未來，人工智慧 (AI) 和機器人技術將主要用於消除大多數人目前所從事的乏味、無聊的工作，越來越多的人可以以類似的方式追求自己的激情。理想情況下，這將導致下一個偉大的藝術和文化復興，因為數百萬的人類可以自由地做他們喜歡的事情，並通過藝術創造幸福。

在這樣一個輝煌的未來到來之前，我們也需要不斷思考，探尋 AI 與金融世界的交匯點，找出問題所在，即使我們不一定知道所有問題的答案。宏觀投資人 Lyn Alden 在個人社交媒體平台上發布文章《Six AI Themes to Consider》，文中詳細介紹了 AI 技術與人類社會的交互發展以及為什麼比特幣將成為人工智慧的首選貨幣這一問題，以下為 BlockBeats 對原文整理翻譯：

2023 年市場的一大趨勢是人工智慧，或簡稱 AI。我通常避免涉足熱門話題，因此在公開場合我並沒有寫過太多關於 AI 的內容。我更喜歡花時間去吸收和思考新趨勢，而不是立即發表熱門觀點。

在五月的高級報告和七月的高級報告中，我曾介紹過這個話題。儘管我還沒有大量寫作，但這是一個我一直在密切關注的話題。這篇文章將引用這些先前的報告和近期的資料，討論一些我認為值得關注卻沒有被太多報導的 AI 主題。

關於 AI 的觀點跨度很大，有的人認為「這都是炒作，沒什麼實質內容」，而有的人甚至會認為「五年內它會殺死我們所有人並統治世界」。

我的看法介於這兩個極端之間，我認為 AI 確實有重大突破，但任何新興技術都容易受到炒作周期的影響，有時會炒的過熱。使用過一些新興技術的人都能看到其中的價值，而這在幾年前是不存在的。隨著技術的成熟和普及，它自然會對經濟產生重大影響。

然而，任何帶來指數級增長的技術我們都很難在長時間線上將其描述清楚，只能找出問題所在，即使我們不一定知道所有問題的答案。但沒有什麼比不知道要問什麼問題，或者在複雜話題中不知道潛在的界限或瓶頸更糟糕的事了。換句話說，我們必須努力繪製出基本的線路圖，即使還有很多未知的地區。

我並不擅長編程（我最後一次編寫代碼可能是在 2014 年左右），所以我對 AI 的看法更多來自工程硬體方面或經濟學角度，而不是討論任何特定的軟體。我主要想找出一些真正的問題去思考並着手繪製一些線路圖，看看可能存在的瓶頸或拐點在哪裡。

主題 1：技術的逐步變革

當提到技術發展時，我們通常會想象一個平滑的指數增長曲線。

實際上，技術發展主要是一系列重疊的躍遷式變化組成。某項技術突破的出現，引發數十年的技術繁榮，然後遇到天花板而停滯不前，直到下一個突破出現。這就是為什麼科幻故事通常設定在某個特定的日期，而當我們真正到達那個日期時，我們的世界並沒有作者預期的那樣先進（例如，1968 年的書《仿生人會夢見電子羊嗎？》設定在 1992 年，而 1982 年改編的電影《銀翼殺手》設定在 2019 年）。

所以在沒有新突破出現的情況下，某個行業內的技術往往無法達到我們的期望（假設技術發展是持續增長模型），而當有新的突破時，某個行業內的技術卻又很容易超出我們的預期，能更快地改變事物發展。

通常，對更強大能源的發現和應用可以算是一個重大的躍遷式變化，蒸汽機的發明和煤炭開採引領了工業革命，然後是內燃機的發明和石油生產，為人類提供了足夠密集的能量，實現了高速旅行、廣泛可用的自來水和農業機械化。所有這些都使大多數人擺脫了自給自足的農耕生活，從事其他工作，生活條件更加衛生，導致了工業生產力和人類壽命的繁榮。

換句話說，我們將能源資源當作了技術的一環，下面這張圖表中涵蓋了大部分能源：

在 20 世紀初，醫學行業取得了一系列重大突破，如細菌的發現及抗菌藥物的出現、麻醉技術的發明以及各種手術技術的創新，以及針對小兒麻痹症等疾病的疫苗的研製，這些成果大大提高了人類長壽的可能性。然而，隨著時間的推移，我們在延長最大壽命方面的能力似乎停滯不前，但我們確實提高了 70 歲甚至更長壽命的人數比例。也許有一天，基因編輯和各種逆轉衰老技術將為人類帶來延長壽命的巨大變革。

