Transformer作者的下一步：Illia眼中的AI代理与区块链操作系统

Transformer论文作者、NEAR联合创始人Illia Polosukhin在这期播客中，回顾了Transformer诞生的技术背景，也讲述了NEAR从“AI公司”转向区块链操作系统的关键转折。他给出了对AI Agent、内容真实性与AI对齐问题的独特判断：技术问题背后，往往是人的问题。

从“跑不动的LSTM”到Transformer：一次工程现实驱动的突破

理解Illia的技术判断，必须从Transformer诞生的背景说起。这并不是一次“灵光乍现”的理论创新，而是被真实工程问题逼出来的选择。当时他所在的团队专注于自然语言理解和问答系统，主流方案是LSTM等循环神经网络。但在生产环境中，这类模型“根本跑不动”——推理速度慢、难以扩展，几乎无法上线。

在播客中Illia回忆，他们开始尝试完全不同的结构，探索如何在不依赖循环的情况下建模序列关系。这种探索最终发展成后来震撼整个AI领域的Transformer架构。他轻描淡写地评价那段经历：“It was pretty cool to explore that and obviously grew into something very interesting and awesome.”但这句话背后，是一个重要洞见：Transformer并非为了“更聪明”，而是为了“能用”。

这也解释了Illia一贯的工程导向——他关注的从来不是抽象的智能极限，而是技术是否能在真实世界落地。这种思维方式，后来也深刻影响了他对AI Agent和区块链的看法。

NEAR最初不是为区块链而生，而是为AI而来

很多人以为NEAR从一开始就是一家区块链公司，但Illia在节目中明确提到：2018年创立NEAR时，它的初衷其实是一个AI导向的项目。团队最初的目标，是构建一种能让复杂系统自动协作、又能被普通开发者使用的基础设施。

真正的转折在于，他们意识到如果没有一种“默认可信、可组合、全球一致”的底层系统，AI应用很难大规模协作。这时，区块链从“加密货币技术”变成了一种更底层的计算和协作范式。NEAR最终被定义为“blockchain operating system”，不是强调链本身，而是强调它像操作系统一样，屏蔽复杂性、服务上层应用。

Illia强调，这种定位的目标用户不是加密原住民，而是普通开发者和最终用户——让Web3应用真正交付到消费者手中。正因如此，NEAR在设计上极度关注开发体验和用户体验，而不是单纯的链上炫技。

AI Agent、内容真实性与区块链的交汇点

在谈到AI与区块链的结合时，Illia并没有给出夸张的未来想象，而是聚焦在几个现实且棘手的问题上。其中一个核心，是AI Agent的崛起。随着模型能力提升，AI不再只是工具，而会成为持续运行、代表用户行动的“代理”。

问题随之而来：当大量内容和行为由AI生成，我们如何判断真实性？Illia认为，这是区块链最自然的用武之地之一——不是用来存储所有数据，而是用来提供可验证的来源、签名和历史。他在节目中反复强调，未来的关键不在于“生成多少内容”，而在于“你能否验证你看到的东西来自谁、是否被篡改过”。

这种观点并不新奇，却很少有人把它和AI Agent放在同一条逻辑链上。Illia的独特之处在于，他把区块链看作AI社会的“信任基础设施”，而不是金融工具。

AI对齐不是模型问题，而是人的问题

在整期对话中，最有哲学意味的一句话，出现在对AI对齐（alignment）的讨论中。Illia直言：“the alignment problem in AI is really a human problem。”这并不是在回避技术难题，而是在重新界定问题本身。

他指出，我们往往期待通过更复杂的模型、更精细的训练来解决对齐，但真正未对齐的，常常是人类自身的目标、激励和制度。当AI系统被部署到现实世界，它们遵循的是人类设定的规则和经济结构，而这些结构本身就充满冲突。

在这个意义上，无论是AI Agent还是区块链操作系统，都只是放大器。它们会放大好的协作机制，也会放大糟糕的激励设计。Illia并没有给出简单答案，而是提醒听众：对齐不是一次性技术突破，而是长期的社会工程。

总结

从Transformer到NEAR，Illia Polosukhin的路径始终围绕一个核心：让复杂技术真正可用。他对AI Agent、内容真实性和AI对齐的判断，都源于工程实践而非抽象担忧。这期播客最大的启发在于：当AI能力指数级增长时，决定未来走向的，可能不是模型本身，而是我们为它们构建的底层系统与人类规则。

关键词： Transformer， AI Agent， AI对齐， 区块链操作系统， NEAR

事实核查备注： Illia Polosukhin：Transformer论文作者之一、NEAR联合创始人；Transformer：提出于2017年的神经网络架构；NEAR：定位为“blockchain operating system”；关键原话包括“blockchain operating system”“the alignment problem in AI is really a human problem”。