未来，人工智能 (AI) 和机器人技术将主要用于消除大多数人目前所从事的乏味、无聊的工作，越来越多的人可以以类似的方式追求自己的激情。理想情况下，这将导致下一个伟大的艺术和文化复兴，因为数百万的人类可以自由地做他们喜欢的事情，并通过艺术创造幸福。

在这样一个辉煌的未来到来之前，我们也需要不断思考，探寻 AI 与金融世界的交汇点，找出问题所在，即使我们不一定知道所有问题的答案。宏观投资人 Lyn Alden 在个人社交媒体平台上发布文章《Six AI Themes to Consider》，文中详细介绍了 AI 技术与人类社会的交互发展以及为什么比特币将成为人工智能的首选货币这一问题，以下为 BlockBeats 对原文整理翻译：

2023 年市场的一大趋势是人工智能，或简称 AI。我通常避免涉足热门话题，因此在公开场合我并没有写过太多关于 AI 的内容。我更喜欢花时间去吸收和思考新趋势，而不是立即发表热门观点。

在五月的高级报告和七月的高级报告中，我曾介绍过这个话题。尽管我还没有大量写作，但这是一个我一直在密切关注的话题。这篇文章将引用这些先前的报告和近期的资料，讨论一些我认为值得关注却没有被太多报道的 AI 主题。

关于 AI 的观点跨度很大，有的人认为「这都是炒作，没什么实质内容」，而有的人甚至会认为「五年内它会杀死我们所有人并统治世界」。

我的看法介于这两个极端之间，我认为 AI 确实有重大突破，但任何新兴技术都容易受到炒作周期的影响，有时会炒的过热。使用过一些新兴技术的人都能看到其中的价值，而这在几年前是不存在的。随着技术的成熟和普及，它自然会对经济产生重大影响。

然而，任何带来指数级增长的技术我们都很难在长时间线上将其描述清楚，只能找出问题所在，即使我们不一定知道所有问题的答案。但没有什么比不知道要问什么问题，或者在复杂话题中不知道潜在的界限或瓶颈更糟糕的事了。换句话说，我们必须努力绘制出基本的线路图，即使还有很多未知的地区。

我并不擅长编程（我最后一次编写代码可能是在 2014 年左右），所以我对 AI 的看法更多来自工程硬件方面或经济学角度，而不是讨论任何特定的软件。我主要想找出一些真正的问题去思考并着手绘制一些线路图，看看可能存在的瓶颈或拐点在哪里。

主题 1：技术的逐步变革

当提到技术发展时，我们通常会想象一个平滑的指数增长曲线。

实际上，技术发展主要是一系列重叠的跃迁式变化组成。某项技术突破的出现，引发数十年的技术繁荣，然后遇到天花板而停滞不前，直到下一个突破出现。这就是为什么科幻故事通常设定在某个特定的日期，而当我们真正到达那个日期时，我们的世界并没有作者预期的那样先进（例如，1968 年的书《仿生人会梦见电子羊吗？》设定在 1992 年，而 1982 年改编的电影《银翼杀手》设定在 2019 年）。

所以在没有新突破出现的情况下，某个行业内的技术往往无法达到我们的期望（假设技术发展是持续增长模型），而当有新的突破时，某个行业内的技术却又很容易超出我们的预期，能更快地改变事物发展。

通常，对更强大能源的发现和应用可以算是一个重大的跃迁式变化，蒸汽机的发明和煤炭开采引领了工业革命，然后是内燃机的发明和石油生产，为人类提供了足够密集的能量，实现了高速旅行、广泛可用的自来水和农业机械化。所有这些都使大多数人摆脱了自给自足的农耕生活，从事其他工作，生活条件更加卫生，导致了工业生产力和人类寿命的繁荣。

换句话说，我们将能源资源当作了技术的一环，下面这张图表中涵盖了大部分能源：

在 20 世纪初，医学行业取得了一系列重大突破，如细菌的发现及抗菌药物的出现、麻醉技术的发明以及各种手术技术的创新，以及针对小儿麻痹症等疾病的疫苗的研制，这些成果大大提高了人类长寿的可能性。然而，随着时间的推移，我们在延长最大寿命方面的能力似乎停滞不前，但我们确实提高了 70 岁甚至更长寿命的人数比例。也许有一天，基因编辑和各种逆转衰老技术将为人类带来延长寿命的巨大变革。

