تقول الرئيس التنفيذي لشركة 0G Labs أن الذكاء الاصطناعي اللامركزي يمكن أن يفتح المجتمع بعد الندرة.

معضلة البيانات: الجودة، والأصل، والثقة

تغيرت المناقشة حول الذكاء الاصطناعي (AI) بشكل جذري. لم يعد السؤال حول أهميته، بل كيف نجعله أكثر موثوقية وشفافية وكفاءة مع انتشاره بشكل شائع عبر كل قطاع.

النموذج الحالي للذكاء الاصطناعي، الذي يهيمن عليه نماذج “الصندوق الأسود” المركزية ومراكز البيانات الضخمة والملكية، يواجه ضغوطًا متزايدة من المخاوف بشأن التحيز والسيطرة الاحتكارية. بالنسبة للكثيرين في مجال Web3، يجب أن يكون الحل ليس في تنظيم النظام الحالي بشكل أكثر صرامة، بل في اللامركزية الكاملة للبنية التحتية الأساسية.

إن فعالية هذه النماذج القوية للذكاء الاصطناعي، على سبيل المثال، تحدد في المقام الأول بجودة ونزاهة البيانات التي تم تدريبه عليها – وهو عامل يجب أن يكون قابلاً للتحقق والتتبع لمنع الأخطاء النظامية وتأثيرات الهلوسة في الذكاء الاصطناعي. مع زيادة المخاطر في الصناعات مثل المالية والرعاية الصحية، تصبح الحاجة إلى أساس لا يتطلب الثقة وشفاف للذكاء الاصطناعي أمراً حاسماً.

مايكل هاينريش، رائد أعمال متسلسل وخريج جامعة ستانفورد، هو من بين الأشخاص الذين يقودون الجهود لبناء هذا الأساس. كرئيس تنفيذي لشركة 0G Labs، يعمل حاليًا على تطوير ما يصفه بأول وأكبر سلسلة ذكاء اصطناعي، بهدف ضمان أن يصبح الذكاء الاصطناعي فائدة عامة آمنة وقابلة للتحقق. بعد أن أسس سابقًا شركة Garten، وهي شركة مدعومة من YCombinator، وعمل في Microsoft وBain وBridgewater Associates، هاينريش يطبق الآن خبرته على التحديات المعمارية للذكاء الاصطناعي اللامركزي (DeAI).

يشدد هاينريش على أن جوهر أداء الذكاء الاصطناعي يعتمد على قاعدة المعرفة لديه: البيانات. “تحدد فعالية النماذج الذكية في المقام الأول بالبيانات الأساسية التي يتم تدريبها عليها”، كما يوضح. تؤدي مجموعات البيانات عالية الجودة والمتوازنة إلى استجابات دقيقة، لكن البيانات السيئة أو التي لا تمثل بشكل كافٍ تؤدي إلى إخراج سيء الجودة وزيادة التعرّض للهلوسات.

بالنسبة لهاينريش، يتطلب الحفاظ على نزاهة هذه المجموعات البيانية المتنوعة التي تتحدث باستمرار خروجًا جذريًا عن الوضع الراهن. إنه يجادل بأن الجاني الأساسي وراء هلوسة الذكاء الاصطناعي هو نقص أصل يمكن تتبعه بشفافية. العلاج الذي يقدمه هو التشفير:

أعتقد أن ينبغي أن تكون كل البيانات مثبتة على السلسلة مع براهين مشفرة ومسار أدلة قابل للتحقق للحفاظ على نزاهة البيانات.

يُنظر إلى هذا الأساس اللامركزي الشفاف، مع الحوافز الاقتصادية والتحسين المستمر، على أنه الآلية الضرورية للقضاء المنهجي على الأخطاء والتخوفات الخوارزمية.

بالإضافة إلى الإصلاحات التقنية، يحمل هاينريش، الحائز على جائزة فوربس 40 تحت 40، رؤية شاملة للذكاء الاصطناعي، مؤمنًا أنه ينبغي أن يفتح عصر الوفرة.

“في عالم مثالي، يأمل في خلق الظروف لمجتمع ما بعد الندرة حيث تصبح الموارد وفيرة وحيث لا يضطر أحد للقلق بشأن أداء الوظائف الروتينية بعد الآن”، كما يقول. سيسمح هذا التحول للأفراد “بالتركيز على الأعمال الأكثر إبداعًا وترفيهًا”، مما يمكّن الجميع من التمتع بأوقات فراغ أكبر وأمان اقتصادي.

يجادل بما أن العالم اللامركزي مناسب بشكل فريد لتمكين هذا المستقبل. جمال هذه الأنظمة يكمن في أنها متوافقة مع الحوافز، مما يخلق اقتصادًا ذات توازن لنظام الحوسبة. إذا زاد الطلب على الموارد، ترتفع الحوافز لتوفيرها حتى يتم تلبية هذا الطلب، مما يحقق الحاجة إلى الموارد الحسابية بطريقة متوازنة وبدون إذن.

حماية الذكاء الاصطناعي: المصدر المفتوح وتصميم الحوافز

يضفي هاينريش أهمية كبيرة على حماية الذكاء الاصطناعي من اساءة الاستخدام المتعمدة، مثل عمليات الاحتيال بتقنية الصوت العميقة وDeepfakes، من خلال حلول تركز على الإنسان والبنية المعمارية. أولاً، ينبغي التركيز على تثقيف الناس حول كيفية التعرف على الاحتيالات بالذكاء الاصطناعي والفبركات المستخدمة في التنكر والضلال. يؤكد هاينريش: نحتاج إلى تعليم الناس القدرة على التعرف أو تتبع المحتوى المولد بالذكاء الاصطناعي حتى يتسنى لهم حماية أنفسهم.”

