問題就是人工智慧與密碼學交叉的核心。

另一個討論焦點是使用者隱私偏好與實際行為之間日益擴大的差距。小組成員指出，大多數用戶目前對隱私的關注有限，經常在社群媒體上分享位置和付款等敏感資訊。隨著法學碩士（LLM）獲得此類數據的存取權限，他們可以推斷出比用戶自身認知更多的用戶資訊。雖然隱私仍然是一個關鍵話題，但小組成員一致認為，必須以順暢的方式將其融入系統，才能實現有意義的應用。監管被視為一種潛在的有益力量，尤其是在限制大型平台未經審查的資料收集或未經授權的人工智慧訓練的情況下。

討論轉向了最有可能率先受益於私密、安全的人工智慧技術的行業。醫藥、保險、電子商務、法律和資本配置等行業因其對資料隱私和安全標準的高度敏感性而被列為早期候選行業。

小組成員也討論如何利用人工智慧建立新專案。隨著「氛圍編碼」和人工智慧輔助開發的進步，團隊現在可以快速地從想法轉化為實際應用。開發者越來越依賴能夠自動驗證計算的鏈上人工智慧應用。這使得可驗證人工智慧成為一個核心關注領域——重點從手動建立整個工具鏈轉向部署可用且安全的應用程式。

小組最後提出了一個引人深思的問題：AGI 會選擇比特幣嗎？各方意見不一。有些人認為 AGI 可能更傾向於穩定幣，以保障交易穩定性；而有些人則認為 AGI 可能會與比特幣爭奪運算資源——這可能會將挖礦資源重新分配給其他運算需求。此外，也有人認為，隨著更廣泛的加密貨幣領域與人工智慧同步發展，AGI 最終可能會受益於比特幣的創新。

不要錯過完整的小組影片——在一個地方查看所有見解和想法。