几千年来，人类一直渴望飞行，但进展甚微。18 世纪，发明家们发明了热气球，其后是氢/氦气艇，之后便停滞不前。然而随着石油和铝生产的兴起（两者均始于 19 世纪的商业规模生产），人类终于在 20 世纪初创造出了飞机这种真正的飞行器。在随后的技术繁荣中，仅仅过了几十年，我们就拥有了安全的商业洲际航班和载人航天探索。但随后，技术发展遇到了瓶颈，发展放缓，人类无法维持超音速商业航班的负担（例如协和客机的停产），也无法维持先前载人航天探索的步伐。1968 年至 1972 年间，人类曾短暂地超越低地球轨道，但在 1972 年之后的五十多年里，没有人再次超越低地球轨道。想想看，20 世纪 80 年代的平民还有机会乘坐超音速飞机，而在 21 世纪 20 年代的今天，人们已无法再享受这一待遇。

电力的发现及其应用，以及通信系统的发展，成为了创新的另一个重要推动力，使我们的生活环境更加自动化，并将全球紧密联系在一起。这对货币方面也产生了巨大影响：电报使交易能够以光速在世界范围内传播，最终在全球范围内改变了我们使用的货币类型。半导体的发明进一步推动了这一趋势，使我们能够使用口袋里的超级计算机实现隔空端对端通信。这些便携式超级计算机几乎整个表面都是一个可控制的玻璃面板，将我们带入一个全球互联的数字领域。试想一下，如果将这项技术描述给你的曾祖父母，他们会有多么惊讶。

人工智能自 20 世纪中叶以来就伴随着我们，在过去的二十多年里，国际象棋程序一直能够击败最好的人类棋手。起初，需要一个大型超级计算机来击败顶级人类大师，但随着技术的进步，普通台式电脑也能做到这一点，现在甚至通过手机就可以做到。机器学习领域一直在发展，虽然在商业上取得了一定的成果，但直到最近才出现了突破性的进展。

如今，人工智能似乎已经普及到商业相关领域，从概念上可以把它与工程师合并碳氢化合物和铝并为飞行开辟各种新可能来相提并论。具体来说，计算机和软件已经达到了一个临界点，我们可以将人工智能应用于各种不同的软件任务，使它快速学习和调整，从而极大地影响我们的工作方式。这是一种阶段性的质变，并非逐年发展而来。

主题 2：10 倍易用性

投资者对人工智能的本能反应是投资打造 AI 所需的东西，如 AI 软件和它们使用的芯片。然而，这个领域已经相当拥挤，另一个值得思考的主题是：「哪些产品将在 AI 的帮助下使易用性提升 10 倍？」

以 Adobe（ADBE）为例，Photoshop 是一个半高级程序，虽然使用它并不像研究火箭那般困难，但想要熟练使用还是需要相当长的时间。

在我之前看到的一个视频中展示了 Adobe Photoshop 如何整合生成式 AI，以便用户可以通过基本的文本命令轻松地在几秒钟内进行显著的更改。艺术品、电影、软件代码、工程设计以及各种复杂事物的制作都通过为创作者完成大量繁琐和复杂底层细节的 AI 程序而变得更加高效。

除了提高每个 Photoshop 用户的生产力和能力（即让他们可以在单位时间内完成更多的工作），它还降低了使用 Photoshop 的门槛。就像过去计算机很难操作，但随着时间的推移变得更容易一样，各种历史上难度适中的创作者应用程序都将变得更容易。

悲观地来看，这种类型的创作者 AI 辅助工具会让大量创作者失业，因为每个创作者都可以完成以前需要多个创作者才能完成的工作，但这种假设是基于待完成的工作量基本没有发生太大变化。乐观地来看，通过扩大 AI 辅助工具的普及性，将极大地增加创作者应用的整体使用和需求。换句话说，更多的创作者可以完成更多的创作工作，而不是等量的创作工作由更少的创作者完成。

类似于几十年来，为了使每兆字节的数据存储成本呈指数级下降，我们开始使用 1000 倍甚至 100 万倍的存储空间。

想象一下，能够使用任何创作者应用程序（如艺术、视频、音乐、编程、3D 打印、工程软件等），通过口头或书面命令，直观地将其用于制作你想要的东西，同时将大部分繁琐的细节抽象化。这大大降低了进入门槛，使得制作这些创作者应用的公司能够向用户出售更多产品。虽然会有经验更丰富的用户不去订阅该类产品，但整体上能够有效使用高级创作者软件的人数可能会大幅上升。

