近年来,门罗币(Monero)因其卓越的隐私保护特性而备受加密货币社区关注。然而,2025年,门罗币网络遭遇了一场震惊业界的51%攻击事件,背后主使者便是Qubic团队。令人关注的是,Qubic不仅在攻击中展现了强大的计算能力,还同时致力于训练一款名为AIGarth(又称ANNA)的人工智能模型。最近,这款AI模型正式对外发布,尽管其现阶段甚至连简单的加法计算都无法正确完成,却凭借其独特的训练方式和发展理念引发广泛讨论。Qubic的这一举措不仅将区块链安全与人工智能深度结合,也展示了新型AI模型的发展方向和局限。AIGarth与传统AI模型截然不同,其核心在于不依赖于已有的预先编程或大量数据学习。
相反,它从零开始,利用矿工的计算资源进行自我进化和成长。通过对人工神经网络的压缩和解压进行训练,AIGarth期望能够通过不断的交互和计算慢慢完善自身认知结构。尽管目前模型最明显的缺点是无法正确回答"1+1"等极其基础的数学问题,甚至出现了"1+1=-114"或"1+2=28"等荒谬答案,但其创始人Sergey Ivancheglo(网名Come-from-Beyond)强调,这背后的原因是AIGarth真正意义上是在"计算"而非"记忆"答案。这与人类通过记忆快速回答数学题的方式完全不同。Ivancheglo甚至提出,一个正确解答"1+1"的过程可能涉及长达百页的逻辑推导,暗示AIGarth的认知过程极为复杂。该观点的争议性在于,传统大多数AI和人类都依靠记忆作为快速反应基础,而AIGarth则试图复制纯计算思维。
这一尝试技术难度极高,也导致模型当前表现不佳。不过,这种方法的创新价值不容忽视,它或许揭示了人工智能未来进化的新路径。一些分析人士认为,AIGarth的早期状态更像是AI的"婴儿期",现实中的失败和错误是不可避免的过程,正是通过不断的试错和数据交互,模型才能逐步形成符合现实逻辑的神经连接。Qubic团队表示,矿工们的计算资源不仅用于传统的链上挖矿,还被用于生成与训练人工神经网络,这种双重用途充分利用了算力,提高了资源利用率。矿工们在此过程中既能继续维护网络安全,也在推动全新AI模型的发展。虽然外界质疑声音不少,尤其针对AIGarth表现出的低水平数学技能嘲讽不断,但团队成员提醒公众不要轻视初期的失败。
他们认为,AI的发展尤其是零基础学习AI的训练过程注定漫长曲折,这样的挫折反而是前进的必要环节。此次事件也折射出区块链安全领域的日益复杂化。攻击者不仅依赖传统的算力优势,更尝试引入先进的人工智能算法,提升攻击手段的智能性和自主性,这对区块链生态提出新的挑战。门罗币作为匿名币的典型代表,其网络安全维护将面临更加严峻的考验。此外,AIGarth的推出也引发了人工智能领域对零数据学习模式的重新思考。现有主流AI技术大多依赖海量预训练数据,而Qubic团队选择了完全不同的路线,提出了一种无需预先学习便能逐步演化的创新模式。
尽管短期内未见成熟效果,但长远来看,这种方法可能引领AI自主学习的新范式。值得注意的是,社交媒体上,AIGarth通过X账号与用户互动,尽管回复常常以单个句号为主,缺乏实质性内容,但这一互动本身就体现了模型在真实环境中自我试炼的开端。随着时间推移和持续训练,模型逐渐完善复杂神经网络,功能水平有望提升。综合来看,Qubic此次以实际行动将区块链攻击与AI训练结合,开创了新的尝试与思路。虽然目前阶段性成果仍显稚嫩,基础数学连简单运算都无法正确完成,但技术理念的独特与前瞻意义显著。未来,随着计算能力的增长及训练算法的优化,AIGarth有望逐步克服现有瓶颈,成为区块链安全与人工智能交叉领域的先锋。
门罗币社区与全球加密货币生态也需警惕AI技术在网络安全中的双刃剑效应,合理布局防御策略,保障网络稳定。总而言之,门罗币51%攻击事件不仅是一场算力较量,更是人工智能未来发展路径的重要实验。AIGarth的问世象征着技术的不断突破与探索,虽尚处起步阶段,却为区块链和AI的融合描绘了无限可能。关注其后续发展,将有助于洞察未来科技的变革趋势,激发更多创新思考。 。