幾千年來，人類一直渴望飛行，但進展甚微。18 世紀，發明家們發明了熱氣球，其後是氫/氦氣艇，之後便停滯不前。然而隨著石油和鋁生產的興起（兩者均始於 19 世紀的商業規模生產），人類終於在 20 世紀初創造出了飛機這種真正的飛行器。在隨後的技術繁榮中，僅僅過了幾十年，我們就擁有了安全的商業洲際航班和載人航天探索。但隨後，技術發展遇到了瓶頸，發展放緩，人類無法維持超音速商業航班的負擔（例如協和客機的停產），也無法維持先前載人航天探索的步伐。1968 年至 1972 年間，人類曾短暫地超越低地球軌道，但在 1972 年之後的五十多年裡，沒有人再次超越低地球軌道。想想看，20 世紀 80 年代的平民還有機會乘坐超音速飛機，而在 21 世紀 20 年代的今天，人們已無法再享受這一待遇。

電力的發現及其應用，以及通信系統的發展，成為了創新的另一個重要推動力，使我們的生活環境更加自動化，並將全球緊密聯繫在一起。這對貨幣方面也產生了巨大影響：電報使交易能夠以光速在世界範圍內傳播，最終在全球範圍內改變了我們使用的貨幣類型。半導體的發明進一步推動了這一趨勢，使我們能夠使用口袋裡的超級計算機實現隔空端對端通信。這些便攜式超級計算機幾乎整個表面都是一個可控制的玻璃面板，將我們帶入一個全球互聯的數字領域。試想一下，如果將這項技術描述給你的曾祖父母，他們會有多麼驚訝。

人工智慧自 20 世紀中葉以來就伴隨著我們，在過去的二十多年裡，國際象棋程序一直能夠擊敗最好的人類棋手。起初，需要一個大型超級計算機來擊敗頂級人類大師，但隨著技術的進步，普通台式電腦也能做到這一點，現在甚至通過手機就可以做到。機器學習領域一直在發展，雖然在商業上取得了一定的成果，但直到最近才出現了突破性的進展。

如今，人工智慧似乎已經普及到商業相關領域，從概念上可以把它與工程師合併碳氫化合物和鋁並為飛行開闢各種新可能來相提並論。具體來說，計算機和軟體已經達到了一個臨界點，我們可以將人工智慧應用於各種不同的軟體任務，使它快速學習和調整，從而極大地影響我們的工作方式。這是一種階段性的質變，並非逐年發展而來。

主題 2：10 倍易用性

投資者對人工智慧的本能反應是投資打造 AI 所需的東西，如 AI 軟體和它們使用的晶片。然而，這個領域已經相當擁擠，另一個值得思考的主題是：「哪些產品將在 AI 的幫助下使易用性提升 10 倍？」

以 Adobe（ADBE）為例，Photoshop 是一個半高級程序，雖然使用它並不像研究火箭那般困難，但想要熟練使用還是需要相當長的時間。

在我之前看到的一個影音中展示了 Adobe Photoshop 如何整合生成式 AI，以便用戶可以通過基本的文本命令輕鬆地在幾秒鐘內進行顯著的更改。藝術品、電影、軟體代碼、工程設計以及各種複雜事物的製作都通過為創作者完成大量繁瑣和複雜底層細節的 AI 程序而變得更加高效。

除了提高每個 Photoshop 用戶的生產力和能力（即讓他們可以在單位時間內完成更多的工作），它還降低了使用 Photoshop 的門檻。就像過去計算機很難操作，但隨著時間的推移變得更容易一樣，各種歷史上難度適中的創作者應用程序都將變得更容易。

悲觀地來看，這種類型的創作者 AI 輔助工具會讓大量創作者失業，因為每個創作者都可以完成以前需要多個創作者才能完成的工作，但這種假設是基於待完成的工作量基本沒有發生太大變化。樂觀地來看，通過擴大 AI 輔助工具的普及性，將極大地增加創作者應用的整體使用和需求。換句話說，更多的創作者可以完成更多的創作工作，而不是等量的創作工作由更少的創作者完成。

類似於幾十年來，為了使每兆字節的數據儲存成本呈指數級下降，我們開始使用 1000 倍甚至 100 萬倍的儲存空間。

想象一下，能夠使用任何創作者應用程序（如藝術、影音、音樂、編程、3D 打印、工程軟體等），通過口頭或書面命令，直觀地將其用於製作你想要的東西，同時將大部分繁瑣的細節抽象化。這大大降低了進入門檻，使得製作這些創作者應用的公司能夠向用戶出售更多產品。雖然會有經驗更豐富的用戶不去訂閱該類產品，但整體上能夠有效使用高級創作者軟體的人數可能會大幅上升。

我最初在 5 月 28 日的高級報告中提到過這一觀點，當時 Adobe 的股價尚未大漲，而 Nvidia（NVDA）的股價已經飆升，因此我認為從風險/回報的角度來看，Adobe 是在人工智慧趨勢中更可取的投資。截至目前，Adobe 的股價也已經飆升，速度遠超那斯達克 100 指數，因此我認為它不再處於一個很好的入場點，但我認為極度擴大的創作者易用性這一主題值得關注，我有意在 Adobe 調整時加入。

