ทำไมตอนนี้จึงเริ่มเป็นไปได้

แม้ว่า formal verification จะมีมานานหลายทศวรรษ แต่ในอดีตมันเป็นกระบวนการที่ยุ่งยากและใช้เวลามาก ทำให้มีเพียงโปรเจกต์เฉพาะทางบางส่วนเท่านั้นที่ใช้ได้จริง

Buterin มองว่า AI อาจเปลี่ยนสมการนี้

เครื่องมือ AI สำหรับการเขียนโปรแกรมสามารถช่วยนักพัฒนาในหลายด้าน เช่น

• สร้างโค้ดต้นแบบ
• ช่วยเขียน specification ของระบบ
• ช่วยสร้างหลักฐานทางคณิตศาสตร์ที่ใช้พิสูจน์ความถูกต้อง

สิ่งนี้ช่วยลดอุปสรรคที่ทำให้ formal verification เคยใช้งานได้เฉพาะในงานวิจัยหรือระบบขนาดเล็กเท่านั้น

ตัวอย่างหนึ่งที่ถูกกล่าวถึงคือการทดลองใช้ AI ในการพัฒนา Ethereum client โดยสามารถสร้างต้นแบบที่มีโค้ดประมาณ 700,000 บรรทัด ซึ่งสอดคล้องกับ roadmap ของเครือข่ายได้ภายในเวลาเพียงไม่กี่สัปดาห์

Buterin ชี้ว่าประสิทธิภาพที่เพิ่มขึ้นจาก AI ไม่ควรถูกใช้เพื่อเร่งพัฒนาเพียงอย่างเดียว แต่ควรนำบางส่วนไปลงทุนกับ การทดสอบและการพิสูจน์ความปลอดภัยที่เข้มงวดขึ้น ด้วย

ส่วนของ Roadmap Ethereum ที่อาจได้ประโยชน์มากที่สุด

บางส่วนของแผนพัฒนา Ethereum มีความซับซ้อนสูงและมีความสำคัญต่อความปลอดภัยของระบบ จึงเหมาะอย่างยิ่งกับการใช้ formal verification ที่มี AI ช่วย

ZK‑EVM และโครงสร้าง Zero‑Knowledge

แผนระยะยาวของ Ethereum ให้ความสำคัญกับระบบ Zero‑Knowledge proofs อย่างมาก โดยเทคโนโลยี ZK‑EVM ถูกคาดว่าจะกลายเป็นหนึ่งในวิธีตรวจสอบธุรกรรมหลักของเครือข่ายภายในช่วงปลายทศวรรษนี้ ราวปี 2028

เนื่องจากระบบพิสูจน์แบบ zero‑knowledge และวงจรคริปโตกราฟีมีความซับซ้อนสูง การพิสูจน์ความถูกต้องของโค้ดเหล่านี้อย่างเป็นทางการสามารถลดความเสี่ยงจากบั๊กที่อาจส่งผลร้ายแรงต่อเครือข่าย

ความปลอดภัยของโปรโตคอลหลัก

Roadmap ของ Ethereum ให้ความสำคัญกับ ความปลอดภัย การกระจายศูนย์ และการควบคุมของผู้ใช้ เป็นหลัก

การใช้ formal verification สามารถช่วยรับประกันว่า logic ของระบบฉันทามติ (consensus) การทำงานของ client และอัลกอริทึมคริปโตกราฟีทำงานตรงตามที่โปรโตคอลออกแบบไว้

โครงสร้างพื้นฐานสำหรับการสเกล

ในระยะใกล้ Ethereum ยังมุ่งเน้นการเพิ่มความสามารถในการประมวลผลและการสเกลของเครือข่ายผ่านการอัปเกรดโปรโตคอลหลายส่วน

โค้ดระดับล่างที่เน้นประสิทธิภาพสูงมักมีความเสี่ยงต่อบั๊กเล็ก ๆ ที่ตรวจพบได้ยาก จึงเป็นเป้าหมายที่เหมาะสำหรับการพิสูจน์ความถูกต้องแบบคณิตศาสตร์

