يمكن أن يفتح الذكاء الاصطناعي اللامركزي مجتمعًا بعد الندرة، كما يقول الرئيس التنفيذي لشركة 0G Labs

تطورت المحادثة حول الذكاء الاصطناعي من التساؤل عن أهميته إلى التركيز على جعله أكثر موثوقية وكفاءة مع انتشار استخدامه. يتصور مايكل هاينريش مستقبلاً حيث يعزز الذكاء الاصطناعي مجتمع ما بعد الندرة، مما يحرر الأفراد من الوظائف الروتينية ويمكّنهم من الانخراط في مساعي أكثر إبداعًا.

معضلة البيانات: الجودة، الأصل، والثقة

لقد تغير النقاش حول الذكاء الاصطناعي (AI) بشكل جذري. لم يعد السؤال حول مدى أهميته، بل كيفية جعله أكثر موثوقية وشفافية وكفاءة مع انتشار استخدامه في جميع القطاعات.

تواجه نموذج الذكاء الاصطناعي الحالي، الذي تهيمن عليه النماذج المركزية “الصندوق الأسود” ومراكز البيانات الضخمة والملكية، ضغوطًا متزايدة بسبب المخاوف المتعلقة بالتحيز والسيطرة الاحتكارية. بالنسبة للكثيرين في مجال Web3، تكمن الحلول ليس في تنظيم أكثر صرامة للنظام الحالي، ولكن في لامركزية كاملة للبنية التحتية الأساسية.

تتحدد فعالية هذه النماذج القوية للذكاء الاصطناعي، على سبيل المثال، أولاً وقبل كل شيء من خلال جودة ونزاهة البيانات التي يتم تدريبها عليها - وهي عامل يجب أن يكون قابلاً للتحقق والتتبع لمنع الأخطاء النظامية وهلاوس الذكاء الاصطناعي. مع تزايد المخاطر بالنسبة للصناعات مثل المالية والرعاية الصحية، تصبح الحاجة إلى أساس موثوق وشفاف للذكاء الاصطناعي أمراً حيوياً.

مايكل هاينريش، رائد أعمال متسلسل وخريج جامعة ستانفورد، هو من بين أولئك الذين يقودون الجهود لبناء تلك الأساس. بصفته الرئيس التنفيذي لشركة 0G Labs، يقوم حاليًا بتطوير ما يصفه بأنه أول وأكبر سلسلة ذكاء اصطناعي، مع المهمة المعلنة بضمان أن يصبح الذكاء الاصطناعي منفعة عامة آمنة وقابلة للتحقق. بعد أن أسس سابقًا شركة غارتن، وهي شركة مدعومة من ي كومبيناتور، وعمل في مايكروسوفت، وباين، وBridgewater Associates، يقوم هاينريش الآن بتطبيق خبرته على التحديات المعمارية للذكاء الاصطناعي اللامركزي (DeAI).

يؤكد هاينريش أن جوهر أداء الذكاء الاصطناعي يعتمد على قاعدة معرفته: البيانات. “تتحدد فعالية نماذج الذكاء الاصطناعي أولاً وقبل كل شيء من خلال البيانات الأساسية التي تم تدريبها عليها”، كما يوضح. تؤدي مجموعات البيانات عالية الجودة والمتوازنة إلى استجابات دقيقة، ولكن البيانات السيئة أو الممثلة تمثيلاً ناقصاً تؤدي إلى مخرجات ذات جودة ضعيفة وزيادة في القابلية للهلاوس.

بالنسبة لهاينريش، يتطلب الحفاظ على نزاهة هذه المجموعات المتنوعة والمتجددة باستمرار departure جذريًا عن الوضع الراهن. ويؤكد أن الجاني الرئيسي وراء هلوسات الذكاء الاصطناعي هو نقص الشفافية في الأصل. وعلاجه هو تشفيري:

أعتقد أن جميع البيانات يجب أن تكون مثبتة على السلسلة مع إثباتات تشفيرية وأدلة قابلة للتحقق للحفاظ على سلامة البيانات.

