在當今時代，區塊鏈和人工智能被認為是具有重大歷史意義的兩項技術。
這兩股強大而開創性的力量，就像哥斯拉和金剛在各自的領域中一樣，彼此獨立而又卓越。
然而，當面臨那些單憑一個技術無法征服的巨獸時，金剛和哥斯拉也會聯手合作。
想象一下，將人工智能和區塊鏈這兩個偉大的突破性力量結合在一起，用以解決巨大的問題，那將會釋放怎樣的潛力呢？
最近，在Coinbase舉辦的首屆『機器學習《ML》和區塊鏈』峰會上，一個小組討論探討了這兩項快速發展技術在交叉點上的機遇。
該小組召集了來自學術界和工業界的四位領導人，他們紛紛就人工智能和區塊鏈這兩種快速發展的技術機會展開討論。
會議涵蓋了從區塊鏈如何加速人工智能開發，到利用區塊鏈數據的復雜性，以及大型語言模型《LLM》的潛力等多個方面。
人工智能與區塊鏈的結合帶來了眾多突破之一：隨著人工智能的蓬勃發展，虛假數據和內容逐漸成為嚴峻問題。
而區塊鏈通過使用加密數字簽名和時間戳，能夠有效抵制失實信息，清晰地區分真偽。
同時，人工智能可以提升區塊鏈網絡的效率，增強其安全性，並打開新的功能。
例如，它可以使協議基於實時鏈上數據做出決策，為區塊鏈賦予更強的實時性。
以下是他們的一些觀點
Bhaskar Krishnamachari，南加州大學電氣與計算機工程和計算機科學教授
『在我看來，區塊鏈和人工智能交匯的主要領域有兩個。
第一個是將機器學習模型應用於解決區塊鏈中的挑戰，而第二個則利用區塊鏈來解決人工智能中較為棘手的問題。
在第一個場景中，機器學習模型可以挖掘區塊鏈數據中的復雜模式，並幫助改善鏈上的去中心化應用程序的性能。
通過分析交易數據，它們可以揭示潛在的不端行為，如洗錢和非法資金轉移，並檢測新出現的安全威脅。
除了幫助保護區塊鏈網絡外，機器學習模型還可以增強它們的性能。
例如，它們可以根據交易量動態調整交易費用，並在高峰期優化系統資源。
較少討論的是區塊鏈如何幫助發展人工智能。
作為跨境互聯網本地化支付系統的基礎，區塊鏈可以為人們提供財務激勵，鼓勵他們貢獻數據和計算資源來訓練機器學習模型。
我們在南加州大學一直在研究去中心化數據市場，以實現這一目標。
近年來，我們看到少數幾家科技公司積累了越來越多的世界數據和人工智能能力。
這引發了有關隱私、偏見和安全性的擔憂，而區塊鏈作為一個去中心化、透明和公開審計的系統，可以解決這些問題。
例如，區塊鏈可以追蹤用於訓練AI模型的數據的來源，並通過加密驗證其真實性。
通過確認這些信息輸入未被篡改且公正，區塊鏈可以幫助增加我們提高對AI系統提供的推薦的信任度』
Leo Liang，Coinbase數據平臺和服務主管
『在Coinbase，我們團隊面臨的大部分挑戰涉及數據。
具體而言，我們需要從區塊鏈中提取數據，並將其轉換為機器學習模型可以使用的格式。
我喜歡把區塊鏈比作洋蔥，因為它有無數復雜的層級。
它的去中心化特性意味著數據分佈在許多節點上，每個節點都獨立驗證並添加新的區塊。
當涉及到多個區塊鏈時，復雜性會增加。
此時的你會置身於一個相互連接的洋蔥網絡，在這個廣泛、分散的生態系統中同步和確保數據一致性絕非易事。
此外，區塊鏈是自包含的系統，無法訪問其邊界之外的其他知識。
為了讓機器學習模型進行真實世界的預測，我們需要將鏈上數據《存儲在區塊鏈上的數據》與鏈下數據《不在區塊鏈上的數據，例如股價、匯率、天氣模式等》進行連接。
就像將區塊鏈連接到互聯網一樣。