我認為一個值得認真對待的長期趨勢是人工智慧如何幫助製藥和生物技術公司。人工智慧最顯著的應用之一是分子模擬，在很多方面，開發新藥物就是快速猜測和迭代的過程，而 AI 在實驗室里比人類更快、更便宜地完成這項任務。因此，在未來的幾年裡，人工智慧將大幅降低新藥研發的成本，使藥物更快地進入市場。無論是通過新藥物還是基因操作，如果有一種技術可以加速我們治癒大部分癌症的能力，那就是人工智慧。

賦予創作者權力，特別是生物工程師的權力，人工智慧也可能會大幅降低製造致命新病毒的成本，所以我擔心的不是人工智慧稱霸接管世界，而是當壞人製造生物武器的成本降低到現有成本的 1/1000 時會發生什麼。

主題 3：顛倒問題

除了問「哪些東西將從人工智慧中受益？」我們還需要問「哪些東西將被人工智慧破壞？」通過排除法，我們可以找到一系列投資，儘管它們可能不會從人工智慧中獲得很大的好處，但至少不會受到人工智慧的嚴重破壞。當以低估值購買時，它們將在價格調整時繼續提供良好的風險回報。

人工智慧可以破壞各種過時的企業和重複任務，使組織內的行政開支大大簡化，他們的利潤率就是人工智慧的機會。然而，在人工智慧幫助我們解決一些基礎物理問題，為我們提供充滿核聚變反應堆和納米機器的世界之前，它在影響物質世界方面可能比影響數字世界要慢，即能源和材料的生產和分配仍然是一個關鍵限制。

例如，在未來十年內，人工智慧有各種能力改變我們與數字世界的互動方式，但不太可能對能源和材料市場產生太大影響，除非在邊緣適度地提高效率（例如，尋找未開採資源的軟體應用程序面世，更好、更快的設備設計，以及減少能源/材料公司的行政開支成本）。

換句話說，機器人領域並不容易，特別是在高度受控的製造設施之外，機器人複雜、耗能、耗材料、維護密集。舉一個簡單的例子，幾十年前人們就發明了機器人吸塵器，但因為存在各種侷限性仍然沒有普及，其他類型的機器人比這複雜 5 倍或 10 倍，因此在完全取代人類方面具有更大的約束。具體地說，我們距離機器人可靠地開車到我家修理暖氣空調系統還有很長的路要走。

人們歷史上一直高估硬體發展的速度（超音速飛機、飛行汽車、機器人助手），而低估軟體發展的速度。我懷疑這種趨勢將在未來十年內仍會繼續；未來幾年，軟體和電子產品將讓我們驚嘆不已，然而物理世界與現在相比仍將保持驚人的相似，只有細微的變化。除非出現一些重大的物理突破能夠暗示其他情況，否則我不會改變這種預期。

主題 4：一個沒有人知道發生了什麼事情的世界

當人類編寫軟體程序時，相關人員能理解這些程序，但是，在機器學習和迭代過程中，並非總是如此。軟體可能變得非常複雜，以至於沒有人真正知道發生了什麼。

人工智慧現在可以編寫代碼，包括創建新的人工智慧。換句話說，可以形成一個良性反饋循環，而無需人類參與。不難想象，多年或幾十年後，這可能變得很奇怪。

現在，任何時候都有大量駭客試圖攻破我們依賴的各種軟體系統，其中一小部分成功了，造成很多數據泄露和其他問題。現在，想象一下，一個駭客團隊或政府機構製造了一個專為駭客優化的人工智慧，換句話說，有些人工智慧程序是為了在象棋中擊敗人類而優化的，而有些人工智慧程序則可以比人類更擅長去破解系統。

早期的象棋人工智慧從人類大師之間的比賽中學習，並且每次都能擊敗這些大師。最近的象棋人工智慧則通過自我對弈不斷學習，然後在象棋方面擊敗其他人工智慧。

現在，假設用類似的方法進行駭客攻擊，實際上如果說沒有很多團隊已經在研究這個領域，我反而會感到驚訝。首先人工智慧從現有技術中學會如何駭客攻擊，然後以超越人類的速度不斷迭代更新，重寫代碼以變得越來越好，最終在駭客攻擊方面比任何人類更有優勢，可以攻破任何人類設計的系統。這可能是開放源代碼的，可以廣泛使用。

那麼對此的防禦措施是什麼？對於連接到網路並且具有多複雜性的系統（因此無法像離線或基本系統那樣真正變得「不可破解」），答案是更多的人工智慧。與其他象棋程序在象棋方面唯一的競爭對手類似，我們可能會達到這樣一個地步：在駭客攻防中用人工智慧安全軟體來防禦人工智慧駭客軟體。