Account Abstraction และระบบความเป็นส่วนตัว

Ethereum ยังมีแผนเพิ่มการรองรับ smart‑contract wallets, ฟีเจอร์ด้านความเป็นส่วนตัว และ account abstraction อย่างลึกซึ้งมากขึ้น

ระบบเหล่านี้มี logic ที่ซับซ้อนเกี่ยวกับการยืนยันตัวตน การตรวจสอบธุรกรรม และการพิสูจน์คริปโตกราฟี ซึ่งการใช้ formal verification สามารถช่วยลดความผิดพลาดในการพัฒนาได้

การเตรียมรับมือ Post‑Quantum Cryptography

นักวิจัยของ Ethereum ยังเริ่มศึกษาการป้องกันความเสี่ยงจากคอมพิวเตอร์ควอนตัมในอนาคต

การเปลี่ยนอัลกอริทึมคริปโตกราฟีเป็นช่วงเวลาที่มีความเสี่ยงสูงสำหรับโปรโตคอลใด ๆ และการใช้โค้ดที่ผ่านการพิสูจน์ทางคณิตศาสตร์สามารถช่วยเพิ่มความมั่นใจว่าระบบใหม่ทำงานถูกต้อง

ข้อจำกัดและความเสี่ยง แม้มี AI ช่วย

Buterin ไม่ได้มองว่า AI‑assisted formal verification เป็นคำตอบวิเศษสำหรับทุกปัญหา

ข้อจำกัดสำคัญคือ formal verification สามารถพิสูจน์ได้เฉพาะสิ่งที่นักพัฒนาระบุไว้ใน specification เท่านั้น หากข้อกำหนดตั้งต้นผิด หรือมีปัญหาเชิงเศรษฐศาสตร์ของระบบ การพิสูจน์ก็ไม่สามารถตรวจจับปัญหาเหล่านั้นได้

นอกจากนี้ยังมีความเสี่ยงเชิงปฏิบัติหลายประการ เช่น

• โค้ดที่สร้างโดย AI อาจมีบั๊กหรือฟีเจอร์ที่ยังไม่สมบูรณ์
• การตรวจสอบโดยมนุษย์และการ audit ยังจำเป็น
• โมดูลที่ผ่านการพิสูจน์แล้วอาจต้องทำงานร่วมกับส่วนอื่นของระบบที่ยังไม่ได้ตรวจสอบ

Buterin ยังเตือนว่าการสร้างซอฟต์แวร์ด้วย AI อย่างรวดเร็วอาจมี "บั๊กจำนวนมาก" และต้องผ่านการทดสอบและตรวจสอบความปลอดภัยอย่างเข้มงวดก่อนนำไปใช้งานจริง

ภาพใหญ่ของความปลอดภัยคริปโตในยุค AI

อีกด้านหนึ่ง AI ที่ทรงพลังมากขึ้นก็อาจทำให้ผู้โจมตีสามารถค้นหาช่องโหว่ในซอฟต์แวร์ได้ง่ายขึ้นเช่นกัน ซึ่งยิ่งเพิ่มแรงกดดันให้ระบบคริปโตต้องใช้เทคนิคป้องกันที่แข็งแกร่งกว่าเดิม เช่นการพิสูจน์โค้ดแบบคณิตศาสตร์

สำหรับ Buterin โครงสร้างพื้นฐานบล็อกเชนที่ดูแลมูลค่าหลายพันล้านดอลลาร์อาจจำเป็นต้องก้าวไปสู่มาตรฐานความปลอดภัยระดับนี้

หาก AI สามารถช่วยทำให้ขั้นตอนที่ยากของ formal verification เป็นระบบอัตโนมัติได้มากขึ้น ในอนาคตโครงสร้างพื้นฐานคริปโตอาจไม่ใช่แค่ "ทดสอบแล้วปลอดภัย" แต่เป็น ระบบที่พิสูจน์ได้ทางคณิตศาสตร์ว่าโค้ดทำงานถูกต้อง — อย่างน้อยก็ในขอบเขตที่สามารถกำหนดเป็นกฎทางคณิตศาสตร์ได้