我最初在 5 月 28 日的高级报告中提到过这一观点，当时 Adobe 的股价尚未大涨，而 Nvidia（NVDA）的股价已经飙升，因此我认为从风险/回报的角度来看，Adobe 是在人工智能趋势中更可取的投资。截至目前，Adobe 的股价也已经飙升，速度远超纳斯达克 100 指数，因此我认为它不再处于一个很好的入场点，但我认为极度扩大的创作者易用性这一主题值得关注，我有意在 Adobe 调整时加入。

我认为一个值得认真对待的长期趋势是人工智能如何帮助制药和生物技术公司。人工智能最显著的应用之一是分子模拟，在很多方面，开发新药物就是快速猜测和迭代的过程，而 AI 在实验室里比人类更快、更便宜地完成这项任务。因此，在未来的几年里，人工智能将大幅降低新药研发的成本，使药物更快地进入市场。无论是通过新药物还是基因操作，如果有一种技术可以加速我们治愈大部分癌症的能力，那就是人工智能。

赋予创作者权力，特别是生物工程师的权力，人工智能也可能会大幅降低制造致命新病毒的成本，所以我担心的不是人工智能称霸接管世界，而是当坏人制造生物武器的成本降低到现有成本的 1/1000 时会发生什么。

主题 3：颠倒问题

除了问「哪些东西将从人工智能中受益？」我们还需要问「哪些东西将被人工智能破坏？」通过排除法，我们可以找到一系列投资，尽管它们可能不会从人工智能中获得很大的好处，但至少不会受到人工智能的严重破坏。当以低估值购买时，它们将在价格调整时继续提供良好的风险回报。

人工智能可以破坏各种过时的企业和重复任务，使组织内的行政开支大大简化，他们的利润率就是人工智能的机会。然而，在人工智能帮助我们解决一些基础物理问题，为我们提供充满核聚变反应堆和纳米机器的世界之前，它在影响物质世界方面可能比影响数字世界要慢，即能源和材料的生产和分配仍然是一个关键限制。

例如，在未来十年内，人工智能有各种能力改变我们与数字世界的互动方式，但不太可能对能源和材料市场产生太大影响，除非在边缘适度地提高效率（例如，寻找未开采资源的软件应用程序面世，更好、更快的设备设计，以及减少能源/材料公司的行政开支成本）。

换句话说，机器人领域并不容易，特别是在高度受控的制造设施之外，机器人复杂、耗能、耗材料、维护密集。举一个简单的例子，几十年前人们就发明了机器人吸尘器，但因为存在各种局限性仍然没有普及，其他类型的机器人比这复杂 5 倍或 10 倍，因此在完全取代人类方面具有更大的约束。具体地说，我们距离机器人可靠地开车到我家修理暖气空调系统还有很长的路要走。

人们历史上一直高估硬件发展的速度（超音速飞机、飞行汽车、机器人助手），而低估软件发展的速度。我怀疑这种趋势将在未来十年内仍会继续；未来几年，软件和电子产品将让我们惊叹不已，然而物理世界与现在相比仍将保持惊人的相似，只有细微的变化。除非出现一些重大的物理突破能够暗示其他情况，否则我不会改变这种预期。

主题 4：一个没有人知道发生了什么事情的世界

当人类编写软件程序时，相关人员能理解这些程序，但是，在机器学习和迭代过程中，并非总是如此。软件可能变得非常复杂，以至于没有人真正知道发生了什么。

人工智能现在可以编写代码，包括创建新的人工智能。换句话说，可以形成一个良性反馈循环，而无需人类参与。不难想象，多年或几十年后，这可能变得很奇怪。

现在，任何时候都有大量黑客试图攻破我们依赖的各种软件系统，其中一小部分成功了，造成很多数据泄露和其他问题。现在，想象一下，一个黑客团队或政府机构制造了一个专为黑客优化的人工智能，换句话说，有些人工智能程序是为了在象棋中击败人类而优化的，而有些人工智能程序则可以比人类更擅长去破解系统。

早期的象棋人工智能从人类大师之间的比赛中学习，并且每次都能击败这些大师。最近的象棋人工智能则通过自我对弈不断学习，然后在象棋方面击败其他人工智能。

现在，假设用类似的方法进行黑客攻击，实际上如果说没有很多团队已经在研究这个领域，我反而会感到惊讶。首先人工智能从现有技术中学会如何黑客攻击，然后以超越人类的速度不断迭代更新，重写代码以变得越来越好，最终在黑客攻击方面比任何人类更有优势，可以攻破任何人类设计的系统。这可能是开放源代码的，可以广泛使用。