設想超人類駭客無時無刻不在試圖攻破一切，而超人類防禦者也無時無刻不在試圖阻止這些攻擊的發生。攻擊者和防禦者都在不斷地迭代和更新自己，因為他們從彼此中學到了東西，而人類卻無法真正理解正在發生的事情，因為代碼比他們能理解的要複雜得多，更新速度也比他們要快得多。在這種情況下，數字神祇將以我們無法理解的方式在網路空間中不斷地戰鬥，而我們所依賴的系統就是這場戰鬥的賭注。

主題 5：通貨膨脹與通貨緊縮

幾十年來，人們將製造業外包和自動化相結合，使商品的成本降低，鞋類、紡織品、電子產品、塑料製品等價格與其他大多數商品相比，都有顯著下降。價格通貨膨脹主要侷限於那些不能輕易自動化的服務，以及能源密集型資產。

例如，即使貨幣供應量大幅增加，今天的電視機價格也比 20 年前同樣尺寸和分辨率的電視機便宜，電視機價格下降的速度甚至比貨幣貶值的速度還要快。同樣，根據摩爾定律，處理器上每平方英寸晶體管的數量每兩年翻一倍，除非貨幣供應量以接近 50% 的年增長率增長，否則晶體管的成本將隨著時間的推移而降低。

在未來幾年甚至幾十年裡，人工智慧可能會在服務方面帶來大量的價格通縮，最終可以讓一個會計師勝任幾個會計師的工作，一位行政助理勝任幾位行政助理的工作，一位平面設計師勝任幾位平面設計師的工作，一位程序員勝任幾位程序員的工作... 等等等等。很難預測這種影響的速度和範圍，但這顯然是大勢所趨。

我們在未來應該擁有更豐富的資源和優勢，以高效地生產和營運企業。

然而問題是貨幣供應可能仍然在顯著增長，債務與國內生產總值（GDP）和債務與貨幣供應量的比率仍然非常高。在目前的全球基於債務的金融體繫結構下，如果沒有更多的廣義和基本貨幣，很難維持現有的政府、企業和家庭債務水平。

從 2000 年開始到 2022 年底，我們可以看到資產和消費品價格存在很大的分歧。黃金價格每年增長 8.3%，廣義貨幣供應量平均每年增長 6.8%，醫院服務價格每年增長 5.3%，石油價格每年增長 4.7%，房價中位數每年增長 4.7%，育兒價格每年增長 4.2%，非主管生產工人平均每小時工資收入每年上漲 3.2%，官方消費者價格通膨每年平均為 2.6%，銀行帳戶平均年利率不足 2%，服裝價格沒有變化，電子產品、塑料玩具和各種軟體的價格都有所下降。

下面這張圖表顯示了自 2000 年以來，這些商品的官方價格增長情況：

稀缺物品，如精美藝術品、黃金和海濱房產（未在圖表中顯示）的增值速度與廣義貨幣供應量的增長步伐保持一致，並大幅超過官方消費者價格通膨。

半稀缺物品，如醫院服務、育兒服務、石油、草飼牛肉和普通住房，其增值速度略低於廣義貨幣創造速度，但仍高於平均消費者價格通膨率。

官方消費者價格通膨數據受到了各種因指數級技術幫助、生產成本幾乎為零的通縮物品的拖累。

此外，消費者價格指數本質上是一個遞歸函數。如果肋眼牛排的價格上漲，消費者轉向成本較低的碎牛肉，那麼用於計算消費者價格指數的商品籃將根據新基準進行調整；如果碎牛肉價格過高，消費者轉向成本較低的家禽，那麼商品籃將再次進行調整；如果家禽價格過高，消費者轉向更多的大米和豆類，那麼商品籃將再次進行調整；如果草飼奶牛產的黃油價格過高，人們轉向工業生產的大豆油，那麼商品籃將相應調整。因此，高價的商品和服務往往會從商品籃中被篩選出去，低價的商品和服務則會被強調。

人工智慧可能會加劇這一趨勢。人工智慧可以使我們獲得更便宜、更豐富的多種服務，但對某些商品和服務的稀缺性卻沒有實質性改變，我們需要繼續將通貨膨脹視為一個跨越多個不同類別的頻譜。

如果有人希望購買有限的物品，如黃金地段房地產、精美藝術品、比特幣或領先科技壟斷股票，那麼他們的收入和凈資產最好能夠跟上廣義貨幣供應量的增長。

如果有人希望擁有一套普通住房、一份優質醫療保險和充足的退休儲蓄，同時食用營養豐富的食物和充足的能源，他們的收入和凈資產最好能超過官方 CPI，即使略低於廣義貨幣供應量的增長。

如果有人只想勉強度日，住在多戶住房或親戚家中，他們的時間主要花在虛擬世界中，食用廉價的大眾生產加工食品和廉價的大眾生產消費品，那麼他們所需的收入和凈資產的增長可以與官方 CPI 保持一致或處於更低的水平。

