AI har ett förtroendeproblem. Verifierbarhet är lösningen. Vår GM för AI @nima_vaziri satte sig ner med @a16z:s @alive_eth och @danboneh av @Stanford för att kartlägga de djupaste sprickorna i AI idag. ☁️ Modeller vi inte kan lita på ☁️ Nuvarande leverantörer kan censurera, stänga av eller ändra regler över en natt. Outsourcad utbildning gömmer bakdörrar. Inte ens "öppna" vikter bevisar vad som faktiskt körs. Förtroende. Bakdörrar. Svarta lådor. Vägen framåt är tydlig: 🔥 Verifierbara utvärderingar 🔥 Verifierbar slutsats 🔥 TEE:er för maskinvarustödd integritet 🔥 Infra bortom enskilda kontrollpunkter 🔥 Blockkedjor som samordningslager för AI Från "lita på oss" till "verifiera dig själv". Det är skiftet. Det är det som låser upp. Gränsen är här. Byggarna bestämmer vad som ska hända härnäst. Skapa och använd AI som är incitamentsanpassad för dig. Tidsstämplar: 00:00:00 Introduktion: Översikt över skärningspunkten mellan AI och krypto 00:01:58 Fyra stora AI-kryptotrender 00:02:44 AI-agenter behöver finansiell infrastruktur 00:04:03 Proof of Humanity: Bekämpa AI-genererat innehåll 00:04:17 Decentralisera AI-infrastrukturnätverk 00:04:44 Syntetiskt liv: Autonoma AI-agenter 00:06:20 Verifierbar AI 00:10:16 Aktuella prestandasiffror för AI-korrektur 00:13:18 Eran av erfarenhet inom AI-inlärning 00:14:56 AI-agenter som har sitt eget liv 00:18:21 Algoritmisk rättvisa och verifierbara modeller 00:23:18 Sekretess i AI: Betrodda körningsmiljöer 00:25:47 Ekonomiskt incitament för modeller med öppen vikt 00:31:39 Attributionsproblem: Vem får betalt för AI-träning? 00:35:52 Innehållets ursprung och autentisering (C2PA) 00:48:03 AI-säkerhet: Hitta kryphål och sårbarheter 00:54:53 Utbildningsapplikationer: LLM:er som inlärningspartner 00:58:29 Tillit till LLM och kognitiva förmågor 01:03:57 Innehållsleverantörers rädsla för LLM-utbildning