维塔利克·布特林解释为何AI未能破解他的匿名以太坊写作挑战
Vitalik Buterin 解析 AI 未能破解其匿名以太坊文章挑战的原因
Vitalik Buterin 表示，人工智能之所以失败，是因为研究人员依赖狭隘的搜索方法，并在分析过程中忽略了与以太坊相关的重要出版物。根据 Buterin 的观点，扩大搜索范围可以显著提升识别他过去几年匿名发表的以太坊文档的成功率。
这项持续进行的实验揭示了人工智能研究的局限性，同时鼓励采用更广泛的调查方法，而非仅仅依赖传统的自动化搜索流程。Vitalik Buterin 日前解释了为何人工智能未能识别出他匿名发布的以太坊文档。
据这位以太坊联合创始人表示，问题并不出在写作分析上，而在于人工智能系统搜索证据的方式过于有限。Buterin 在发起公开挑战 13 天后分享了这一最新进展。他邀请研究者和 AI 模型识别他在过去十年间匿名撰写的与以太坊相关的文档。尽管参与者多次尝试，仍无人成功找到这篇隐藏作品。
据 Buterin 称，他在实验过程中审查了多次人工智能辅助搜索，发现许多自动化系统从一开始就依赖狭窄的搜索过滤器，排除了重要。因此，研究人员错过了本应在调查中予以考虑的文档。
Buterin 指出人工智能搜索的局限性
根据 Buterin 的说法，许多 AI 模型几乎完全聚焦于以太坊官方博客、技术规范以及知名代码库，却忽略了可能包含匿名文档的更广泛出版物类别。他表示，这些限制大大降低了解决挑战的可能性。
Buterin 估计，互联网上存在 200 到 2000 份类似规模的文档。因此，如果研究人员能拓展搜索方法，而不是依赖传统的 AI 工作流，搜索空间仍然可控。他鼓励参与者在得出结论前，先回顾那些被忽视的材料。
尽管 Buterin 尚未公开该匿名文档，但他确认它与以太坊相关，且对生态系统仍然具有意义。这篇隐藏的出版物可能涉及技术提案、密码学研究、数学分析或区块链扩容工作。不过，他并未透露其确切主题。
此外，Buterin 表示，这项实验暴露了当前人工智能系统的一个更广泛的弱点。在他看来，许多模型在处理结构化数据集时表现良好，但当成功的研究需要更广泛的探索时，它们就会力不从心。结果，自动化工具忽略了人类调查员可能予以考虑的有用信息。
该挑战仍在进行中，Buterin 的最新指引为研究人员提供了更清晰的方向。他认为参与者不应改变 AI 分析写作风格的方式，而应改进信息收集的方法。他的更新表明，在调查匿名出版物时，更广泛的研究方法可能比日益复杂的语言模型更有价值。