主題 6：人工智慧與比特幣的交匯點

我認為有必要在這個主題上多花一些時間，雖然它不一定是六大主題中最重要的，但由於我之前在比特幣生態系統及其相鄰生態系統方面有過工作和研究，已經投入了大量的時間來研究這個主題。

對 AI 來說，什麼是最好的貨幣？

對於 AI 來說，什麼是最好的貨幣？根據我目前的了解，我認為比特幣是一個優先答案。

在一個充滿人對機器、機器對人和機器對機器支付的未來世界中，開源的數字原生貨幣具有天然的適應性。在與閃電實驗室（Lightning Labs）首席執行官 Elizabeth Stark 討論過這個話題之後，我在 2022 年 8 月關於閃電網路的文章中闡述了這個觀點：

「此外，該網路能夠進行比 Visa 和 Mastercard 更小額的微支付，通過閃電網路，你可以完成低於一分錢的支付。這為信用卡無法實現的新應用場景提供了可能，例如機器對機器支付、微支付流、或將微支付作為防垃圾技術的應用。」 ——Lyn Alden，《閃電網路探討》，2022 年 8 月

然後在我 5 月 28 日的高級報告中，我強調了這個例子：

「一個 AI 代理可以創建一個比特幣/加密貨幣錢包，賺取並使用資金。AI 代理已經在閃電網路上獲得了比特幣餘額，他們可以利用這些餘額來獲取完成指定任務所需的服務：

在這種情況下，創作者會故意給 AI 代理設置一些資金以便在需要時使用，而一個先進的 AI 代理能夠輕鬆地從零開始重現這個過程。換句話說，一個 AI 可以從零開始，被給予一個任務或者只是「決定」去完成一個任務，在評估完成任務的最佳方法時，它發現某些付費服務對其有幫助或者至關重要，於是它生成一個比特幣/閃電錢包（與銀行帳戶不同，它不需要獲得權限才能這樣做，因為它是開源的），並說服其創作者給予資金或者以其他方式在線賺取資金（也許它在 Nostr 上發布了一大堆有用的內容並獲得了小費），有了金錢後它就可以為所需的東西付款。

想象一下，在一個 AI 代理完成分配給它的任務的過程中，它竟然擁有了金錢，而即使是創作者也不知道它是如何得到這筆錢的。

高效的開源源生數位貨幣，可以比現有的法定貨幣更快、無需許可且以更小的金額（微交易）交易，為機器對機器支付、機器對人類支付和人類對機器支付提供了更多的可能性，這是 AI 代理使用的一種自然的貨幣類型。」

——2023 年 5 月 28 日高級報告

這一趨勢最終出現強大的發展勢頭。6 月底，比特幣公司 Fedi 和 Stak 聯手組織了一個 AI 駭客馬拉松活動，活動持續到了 7 月：

「Fedi 和 Stak 邀請所有相信科技能夠為人和社區賦權的開發者、建設者和先驅者：加入我們，用比特幣、閃電網路和 Fedimint 一起實現人工智慧的民主化。

在比特幣和人工智慧公司的支持下，Ai4ALL 駭客馬拉松將於 2023 年 7 月 1 日至 7 月 31 日在 BOLT.FUN 和 Replit 平台上遠程進行。參與者可以在這兩個生態系統的核心人物引導下，通過一系列研討會、現場編碼課程、互動教程和輔導課程，爭奪獎品、與同伴合作，並在提高自己技能的同時，提升人類的水平。

我們正處於生成型 AI 發展的關鍵時刻，這將決定它是被中央集權者、審查者和傳統機構所控制，還是被自由和賦權的人們和社區所控制。」

——Fedi，6 月 30 日

7 月初，閃電實驗室（一個主要的閃電網路基礎設施提供商）宣布推出一套新的開發者工具，以支持這個新興的比特幣和 AI 交叉領域：

· LangChainBitcoin：使 Langchain 代理可以直接與比特幣和閃電網路進行交互的一套工具，包括兩個主要功能：

· LLM 代理 BitcoinTools：一系列利用新發布的 OpenAI GPT 函數調用的工具，使開發者能夠創建可以持有比特幣餘額（鏈上和閃電網路）、在閃電網路上發送/接收比特幣以及直接驅動 LND 節點的代理。

· L402 HTTP API 遍歷：一個用於 LangChain LLM 鏈（APIChain）的 Python 包裝器，使代理可以透明地訪問 L402 付費計量 API。

· Aperture：最新版本的 Aperture 是一種實現 L402 協議的嵌入式反向代理服務器，可以將任何 API 轉換為通過 L402 功能和閃電網路上的 sats 進行支付的資源。

· 現在支持閃電節點連接：Aperture 支持運行 litd 的任何閃電節點，這是一個打包閃電實驗室服務的二進制文件，與 LND 一起使用（例如 Voltage、Umbrel、Start9、Raspiblitz、BTCPayServer），通過閃電節點連接協議是一種端到端加密的連接閃電節點到 Web 瀏覽器的機制。

