Table of Contents
Balaji：AI 使用者的「驗證成本」成真正瓶頸
Coinbase 前技術長 Balaji 在上個月曾發文指出，AI 的使用流程可以拆成兩個階段：「輸入提示詞 (prompting)」與「驗證輸出 (verifying)」。
前者人人都能做，打幾行字就好；但後者就較為困難，需要專業知識、耐心與邏輯思維，來判斷 AI 是否產生了錯誤或「幻覺 (hallucination)」。
他表示，這種差距在圖片或影片上很好處理，人眼天生擅長判斷視覺內容。但一旦面對程式碼、技術性文章或邏輯推理，驗證工作就變得相當棘手：
使用 AI 最重要的問題是，我要如何以低成本的方式驗證這個 AI 模型的輸出內容是正確的？我們需要其他工具或產品來驗證其他非視覺領域的內容。
他補充：「對於使用者來說，AI 驗證與 AI 提示詞同樣重要。」
Karpathy：AI 加速了創作、但沒有減少驗證過程
OpenAI 共同創辦人暨特拉斯自動駕駛之父 Andrej Karpathy 進一步延伸 Balaji 的觀點，指出創作本質是兩個階段並重複進行的過程「生成 (generation)」與「判斷 (discrimination)」：「你畫了一筆 (生成)，也得退一步思考這一筆是否真的改善了作品 (判斷)。」
他認為大型語言模型 (LLM) 大大壓縮了「生成」的時間成本，讓用戶能夠瞬間取得大量產出，但完全沒有幫助減少「判斷」的成本與工作量。對於程式碼來說尤其嚴重：
LLM 很容易就產出幾十行甚至幾百行程式，但工程師仍需要一行一行閱讀、理解並檢查所有邏輯與潛在錯誤。
Karpathy 表示，這其實也是大多數工程師最花時間的事，這就是所謂的「驗證落差 (Verification Gap)」，AI 加速了創作過程，但這個時間成本直接轉移到了驗證中。
(從理專到秘書，看 AI 代理的信任挑戰：我們能相信人工智慧的自主決策嗎？)
a16z：生成時代的信任危機，得靠加密技術補上缺口
知名創投 a16z 則從制度與產業層面切入，他們認爲 AI 技術會加速「假資訊」的氾濫，因為生成門檻低且難以驗證，網路將被充斥大量偽造內容。a16z 對此主張信任應該被工程化，解決方式是引入加密技術，像是：
-
對 AI 分階段產出的資料分別進行密碼學加工 (hashed posts)
-
使用區塊鏈驗證的身份進行創作 (crypto IDs)
-
透過鏈上資料的公開且可追溯性，建立出處可信的內容鏈
這些做法不但能讓資訊不可竄改且可驗證，也為 AI 世代的內容可信度建立起防線，有望成為加密技術與 AI 領域的重要交集。
(Messari 專文解析：Mira 協議如何透過去中心化共識機制，讓 AI 更誠實？)
從提示詞到驗證能力，AI 時代的新素養與需求已成形
目前，生成式 AI 帶來的是資訊產能的指數級成長，但若沒有同等高效率的驗證能力互相配合，用戶反而會陷入操作費時與假資訊污染的困境之中。
因此，當前 AI 時代的核心技能，也不再只是會寫出精準的 prompt，而是能有效且低成本地驗證 AI 的產出。不論是透過 AI 模型的互相審查或專業的驗證工具，都顯得格外重要。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
