在当今时代，区块链和人工智能被认为是具有重大历史意义的两项技术。这两股强大而开创性的力量，就像哥斯拉和金刚在各自的领域中一样，彼此独立而又卓越。然而，当面临那些单凭一个技术无法征服的巨兽时，金刚和哥斯拉也会联手合作。
想象一下，将人工智能和区块链这两个伟大的突破性力量结合在一起，用以解决巨大的问题，那将会释放怎样的潜力呢？
最近，在Coinbase举办的首届“机器学习（ML）和区块链”峰会上，一个小组讨论探讨了这两项快速发展技术在交叉点上的机遇。
该小组召集了来自学术界和工业界的四位领导人，他们纷纷就人工智能和区块链这两种快速发展的技术机会展开讨论。会议涵盖了从区块链如何加速人工智能开发，到利用区块链数据的复杂性，以及大型语言模型（LLM）的潜力等多个方面。
人工智能与区块链的结合带来了众多突破之一：随着人工智能的蓬勃发展，虚假数据和内容逐渐成为严峻问题。而区块链通过使用加密数字签名和时间戳，能够有效抵制失实信息，清晰地区分真伪。同时，人工智能可以提升区块链网络的效率，增强其安全性，并打开新的功能。例如，它可以使协议基于实时链上数据做出决策，为区块链赋予更强的实时性。
以下是他们的一些观点
Bhaskar Krishnamachari，南加州大学电气与计算机工程和计算机科学教授
“在我看来，区块链和人工智能交汇的主要领域有两个。第一个是将机器学习模型应用于解决区块链中的挑战，而第二个则利用区块链来解决人工智能中较为棘手的问题。
在第一个场景中，机器学习模型可以挖掘区块链数据中的复杂模式，并帮助改善链上的去中心化应用程序的性能。通过分析交易数据，它们可以揭示潜在的不端行为，如洗钱和非法资金转移，并检测新出现的安全威胁。除了帮助保护区块链网络外，机器学习模型还可以增强它们的性能。
例如，它们可以根据交易量动态调整交易费用，并在高峰期优化系统资源。较少讨论的是区块链如何帮助发展人工智能。作为跨境互联网本地化支付系统的基础，区块链可以为人们提供财务激励，鼓励他们贡献数据和计算资源来训练机器学习模型。我们在南加州大学一直在研究去中心化数据市场，以实现这一目标。
近年来，我们看到少数几家科技公司积累了越来越多的世界数据和人工智能能力。这引发了有关隐私、偏见和安全性的担忧，而区块链作为一个去中心化、透明和公开审计的系统，可以解决这些问题。例如，区块链可以追踪用于训练AI模型的数据的来源，并通过加密验证其真实性。通过确认这些信息输入未被篡改且公正，区块链可以帮助增加我们提高对AI系统提供的推荐的信任度。”
Leo Liang，Coinbase数据平台和服务主管
“在Coinbase，我们团队面临的大部分挑战涉及数据。具体而言，我们需要从区块链中提取数据，并将其转换为机器学习模型可以使用的格式。
我喜欢把区块链比作洋葱，因为它有无数复杂的层级。它的去中心化特性意味着数据分布在许多节点上，每个节点都独立验证并添加新的区块。当涉及到多个区块链时，复杂性会增加。此时的你会置身于一个相互连接的洋葱网络，在这个广泛、分散的生态系统中同步和确保数据一致性绝非易事。
此外，区块链是自包含的系统，无法访问其边界之外的其他知识。为了让机器学习模型进行真实世界的预测，我们需要将链上数据（存储在区块链上的数据）与链下数据（不在区块链上的数据，例如股价、汇率、天气模式等）进行连接。就像将区块链连接到互联网一样。这是一个引人入胜但同时极具挑战性的工程难题。”
Sam Green，Symbolological Labs联合创始人兼研究主管
“在Semiotic Labs，我领导The Graph的人工智能研发工作，这是一个用于与区块链数据进行交互和利用的去中心化协议。简而言之，The Graph从区块链读取数据，对其进行处理，并创建索引，就像百科全书末尾的按字母顺序排列的列表一样。
这种组织结构简化了从区块链检索数据的过程。通过“索引”区块链数据，The Graph将其转换为易于查询、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方：数据销售者或索引器，以及数据买家或消费者。这些实体通过我们所谓的“网关”进行交互。当消费者向网关发送查询时，网关会考虑竞标价格、服务质量、延迟等因素，并将查询分配给索引器。索引器通过为这些查询提供服务并向消费者传递区块链数据来赚取收入。
借助AI，我们构建了算法定价代理，帮助索引器最大化收入，同时确保消费者获得可靠的高质量服务。
在许多方面，区块链是培训AI代理的理想环境。智能合约定义的规则和参与者的行动都公开可见于区块链上。由于这些规则和行动是已知的，我们可以创建这个区块链“游戏”的模拟，并将其用于在部署这些代理到实时环境之前进行培训。秘密在于快速反馈循环：通过试错学习的速度越快，代理就能更快地改善性能。
展望未来，我们看到将LLM集成到The Graph中的巨大潜力。今天，用户必须使用一种称为GraphQL的专业语言来查询The Graph。相比之下，LLM允许用户用自然语言表达请求。通过使任何人都能用通俗易懂的英语与The Graph交互，在进一步公平化访问区块链数据方面，LLM可以发挥更大的作用。”
Paul Bohm，Teleport创始人
“Teleport正在开发一个拼车的开放式市场。目前，拼车是一个封闭的系统，这使得用户很难在不同的服务之间切换。如果电子邮件像拼车一样封闭，那么使用Microsoft的Outlook邮件和Apple的iCloud邮件的用户将无法相互发送电子邮件。同样地，如果网络被封闭，苹果的Safari浏览器将无法与Microsoft.com通信。
打开拼车意味着将其恢复到互联网的规范中。在开放系统中，参与者可以从许多不同供应商提供的各种应用程序中进行选择，并相互通信。
封闭的市场往往不允许市场确定公平价格。相反，他们自己设定价格并最大化他们可以获取的价值。打开拼车并删除这个中间人意味着更多的钱流向司机，乘客每次乘车支付的费用减少，并且更多的钱留在当地经济中。
要成功，开放市场必须值得信赖。工程师通常首先关注技术方面的问题，例如速度或新颖功能。但是，在建立现实世界的市场时，我们必须从用户对安全、保密和隐私的需求开始。只有这样，我们才能确定最好的技术来满足这些需求，而不是相反。”
总之，这些只是可能性之一，也仅仅是当区块链和机器学习联手时所能够解锁、增强、加固和提高的开始。像区块链这样的数字共识技术不仅可以设计公平、可信和安全的系统，而且可以证明它们确实如此。
由于人工智能有可能进一步破坏信任，区块链支持它，提供了一个强大的机制来保护敏感数据的完整性。同时，人工智能使得我们能够理解分布式数据的深度，改善数据使区块链过于笨拙的缺点，并让区块链重新适应大规模采用。通过将人工智能来改善庞大数据的问题，我们可以更好地将区块链带给十亿用户。
