스탠포드 블록 체인 및 AI 컨퍼런스 포스터

3 월 중순에 Stanford University는 블록 체인 및 AI 회의를 개최하여 교수, 스타트 업 CEO 및 VCS (Venture Capitalists)를 모았습니다.

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.

3 월 중순에 Stanford University는 블록 체인 및 AI 회의를 개최하여 교수, 스타트 업 CEO 및 VCS (Venture Capitalists)를 모았습니다. 이 행사는 블록 체인과 AI라는 두 가지 주요 기술의 수렴을 강조하는 것을 목표로했습니다. 그러나이 회의는 비트 코인의 시장 지배력과 비트 코인 레이어 2 솔루션에 대한 새로운 혁신을 감안할 때 비트 코인과 AI를 더욱 강조함으로써 혜택을 볼 수있었습니다.

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.

회의의 주요 과제 중 하나는 블록 체인과 AI가 다른 투자자, 기업가, 학자 및 지역 사회와 함께 별도의 분야로 진화했다는 것입니다. 이 아이디어는 두 분야를 병합하는 것이었지만 많은 스피커는 자신의 영역에 집중되어있어 그들 사이에 명확한 연결을 설정하지 못했습니다. 아마도 더 적합한 타이틀은 블록 체인 또는 AI 회의 일 것입니다.

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.

예를 들어, 벤처 투자자는 AI 산업에 대한 개요를 발표하여 이미지, 오디오 및 코드 생성에서 인상적인 발전을 보여줍니다. 한편, 심해 연구원은 적대적 기계 학습에 대해 논의했다. 한 가지 눈에 띄는 예는 고양이의 이미지에서 몇 픽셀 만 수정하는 것과 관련이 있습니다.

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.

블록 체인 측면에서, 토론은 다양한 프로토콜을 중심으로 진행되었지만, 많은 기술의 대부분은 여전히 ​​실험적이거나 일부 경우에는 아직 존재하지 않습니다. 블록 체인 -AI 통합은 아직 초기 단계에 있으며 실질적인 구현은 아직 등장하지 않았습니다.

Proof of Computation

계산 증명

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.

더 통찰력있는 기여 중 하나는 스탠포드의 응용 암호 주의자 인 Dan Bone에서 나왔습니다. 그는 기본적인 암호화 문제를 해결하는 SNARKS (간결하지 않은 지식에 대한 간결한 비회적 주장) 및 제로 지식 증거에 대해 논의했다.

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.

이 원칙은 블록 체인과 암호화 모두에서 잘 확립되어 있습니다. 예를 들어 : 많은 수의 주요 구성 요소로 많은 수를 고려하는 것은 계산 비용이 많이 들지만 곱셈을 통해 확인하는 것은 계산적으로 저렴합니다. 해시가 대상 임계 값을 충족하는 블록 헤더를 찾는 데 비용이 많이 들지만 그것이 저렴한지 확인하는 것이 비싸다.

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.

계산과 검증 사이의 비대칭은 노드가 다른 사람의 작업을 지속적으로 검증하는 블록 체인 시스템에서 중요합니다. 비트 코인에서 노드는 서명 및 광부의 작업 증명을 확인합니다. SNARKS는이 개념을 확장하여 민감한 데이터를 밝히지 않고 검증 가능한 암호화 증명을 가능하게합니다.

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.

AI 에이전트가 점점 더 자율적으로 증가함에 따라 주요 과제는 개인 정보를 유지하면서 계산을 확인하는 것입니다. 많은 사람들이 데이터 보안에 대한 우려로 인해 민감한 데이터를 OpenAI에 업로드하고 자체 모델을 사용하는 것을 선호합니다.

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.

이로 인해 개인 정보 보호 예약 검증에 대한 시장 수요가 생성됩니다. 사용자가 AI 모델이 기본 데이터를 공개하지 않고 계산을 올바르게 실행할 수있는 메커니즘입니다. 이러한 솔루션은 데이터 보안이 가장 중요한 의료, 방어 및 금융과 같은 도메인에서 AI 응용 프로그램을 잠금 해제 할 수 있습니다. 이것은 향후 10 년 동안 수십억 달러 규모의 산업이 될 것입니다.

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.

흥미롭게도,이 개념은 네트워크를 통한 블록 체인에서 시작하여 이러한 암호화 기술을 구현합니다. Boneh가 지적했듯이, 한 기계의 아이디어는 비트 코인에서 다른 다른 계산을 저렴하게 확인했습니다. 그러나 AI에는 두 번째 큰 응용 프로그램이있을 수 있습니다.

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.

미래의 회의 가이 분야에 대한 비트 코인의 기여에 더 중점을두기를 바랍니다. 예를 들어, Bitvm은 제로 지식 증거의 아이디어를 활용하여 비트 코인과 새로운 계층 2 프로토콜 사이의 다리를 생성하여 AI 에이전트가 비트 코인의 생태계와 상호 작용할 수 있도록합니다.