تُعتبر هذه الأساس اللامركزي والشفاف، مع الحوافز الاقتصادية والتعديل المستمر، الآلية الضرورية للقضاء بشكل منهجي على الأخطاء والتحيزات الخوارزمية.

بجانب الإصلاحات التقنية، يحمل هاينريش، الذي تم تكريمه في قائمة فوربس 40 تحت 40، رؤية شاملة للذكاء الاصطناعي، حيث يعتقد أنه يجب أن ي usher in an era of abundance.

“في عالم مثالي، نأمل أن يخلق ذلك الظروف لمجتمع ما بعد الندرة حيث تصبح الموارد وفيرة وحيث لا يضطر أحد للقلق بشأن القيام بأعمال روتينية بعد الآن،” يقول. ستسمح هذه النقلة للأفراد “بالتركيز على الأعمال الإبداعية والترفيهية أكثر،” مما يمكّن الجميع أساسًا من الاستمتاع بمزيد من وقت الفراغ والأمان الاقتصادي.

من الأهمية بمكان، أنه يجادل بأن العالم اللامركزي مناسب بشكل فريد لدعم هذا المستقبل. جمال هذه الأنظمة هو أنها متوافقة مع الحوافز، مما يخلق اقتصادًا متوازنًا ذاتيًا لقوة الحوسبة. إذا زاد الطلب على الموارد، فإن الحوافز لتوريدها ترتفع بشكل طبيعي حتى يتم تلبية هذا الطلب، مما يلبي الحاجة إلى الموارد الحاسوبية بطريقة متوازنة ودون إذن.

حماية الذكاء الاصطناعي: المصدر المفتوح وتصميم الحوافز

لحماية الذكاء الاصطناعي من سوء الاستخدام المتعمد—مثل عمليات الاحتيال بتقليد الصوت والتزييف العميق—يقترح هاينريش مزيجاً من الحلول التي تركز على الإنسان والحلول المعمارية. أولاً، يجب أن يكون التركيز على تعليم الناس كيفية التعرف على عمليات الاحتيال والتزييف التي تستخدم في انتحال الهوية ونشر المعلومات المضللة. يقول هاينريش: “نحتاج إلى تعليم الناس كيفية التعرف على المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي أو بصمته حتى يتمكنوا من حماية أنفسهم.”

يمكن للمشرعين أيضًا أن يلعبوا دورًا من خلال إنشاء معايير عالمية لسلامة وأخلاق الذكاء الاصطناعي. بينما من غير المحتمل أن يقضي ذلك على سوء استخدام الذكاء الاصطناعي، فإن وجود مثل هذه المعايير “يمكن أن يساهم إلى حد ما في تثبيطها.” ومع ذلك، فإن أقوى تدبير مضاد هو متجذر في التصميم اللامركزي: “يمكن أن يقلل تصميم أنظمة متوافقة مع الحوافز بشكل كبير من سوء الاستخدام المتعمد للذكاء الاصطناعي.” من خلال نشر وإدارة نماذج الذكاء الاصطناعي على السلسلة، يتم مكافأة المشاركة الصادقة، بينما يتعرض السلوك الخبيث لعواقب مالية مباشرة من خلال آليات الخصم على السلسلة.

بينما يخشى بعض النقاد من مخاطر الخوارزميات المفتوحة، يخبر هاينريش موقع Bitcoin.com News أنه يدعم ذلك بحماس لأنه يوفر رؤية حول كيفية عمل النماذج. “يمكن استخدام أشياء مثل سجلات التدريب القابلة للتحقق ومسارات البيانات غير القابلة للتغيير لضمان الشفافية والسماح برقابة المجتمع،” وهو ما يتعارض مباشرة مع المخاطر المرتبطة بالنماذج المغلقة المصدر “صندوق الأسود”.

لتحقيق هذه الرؤية لمستقبل آمن ومنخفض التكلفة للذكاء الاصطناعي، تقوم 0G Labs ببناء أول “نظام تشغيل ذكاء اصطناعي لامركزي (DeAIOS).”

