想像一下，你因為答案正確，卻沒有使用評分標準中的精確字詞而考試失敗。 聽起來很荒謬，對吧？ 現在想像一個完整的金融系統，正運作在類似的限制之下。 這正是 AI 在傳統區塊鏈共識中所面臨的問題。 區塊鏈之所以有效，是因為獨立的電腦可以驗證相同的運算並得出相同的結果。如果其中一台產生了不同的輸出，網路不能簡單地假設它是正確的。 這對於計算來說運作得非常好。 但如果你問兩個 AI 模型：「一家公司是否履行了合約義務？」，你可能會得到： 模型 A：「供應商未能在約定的時間內交貨。」 模型 B：「供應商違反了交貨期限。」 不同的句子，相同的結論。 在一個要求輸出完全一致的系統中，這種差異會成為問題，即使兩個模型都達成了等效的判斷。 這正是 @GenLayer 的「等效原則」令人感興趣之處。 GenLayer 不強迫 AI 變得完全可預測，而是允許智慧合約定義什麼樣的結果是可接受的。 一位領導者提出一個答案，獨立的驗證者根據合約標準來審查它，方法是重複運算，或根據證據評估所提結果。 他們不需要產出完全相同的句子，只需要同意該結果符合規則。 而這些規則可以根據任務不同而改變。 如果合約需要精確價格，數字必須完全一致；如果合約需要判斷交貨期限是否被違反，即使用詞不同，等效的結論也可被接受。 最讓我感興趣的是，這並未消除對共識的需求，反而讓共識變得更有用。 因為在現實世界中，「正確」和「說出完全一樣的話」並不總是同一個要求。 這裡有一個問題，我真心希望人們能展開討論： 如果三個獨立的 AI 使用不同的推理方式得出相同的結論，區塊鏈應該接受它們的共識，還是應該要求它們在推理過程上也完全一致？ 如果你用自己的錢押注這個結論，你的答案會改變嗎？