ทำไมตอนนี้จึงเริ่มเป็นไปได้

แม้ว่า formal verification จะมีมานานหลายทศวรรษ แต่ในอดีตมันเป็นกระบวนการที่ยุ่งยากและใช้เวลามาก ทำให้มีเพียงโปรเจกต์เฉพาะทางบางส่วนเท่านั้นที่ใช้ได้จริง

Buterin มองว่า AI อาจเปลี่ยนสมการนี้

เครื่องมือ AI สำหรับการเขียนโปรแกรมสามารถช่วยนักพัฒนาในหลายด้าน เช่น

• สร้างโค้ดต้นแบบ
• ช่วยเขียน specification ของระบบ
• ช่วยสร้างหลักฐานทางคณิตศาสตร์ที่ใช้พิสูจน์ความถูกต้อง

สิ่งนี้ช่วยลดอุปสรรคที่ทำให้ formal verification เคยใช้งานได้เฉพาะในงานวิจัยหรือระบบขนาดเล็กเท่านั้น

ตัวอย่างหนึ่งที่ถูกกล่าวถึงคือการทดลองใช้ AI ในการพัฒนา Ethereum client โดยสามารถสร้างต้นแบบที่มีโค้ดประมาณ 700,000 บรรทัด ซึ่งสอดคล้องกับ roadmap ของเครือข่ายได้ภายในเวลาเพียงไม่กี่สัปดาห์

Buterin ชี้ว่าประสิทธิภาพที่เพิ่มขึ้นจาก AI ไม่ควรถูกใช้เพื่อเร่งพัฒนาเพียงอย่างเดียว แต่ควรนำบางส่วนไปลงทุนกับ การทดสอบและการพิสูจน์ความปลอดภัยที่เข้มงวดขึ้น ด้วย

ส่วนของ Roadmap Ethereum ที่อาจได้ประโยชน์มากที่สุด

บางส่วนของแผนพัฒนา Ethereum มีความซับซ้อนสูงและมีความสำคัญต่อความปลอดภัยของระบบ จึงเหมาะอย่างยิ่งกับการใช้ formal verification ที่มี AI ช่วย

ZK‑EVM และโครงสร้าง Zero‑Knowledge

แผนระยะยาวของ Ethereum ให้ความสำคัญกับระบบ Zero‑Knowledge proofs อย่างมาก โดยเทคโนโลยี ZK‑EVM ถูกคาดว่าจะกลายเป็นหนึ่งในวิธีตรวจสอบธุรกรรมหลักของเครือข่ายภายในช่วงปลายทศวรรษนี้ ราวปี 2028

เนื่องจากระบบพิสูจน์แบบ zero‑knowledge และวงจรคริปโตกราฟีมีความซับซ้อนสูง การพิสูจน์ความถูกต้องของโค้ดเหล่านี้อย่างเป็นทางการสามารถลดความเสี่ยงจากบั๊กที่อาจส่งผลร้ายแรงต่อเครือข่าย

ความปลอดภัยของโปรโตคอลหลัก

Roadmap ของ Ethereum ให้ความสำคัญกับ ความปลอดภัย การกระจายศูนย์ และการควบคุมของผู้ใช้ เป็นหลัก

การใช้ formal verification สามารถช่วยรับประกันว่า logic ของระบบฉันทามติ (consensus) การทำงานของ client และอัลกอริทึมคริปโตกราฟีทำงานตรงตามที่โปรโตคอลออกแบบไว้

โครงสร้างพื้นฐานสำหรับการสเกล

ในระยะใกล้ Ethereum ยังมุ่งเน้นการเพิ่มความสามารถในการประมวลผลและการสเกลของเครือข่ายผ่านการอัปเกรดโปรโตคอลหลายส่วน

โค้ดระดับล่างที่เน้นประสิทธิภาพสูงมักมีความเสี่ยงต่อบั๊กเล็ก ๆ ที่ตรวจพบได้ยาก จึงเป็นเป้าหมายที่เหมาะสำหรับการพิสูจน์ความถูกต้องแบบคณิตศาสตร์