· 豐富的動態 API 端點定價：Aperture 現在支持可選地向被代理後端提供完整的 HTTP 請求上下文，以實現動態每次調用定價。與現有的靜態定價配置相比，動態定價允許後端實現自定義端點定價邏輯。

· L402 bLIP：一種比特幣閃電改進提案（bLIP）規範，為 L402 協議標準，旨在與社區公開分享構建這些組件的原始模型。

L402 是一種專為付費計量 API 設計的協議標準，旨在與現有的 HTTP 402 付款所需狀態響應代碼緊密結合，這是 Web 創始人提出的使原生支付成為可能的功能。通過將比特幣和閃電網路相結合，L402 實現了全球範圍內快速、可擴展的微支付 API。

——7 月 6 日，閃電實驗室

簡單來說，閃電實驗室的工具有兩個作用：

· 使構建 AI 代理變得更容易，這些 AI 代理可以在完成任務的過程中持有和花費比特幣；

· 利用閃電網路和長期存在的「HTTP 402 支付需要」的狀態碼，使按次付費使用資源密集型計算變得更容易。

閃電實驗室首席技術官奧拉奧盧瓦·奧松托昆在一個影音中提到，用戶（Kody Low，Fedi 的開發者和產品支持主管）讓 GPT-4 為他編寫代碼，並通過閃電網路按問題付費（大約每個問題 0.01 美元）。他要求 AI 編寫的代碼恰好是他已經展示的可用服務：使用閃電支付 API 調用的能力。

具體地說，Kody 問 AI：「我如何創建一個反向代理，用閃電支付阻止我的 API 調用？使用 LND 後端，用 golang 為我編寫反向代理。」然後他支付了閃電發票。AI 理解了這個請求，收到了支付，然後回復了有組織且有注釋的代碼。接着，Kody 要求用 rust 編程語言而不是 golang 重寫代碼，並再次付費。AI 重新編寫了代碼，這次還用詳細介紹了代碼某些部分的作用，並闡明了在完全實施的版本中，需要更多的錯誤處理和其他細微之處，但這是程序的基本輪廓。Kody 感謝它，並說 AI 和閃電很好地結合在一起，並再次付費。AI 回答說不客氣，並同意 AI 和閃電都是強大的技術，可以共同創造尖端解決方案。

我測試過這樣一個程序，在手機上使用 ChatGPT 時無需訂閱，只需按一下按鈕就可以用閃電支付一分錢或兩分錢來提問，而且每個問題的價格會根據後台運行的某種供需算法動態波動。

為了好玩，我向 ChatGPT 詢問了一些 AI 代理在完成其任務過程中可能需要向人類支付費用的示例。以下是它的回答：

「很好的問題！AI 代理可能需要在完成各種任務的過程中向人類支付費用。以下是一些可能的場景：

1. 打零工經濟和微任務：AI 可能被分配去尋找某些人，如標記圖像或轉錄音頻，這通常發生在打零工平台上。任務完成後，AI 可以向工作者支付約定的費用。

2. 電子商務交易：如果 AI 在管理一個電子商務平台或在線市場，它可能需要向賣家或服務提供商支付費用，可能是產品銷售、退款或服務費用。

3. 內容創作者和網路營運者：AI 代理可能會管理人類發布內容或影響他人的平台或頻道。它們可以根據瀏覽量、點讚、分享或其他指標向這些創作者支付費用或獎勵。

4. 眾包和創意產生：公司可以使用 AI 管理創新或創意產生活動，鼓勵人們提交想法。一旦想法被選中，AI 可以向該人發送支付或獎勵。

5. 客戶退款：如果 AI 負責處理公司的客戶服務，它可能需要為退回的產品、取消的服務或因公司造成的任何不便支付退款。

6. 調查參與：AI 可能會負責市場調查或其他數據收集目的的調查。參與者可以獲得時間和投入的補償。

7. 慈善捐款：AI 可以用於管理慈善組織向受益人的支付。

8. 自由職業者支付：AI 可能被雇用來管理自由職業者或合約工，完成工作後支付費用。

9. 獎品和獎勵：如果 AI 管理一個比賽或遊戲，它可能需要向獲勝者支付獎金或獎勵。

這些只是許多潛在應用的一部分，共同點是，任何需要支付費用的服務或提供價值的任務都可能由 AI 來管理。」 我請它舉例說明 AI 代理在完成任務過程中可能需要向另一個 AI 代理支付費用的情況，它回答道：

