福布斯：AI + 区块链会是下一条飞升之路吗？

区块链和人工智能是我们这个时代最具时代特征的两项技术。每一种技术都是一种强大、颠覆性的力量，它们就像是怪兽哥斯拉和金刚一样，几乎无人可挡。但是，当金刚和哥斯拉面对自己都无法解决的敌人时，他们也会偶尔联手合作。（明年他们将在《哥斯拉与金刚：新帝国》中再度合作）。

照片拍摄于2021年3月31日，工人们正在转移矿机

人工智能与区块链这两项伟大技术突破结合，将能够解锁无限可能，一同解决我们面临的棘手难题。

我最近恰好有机会能够探索这两大方向结合的巨大可能。不久前我在 Coinbase 首届“机器学习（ML）和区块链”会议上主持小组会议。该小组召集了来自学术界和工业界的四位专家，解读了这两种快速发展技术的如何通过交融并释放巨大潜能。我们的谈话涵盖了许多主题，包括区块链如何加速人工智能的发展，与区块链数据合作的复杂性，以及大型语言模型（LLM）的前景。

人工智能与区块链结合的一大好处是，当涉及到数据虚假和内容虚假的问题时（随着人工智能的发展，假数据、假内容已日益成为亟待解决的大问题）区块链可以作为一种解决方案，用加密数字签名和时间戳来对抗虚假信息，使人们了解什么是真实和虚假信息。

同时，人工智能可以提高区块链网络的效率，增强其安全性，并解锁新的功能，如允许协议根据实时、链上数据做出决定。

为了更清晰地传达观点，以下内容摘自我同事的发言，在编辑后进行呈现。

Bhaskar Krishnamachari，南加州大学电子和计算机工程及计算机科学教授

在我看来，区块链和人工智能有两个主要领域的交集。第一个是应用ML模型来解决区块链中的挑战，第二个是利用区块链来解决人工智能中中亟待解决的问题。

在第一种情况下，ML模型可以在区块链数据中梳理出复杂的模式，有助于提高链上去中心化应用程序的性能。通过分析交易数据，ML模型可以揭露潜在的不当行为，如洗盘交易和非法资金转移，并检测新出现的安全威胁。除了帮助确保区块链网络的安全外，ML模型还可以提高网络的性能。例如，它们可以根据交易量动态地调整交易费用，并在使用高峰期优化系统资源。

目前较少讨论的是区块链如何助力人工智能的发展。作为无边界、互联网原生支付系统的基础，区块链可以为人们贡献数据和计算资源以训练ML模型创造经济激励。我们一直在南加州大学做关于去中心化数据市场的研究，以实现这一目标。

近年来，我们看到少数科技公司占据全球数据和人工智能的越来越多份额。这引起了人们对隐私、偏见和安全的担忧：区块链是去中心化、透明和可公开审计的系统，可以解决所有这些问题。例如，区块链可以追踪用于训练人工智能模型的数据来源，并以加密方式验证其真实性。通过确认这些输入是未经修改且公正的，区块链可以帮助提高对人工智能系统提供建议的信任。

Leo Liang, Coinbase 数据平台和服务主管

在 Coinbase，我的团队面临的大部分挑战都与数据有关。具体来说，我们需要从区块链中提取数据，并将其转换为可被 ML 模型使用的格式。我喜欢把区块链想象成一个洋葱，因为它有无数错综复杂的层次。它的去中心化性质意味着数据分布在许多节点上，每个节点都独立验证和添加新的区块。当多个区块链发挥作用时，这些网络就会更加具有复杂性——现在你要处理的是一个相互连接的洋葱网络。在这个无序、分散的生态系统中同步并确保数据的一致性并非易事。

此外，区块链是相对独立的系统，无法访问其边界之外的数据。为了让 ML 模型对现实世界进行预测，我们需要将链上数据（存储在区块链上的数据）与链下数据（区块链外部的数据，如股票价格、汇率、天气模式等）结合起来。这就相当于是把区块链连接到互联网上，这无疑是一大激动人心却又艰巨的工程难题。

