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。

视频连接：《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。 

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。