那么对此的防御措施是什么？对于连接到互联网并且具有多复杂性的系统（因此无法像离线或基本系统那样真正变得「不可破解」），答案是更多的人工智能。与其他象棋程序在象棋方面唯一的竞争对手类似，我们可能会达到这样一个地步：在黑客攻防中用人工智能安全软件来防御人工智能黑客软件。

设想超人类黑客无时无刻不在试图攻破一切，而超人类防御者也无时无刻不在试图阻止这些攻击的发生。攻击者和防御者都在不断地迭代和更新自己，因为他们从彼此中学到了东西，而人类却无法真正理解正在发生的事情，因为代码比他们能理解的要复杂得多，更新速度也比他们要快得多。在这种情况下，数字神祇将以我们无法理解的方式在网络空间中不断地战斗，而我们所依赖的系统就是这场战斗的赌注。

主题 5：通货膨胀与通货紧缩

几十年来，人们将制造业外包和自动化相结合，使商品的成本降低，鞋类、纺织品、电子产品、塑料制品等价格与其他大多数商品相比，都有显著下降。价格通货膨胀主要局限于那些不能轻易自动化的服务，以及能源密集型资产。

例如，即使货币供应量大幅增加，今天的电视机价格也比 20 年前同样尺寸和分辨率的电视机便宜，电视机价格下降的速度甚至比货币贬值的速度还要快。同样，根据摩尔定律，处理器上每平方英寸晶体管的数量每两年翻一番，除非货币供应量以接近 50% 的年增长率增长，否则晶体管的成本将随着时间的推移而降低。

在未来几年甚至几十年里，人工智能可能会在服务方面带来大量的价格通缩，最终可以让一个会计师胜任几个会计师的工作，一位行政助理胜任几位行政助理的工作，一位平面设计师胜任几位平面设计师的工作，一位程序员胜任几位程序员的工作... 等等等等。很难预测这种影响的速度和范围，但这显然是大势所趋。

我们在未来应该拥有更丰富的资源和优势，以高效地生产和运营企业。

然而问题是货币供应可能仍然在显著增长，债务与国内生产总值（GDP）和债务与货币供应量的比率仍然非常高。在目前的全球基于债务的金融体系结构下，如果没有更多的广义和基本货币，很难维持现有的政府、企业和家庭债务水平。

从 2000 年开始到 2022 年底，我们可以看到资产和消费品价格存在很大的分歧。黄金价格每年增长 8.3%，广义货币供应量平均每年增长 6.8%，医院服务价格每年增长 5.3%，石油价格每年增长 4.7%，房价中位数每年增长 4.7%，育儿价格每年增长 4.2%，非主管生产工人平均每小时工资收入每年上涨 3.2%，官方消费者价格通胀每年平均为 2.6%，银行账户平均年利率不足 2%，服装价格没有变化，电子产品、塑料玩具和各种软件的价格都有所下降。

下面这张图表显示了自 2000 年以来，这些商品的官方价格增长情况：

稀缺物品，如精美艺术品、黄金和海滨房产（未在图表中显示）的增值速度与广义货币供应量的增长步伐保持一致，并大幅超过官方消费者价格通胀。

半稀缺物品，如医院服务、育儿服务、石油、草饲牛肉和普通住房，其增值速度略低于广义货币创造速度，但仍高于平均消费者价格通胀率。

官方消费者价格通胀数据受到了各种因指数级技术帮助、生产成本几乎为零的通缩物品的拖累。

此外，消费者价格指数本质上是一个递归函数。如果肋眼牛排的价格上涨，消费者转向成本较低的碎牛肉，那么用于计算消费者价格指数的商品篮将根据新基准进行调整；如果碎牛肉价格过高，消费者转向成本较低的家禽，那么商品篮将再次进行调整；如果家禽价格过高，消费者转向更多的大米和豆类，那么商品篮将再次进行调整；如果草饲奶牛产的黄油价格过高，人们转向工业生产的大豆油，那么商品篮将相应调整。因此，高价的商品和服务往往会从商品篮中被筛选出去，低价的商品和服务则会被强调。

人工智能可能会加剧这一趋势。人工智能可以使我们获得更便宜、更丰富的多种服务，但对某些商品和服务的稀缺性却没有实质性改变，我们需要继续将通货膨胀视为一个跨越多个不同类别的频谱。

如果有人希望购买有限的物品，如黄金地段房地产、精美艺术品、比特币或领先科技垄断股票，那么他们的收入和净资产最好能够跟上广义货币供应量的增长。

如果有人希望拥有一套普通住房、一份优质医疗保险和充足的退休储蓄，同时食用营养丰富的食物和充足的能源，他们的收入和净资产最好能超过官方 CPI，即使略低于广义货币供应量的增长。