「確實有很多潛在的場景，AI 代理可能需要與另一個 AI 代理進行交易，可能發生在系統被設計成自主進行交互和交換資源或服務的情況下，例如：

1. 自動駕駛汽車：在自動駕駛汽車的未來，控制單個汽車的 AI 代理可能需要向其他 AI 控制的汽車支付通行權或停車費用。

2. AI 市場：在 AI 市場中，一個 AI 可能需要向另一個 AI 支付特定服務的費用，如數據分析、機器學習模型訓練或優化複雜任務。

3. 內容或數據獲取：一個 AI 可能需要向另一個 AI 支付獨家數據或內容的費用，如專有研究、市場分析或數字資產。

4. 雲端運算資源：管理服務器或雲資源的 AI 可能需要向另一個 AI 支付使用其多餘計算能力或儲存空間的費用。

5. 數位廣告：管理廣告活動的 AI 可能需要向另一個 AI 支付在數字平台上將其廣告投放在最佳位置或時間的費用。

6. AI 介導的拍賣：在針對特定受眾群體的在線廣告實時競價系統中，一個 AI 代理可能需要向另一個支付廣告位費用。

7. 遊戲：在在線遊戲場景中，一個 AI 可能需要向另一個 AI 支付虛擬商品、服務或遊戲進階的費用。

8. 物聯網（IoT）：在智能家居或城市中，一個由 AI 管理的 IoT 設備可能需要向另一個支付優先執行其任務的費用。例如，智能冰箱可以向智能烤箱支付費用，以便在冰箱完成耗電量大的冷卻周期後再開始預熱功能。

這些例子都是推測性的，取決於一個可以支持 AI 到 AI 交易的複雜基礎設施。但隨著技術的不斷發展，我們可能會看到更多允許這種自主互動的系統設計。」

現在，閱讀本篇文章的讀者應該問的問題是：「為什麼用閃電網路購買 AI 使用權，而不是直接用美元支付？」答案是，比特幣/閃電網路因為以下幾個原因與 AI 的結合非常合適：

無退款風險：與許多軟體應用不同，AI 在每次使用基礎上對硬體要求非常高。當你使用 AI 時，你正在使用非常耗電的 GPU 硬體。軟體本身在開發完成後成本很低，但每次使用該軟體都有相當大的電力/硬體資源成本，這與大多數類型的軟體不同。如果一個 API 允許通過傳統方式（如信用卡）付款，那麼商家就會面臨欺詐風險。用戶可以用成千上萬的次數刷爆 GPU，然後對他們的支付進行退款。在這種情況下，商家承擔了電力/硬體的成本，但卻失去了利益。另一方面，閃電網路是一種承兌資產的最終解決方法。

微交易：大多數支付方式在單筆交易金額上都有限制。例如，你不能用 Visa 卡支付 0.03 美元，PayPal 每筆交易的商家端最低固定費用為 0.49 美元。最好的方法是預先充值一個帳戶，然後在它們的分類賬中按使用次數支付微小金額。在全球範圍內，跨境和貨幣之間的問題更加複雜，如果馬來西亞的某人想支付給加州的某人一些 AI 使用費用，他們應該使用什麼支付方式？即使在我的網站上的訂閱支付後台，我和營運經理有時也會遇到接受外國信用卡的問題，而且在許多國家，他們使用的是行動支付服務，而不是信用卡。閃電網路可以處理全球範圍內的微交易。用戶可以從任何地方支付幾分錢的使用費，無需訂閱，無需預先充值。這對於機器對機器的支付非常重要，在這種情況下，訂閱可能不是理想的選擇，它們只需要實時互動。

無需許可且可編程：AI 代理可以執行各種任務。對於一個沒有法律身份的實體來說，使用開源可編程貨幣比使用銀行帳戶或銀行支付產品更容易。AI 代理可能無法獲得銀行帳戶，但它們可以運行閃電節點或操作閃電錢包。閃電網路的可編程性，以及其即時的特點，允許動態定價。換句話說，根據同時收到的 API 請求的數量，每個 API 調用的價格可以編程為每秒鐘不同。

工作量證明預防垃圾郵件

現在人工智慧讓圖片、影音、文本、程序和其他東西的創建幾乎無成本，我們越來越難以辨別哪些內容是真實的，哪些是高質量的假影音或假人物。當我們看到一張可能對公司、社會、政治或地緣政治具有重要意義的圖片或影音時，如何知道它是真實的畫面，而不是 AI 生成的數字偽造？現在想象一下，隨著技術的進步，五年或十年後這種情況會如何。

也許更令人擔憂的是機器人的說服力。每當我使用推特（現在稱為「X」）時，我的帖子總是被機器人淹沒。幸運的是，它們是質量低劣、編程糟糕的顯而易見的機器人。然而，也有模仿者手動創建一個我的高仿帳戶，然後試圖用詐騙手段欺騙別人。如果社交媒體上的 AI 機器人達到了非常令人信服的地步呢？如果它們可以像被識別和封鎖時一樣，以無法計數的高速度不斷被創建呢？