Account Abstraction และระบบความเป็นส่วนตัว

Ethereum ยังมีแผนเพิ่มการรองรับ smart‑contract wallets, ฟีเจอร์ด้านความเป็นส่วนตัว และ account abstraction อย่างลึกซึ้งมากขึ้น

ระบบเหล่านี้มี logic ที่ซับซ้อนเกี่ยวกับการยืนยันตัวตน การตรวจสอบธุรกรรม และการพิสูจน์คริปโตกราฟี ซึ่งการใช้ formal verification สามารถช่วยลดความผิดพลาดในการพัฒนาได้

การเตรียมรับมือ Post‑Quantum Cryptography

นักวิจัยของ Ethereum ยังเริ่มศึกษาการป้องกันความเสี่ยงจากคอมพิวเตอร์ควอนตัมในอนาคต

การเปลี่ยนอัลกอริทึมคริปโตกราฟีเป็นช่วงเวลาที่มีความเสี่ยงสูงสำหรับโปรโตคอลใด ๆ และการใช้โค้ดที่ผ่านการพิสูจน์ทางคณิตศาสตร์สามารถช่วยเพิ่มความมั่นใจว่าระบบใหม่ทำงานถูกต้อง

ข้อจำกัดและความเสี่ยง แม้มี AI ช่วย

Buterin ไม่ได้มองว่า AI‑assisted formal verification เป็นคำตอบวิเศษสำหรับทุกปัญหา

ข้อจำกัดสำคัญคือ formal verification สามารถพิสูจน์ได้เฉพาะสิ่งที่นักพัฒนาระบุไว้ใน specification เท่านั้น หากข้อกำหนดตั้งต้นผิด หรือมีปัญหาเชิงเศรษฐศาสตร์ของระบบ การพิสูจน์ก็ไม่สามารถตรวจจับปัญหาเหล่านั้นได้

นอกจากนี้ยังมีความเสี่ยงเชิงปฏิบัติหลายประการ เช่น

• โค้ดที่สร้างโดย AI อาจมีบั๊กหรือฟีเจอร์ที่ยังไม่สมบูรณ์
• การตรวจสอบโดยมนุษย์และการ audit ยังจำเป็น
• โมดูลที่ผ่านการพิสูจน์แล้วอาจต้องทำงานร่วมกับส่วนอื่นของระบบที่ยังไม่ได้ตรวจสอบ

Buterin ยังเตือนว่าการสร้างซอฟต์แวร์ด้วย AI อย่างรวดเร็วอาจมี "บั๊กจำนวนมาก" และต้องผ่านการทดสอบและตรวจสอบความปลอดภัยอย่างเข้มงวดก่อนนำไปใช้งานจริง

ภาพใหญ่ของความปลอดภัยคริปโตในยุค AI

อีกด้านหนึ่ง AI ที่ทรงพลังมากขึ้นก็อาจทำให้ผู้โจมตีสามารถค้นหาช่องโหว่ในซอฟต์แวร์ได้ง่ายขึ้นเช่นกัน ซึ่งยิ่งเพิ่มแรงกดดันให้ระบบคริปโตต้องใช้เทคนิคป้องกันที่แข็งแกร่งกว่าเดิม เช่นการพิสูจน์โค้ดแบบคณิตศาสตร์

สำหรับ Buterin โครงสร้างพื้นฐานบล็อกเชนที่ดูแลมูลค่าหลายพันล้านดอลลาร์อาจจำเป็นต้องก้าวไปสู่มาตรฐานความปลอดภัยระดับนี้

หาก AI สามารถช่วยทำให้ขั้นตอนที่ยากของ formal verification เป็นระบบอัตโนมัติได้มากขึ้น ในอนาคตโครงสร้างพื้นฐานคริปโตอาจไม่ใช่แค่ "ทดสอบแล้วปลอดภัย" แต่เป็น ระบบที่พิสูจน์ได้ทางคณิตศาสตร์ว่าโค้ดทำงานถูกต้อง — อย่างน้อยก็ในขอบเขตที่สามารถกำหนดเป็นกฎทางคณิตศาสตร์ได้