如果有人只想勉强度日，住在多户住房或亲戚家中，他们的时间主要花在虚拟世界中，食用廉价的大众生产加工食品和廉价的大众生产消费品，那么他们所需的收入和净资产的增长可以与官方 CPI 保持一致或处于更低的水平。

主题 6：人工智能与比特币的交汇点

我认为有必要在这个主题上多花一些时间，虽然它不一定是六大主题中最重要的，但由于我之前在比特币生态系统及其相邻生态系统方面有过工作和研究，已经投入了大量的时间来研究这个主题。

对 AI 来说，什么是最好的货币？

对于 AI 来说，什么是最好的货币？根据我目前的了解，我认为比特币是一个优先答案。

在一个充满人对机器、机器对人和机器对机器支付的未来世界中，开源的数字原生货币具有天然的适应性。在与闪电实验室（Lightning Labs）首席执行官 Elizabeth Stark 讨论过这个话题之后，我在 2022 年 8 月关于闪电网络的文章中阐述了这个观点：

「此外，该网络能够进行比 Visa 和 Mastercard 更小额的微支付，通过闪电网络，你可以完成低于一分钱的支付。这为信用卡无法实现的新应用场景提供了可能，例如机器对机器支付、微支付流、或将微支付作为防垃圾技术的应用。」 ——Lyn Alden，《闪电网络探讨》，2022 年 8 月

然后在我 5 月 28 日的高级报告中，我强调了这个例子：

「一个 AI 代理可以创建一个比特币/加密货币钱包，赚取并使用资金。AI 代理已经在闪电网络上获得了比特币余额，他们可以利用这些余额来获取完成指定任务所需的服务：

在这种情况下，创作者会故意给 AI 代理设置一些资金以便在需要时使用，而一个先进的 AI 代理能够轻松地从零开始重现这个过程。换句话说，一个 AI 可以从零开始，被给予一个任务或者只是「决定」去完成一个任务，在评估完成任务的最佳方法时，它发现某些付费服务对其有帮助或者至关重要，于是它生成一个比特币/闪电钱包（与银行账户不同，它不需要获得权限才能这样做，因为它是开源的），并说服其创作者给予资金或者以其他方式在线赚取资金（也许它在 Nostr 上发布了一大堆有用的内容并获得了小费），有了金钱后它就可以为所需的东西付款。

想象一下，在一个 AI 代理完成分配给它的任务的过程中，它竟然拥有了金钱，而即使是创作者也不知道它是如何得到这笔钱的。

高效的开源源生数字货币，可以比现有的法定货币更快、无需许可且以更小的金额（微交易）交易，为机器对机器支付、机器对人类支付和人类对机器支付提供了更多的可能性，这是 AI 代理使用的一种自然的货币类型。」

——2023 年 5 月 28 日高级报告

这一趋势最终出现强大的发展势头。6 月底，比特币公司 Fedi 和 Stak 联手组织了一个 AI 黑客马拉松活动，活动持续到了 7 月：

「Fedi 和 Stak 邀请所有相信科技能够为人和社区赋权的开发者、建设者和先驱者：加入我们，用比特币、闪电网络和 Fedimint 一起实现人工智能的民主化。

在比特币和人工智能公司的支持下，Ai4ALL 黑客马拉松将于 2023 年 7 月 1 日至 7 月 31 日在 BOLT.FUN 和 Replit 平台上远程进行。参与者可以在这两个生态系统的核心人物引导下，通过一系列研讨会、现场编码课程、互动教程和辅导课程，争夺奖品、与同伴合作，并在提高自己技能的同时，提升人类的水平。

我们正处于生成型 AI 发展的关键时刻，这将决定它是被中央集权者、审查者和传统机构所控制，还是被自由和赋权的人们和社区所控制。」

——Fedi，6 月 30 日

7 月初，闪电实验室（一个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，以支持这个新兴的比特币和 AI 交叉领域：

· LangChainBitcoin：使 Langchain 代理可以直接与比特币和闪电网络进行交互的一套工具，包括两个主要功能：

· LLM 代理 BitcoinTools：一系列利用新发布的 OpenAI GPT 函数调用的工具，使开发者能够创建可以持有比特币余额（链上和闪电网络）、在闪电网络上发送/接收比特币以及直接驱动 LND 节点的代理。

· L402 HTTP API 遍历：一个用于 LangChain LLM 链（APIChain）的 Python 包装器，使代理可以透明地访问 L402 付费计量 API。