除了作為欺詐手段用機器人騷擾人們之外，一種複雜的機器人策略可能會構建一個完全虛假的社區來推廣某種觀點，使其看起來很受歡迎。大量不同的人工角色可能在線上運作，並且能說服許多人。如果有人編寫了一個程序，創建了一個機器人大軍，每個機器人都是獨特的，比當前的 ChatGPT 先進了好幾年，它們協同推廣某個政治候選人、某個社會觀點，或者只是提高某個影響者的觀眾認知度，並且這個程序是開源的，任何想使用它的人都可以，那麼潘多拉魔盒將被打開。

想象一下，在線互動的時候，1）大多數看似人類的在線實體並非人類，2）很難判斷哪些實體是真正的人類。這將是一個很奇怪的狀態。

解決這個問題的一個方法是，社交媒體平台在用戶註冊時執行身份驗證，新用戶需要提供足夠的證據證明他們是真實的人。埃隆·馬斯克的 Twitter/X 似乎正朝這個方向發展，其他一些平台也是如此。雖然這的確可以解決某些平台的問題，但這種方法的明顯缺點是，匿名性在很多情況下是安全和真實的重要組成部分。在很多國家，某些類型的言論是非法的，領導人不能公開受到批評，某些話題是非法的等等。事實上，美國的幾位國父最初在發表對英國君主制的批評時，為了保護自己而使用了化名。一些領導者喜歡強制進行社交媒體身份驗證，而機器人問題的嚴重性將為他們提供一個很好的藉口來實施這些驗證，他們可以輕易地強迫各種平台向他們提供數據。

另一種方法是，社交媒體可以保持開放和匿名，但可以使用某種持續性證明或付款檢查來防止大量機器人湧入。在 20 世紀 90 年代，密碼學家亞當·貝克發明了一種名為 Hashcash 的工作證明方法，以抵禦各種類型的垃圾郵件或拒絕服務攻擊，最終被中本聰用於比特幣協議的核心部分，但在社交媒體和網路的其他部分尚未廣泛採用。

比特幣的分類帳歷史幾乎無法偽造，每個區塊鏈上的區塊更新分類帳時都需要能源，整個分類帳的完整歷史中包含了大量的能源，以至於很難偽造。除了作為一種貨幣資產外，比特幣區塊鏈現在已經成為一種全球開源的不可變時間膠囊，可以將任意數據（包括文檔、圖片、圖書、歌曲或其他系統的時間戳）插入其中，並證明插入的內容自那個日期以來未被更改，沒有任何閉源、不透明和中心化的服務器可以實現這個功能。

比特幣的工作證明是否可以用於保護其他類型的系統免受垃圾郵件侵擾，正如亞當·貝克最初創建 Hashcash 的目的一樣？這方面已經有一些探索，未來幾年可能會越來越接近這一目標。

支付：比特幣目前被 Stacker News 用作發布激勵和控制垃圾郵件的方式。用戶必須支付一小部分比特幣才能發布資訊，並可以用小部分比特幣給彼此打賞。傳統支付方式（如 Visa）的問題在於它們會識別出用戶的身份，而比特幣作為支付證明，卻不需要知道身份，這非常適用於防止垃圾郵件，並且可以通過各種方式進行調整。如果 Twitter（現更名為 X）實施類似的功能，或許我可以設置只允許那些與其身份相關的微成本的人在我的帖子上發表評論，以防止垃圾郵件。

具有成本的身份：人們可以創建一個公鑰/私鑰對（如在 Nostr 上），然後進一步地將公鑰嵌入到比特幣區塊鏈中，並因交易費用產生實際資源成本，通過各種方式向人們證明這個密鑰確實屬於他們，然後使用與公鑰匹配的私鑰對他們創建或授權的任何數字內容進行簽名。對於具有已知誠信標準的大型新聞組織也是如此，平台可以檢查哪些密鑰對已經嵌入或未嵌入，這就允許人們區分偽造品和真實內容（至少在它是由個人或組織創建的，並且自發布以來尚未被更改的程度上，而不一定是客觀上的真實），並使得一百萬個冒名頂替者無法使用嵌入到比特幣區塊鏈中的類似密鑰對。

儘管我們還沒有達到這個階段，但在一個擁有足夠先進的人工智慧和幾乎無成本頂替或偽造的世界中，在認真對待某些類型的數字內容之前，我們可能需要提供連續性證明（加密公鑰/私鑰對）和工作證明（證明已經花費實際資源來增加給定公鑰/私鑰對或在線身份的權重）。

在我之前描述的未來世界中，1) 在線操作的大多數看似人類的實體並非人類，2) 很難確定哪些實體實際上是人類。我們需要採用各種方法來區分不同實體與現實世界的有形性或成本相關，以便從近乎無限的噪音海洋中找到有效資訊，身份驗證或使用現實世界的資源成本是平台對待該問題的兩個主要方向。

原文連結