Lyn Alden: 为什么比特币是最适合人工智能的货币

作者 : Lyn Alden  编译 : GaryMa 吴说区块链

注:以下节选来自 Lyn Alden 八月发布的关于人工智能主题的通讯稿,其中涉及与比特币相关的部分,由于篇幅限制或其他原因,可能有些细节或信息未被完整翻译或被删除。我们建议读者在阅读本文时同时参考原文,以获取更全面的信息。

什么是最适合 AI 的货币?

哪种货币形式对于 AI 代理来说是最好的?根据我目前所见,我认为比特币是最主要的答案。

在一个未来世界中,人机和机器之间的支付将大量出现,开源的数字原生货币自然适用。

AI 代理可以创建一个比特币/加密货币钱包,赚取资金并使用资金。

AI 可以从零开始,被分配一个任务,或者只是“决定”去完成一个任务。当它评估完成任务的最佳方式时,它会确定某些付费服务对于它是有益的或至关重要的。因此,它生成一个比特币/闪电网络钱包(与银行账户不同,它无需获得许可,因为它是开源的),然后说服其创建者给予它资金,或以其他方式在网上赚取资金(也许它在 Nostr 上发布一些聪明的内容,赚取小费)。现在,有了资金,它可以支付它需要的东西。

高效的开源数字原生货币可以更快速地使用,无需许可地使用,且可以进行比现有法定货币更小额的交易(微交易),从而为机机支付、人机支付带来更多可能性。这是 AI 代理使用的一种自然货币形式。

这个趋势得到了延续。六月底,比特币公司 Fedi 和 Stak 合作组织了一个 AI 黑客马拉松。Fedi 和 Stak 号召所有相信通过比特币、闪电网络和 Fedimint 赋予人们和社区科技权力的开发者、构建者和先驱者:加入我们,帮助用比特币、闪电网络和 Fedimint 民主化人工智能。

七月初,闪电实验室(Lightning Labs,主要的闪电网络基础设施提供商)宣布推出一套新的开发者工具,以支持这种新兴的比特币+AI 交叉领域。

NFL球星Marshawn Lynch提交其绰号“BeastMode”NFT商标申请:金色财经报道,据美国商标律师Mike Kondoudis在社交媒体披露,知名NFL球星Mashawn Lynch已经向美国专利商标局提交了其绰号“BeastMode”的NFT和数字藏品商标申请,据悉提交商标申请只是一个初步步骤,BeastMode NFT项目或藏品的潜在计划目前还不得而知。 虽然Mashawn Lynch绰号“野兽模式”不知从何而起,但他在2010年创造的标志性达阵得分已被命名为“野兽地震(Beast Quake)”。[2023/1/26 11:30:47]

简单地说,闪电实验室的工具主要有两个方面:

1)更容易构建能够持有和使用比特币来完成任务的AI代理;

2)使用闪电网络和长期存在的“HTTP 402 付款要求”状态码,可以更容易地为每次使用的资源密集型计算付费。

为了看到后者的效果,您可以观看由闪电实验室首席技术官 Olaoluwa Osuntokun 分享的这段两分钟视频。

链接:

https://twitter.com/roasbeef/status/1677037020156399616

在该视频中,用户(Fedi 的开发者和产品支持主管 Kody Low)让 GPT-4 为他编写代码,并使用闪电支付每个问题的费用(每个问题约 0.01 美元)。具有讽刺意味的是,他要求 AI 编写的代码正是他已经作为工作服务展示的东西:使用闪电网络支付 API 调用的能力。

具体而言,Kody 问 AI:“如何创建一个反向代理来使用闪电网络支付我的 API 调用?使用 LND 后端,并用 golang 为我编写反向代理。”然后他支付了闪电网络的付款请求。AI 理解了请求,接收了付款,并提供了组织良好且有注释的代码以回答问题。然后,Kody 要求它使用 rust 编程语言而不是 golang 重新编写代码,并再次付款。AI 重新编写了代码,并在英语中更详细地说明了代码的某些部分正在做什么,并澄清了对程序的基本概要,但要实现完全实现的版本,它需要包含更多的错误处理和其他细微之处,但这是程序的基本概要。然后,Kody 对它表示感谢,并表示 AI 和闪电网络非常匹配,再次支付了费用。AI 表示 Kody 不用客气,同意 AI 和闪电网络都是强大的技术,它们在一起能够创建先进的解决方案。

