الذكاء الاصطناعي اللامركزي: نموذج جديد ذكي مدفوع بالبلوكتشين

لقد أصبحت الذكاء الاصطناعي متجذرًا في حياتنا اليومية، من تحليل المستندات إلى العصف الذهني الإبداعي، ومن لعب الأدوار إلى الإجابة على أسئلة الخصوصية، وهو موجود في كل مكان. ومع ذلك، على الرغم من أن الذكاء الاصطناعي يقدم العديد من المزايا، فإنه أثار أيضًا مجموعة من المخاوف الجادة.

تتواجد نماذج الذكاء الاصطناعي السائدة حاليًا في أيدي عدد قليل من عمالقة التكنولوجيا، وآلية عملها الداخلية غير شفافة. لا يمكننا معرفة مصدر بيانات التدريب، أو عملية اتخاذ القرار، أو من يستفيد بعد تحسين النموذج. غالبًا ما لا يتم الاعتراف بمساهمات المبدعين أو مكافأتهم بشكل مناسب. تتسرب التحيزات بصمت، بينما تعمل هذه الأدوات التي تشكل مستقبلنا في الخفاء.

إن هذه المشكلات قد أثارت مشاعر المقاومة لدى الناس. تزداد المخاوف بشأن مراقبة الخصوصية، وانتشار المعلومات الزائفة، وغياب الشفافية، واحتكار عدد قليل من الشركات لتدريب الذكاء الاصطناعي وتوزيع الأرباح. هذه المخاوف أدت إلى ظهور طلب على أنظمة أكثر شفافية، وتركز أكثر على حماية الخصوصية، ومشاركة مفتوحة وواسعة.

اللامركزية AI(DeAI) توفر حلولاً لذلك. هذه الأنظمة تقوم بتفكيك البيانات، والحساب، والحكم، مما يجعل نماذج الذكاء الاصطناعي أكثر مسؤولية، وشفافية، وشمولية. يمكن للمساهمين الحصول على تعويض عادل، ويمكن للمجتمع أن يقرر معًا كيفية عمل هذه الأدوات القوية. بعض مشاريع البلوكتشين تدعم بالفعل هذا المستقبل، وتبني بنية تحتية عادلة للذكاء الاصطناعي اللامركزي، لخدمة الجماهير بدلاً من النخبة القليلة.

اللامركزية AI vs AI مركزي

تستخدم معظم أنظمة الذكاء الاصطناعي الحالية هيكلًا مركزيًا، حيث تقوم شركة واحدة بجمع البيانات، وتدريب النماذج، والتحكم في المخرجات. غالبًا ما لا تكون هذه الأنظمة مفتوحة للجمهور من حيث الإدخال أو الإشراف، ولا يستطيع المستخدمون فهم عملية بناء النماذج أو التحيزات المحتملة.

بالمقارنة، تعتمد الذكاء الاصطناعي اللامركزي على نهج مختلف تمامًا. يتم توزيع البيانات على مختلف العقد، ويتم إدارة النموذج بواسطة المجتمع أو البروتوكول، وتكون عملية التحديث شفافة وعلنية. هذا نظام يتم بناؤه تحت التعاون العلني، وله قواعد واضحة وحوافز للمشاركة، بدلاً من أن يتم التحكم فيه بواسطة صندوق أسود.

لنفترض أن: الذكاء الاصطناعي المركزي يشبه متحفًا تديره مؤسسة خاصة، يمكنك زيارة المعروضات، وحتى رؤية بياناتك تُعرض بشكل فني، لكن ليس لديك الحق في تحديد كيفية بناء المعرض، ولن تحصل على اعتراف أو مكافأة لمساهمتك. عملية اتخاذ القرار غير شفافة، ومعظم العمليات الخلفية غير معروفة.

بينما الذكاء الاصطناعي اللامركزي يشبه معرض فنون في الهواء الطلق تم إنشاؤه بشكل مشترك بواسطة مجتمع عالمي. يساهم الفنانون والمؤرخون والمواطنون العاديون بالأفكار، ويتشاركون البيانات، ويساعدون في تنظيم المعرض. كل مساهمة يمكن تتبعها وشفافة، ويُكافأ المساهمون على تحسين المعرض. يوفر هذا الهيكل حماية أقوى للمستخدمين ومسؤولية أعلى، وهو ما يحتاجه مجال الذكاء الاصطناعي اليوم بشكل عاجل.

