AI 有信任問題。可驗證性是解決方案。 我們的 AI GM @nima_vaziri 與 @a16z 的 @alive_eth 和 @Stanford 的 @danboneh 坐下來探討當前 AI 中最深的斷層線。 ☁️ 我們無法信任的模型。 ☁️ 集中式提供者可以隨時審查、關閉或改變規則。外包訓練隱藏了後門。即使是“開放”的權重也無法證明實際運行的內容。 信任。後門。黑箱。 前進的道路是明確的： 🔥 零知識證明以進行可驗證推理 🔥 硬體支持的完整性 TEEs 🔥 區塊鏈的樂觀驗證 🔥 超越單一控制點的去中心化基礎設施 從“信任我們”到“自己驗證”。 這就是轉變。這就是解鎖。 前沿就在這裡。建設者決定接下來的發展方向。 時間戳： 00:00:00 介紹：AI 與加密的交集概述 00:01:58 四大 AI-加密趨勢 00:02:44 AI 代理需要金融基礎設施 00:04:03 - 人類證明：對抗 AI 生成內容 00:04:17 去中心化 AI 基礎設施網絡 00:04:44 合成生命：自主 AI 代理 00:06:20 可驗證的 AI：信任你看不見的東西 00:10:16 當前 AI 證明的性能數據 00:13:18 AI 學習中的經驗時代 00:14:56 AI 代理擁有自己的生命 00:18:21 算法公平性與可驗證模型 00:23:18 AI 中的隱私：受信執行環境 00:25:47 開放權重模型的經濟激勵 00:31:39 歸屬問題：誰為 AI 訓練付費？ 00:35:52 內容來源與認證 (C2PA) 00:48:03 AI 安全：尋找漏洞與弱點 00:54:53 教育應用：LLMs 作為學習夥伴 00:58:29 對 LLMs 和認知能力的依賴 01:03:57 內容提供者對 LLM 訓練的恐懼