Vitalik新作：Crypto+AI的应用前景和挑战

撰文：Vitalik Buterin

编译：Karen，Foresight News

特别感谢 Worldcoin 和 Modulus Labs 团队、Xinyuan Sun、Martin Koeppelmann 和 Illia Polosukhin 的反馈和讨论。

多年以来，很多人问过我这样一个问题：「加密货币和 AI 之间最富有成效的交叉点在哪里？」这是一个合理的问题：加密货币和 AI 是过去十年中两个主要的深度（软件）技术趋势，两者之间必定存在某种联系。

从表面上看，很容易找到两者的协同作用：加密货币的去中心化可以平衡 AI 中心化，AI 是不透明的，而加密货币可以带来透明度；AI 需要数据，而区块链擅长存储和追踪数据。但多年来，当大家要求我深入探讨具体应用时，我的回答一直比较令人失望：「是的，确实有一些值得探讨的应用，但并不多」。

在过去的三年里，随着现代 LLM（大型语言模型）等更强大的 AI 技术的兴起，以及不仅仅是区块链扩容解决方案，还有零知识证明、全同态加密、（两方和多方）安全多方计算等更强大加密货币技术的兴起，我开始看到了这种变化。在区块链生态系统内，或者将 AI 与密码学结合起来，确实存在一些有前景的 AI 应用，尽管在应用 AI 时需要小心谨慎。一个特殊的挑战是：在密码学中，开源是使某些东西真正安全的唯一方法，但在 AI 中，开放的模型（甚至其训练数据）大大增加了其对抗性机器学习攻击的脆弱性。这篇文章将对 Crypto+AI 可能交叉的不同方式进行分类，并探讨每个分类的前景和挑战。

来自 uETH 博客文章的 Crypto+AI 交叉点的总结。但如何才能在具体应用中真正实现这些协同作用呢？

Crypto+AI 四大交叉点

AI 是一个非常广泛的概念：你可以将 AI 视为一组算法，你创建的算法不是通过明确指定，而是通过搅拌一个大的计算汤（computational soup）并施加某种优化压力来推动汤生成具有你想要的属性的算法。

这个描述绝对不应该被轻视，因为它包括了创造我们人类的过程！但这也意味着 AI 算法具有一些共同的特征：它们具有非常强大的能力，同时我们在了解或理解其内部运行过程上存在一定的限制。

有许多方法可以对人工智能进行分类，针对本文所讨论的人工智能与区块链之间的相互作用（Virgil Griffith 《字面意思来看，以太坊是一种变革游戏规则的技术》文章），我将按以下方式对其进行分类：

AI 作为游戏中的参与者（最高的可行性）：在 AI 参与的机制中，激励的最终来源来自于人类输入的协议。

AI 作为游戏界面（潜力很大，但存在风险）：AI 帮助用户理解周围的加密世界，并确保他们的行为（例如签名的消息和交易）与其意图相符，以避免被欺骗或受骗。

AI 作为游戏规则（需要非常谨慎）：区块链、DAO 和类似机制直接调用 AI。例如，「AI 法官」。

AI 作为游戏目标（长期而有趣）: 设计区块链、DAO 和类似机制的目标是构建和维护一个可以用于其他目的的 AI，使用加密技术的部分要么是为了更好地激励训练，要么是为了防止 AI 泄露私人数据或被滥用。

让我们一一回顾一下。

AI 作为游戏参与者

实际上，这个类别已经存在了将近十年，至少从链上去中心化交易所（DEX）开始被广泛使用以来就存在了。每当存在交易所时，就有通过套利赚钱的机会，而机器人可以比人类更好地进行套利。

这种用例已经存在了很长时间，即使使用的是比现在简单得多的 AI，但最终它确实是 AI 和加密货币的真实交叉点。最近，我们经常看到 MEV（最大化可提取价值）套利机器人相互利用。任何时候涉及拍卖或交易的区块链应用都会存在套利机器人。

但是，AI 套利机器人只是一个更大类别的第一个例子，我预计很快将会涵盖许多其他应用。让我们来看看 AIOmen，一个 AI 作为参与者的预测市场的演示：

预测市场长期以来一直是认知技术的圣杯。早在 2014 年，我就对将预测市场用作治理的输入（未来统治）感到兴奋，并在最近的 election 中广泛尝试过。但迄今为止，预测市场在实践中并没有取得太大进展，原因有很多：最大的参与者往往是非理性的，拥有正确认知的人不愿意花时间和下注，除非有很多人涉及金钱、市场通常不够活跃等等。

对此的一种回应是指出 Polymarket 或其他新的预测市场正在进行的用户体验改进，并希望它们能够在之前的迭代失败的地方不断完善并取得成功。人们愿意在体育上押注数百亿美元，那么为什么人们不投入足够的钱投注美国大选或 LK 99 ，让认真的玩家开始参与进来呢？但这个论点必须面对一个事实，即之前的版本未能达到这种规模（至少与其支持者的梦想相比），因此似乎需要一些新的元素才能使预测市场取得成功。因此，另一个回应是指出预测市场生态系统的一个特定特点，在 2020 年代我们可以期待看到，而在 2010 年代我们没有看到：AI 的广泛参与可能性。