Gemini前人才主管Jonathan Tamblyn加入Skolem Technologies担任首席人事官:金色财经报道,机构级资产管理和执行服务提供商Skolem Technologies宣布Jonathan Tamblyn 已加入公司担任首席人事官。Tamblyn将建立技术和企业职能,并引入计划来扩展组织和文化,以适应 Skolem 的承诺,机构能够直接参与DeFi市场,而无需大幅增加技术人员和投资组合风险。Tamblyn在人才开发和招聘方面拥有近 15 年的经验,此前担任 Gemini 的人才主管。[2023/1/9 11:01:53]

我个人亲自测试过其中一个程序,我可以在不使用订阅的情况下在手机上使用 ChatGPT,并以等价的一两美分用闪电网络支付来提问,价格会根据每个问题动态波动,可能取决于后台运行的某种供需算法。

为了好玩,我问了 ChatGPT 一些 AI 代理可能需要支付给人类的一些示例。以下是它的回答:

很好的问题!AI 代理可能需要在完成各种任务的过程中向人类付款。以下是一些潜在的场景:

1. 零工经济和微任务:AI 可能被要求找到人来完成小任务,例如标记图像或转录音频,这在零工平台上经常发生。任务完成后,AI 可以将约定的付款发送给工人。

2. 电子商务交易:如果AI管理电子商务平台或在线市场,它可能需要向卖家或服务提供者发送付款。这可能是对产品销售、退款或服务费的回应。

3. 内容创作者和网络影响者:AI 代理可能管理平台或渠道,人们在这些平台上发布内容或影响其他人。他们可以被编程以基于观看、点赞、分享或其他指标的方式向这些创作者分发付款或奖励。

4. 众包和创意生成:公司可以使用 AI 来管理创新或创意生成活动,鼓励人们提交想法。一旦选择了一个想法,AI 可以向提交想法的人发送付款或奖励。

5. 客户退款:如果 AI 为公司处理客户服务,它可能需要对退货产品、取消服务或由公司造成的任何不便进行退款。

电影制片人David Lynch将其作品《Interpol》拆分为7份NFT于Superrare进行拍卖:10月27日消息,Superrare表示,电影制片人大卫·林奇 (David Lynch) 将其电影作品《Interpol》拆分为7份NFT,在Superrare上进行拍卖。[2021/10/27 21:00:51]

6. 参与调查:AI 可能管理用于市场研究或其他数据收集目的的调查。参与者可以得到他们的时间和投入的补偿。

7. 慈善捐赠:AI 可以用于管理慈善组织向受益人的付款。

8. 自由职业者付款:AI 可能被雇用来管理自由职业者或合同工,完成工作后支付报酬。

9. 奖金和奖励:如果 AI 管理比赛或游戏,它可能需要向获胜者发送奖金或奖励。

这只是许多潜在应用的例子。共同的线索是,任何需要对提供服务或价值的人进行补偿的任务都有可能由 AI 来管理。

然后我问了它一些例子,AI 代理在完成其分配任务的过程中可能需要支付另一个 AI 代理的一些示例,它的回答是:

确实有很多潜在情况下,AI 代理可能需要与另一个 AI 代理进行交易。这可能发生在系统被设计为自主交互和交易资源或服务的情况下,例如:

