AI 存在信任问题 — 去中心化的隐私保护技术可以解决它

快速阅读: 据《Cointelegraph 公司》称，观点作者徐飞指出，人工智能的信任危机正阻碍其广泛应用，去中心化和隐私保护技术如ZK-SNARKs可提供验证性、透明度及数据保护，成为构建可信AI的基础，这将是区块链和AI未来发展的关键。

观点作者：ARPA Network与Bella Protocol联合发起人徐飞

自2024年起，人工智能一直占据主导地位，然而用户和企业仍然对其完全信任。无论是在财务、个人数据还是医疗决策方面，人们对人工智能的可靠性与完整性依旧存疑。

这种不断扩大的人工智能信任赤字，如今已经成为广泛应用的主要障碍之一。去中心化和注重隐私保护的技术正迅速被视为可行的解决方案，这些方案可以在不牺牲人工智能发展的前提下提供可验证性、透明度以及更强的数据保护。

普遍存在的人工智能信任赤字

在2024年，人工智能成为加密货币关注度的第二大类别，吸引了超过16%的投资者兴趣。初创企业和跨国公司已经投入大量资源，将人工智能技术扩展到人们的财务、健康以及其他各个方面。

例如，新兴的DeFi x AI（DeFAI）领域在2025年初推出了超过7,000个项目，峰值市值达到70亿美元，但在市场崩溃前达到了这一高度。DeFAI展示了人工智能让去中心化金融（DeFi）更易用的潜力，通过自然语言命令执行复杂的多步骤操作，并进行复杂的市场研究。

然而，创新本身未能解决人工智能的核心漏洞：幻觉、操控及隐私问题。

2024年11月，一名用户说服了一个Base上的AI代理发送了47,000美元，尽管它被编程为永远不会这样做。虽然这只是游戏场景，但它引发了真实担忧：能否信任AI代理自主处理财务操作？

审计、漏洞奖励计划和红队虽有帮助，但无法彻底消除提示注入、逻辑漏洞或未经授权的数据使用风险。根据KPMG（2023），仍有61%的人对人工智能持怀疑态度，甚至行业专业人士也分享这种担忧。《哈佛商业评论》引用Forrester的一项调查显示，25%的分析师认为信任是人工智能面临的最大障碍。

这种怀疑依然强烈。《华尔街日报》CIO网络峰会的一项调查显示，61%的美国顶级IT领导者仍在测试AI代理。其余的要么仍在测试，要么完全避免使用它们，主要顾虑在于可靠性不足、网络安全风险和数据隐私问题。

像医疗这样的行业最能感受到这些风险。与大型语言模型（LLMs）共享电子健康记录（EHR）以提升效果是有前景的，但在缺乏严格隐私保护的情况下，这也存在法律和伦理风险。

例如，医疗行业因数据隐私泄露而受到不利影响。当医院在训练AI算法时共享EHR数据而未保护患者隐私时，这一问题会加剧。

进入零知识简洁非交互式知识论证（ZK-SNARKs）等去中心化密码系统。这些技术提供了一条新路径：允许用户在不透露个人信息或模型内部工作原理的情况下验证AI决策。

通过将隐私保护密码学应用于机器学习基础设施，AI可以被审计、可信且尊重隐私，特别是在金融和医疗等领域。

近期：

区块链的下一个重大突破：关注什么

ZK-SNARKs依赖于先进的密码学证明系统，使一方能够证明某事为真而不揭示如何做到这一点。对于人工智能而言，这使得模型能够在不披露其训练数据、输入值或专有逻辑的情况下被验证为正确。

想象一个去中心化的AI贷款代理。它不查看完整的财务记录，而是检查加密的信用评分证明，从而做出自主的贷款决策，而无需访问敏感数据。这保护了用户的隐私和机构的风险。

ZK技术还解决了LLM的黑盒性质。通过使用动态证明，可以验证AI输出，同时保护数据完整性和模型架构。这对用户和公司来说都是双赢——一方不再担心数据滥用，另一方则保护其知识产权。

去中心化人工智能

我们正在进入一个新的AI阶段，更好的模型已不足以满足需求。用户需要透明度；企业需要韧性；监管者期望问责制。

去中心化、可验证的密码学提供了所有这三个要素。

像ZK-SNARKs、门限多方计算和基于BLS的验证系统这样的技术不仅仅是“加密工具”——它们正成为可信赖AI的基础。结合区块链的透明性，它们构建了一个强大且全新的技术栈，用于保护隐私、可审计和可靠的AI系统。

高德纳预测，到2026年，80%的公司将使用人工智能。采用不会仅凭炒作或资源推动。它将取决于构建人们和公司真正信任的人工智能。

这一切都始于去中心化。

观点作者：ARPA Network和Bella Protocol联合发起人徐飞。

本文旨在提供一般信息，不应被视为法律或投资建议。文中表达的观点、想法和意见仅代表作者个人观点，不一定反映或代表CoinTelegraph的观点和意见。

(以上内容均由Ai生成)

你可能还想读