كما يمكن للمشرعين أن يضطلعوا بدور من خلال وضع معايير عالمية لسلامة وأخلاقيات الذكاء الاصطناعي. بينما من غير المرجح أن يقضي ذلك على إساءة استخدام الذكاء الاصطناعي، إلا أن وجود مثل هذه المعايير “يمكن أن يذهب بعض الشيء نحو تثبيطها.” ومع ذلك، فإن الإجراء الأكثر فعالية مضمن في التصميم اللامركزي: “تصميم أنظمة متوافقة مع الحوافز

يمكن أن يقلل بشكل كبير إساءة استخدام الذكاء الاصطناعي المتعمد.” من خلال نشر ونظام إدارة نماذج الذكاء الاصطناعي على سلسلة، يتم مكافأة المشاركة الصادقة، في حين أن السلوك الخبيث يتسبب في عواقب مالية مباشرة من خلال آليات القضاء على المخاطر المرتبطة بالسلسلة.

بينما يخشى بعض النقاد من مخاطر الخوارزميات المفتوحة، يقول هاينريش لBitcoin.com News أنه يدعمها بحماس لأنها توفر رؤية حول كيفية عمل النماذج. “يمكن استخدام أشياء مثل سجلات التدريب القابلة للتحقق ومسارات البيانات الثابتة لضمان الشفافية والسماح بالإشراف المجتمعي,” مما يتعارض بشكل مباشر مع المخاطر المرتبطة بالنماذج المغلقة الملكية “الصندوق الأسود”.

لتقديم هذه الرؤية لمستقبل آمن ومنخفض التكلفة للذكاء الاصطناعي، تعمل 0G Labs على بناء أول “نظام تشغيل لامركزي للذكاء الاصطناعي (DeAIOS).”

تم تصميم هذا النظام لتوفير مصدر ذكاء اصطناعي قابل للتحقق – وهو طبقة لتخزين وتحقيق البيانات بشكل واسع النطاق التي تمكّن من تخزين مجموعات بيانات الذكاء الاصطناعي الضخمة على السلسلة، مما يجعل جميع البيانات قابلة للتحقق والتتبع. هذا المستوى من الأمان وإمكانية التتبع ضروري للعوامل الذكاء الاصطناعي التي تعمل في القطاعات المنظمة.

بالإضافة إلى ذلك، يتميز النظام بسوق حوسبة بدون إذن، مما يتيح الوصول إلى موارد الحوسبة بأسعار تنافسية. هذا هو الجواب المباشر لارتفاع التكاليف والانغلاق على الموردين المرتبط بالنظام السحابي المركزي.

قد أظهرت بالفعل 0G Labs اختراقًا تقنيًا مع Dilocox، وهو إطار عمل يمكّن من تدريب LLMs التي تتجاوز 100 مليار متغير

على مجموعات غير مركزية بسرعة 1 جيجابت في الثانية. من خلال تقسيم النماذج إلى أجزاء أصغر وتدريبها بشكل مستقل، أظهر Dilocox تحسنًا بمقدار 357 ضعفًا في الكفاءة مقارنة بأساليب التدريب الموزعة التقليدية، مما يجعل تطوير الذكاء الاصطناعي على نطاق واسع ميسور التكلفة خارج جدران مراكز البيانات المركزية.

مستقبل مشرق وأكثر تكلفة مناسبة للذكاء الاصطناعي

بشكل نهايئ، يرى هاينريش مستقبلًا مشرقًا للذكاء الاصطناعي اللامركزي، معرّفًا بالمشاركة وكسر الحواجز أمام الاعتماد.

“إنه مكان حيث ينشئ الناس والمجتمعات معا نماذج ذكاء اصطناعي خبراء، مما يضمن أن يكون مستقبل الذكاء الاصطناعي مشكلًا من قبل الكثيرين وليس فقط عددًا قليلاً من الكائنات المركزية”، يختتم. مع واجهت شركات الذكاء الاصطناعي الملكية الضغوط لزيادة الأسعار، تقدم الاقتصادات وهياكل الحوافز الخاصة بDeAI بديلًا مقنعًا وأكثر تكلفة مناسبة بشكل كبير حيث يمكن إنشاء نماذج ذكاء اصطناعي قوية بتكاليف أقل، مما يفتح المجال لمستقبل تكنولوجي أكثر انفتاحًا وأمانًا وبالنهاية أكثر فائدة.

الأسئلة الشائعة

• ما هي المشكلة الأساسية مع الذكاء الاصطناعي المركزي الحالي؟ تعاني النماذج الحالية للذكاء الاصطناعي من مشاكل الشفافية والتحيز في البيانات والسيطرة الاحتكارية بسبب بنيتها “الصندوق الأسود” المركزية.
• ما الحل الذي تعمل شركة 0G Labs برئاسة مايكل هاينريش على تطويره؟ تقوم 0G Labs بتطوير أول “نظام تشغيل ذكاء اصطناعي لامركزي (DeAIOS)” لجعل الذكاء الاصطناعي آمنًا، قابلاً للتحقق وفائدة عامة.
• كيف يضمن الذكاء الاصطناعي اللامركزي نزاهة البيانات؟ يتم الحفاظ على نزاهة البيانات عن طريق تثبيت جميع البيانات على السلسلة مع براهين مشفرة ومسار أدلة قابل للتحقق لمنع الأخطاء والهلوسات.
• ما هو الفائدة الرئيسية لتقنية Dilocox الخاصة بشركة 0G Labs؟ تعد Dilocox إطار عمل يجعل تطوير الذكاء الاصطناعي على نطاق واسع أكثر كفاءة بشكل كبير، موضحة تحسناً بمقدار 357 ضعفًا مقارنة بطرق التدريب الموزعة التقليدية.