1. 自动驾驶车辆:在自动驾驶汽车的未来中,控制各个车辆的 AI 代理可能会向控制其他AI的车辆支付权利或确保停车位。

2. AI 市场:在 AI 市场中,一个 AI 可能向另一个 AI 支付特定的服务费,例如数据分析、机器学习模型训练或优化复杂任务。

3. 内容或数据获取:一个 AI 可能会向另一个 AI 支付专有数据或内容的费用,如专有研究、市场分析或数字资产。

4. 云计算资源:管理服务器或云资源的 AI 可能会向另一个 AI 支付使用其多余计算能力或存储空间的费用。

5. 数字广告:管理广告活动的 AI 可能会向另一个A I 支付费用,以在数字平台上的最佳位置或时间放置其广告。

HUSD运营负责人Lynn:稳定币是重要的加密资产基础设施,HUSD将不断拓展场景:4月14日,HT及合规稳定币HUSD正式上线HotBit,在当天的AMA中,HUSD运营负责人Lynn表示,稳定币是重要的加密资产基础设施,未来相信HUSD也将不断拓展场景,赋能更多行业。

HUSD团队正努力在交易、支付、DeFi等不同使用场景,对HUSD的生态进行进行拓展,为用户提供安全、稳定、便捷的数字资产服务。目前,ALCHEMY PAY已经支持HUSD作为支付手段之一,用户可以使用HUSD在新加坡、中国香港、日本、迪拜等地的购物中心,超市,租车行等商户进行支付。而Lendf.me这样的主流DeFi平台,也宣布支持HUSD等稳定币的存币生息和抵押借贷。[2020/4/14]

6. AI 调节的拍卖:在在线广告实时竞价系统中,一个 AI 代理可能会向另一个AI代理支付针对特定受众群体的广告位费用。

7. 游戏:在在线游戏场景中,一个 AI 可能需要向另一个 AI 支付虚拟货物、服务或游戏进展的费用。

8. 物联网(IoT):在智能家居或智能城市中,一个物联网设备(由AI管理)可能会向另一个设备支付以优先执行其任务。例如,智能冰箱可以向智能烤箱支付费用,以推迟其耗能的冷却循环,直到冰箱完成了其耗电的冷却循环。

这些示例都是推测性的,取决于允许安全的 AI 对 AI 交易的复杂基础设施。但随着技术的不断发展,我们可能会看到更多的系统被设计为允许这种自主互动。

现在,这篇文章的读者在阅读到这一部分时可能会问的一个正确的怀疑性问题是,“为什么在 AI 使用中使用闪电网络支付,而不是仅以美元支付?”

答案是,比特币/闪电网络是与 AI 合作的独特适合的方式,原因有几个:

● 不可退款:与许多软件应用程序不同,AI 在每次使用的基础上在硬件上非常密集。当您使用 AI 时,您正在使用非常耗电的 GPU 硬件。一旦开发完成,软件本身就很便宜,但每次使用该软件都会产生实际的电力/硬件资源成本,这与大多数软件类型不同。如果一个 API 被留给通过常规方式(例如信用卡)支付(例如信用卡),那么商家就会成为欺诈的目标。用户可以向 GPU 发送成千上万的用途,并对其付款进行反向退款。在这种情况下,商家承担了电力/硬件的成本,但随后失去了付款。另一方面,闪电是一种无记名资产最终结算的一种方法。

金色相对论 | Franklyn Richards:闪电网络可以实现网络间的交互性:在本期金色相对论之“闪电网络:Hello,TPS”上,金色财经合伙人佟扬对话Litecoin Haus CEO?Franklyn Richards,针对闪电网络要支撑加密货币的支付体系,如何应对价格变化带来的影响,使其得以大规模商用的问题。Franklyn Richards表示,在使用应用时人们无须看到和理解其背后的加密技术,这是最好的。我们不会在意如何去支付我们已经可以通过别的支付手段支付的东西,闪电网络可以实现网络间的交互性,我看到的未来是加密货币成为一种相似的类型形式被使用,而这转换是完全在幕后悄然完成的。机构将会使用加密货币因为其更便宜、更快,也是可编程的,我们已经可以看到Bakkt,纳斯达克以及fidelity等已经开始纷纷加入到这场加密货币竞赛中了,即便加密货币不稳定,用户依然能够获得稳定的价值。我认为另一个重点是节点们,他们很可能将会嵌入到很多东西中,网络将会进一步发展和分散化。外部的整体基础设施都在建设中,闪电网络只是其中的一部分。[2019/3/7]