這是一個引人入勝但同時極具挑戰性的工程難題』
Sam Green，Symbolological Labs聯合創始人兼研究主管
『在Semiotic Labs，我領導The Graph的人工智能研發工作，這是一個用於與區塊鏈數據進行交互和利用的去中心化協議。
簡而言之，The Graph從區塊鏈讀取數據，對其進行處理，並創建索引，就像百科全書末尾的按字母順序排列的列表一樣。
這種組織結構簡化了從區塊鏈檢索數據的過程。
通過『索引』區塊鏈數據，The Graph將其轉換為易於查詢、分析和應用於下遊應用程序的格式。
The Graph上的交易涉及兩個主要參與方：數據銷售者或索引器，以及數據買家或消費者。
這些實體通過我們所謂的『網關』進行交互。
當消費者向網關發送查詢時，網關會考慮競標價格、服務質量、延遲等因素，並將查詢分配給索引器。
索引器通過為這些查詢提供服務並向消費者傳遞區塊鏈數據來賺取收入。
借助AI，我們構建了算法定價代理，幫助索引器最大化收入，同時確保消費者獲得可靠的高質量服務。
在許多方面，區塊鏈是培訓AI代理的理想環境。
智能合約定義的規則和參與者的行動都公開可見於區塊鏈上。
由於這些規則和行動是已知的，我們可以創建這個區塊鏈『遊戲』的模擬，並將其用於在部署這些代理到實時環境之前進行培訓。
秘密在於快速反饋循環：通過試錯學習的速度越快，代理就能更快地改善性能。
展望未來，我們看到將LLM集成到The Graph中的巨大潛力。
今天，用戶必須使用一種稱為GraphQL的專業語言來查詢The Graph。
相比之下，LLM允許用戶用自然語言表達請求。
通過使任何人都能用通俗易懂的英語與The Graph交互，在進一步公平化訪問區塊鏈數據方面，LLM可以發揮更大的作用』
Paul Bohm，Teleport創始人
『Teleport正在開發一個拼車的開放式市場。
目前，拼車是一個封閉的系統，這使得用戶很難在不同的服務之間切換。
如果電子郵件像拼車一樣封閉，那麼使用Microsoft的Outlook郵件和Apple的iCloud郵件的用戶將無法相互發送電子郵件。
同樣地，如果網絡被封閉，蘋果的Safari瀏覽器將無法與Microsoft.com通信。
打開拼車意味著將其恢復到互聯網的規范中。
在開放系統中，參與者可以從許多不同供應商提供的各種應用程序中進行選擇，並相互通信。
封閉的市場往往不允許市場確定公平價格。
相反，他們自己設定價格並最大化他們可以獲取的價值。
打開拼車並刪除這個中間人意味著更多的錢流向司機，乘客每次乘車支付的費用減少，並且更多的錢留在當地經濟中。
要成功，開放市場必須值得信賴。
工程師通常首先關注技術方面的問題，例如速度或新穎功能。
但是，在建立現實世界的市場時，我們必須從用戶對安全、保密和隱私的需求開始。
隻有這樣，我們才能確定最好的技術來滿足這些需求，而不是相反』
總之，這些隻是可能性之一，也僅僅是當區塊鏈和機器學習聯手時所能夠解鎖、增強、加固和提高的開始。
像區塊鏈這樣的數字共識技術不僅可以設計公平、可信和安全的系統，而且可以證明它們確實如此。
由於人工智能有可能進一步破壞信任，區塊鏈支持它，提供了一個強大的機制來保護敏感數據的完整性。
同時，人工智能使得我們能夠理解分佈式數據的深度，改善數據使區塊鏈過於笨拙的缺點，並讓區塊鏈重新適應大規模采用。
通過將人工智能來改善龐大數據的問題，我們可以更好地將區塊鏈帶給十億用戶。