SoK: A Systematic Bidirectional Literature Review of AI & DLT Convergence
本系统性双向文献综述（2020–2025）从两个方向分析了人工智能与分布式账本技术在五个架构层上的融合，揭示出当前研究仅聚焦于特定层级、缺乏生产规模验证，且亟需跨层协同设计以应对可扩展性与互操作性方面的根本性挑战。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象两种强大的技术试图共同建造一座房屋：人工智能（AI） 和 分布式账本技术（DLT），后者是支撑区块链的技术家族。
- AI 就像一位才华横溢、思维敏捷的建筑师，能够从蓝图学习并即时做出决策。然而，这位建筑师往往是一个“黑箱”——你并不总是知道他们是如何做出决定的，而且他们容易犯错或存在隐藏的偏见。
- DLT 就像一本坚不可摧的公共笔记本，每一块砌下的砖都被永久记录。它透明且值得信赖，但它缓慢、僵化，且不擅长独立做出复杂决策。
本文是对 2020 年至 2025 年间发表的 53 项研究的一项系统性综述（一次大规模、有组织的搜索）。作者旨在探讨这两种技术如何相互助力。他们从两个方向审视了这种关系：AI 助力 DLT 和 DLT 助力 AI。
以下是他们发现的具体内容，使用了简单的类比：
1. 双向街道
研究人员将他们的发现整理为两条交通车道：
车道 A：AI 助力 DLT（聪明的建筑师修复笔记本）
在这个方向上，研究人员正利用 AI 使区块链更快、更安全、更智能。
- 他们在做什么： 他们利用 AI 充当区块链的安全员、交通警和机械师。
- 发生在哪里： 大部分工作集中在**“执行”层（检查智能合约的规则）和“共识”**层（决定谁有权在笔记本上书写）。
- 类比： 想象 AI 扫描公共笔记本，瞬间识别是否有人试图伪造页面（安全），或使用智能算法决定最佳条目书写顺序，从而使队伍移动得更快（共识）。
- 工具： 他们使用“强化学习”（通过试错学习的 AI）来调整系统，并使用“大语言模型”（就像你聊天的 AI）来阅读和理解复杂代码。
- 结果： 它在模拟中效果良好，但尚未有人实际建造出大规模的现实世界工厂来应用它。 它大多仍处于“实验室测试”阶段。
车道 B：DLT 助力 AI（笔记本帮助建筑师）
在这个方向上，研究人员正利用这本坚不可摧的笔记本来解决 AI 的问题。
- 他们在做什么： 他们利用笔记本来证明数据的来源、谁训练了 AI，并确保所有参与协作的人都在诚实行事。
- 发生在哪里： 大部分工作集中在**“数据”层（确保 AI 的原料是好的）和“模型”**层（管理 AI 如何学习）。
- 类比： 想象一群厨师（AI 开发者）试图在没有中央老板的情况下共同烹饪一顿饭。笔记本记录了谁在何时添加了哪种原料。这阻止了任何人偷偷混入劣质原料（数据投毒），并确保每个人都能根据其贡献获得公平的报酬。
- 工具： 他们使用“智能合约”（自动规则）来管理奖励，并使用“联邦学习”（在多台不同计算机上训练 AI 而无需共享原始数据）。
- 结果： 同样，这在理论和小型测试中是可行的，但尚未有人将其部署到大规模工业级别。
2. 巨大的不平衡（“倾斜”的地图）
作者注意到研究非常不平衡，就像一张地图，某些城市拥挤不堪，而其他城市则是空荡荡的沙漠。
- 拥挤的城市：
- 对于 AI 助力 DLT：每个人都痴迷于“共识”（投票）和“执行”（运行代码）层。
- 对于 DLT 助力 AI：每个人都痴迷于“数据”（原料）和“模型”（食谱）。
- 空旷的沙漠：
- 很少有人关注“网络”（计算机如何相互通信）或“基础设施”（实际的硬件/电力）层。
- 类比： 这就像所有人都在争论房屋的最佳油漆颜色（应用）和门锁的最佳选择（安全），但几乎没有人检查地基（基础设施）或管道（网络）是否真的能支撑房屋的重量。
3. 残酷的真相（差距）
尽管有所有这些令人兴奋的想法，但本文指出了几个严重的问题：
- 缺乏现实世界的证明： 几乎每一项研究都是“原型”或“模拟”。这就像在车库里建造了一辆完美的模型车，却从未真正在高速公路上驾驶过。没有人证明这在大规模生产级别上是可行的。
- “黑箱”问题： AI 本应是智能的，但如果 AI 犯错，很难在区块链上证明为什么会出错。本文指出，我们仍然没有一种完美的方法使 AI 的决策在区块链上变得“可验证”（可证明）。
- 速度障碍： 区块链很慢，而 AI 需要速度。将它们结合在一起往往会使事情变得更慢或更昂贵。
- 语言障碍： 不同的项目使用不同的规则和标准，使得它们难以相互沟通（互操作性）。
总结
本文得出结论，虽然 AI 和 DLT 在纸面上是完美的匹配（一个聪明，另一个值得信赖），但它们目前仍被困在“实验室”中。
- AI 正在使区块链更智能、更安全。
- 区块链正在使 AI 更值得信赖、更透明。
然而，我们仍处于早期阶段。我们拥有出色的蓝图和小型模型，但尚未建造出摩天大楼。作者表示，我们需要停止仅仅谈论理论，开始在这些系统中进行现实世界的测试，以观察它们是否能承受压力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。