● 微交易:大多数付款方法在单个交易的大小方面都有限制。您不能使用 Visa 卡支付 0.03 美元,例如。PayPal 在商家方面的最低固定费用是每笔 0.49 美元。您所能做的最接近的事情是预先为帐户提供资金,然后在其帐户内每次使用时支付微付款。这在全球范围内以及跨国界和货币之间变得更加复杂;如果马来西亚的某人想要向加利福尼亚的某人支付一些AI使用费,他们应该使用什么支付方式?甚至在我的网站上的订阅付款后台内,我和我的运营经理有时会遇到接受外国信用卡的问题,在许多国家,他们使用移动支付服务而不是信用卡。闪电网络可以在全球范围内处理微交易。用户可以从任何地方向任何地方支付每次的使用费用几美分,无需订阅,也无需预授权资金。对于机机支付来说,这非常相关,订阅可能不是理想的选择,它们只需要在实时基础上相互交互。

● 无需许可和可编程:可以创建 AI 代理来执行各种操作。作为一个没有法律身份的实体,AI 代理持有和使用开源可编程货币比使用银行账户或银行支付产品更容易。AI 代理可能无法获得银行账户,但他们可以运行闪电节点,或者操作闪电网络钱包。闪电网络的可编程性质和实时即时性质允许动态定价。换句话说,每个 API 调用的价格可以被编程为每秒变化,这取决于它们同时收到的传入 API 请求的数量。

以工作量证明防止垃圾信息

如今,由于人工智能几乎让图片、视频、文字、程序等创作成本降低,越来越难以区分哪些内容是真实的,哪些内容是高质量的虚假视频或虚拟人格。当我们在企业、社会、或地缘角度上看到一张图片或一段视频可能很重要时,我们怎么能确定它是真实的镜头产物,而不是由人工智能生成的数字伪造品?现在想象一下,随着技术的提升,五年或十年后会变得如何。

更令人担忧的是机器人的令人信服性。每当我使用 Twitter(现在称为“X”)时,我的帖子都会被机器人淹没。幸运的是,它们是低质量、程序糟糕的明显机器人。然而,还有一些人类冒充者,他们手动创建一个类似于我的帐户,并开始试图钓鱼人们进行。如果社交媒体上的 AI 机器人真的相当令人信服会怎么样呢?如果它们可以以无法计数的数量存在,不断被创建,就像它们可以被识别和阻止一样?

除了以机器人向人们发送垃圾信息作为一种欺诈形式外,一个复杂的机器人策略可能涉及构建一个完整的虚假社区,以推广某种思想,并使其看起来很受欢迎。许多不同的人工智能人格可能能够在网上运作,并且能够说服许多人。想象一下,有人编写了一个程序,创建了一个机器人军队,每个机器人都是独一无二的,比当前的 ChatGPT 更先进几年,它们协调一致地推广某个候选人、某种社会观点,或者只是增加某个有影响力的人的受众。现在想象一下,这个程序是开源的,任何想使用它的人都可以使用。潘多拉的盒子被打开了。

想象一下,在网上互动的时候:

1)  大多数看起来像人类的实体都不是人;

2)  很难确定哪些是真正的人类。

处理这种情况的一种方法是,社交媒体平台在注册时强制执行身份验证。在这种情况下,新加入者需要提供充分的证据证明他们是真实的人。埃隆·马斯克的 Twitter/X 似乎正在朝着这个方向发展,其他一些平台也是如此。虽然这对于某些平台可能确实有效,但这种方法的明显缺点是,在许多情况下,匿名性是安全和真实的重要组成部分。某些职业的人无法在线上自由地做自己,使用匿名帐户进行社交放松。更严重的是,在许多国家,某些类型的言论是非法的。领导人无法公开受到批评,某些主题被禁止讨论,等等。事实上,美国的一些开国元勋在发表对英国君主制的革命批评时,最初使用化名以获得保护。极权主义者喜欢强制性身份验证来参与社交媒体,严重的机器人问题会给他们提供一个很好的借口来实施这些措施。而且,他们可以轻易地强迫各种平台向他们提供数据。