· Aperture：最新版本的 Aperture 是一种实现 L402 协议的嵌入式反向代理服务器，可以将任何 API 转换为通过 L402 功能和闪电网络上的 sats 进行支付的资源。

· 现在支持闪电节点连接：Aperture 支持运行 litd 的任何闪电节点，这是一个打包闪电实验室服务的二进制文件，与 LND 一起使用（例如 Voltage、Umbrel、Start9、Raspiblitz、BTCPayServer），通过闪电节点连接协议是一种端到端加密的连接闪电节点到 Web 浏览器的机制。

· 丰富的动态 API 端点定价：Aperture 现在支持可选地向被代理后端提供完整的 HTTP 请求上下文，以实现动态每次调用定价。与现有的静态定价配置相比，动态定价允许后端实现自定义端点定价逻辑。

· L402 bLIP：一种比特币闪电改进提案（bLIP）规范，为 L402 协议标准，旨在与社区公开分享构建这些组件的原始模型。

L402 是一种专为付费计量 API 设计的协议标准，旨在与现有的 HTTP 402 付款所需状态响应代码紧密结合，这是 Web 创始人提出的使原生支付成为可能的功能。通过将比特币和闪电网络相结合，L402 实现了全球范围内快速、可扩展的微支付 API。

——7 月 6 日，闪电实验室

简单来说，闪电实验室的工具有两个作用：

· 使构建 AI 代理变得更容易，这些 AI 代理可以在完成任务的过程中持有和花费比特币；

· 利用闪电网络和长期存在的「HTTP 402 支付需要」的状态码，使按次付费使用资源密集型计算变得更容易。

闪电实验室首席技术官奥拉奥卢瓦·奥松托昆在一个视频中提到，用户（Kody Low，Fedi 的开发者和产品支持主管）让 GPT-4 为他编写代码，并通过闪电网络按问题付费（大约每个问题 0.01 美元）。他要求 AI 编写的代码恰好是他已经展示的可用服务：使用闪电支付 API 调用的能力。

具体地说，Kody 问 AI：「我如何创建一个反向代理，用闪电支付阻止我的 API 调用？使用 LND 后端，用 golang 为我编写反向代理。」然后他支付了闪电发票。AI 理解了这个请求，收到了支付，然后回复了有组织且有注释的代码。接着，Kody 要求用 rust 编程语言而不是 golang 重写代码，并再次付费。AI 重新编写了代码，这次还用详细介绍了代码某些部分的作用，并阐明了在完全实施的版本中，需要更多的错误处理和其他细微之处，但这是程序的基本轮廓。Kody 感谢它，并说 AI 和闪电很好地结合在一起，并再次付费。AI 回答说不客气，并同意 AI 和闪电都是强大的技术，可以共同创造尖端解决方案。

我测试过这样一个程序，在手机上使用 ChatGPT 时无需订阅，只需按一下按钮就可以用闪电支付一分钱或两分钱来提问，而且每个问题的价格会根据后台运行的某种供需算法动态波动。

为了好玩，我向 ChatGPT 询问了一些 AI 代理在完成其任务过程中可能需要向人类支付费用的示例。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支付费用。以下是一些可能的场景：

1. 打零工经济和微任务：AI 可能被分配去寻找某些人，如标记图像或转录音频，这通常发生在打零工平台上。任务完成后，AI 可以向工作者支付约定的费用。

2. 电子商务交易：如果 AI 在管理一个电子商务平台或在线市场，它可能需要向卖家或服务提供商支付费用，可能是产品销售、退款或服务费用。

3. 内容创作者和网络运营者：AI 代理可能会管理人类发布内容或影响他人的平台或频道。它们可以根据浏览量、点赞、分享或其他指标向这些创作者支付费用或奖励。

4. 众包和创意产生：公司可以使用 AI 管理创新或创意产生活动，鼓励人们提交想法。一旦想法被选中，AI 可以向该人发送支付或奖励。

5. 客户退款：如果 AI 负责处理公司的客户服务，它可能需要为退回的产品、取消的服务或因公司造成的任何不便支付退款。

6. 调查参与：AI 可能会负责市场调查或其他数据收集目的的调查。参与者可以获得时间和投入的补偿。

7. 慈善捐款：AI 可以用于管理慈善组织向受益人的支付。

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

9. 奖品和奖励：如果 AI 管理一个比赛或游戏，它可能需要向获胜者支付奖金或奖励。

这些只是许多潜在应用的一部分，共同点是，任何需要支付费用的服务或提供价值的任务都可能由 AI 来管理。」 我请它举例说明 AI 代理在完成任务过程中可能需要向另一个 AI 代理支付费用的情况，它回答道：

