AI与区块链结合，首先要理解什么？
理解两者结合，需要分清信息处理与规则执行。AI输出可以成为应用的输入，智能合约则根据收到的数据和预设规则执行。讨论具体方案时，应分别说明数据由谁提供、结果如何检查，以及哪些条件会触发执行。
以太坊开发者文档对预言机的说明指出，智能合约默认不能直接获取链外信息，需要通过连接链内外的机制接入数据。这是理解外部AI服务如何与合约衔接的基础。
智能合约为什么不能直接调用外部AI？
以太坊上的合约执行需要保持确定性：节点依据相同状态和输入，应得出相同结果。如果各节点执行时分别访问会变化的外部服务，就可能收到不同响应，影响状态一致性。
在使用链外AI服务的场景中，可以先在链外取得结果，再通过预言机等机制将结果提交到链上。合约据此执行，仍需明确结果对应哪次请求、是否过期，以及提交者是否具有相应权限。
AI结果上链后，就能证明正确吗？
上链能够形成可核查的记录，但错误信息也可能被记录。核对提交者身份、检查传输中是否发生改动，与判断模型结论是否符合事实，是不同的问题。
例如，合约收到某项分类结果后，能够按规则处理这一结果；仅凭执行成功，无法证明分类准确。评估时应分别考察原始输入质量、模型表现和结果传递过程，避免把执行一致性理解为内容真实性。
多个预言机能解决所有可信问题吗？
多个报告者可以帮助比较结果、减少对单个提交方的依赖，但不能据此认定信息一定正确。如果报告者依赖同一数据来源或同一模型，一致的回答仍可能包含共同错误。
适用条件包括来源具有足够独立性、更新满足业务需要，并且对分歧和缺失结果有明确处理规则。接入AI结果时，还应明确模型版本及输出含义，否则表面相同的数据可能无法直接比较。
怎样管理自动执行带来的风险？
NIST的AI风险管理框架强调，将可信性考虑纳入AI系统的设计、开发、使用和评估，并以自愿采用的框架帮助管理对个人、组织和社会的风险。它提供风险管理思路，并不证明某个具体系统可靠。
将这一思路用于AI与区块链结合的应用，可以先明确允许使用模型结果的范围，再评估错误输出的影响。对于后果较大的动作，可设置人工复核、异常暂停和持续评估机制。是否适合自动执行，应结合错误代价、数据时效性及责任安排判断。