另一种方法是,社交媒体可以保持开放和匿名,但可以使用某种持续性证明或付款检查来防止无数机器人的洪水。早在 20 世纪 90 年代,密码学家亚当·巴克发明了 Hashcash 形式的工作量证明,以防止各种类型的垃圾邮件或拒绝服务攻击。最终,中本聪在比特币协议的核心部分使用了它,但在社交媒体或互联网的其他部分没有被广泛实施。

比特币的账本具有几乎无法伪造的历史。每次在区块链上更新一个块时,都需要能量,而账本的完整历史记录中包含了大量的能量编码,使其很难伪造。除了可以用作货币资产,比特币区块链现在还以一种全球性的开放源代码不可变的时间胶囊存在,其中可以插入任意数据(包括文档、图片、书籍、歌曲或来自其他系统的时间戳),并且可以证明被插入的数据自那个日期以来未被修改。任务闭源、不透明、中心化的服务器都无法复制这个功能。

比特币的工作量证明能否像亚当·巴克最初创建 Hashcash 一样,用于保护其他类型的系统免受垃圾信息的侵害?有一些途径已经沿着这些方向进行了探索,这可能在未来几年变得越来越重要。

● 支付:比特币目前被 Stacker News 用作发布激励和防止垃圾信息的一种形式。用户必须支付一小部分比特币来发布帖子,并可以用小部分比特币给彼此打赏。传统支付方式(如 Visa)的问题在于,它们识别了人,而比特币是付款的证明,但不需要知道身份,这对于防止垃圾信息来说是可以接受的。这可以通过各种方式进行调整。如果 Twitter/X 实现了类似的功能,那么例如我可以设置,只允许那些与他们的身份有某种微成本关联的人评论我的帖子,以防止垃圾信息。

● 带有成本的身份:有人可以创建一个公共/私有密钥对(就像在 Nostr 上一样),但随后进一步,将公共密钥嵌入比特币区块链中,由于交易费用而产生现实世界的资源成本,以各种方式向人们验证这个密钥确实是他们的,然后使用与该公共密钥相匹配的私有密钥来签署他们创建或授权的任何数字内容。对于任何具有已知诚信标准的大型新闻机构也是如此。平台可以检查哪些密钥对是嵌入式的或不是嵌入式的。从那时起,这允许人们区分伪造品与真实内容(至少在某种程度上是由该个体或组织创建的,并且自发布以来没有被修改,不一定是客观真实的),并且使得数百万冒充者不能使用已经嵌入在比特币区块链中,并且真实世界费用支出的相似密钥对。

虽然我们还没有达到这个阶段,但在一个人工智能足够先进、模仿或伪造几乎没有成本的世界里,我们可能会学会要求连续性证明(加密公钥/私钥对)和工作量证明(证明真实世界的资源被用于增加给定的公钥/私钥对或在线身份的重要性),然后再认真对待某些类型的数字内容。

在我之前描述的潜在未来世界中:

1)  大多数看起来像人类的实体都不是人类;

2)  很难确定哪些是真正的人类,然后我们需要采用各种方法来分类哪些实体具有某种现实世界的有形性或与之相关的成本,在近乎无限的噪音海洋中找到信号。

身份检查或实际资源成本的使用是平台可以采取的两个主要方向。

吴说区块链

个人专栏

阅读更多

白话区块链

神译局

Gryphsis Academy

CertiK中文社区

新浪科技

元宇宙之心

金色早8点

Web3小律

MarsBit

ForesightNews

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金智博客

XRP美SEC首次监管NFT NFT将走入合规之路?_SEC:KEY

在整个加密市场翘首企盼,却迟迟等不来美国 SEC 对 Bitwise、贝莱德(BlackRock)、VanEck、WisdomTree 和 Invesco 等机构所提交的比特币ETF申请文件作出回应的时刻,美SEC却将监管的触手伸向了加密世界另一重要组成部分不可替代代币 NFT。

[0:31ms0-8:25ms