تم تصميم نظام التشغيل هذا لتوفير أصل قابل للتحقق للذكاء الاصطناعي - طبقة تخزين بيانات قابلة للتوسع للغاية وتوفر إمكانية تخزين مجموعات بيانات الذكاء الاصطناعي الضخمة على السلسلة، مما يجعل جميع البيانات قابلة للتحقق والتتبع. هذه المستوى من الأمان والتتبع ضروري لوكلاء الذكاء الاصطناعي الذين يعملون في القطاعات المنظمة.

بالإضافة إلى ذلك، يتميز النظام بسوق حوسبة غير مصرح به، مما ي democratizes الوصول إلى موارد الحوسبة بأسعار تنافسية. هذه إجابة مباشرة على التكاليف العالية والاحتجاز من قبل البائع المرتبطة بالبنية التحتية السحابية المركزية.

لقد أظهرت 0G Labs بالفعل اختراقًا تقنيًا مع Dilocox، وهو إطار يمكّن من تدريب LLMs التي تتجاوز 100 مليار معلمة عبر مجموعات لامركزية بسرعة 1 جيجابت في الثانية. من خلال تقسيم النماذج إلى أجزاء أصغر يتم تدريبها بشكل مستقل، أظهر Dilocox تحسنًا بنسبة 357 ضعفًا في الكفاءة مقارنة بأساليب التدريب الموزعة التقليدية، مما يجعل تطوير الذكاء الاصطناعي على نطاق واسع ممكنًا من الناحية الاقتصادية خارج أسوار مراكز البيانات المركزية.

مستقبل أكثر إشراقًا وبأسعار معقولة للذكاء الاصطناعي

في النهاية، يرى هاينريش مستقبلاً مشرقاً جداً للذكاء الاصطناعي اللامركزي، مستقبل يتسم بالمشاركة وكسر الحواجز أمام التبني.

“إنه مكان حيث يقوم الناس والمجتمعات بإنشاء نماذج ذكاء اصطناعي متخصصة معًا، مما يضمن أن يتم تشكيل مستقبل الذكاء الاصطناعي من قبل العديد وليس فقط من قبل عدد قليل من الكيانات المركزية،” يختم. مع مواجهة شركات الذكاء الاصطناعي المملوكة للضغط لرفع الأسعار، تقدم اقتصاديات وهياكل الحوافز الخاصة بـ DeAI بديلاً مقنعًا وأكثر affordability حيث يمكن إنشاء نماذج ذكاء اصطناعي قوية بتكاليف أقل، مما يمهد الطريق لمستقبل تكنولوجي أكثر انفتاحًا، وأمانًا، وفي النهاية أكثر فائدة.

الأسئلة المتكررة

• ما هي المشكلة الأساسية مع الذكاء الاصطناعي المركزي الحالي؟ تعاني نماذج الذكاء الاصطناعي الحالية من مشاكل في الشفافية، وتحامل البيانات، والسيطرة الاحتكارية بسبب هيكلها المركزي “الصندوق الأسود”.
• ما الحل الذي تبنيه 0G Labs التابعة لمايكل هاينريش؟ تقوم 0G Labs بتطوير أول “نظام تشغيل ذكاء اصطناعي لامركزي (DeAIOS)” لجعل الذكاء الاصطناعي شيئًا آمنًا وقابلًا للتحقق وذا فائدة عامة.
• كيف يضمن الذكاء الاصطناعي اللامركزي سلامة البيانات؟ يتم الحفاظ على سلامة البيانات من خلال ربط جميع البيانات بسلسلة الكتل مع أدلة تشفيرية ومسار دليل يمكن التحقق منه لمنع الأخطاء والهلاوس.
• ما هي الميزة الرئيسية لتكنولوجيا Dilocox من 0G Labs؟ Dilocox هو إطار عمل يجعل تطوير الذكاء الاصطناعي على نطاق واسع أكثر كفاءة بشكل كبير، حيث يظهر تحسناً يبلغ 357 ضعفاً مقارنة بالتدريب الموزع التقليدي.