「确实有很多潜在的场景，AI 代理可能需要与另一个 AI 代理进行交易，可能发生在系统被设计成自主进行交互和交换资源或服务的情况下，例如：

1. 自动驾驶汽车：在自动驾驶汽车的未来，控制单个汽车的 AI 代理可能需要向其他 AI 控制的汽车支付通行权或停车费用。

2. AI 市场：在 AI 市场中，一个 AI 可能需要向另一个 AI 支付特定服务的费用，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 可能需要向另一个 AI 支付独家数据或内容的费用，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 可能需要向另一个 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 可能需要向另一个 AI 支付在数字平台上将其广告投放在最佳位置或时间的费用。

6. AI 介导的拍卖：在针对特定受众群体的在线广告实时竞价系统中，一个 AI 代理可能需要向另一个支付广告位费用。

7. 游戏：在在线游戏场景中，一个 AI 可能需要向另一个 AI 支付虚拟商品、服务或游戏进阶的费用。

8. 物联网（IoT）：在智能家居或城市中，一个由 AI 管理的 IoT 设备可能需要向另一个支付优先执行其任务的费用。例如，智能冰箱可以向智能烤箱支付费用，以便在冰箱完成耗电量大的冷却周期后再开始预热功能。

这些例子都是推测性的，取决于一个可以支持 AI 到 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允许这种自主互动的系统设计。」

现在，阅读本篇文章的读者应该问的问题是：「为什么用闪电网络购买 AI 使用权，而不是直接用美元支付？」答案是，比特币/闪电网络因为以下几个原因与 AI 的结合非常合适：

无退款风险：与许多软件应用不同，AI 在每次使用基础上对硬件要求非常高。当你使用 AI 时，你正在使用非常耗电的 GPU 硬件。软件本身在开发完成后成本很低，但每次使用该软件都有相当大的电力/硬件资源成本，这与大多数类型的软件不同。如果一个 API 允许通过传统方式（如信用卡）付款，那么商家就会面临欺诈风险。用户可以用成千上万的次数刷爆 GPU，然后对他们的支付进行退款。在这种情况下，商家承担了电力/硬件的成本，但却失去了利益。另一方面，闪电网络是一种承兑资产的最终解决方法。

微交易：大多数支付方式在单笔交易金额上都有限制。例如，你不能用 Visa 卡支付 0.03 美元，PayPal 每笔交易的商家端最低固定费用为 0.49 美元。最好的方法是预先充值一个账户，然后在它们的分类账中按使用次数支付微小金额。在全球范围内，跨境和货币之间的问题更加复杂，如果马来西亚的某人想支付给加州的某人一些 AI 使用费用，他们应该使用什么支付方式？即使在我的网站上的订阅支付后台，我和运营经理有时也会遇到接受外国信用卡的问题，而且在许多国家，他们使用的是移动支付服务，而不是信用卡。闪电网络可以处理全球范围内的微交易。用户可以从任何地方支付几分钱的使用费，无需订阅，无需预先充值。这对于机器对机器的支付非常重要，在这种情况下，订阅可能不是理想的选择，它们只需要实时互动。

无需许可且可编程：AI 代理可以执行各种任务。对于一个没有法律身份的实体来说，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，但它们可以运行闪电节点或操作闪电钱包。闪电网络的可编程性，以及其即时的特点，允许动态定价。换句话说，根据同时收到的 API 请求的数量，每个 API 调用的价格可以编程为每秒钟不同。

工作量证明预防垃圾邮件

现在人工智能让图片、视频、文本、程序和其他东西的创建几乎无成本，我们越来越难以辨别哪些内容是真实的，哪些是高质量的假视频或假人物。当我们看到一张可能对公司、社会、政治或地缘政治具有重要意义的图片或视频时，如何知道它是真实的画面，而不是 AI 生成的数字伪造？现在想象一下，随着技术的进步，五年或十年后这种情况会如何。

也许更令人担忧的是机器人的说服力。每当我使用推特（现在称为「X」）时，我的帖子总是被机器人淹没。幸运的是，它们是质量低劣、编程糟糕的显而易见的机器人。然而，也有模仿者手动创建一个我的高仿账户，然后试图用诈骗手段欺骗别人。如果社交媒体上的 AI 机器人达到了非常令人信服的地步呢？如果它们可以像被识别和封锁时一样，以无法计数的高速度不断被创建呢？