Sam Green，Semiotic Labs联合创始人和研究主管

在 Semiotic Labs，我负责 The Graph 的人工智能研发工作，这是一个用于与区块链数据互动和使用的去中心化协议。简单地说，Graph 从区块链上读取数据，对数据进行处理，并创建索引，这是一种像百科全书附件按字母顺序排列的列表。这种组织结构简化了区块链上的数据检索。通过将区块链数据进行索引，The Graph将这些数据转化为一种易于查询、分析和应用于下游应用程序的格式。

The Graph 上的交易涉及两个主要参与者：一个是数据卖方，即索引者，另一个是数据买方，即消费者。这些实体通过我们所说的“网关”进行互动。当消费者向网关发送查询时，网关考虑到投标价格、服务质量、延迟等因素，在索引商之间分配查询。索引器通过服务这些查询并向消费者提供区块链数据来赚取收益。在人工智能的帮助下，我们已经建立了算法定价代理，帮助索引者实现收入最大化，同时确保消费者获得可靠、高质量的服务。

在许多方面，区块链是训练人工智能代理的理想环境。因为由智能合约定义的规则，以及交易中记录的用户的行动，都在链上公开可见。由于这些规则和行动是已知的，我们可以创建这种区块链环境的模拟，使用它们来训练AI代理，之后再将这些代理部署。成功的秘诀就在于快速的反馈循环：通过试验和错误学习的速度越快，代理就能越快地提升表现。

在未来，我们认为将 LLM 整合到 The Graph 将会释放巨大潜力。目前用户必须用一种叫做 GraphQL 的专门语言来查询 The Graph。相比之下，LLM允许用户用自然语言（ChainCatcher注：与编程语言相对，指的是人们日常生活中使用的的语言）来表述他们的请求。LLM 使任何人都可以用简单的英语与 The Graph互动，这将进一步实现区块链数据访问的民主化。

Paul Bohm， Teleport 创始人

Teleport 正在为共享汽车开发一个开放的市场。目前，共享汽车市场是一个封闭的系统，这使用户很难在不同的服务之间转换。如果电子邮件系统像共享汽车一样封闭，微软的 Outlook 邮件和苹果的 iCloud 邮件用户将无法相互发送电子邮件。同样，如果网络系统是封闭系统，那么苹果的 Safari 浏览器将无法与Microsoft.com 互通。

开放共享汽车意味着让这一市场重新受到互联网规范的监督。在一个开放的系统中，参与者可以从许多不同供应商的各种应用程序中进行选择，并相互沟通。而封闭的市场中往往不存在公平的价格，价格由供应商提供，并最大限度地提高他们可以赚取的价值。开放共享出行并去除中间商，意味着司机能获得更多利润，乘客每次乘车支付的费用更少，最终更多的资金可以在当地经济中流转。

开放的市场若想取得成功，必须依靠用户信赖。工程师们往往首先关注技术的各个方面，如其速度或新颖的功能。但在为现实世界建设市场时，我们必须从用户对安全、安保和隐私的需求出发。只有这样，我们才能确定满足这些需求的最佳技术，而不会走上错误的道路。

当然这些假设只是一些可能性，也只是这一系列对话的开始，这些对话关注区块链和机器学习结合时，哪些方面会被释放、增强、稳固，并达到新的高度。区块链等数字共识技术能够实现公平、可信、安全、而且是可以证明的系统。

在人工智能会进一步破坏信任的同时，区块链会则会加强信任网络，提供一个强大的机制来保障敏感数据的完整性。同时，人工智能使人们得以探索分布式数据的深海，这些数据使区块链在大规模采用时过于笨重和复杂。通过将人工智能部署到极具规模的问题上，我们可以将区块链带给 10 亿用户。

对于区块链或人工智能企业家来说，这些都是令人振奋的前景：我们讨论的不仅仅是某一种技术，而是两种技术的结合与促进。人工智能和区块链，就如哥斯拉和金刚，两大怪兽届巨头的优势结合，必将势不可挡。