Affiche de la blockchain de Stanford et de l'IA

À la mi-mars, l'Université de Stanford a organisé une conférence Blockchain et AI, réunissant des professeurs, des PDG de startups et des capital-risqueurs (VC).

In mid-March, Stanford University hosted a Blockchain and AI conference, bringing together professors, startup CEOs, and venture capitalists (VCs). The event aimed to highlight the convergence of two major technologies: blockchain and AI. However, the conference could have benefited from highlighting Bitcoin and AI further, given Bitcoin's market dominance and the emerging innovations on Bitcoin Layer 2 solutions.

À la mi-mars, l'Université de Stanford a organisé une conférence Blockchain et AI, réunissant des professeurs, des PDG de startups et des capital-risqueurs (VC). L'événement visait à mettre en évidence la convergence de deux technologies majeures: la blockchain et l'IA. Cependant, la conférence aurait pu profiter davantage de Bitcoin et de l'IA, étant donné la domination du marché du bitcoin et les innovations émergentes sur les solutions Bitcoin Layer 2.

One of the main challenges with the conference was that blockchain and AI have largely evolved as separate disciplines—with different investors, entrepreneurs, academics, and communities. While the idea was to merge the two fields, many speakers remained focused on their own domain, failing to establish clear connections between them. Perhaps a more fitting title would have been the Blockchain OR AI Conference.

L'un des principaux défis de la conférence a été que la blockchain et l'IA ont largement évolué en tant que disciplines distinctes - avec différents investisseurs, entrepreneurs, universitaires et communautés. Alors que l'idée était de fusionner les deux domaines, de nombreux orateurs sont restés axés sur leur propre domaine, n'étant pas établi des liens clairs entre eux. Peut-être qu'un titre plus approprié aurait été la blockchain ou la conférence de l'IA.

For example, a venture investor presented an overview of the AI industry, showcasing impressive advancements in image, audio, and code generation. Meanwhile, a DeepMind researcher discussed adversarial machine learning, a phenomenon where slight manipulations to input data can drastically alter an AI's output. One striking example involved modifying just a few pixels in an image of a cat—causing the AI to misclassify it as guacamole.

Par exemple, un investisseur de capital-risque a présenté un aperçu de l'industrie de l'IA, présentant des progrès impressionnants dans l'image, l'audio et la génération de code. Pendant ce temps, un chercheur DeepMind a discuté de l'apprentissage automatique contradictoire, un phénomène où de légères manipulations pour saisir les données peuvent modifier considérablement la sortie d'une IA. Un exemple frappant impliquait de modifier seulement quelques pixels dans une image d'un chat - entraînant l'IA pour le classer mal en guacamole.

On the blockchain side, discussions revolved around various protocols, but much of the technology remains highly experimental—or, in some cases, non-existent yet. Blockchain-AI integrations are still in their infancy, with practical implementations yet to emerge.

Du côté de la blockchain, les discussions tournaient autour de divers protocoles, mais une grande partie de la technologie reste très expérimentale - ou, dans certains cas, inexistante encore. Les intégrations blockchain-ai sont encore à leurs balbutiements, avec des implémentations pratiques qui émergent.

Proof of Computation

Preuve de calcul

One of the more insightful contributions came from Dan Boneh, an applied cryptographer at Stanford. He discussed SNARKs (succinct non-interactive arguments of knowledge) and zero-knowledge proofs, which address a fundamental cryptographic problem: proving knowledge of a computation in an efficient way.

L'une des contributions les plus perspicaces est venue de Dan Boneh, un cryptographe appliqué à Stanford. Il a discuté des SNARKS (arguments succincts non interactifs de connaissances) et des preuves de connaissances zéro, qui traitent d'un problème cryptographique fondamental: prouver la connaissance d'un calcul de manière efficace.

This principle is well-established in both blockchain and cryptography. For example: It’s computationally expensive to factor a large number into its two prime components, but verifying via multiplication is computationally cheap. It’s expensive to find a block header whose hash meets a target threshold, but verifying that it does is inexpensive.

Ce principe est bien établi en blockchain et en cryptographie. Par exemple: il est coûteux en calcul de prendre en compte un grand nombre dans ses deux principaux composants, mais la vérification via la multiplication est bon marché. Il est cher de trouver un en-tête de bloc dont le hachage rencontre un seuil cible, mais vérifier qu'il est peu coûteux.

This asymmetry between computation and verification is critical in blockchain systems, where nodes constantly validate the work of others. In Bitcoin, nodes verify signatures and miners' proof of work. SNARKs extend this concept, enabling cryptographic proofs that are verifiable without revealing sensitive data.

Cette asymétrie entre le calcul et la vérification est essentielle dans les systèmes de blockchain, où les nœuds valident constamment le travail des autres. Dans Bitcoin, les nœuds vérifient les signatures et la preuve de travail des mineurs. Les SNARKS étendent ce concept, permettant des preuves cryptographiques qui sont vérifiables sans révéler des données sensibles.

As AI agents become increasingly autonomous, a major challenge will be verifying computation while preserving privacy. Many are hesitant to upload sensitive data to OpenAI due to concerns over data security and prefer using their own models.

Alors que les agents de l'IA deviennent de plus en plus autonomes, un défi majeur sera de vérifier le calcul tout en préservant la vie privée. Beaucoup hésitent à télécharger des données sensibles à OpenAI en raison de préoccupations concernant la sécurité des données et préfèrent utiliser leurs propres modèles.

This creates a market demand for privacy-preserving verification—a mechanism that allows users to prove an AI model executed a computation correctly without revealing the underlying data. Such a solution could unlock AI applications in domains like healthcare, defense, and finance, where data security is paramount. This will likely become a multi-billion-dollar industry in the next decade.

Cela crée une demande de marché pour la vérification préservant la confidentialité - un mécanisme qui permet aux utilisateurs de prouver qu'un modèle d'IA a exécuté un calcul correctement sans révéler les données sous-jacentes. Une telle solution pourrait débloquer des applications d'IA dans des domaines comme les soins de santé, la défense et la finance, où la sécurité des données est primordiale. Cela deviendra probablement une industrie de plusieurs milliards de dollars au cours de la prochaine décennie.

Interestingly, this concept originates from blockchain via networks to implement such cryptographic techniques. As Boneh pointed out, the idea of one machine cheaply verifying the expensive computation done by another emerged out of Bitcoin. But it may have a second, large application in AI.

Fait intéressant, ce concept provient de la blockchain via des réseaux pour mettre en œuvre de telles techniques cryptographiques. Comme Boneh l'a souligné, l'idée d'une machine vérifiant à moindre coût le calcul coûteux effectué par un autre est sorti de Bitcoin. Mais il peut avoir une deuxième application importante dans l'IA.

I hope to see future conferences place a greater emphasis on Bitcoin's contributions to these fields. BitVM, for example, leverages ideas from zero-knowledge proofs to create bridges between Bitcoin and new Layer 2 protocols—potentially enabling AI agents to interact with Bitcoin's ecosystem.

J'espère que les futures conférences mettent davantage l'accent sur les contributions de Bitcoin à ces domaines. Bitvm, par exemple, exploite des idées de preuves de connaissances zéro pour créer des ponts entre Bitcoin et de nouveaux protocoles de couche 2 - permettant potentiels aux agents d'IA d'interagir avec l'écosystème de Bitcoin.