除了作为欺诈手段用机器人骚扰人们之外，一种复杂的机器人策略可能会构建一个完全虚假的社区来推广某种观点，使其看起来很受欢迎。大量不同的人工角色可能在线上运作，并且能说服许多人。如果有人编写了一个程序，创建了一个机器人大军，每个机器人都是独特的，比当前的 ChatGPT 先进了好几年，它们协同推广某个政治候选人、某个社会观点，或者只是提高某个影响者的观众认知度，并且这个程序是开源的，任何想使用它的人都可以，那么潘多拉魔盒将被打开。

想象一下，在线互动的时候，1）大多数看似人类的在线实体并非人类，2）很难判断哪些实体是真正的人类。这将是一个很奇怪的状态。

解决这个问题的一个方法是，社交媒体平台在用户注册时执行身份验证，新用户需要提供足够的证据证明他们是真实的人。埃隆·马斯克的 Twitter/X 似乎正朝这个方向发展，其他一些平台也是如此。虽然这的确可以解决某些平台的问题，但这种方法的明显缺点是，匿名性在很多情况下是安全和真实的重要组成部分。在很多国家，某些类型的言论是非法的，领导人不能公开受到批评，某些话题是非法的等等。事实上，美国的几位国父最初在发表对英国君主制的批评时，为了保护自己而使用了化名。一些领导者喜欢强制进行社交媒体身份验证，而机器人问题的严重性将为他们提供一个很好的借口来实施这些验证，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大量机器人涌入。在 20 世纪 90 年代，密码学家亚当·贝克发明了一种名为 Hashcash 的工作证明方法，以抵御各种类型的垃圾邮件或拒绝服务攻击，最终被中本聪用于比特币协议的核心部分，但在社交媒体和互联网的其他部分尚未广泛采用。

比特币的分类帐历史几乎无法伪造，每个区块链上的区块更新分类帐时都需要能源，整个分类帐的完整历史中包含了大量的能源，以至于很难伪造。除了作为一种货币资产外，比特币区块链现在已经成为一种全球开源的不可变时间胶囊，可以将任意数据（包括文档、图片、图书、歌曲或其他系统的时间戳）插入其中，并证明插入的内容自那个日期以来未被更改，没有任何闭源、不透明和中心化的服务器可以实现这个功能。

比特币的工作证明是否可以用于保护其他类型的系统免受垃圾邮件侵扰，正如亚当·贝克最初创建 Hashcash 的目的一样？这方面已经有一些探索，未来几年可能会越来越接近这一目标。

支付：比特币目前被 Stacker News 用作发布激励和控制垃圾邮件的方式。用户必须支付一小部分比特币才能发布信息，并可以用小部分比特币给彼此打赏。传统支付方式（如 Visa）的问题在于它们会识别出用户的身份，而比特币作为支付证明，却不需要知道身份，这非常适用于防止垃圾邮件，并且可以通过各种方式进行调整。如果 Twitter（现更名为 X）实施类似的功能，或许我可以设置只允许那些与其身份相关的微成本的人在我的帖子上发表评论，以防止垃圾邮件。

具有成本的身份：人们可以创建一个公钥/私钥对（如在 Nostr 上），然后进一步地将公钥嵌入到比特币区块链中，并因交易费用产生实际资源成本，通过各种方式向人们证明这个密钥确实属于他们，然后使用与公钥匹配的私钥对他们创建或授权的任何数字内容进行签名。对于具有已知诚信标准的大型新闻组织也是如此，平台可以检查哪些密钥对已经嵌入或未嵌入，这就允许人们区分伪造品和真实内容（至少在它是由个人或组织创建的，并且自发布以来尚未被更改的程度上，而不一定是客观上的真实），并使得一百万个冒名顶替者无法使用嵌入到比特币区块链中的类似密钥对。

尽管我们还没有达到这个阶段，但在一个拥有足够先进的人工智能和几乎无成本顶替或伪造的世界中，在认真对待某些类型的数字内容之前，我们可能需要提供连续性证明（加密公钥/私钥对）和工作证明（证明已经花费实际资源来增加给定公钥/私钥对或在线身份的权重）。

在我之前描述的未来世界中，1) 在线操作的大多数看似人类的实体并非人类，2) 很难确定哪些实体实际上是人类。我们需要采用各种方法来区分不同实体与现实世界的有形性或成本相关，以便从近乎无限的噪音海洋中找到有效信息，身份验证或使用现实世界的资源成本是平台对待该问题的两个主要方向。