AI 存在信任问题。可验证性是解决方案。 我们的 AI GM @nima_vaziri 与 @a16z 的 @alive_eth 和 @Stanford 的 @danboneh 坐下来讨论今天 AI 中最深的断层线。 ☁️ 我们无法信任的模型。 ☁️ 集中式提供者可以进行审查、关闭或在一夜之间改变规则。外包训练隐藏了后门。即使是“开放”的权重也无法证明实际运行的内容。 信任。后门。黑箱。 前进的道路很明确： 🔥 零知识证明用于可验证推理 🔥 硬件支持的完整性 TEEs 🔥 来自区块链的乐观验证 🔥 超越单一控制点的去中心化基础设施 从“相信我们”到“自己验证”。 这就是转变。这就是解锁。 前沿就在这里。建设者决定接下来会发生什么。 时间戳： 00:00:00 介绍：AI 与加密的交集概述 00:01:58 四大 AI-加密趋势 00:02:44 AI 代理需要金融基础设施 00:04:03 - 人类证明：对抗 AI 生成内容 00:04:17 去中心化 AI 基础设施网络 00:04:44 合成生命：自主 AI 代理 00:06:20 可验证的 AI：信任你看不见的东西 00:10:16 当前 AI 证明的性能数据 00:13:18 AI 学习中的经验时代 00:14:56 AI 代理拥有自己的生命 00:18:21 算法公平性与可验证模型 00:23:18 AI 中的隐私：受信执行环境 00:25:47 开放权重模型的经济激励 00:31:39 归属问题：谁为 AI 训练付费？ 00:35:52 内容来源与认证 (C2PA) 00:48:03 AI 安全：寻找漏洞与弱点 00:54:53 教育应用：LLMs 作为学习伙伴 00:58:29 对 LLMs 和认知能力的依赖 01:03:57 内容提供者对 LLM 训练的恐惧