أهمية الذكاء الاصطناعي اللامركزي

أدى تركيز السيطرة على الذكاء الاصطناعي إلى مشاكل خطيرة. عندما تتحكم عدد قليل من الشركات في النماذج، فإنها تمتلك سلطة اتخاذ القرارات بشأن محتوى تعلم النماذج، وسلوكها، وحقوق الوصول، مما يؤدي إلى المخاطر التالية:

• تركيز السلطة: عدد قليل من الشركات تهيمن على اتجاه تطوير الذكاء الاصطناعي، مما يفتقر إلى الرقابة العامة.
• تحيز الخوارزمية: البيانات المحدودة ووجهات النظر تؤدي إلى عدم عدالة النظام واستبعاده.
• فقدان السيطرة من قبل المستخدمين: يساهم الناس بالبيانات دون أن يكون لديهم الحق في تحديد كيفية استخدامها، ولا يمكنهم الحصول على تعويض.
• الابتكار محدود: السيطرة المركزية تحد من تنوع النموذج وتجارب الابتكار.

تغير الذكاء الاصطناعي اللامركزي هذا التوازن من خلال توزيع الملكية والسلطة، مما يفتح الباب أمام أنظمة الذكاء الاصطناعي الأكثر شفافية وإنصافًا وابتكارًا. يمكن للمساهمين العالميين تشكيل النماذج معًا، لضمان انعكاسها لوجهات نظر أوسع. تلعب الشفافية أيضًا دورًا حاسمًا، حيث تتبنى العديد من أنظمة الذكاء الاصطناعي اللامركزية مبادئ المصدر المفتوح، وتعرض الشفرات وطرق التدريب، مما يسهل تدقيق النماذج، واكتشاف المشكلات، وبناء الثقة.

ومع ذلك، فإن الذكاء الاصطناعي مفتوح المصدر ليس دائمًا لامركزيًا. يمكن أن يكون النموذج مفتوح المصدر ولكنه لا يزال يعتمد على بنية تحتية مركزية، أو يفتقر إلى آليات حماية الخصوصية. السمة الأساسية المشتركة بين الاثنين هي الشفافية، وقابلية الوصول، ومشاركة المجتمع. يمكن للمستخدمين المشاركة دون التخلي عن السيطرة على البيانات، مما يجعلهم أكثر احتمالًا للمساهمة بنشاط والاستفادة من ذلك. اللامركزية ليست حلًا سحريًا، لكنها تفتح الطريق لبناء أنظمة ذكاء اصطناعي تتماشى أكثر مع المصلحة العامة، وتقلل من سيطرة القطاع الخاص.

اللامركزية AI的工作原理

اللامركزية AI تستخدم أنظمة موزعة لاستبدال التحكم المركزي، يتم تدريب النماذج وتحسينها ونشرها في شبكة من العقد المستقلة، مما يتجنب نقاط الفشل الفردية، ويعزز الشفافية، ويشجع على المشاركة الأوسع.

تشمل التقنيات الرئيسية التي تدعم اللامركزية AI:

• التعلم الفيدرالي: يسمح لنماذج الذكاء الاصطناعي بالتعلم من البيانات على الأجهزة المحلية ( مثل الهواتف المحمولة، واللاب توب )، دون الحاجة إلى رفع المعلومات الحساسة إلى الخادم المركزي، بل يتم مشاركة تحديثات النماذج فقط. على سبيل المثال، تتعلم لوحة المفاتيح على الهاتف عادات كتابة المستخدم، وتوصي بتصحيح تلقائي أكثر دقة، ولكنها لن ترفع محتوى الرسائل. وهذا يحمي خصوصية البيانات ويعزز المعالجة الموزعة، ويتماشى مع أهداف الذكاء الاصطناعي اللامركزي.

• الحوسبة الموزعة: توزيع الأعباء الثقيلة لتدريب وتشغيل نماذج الذكاء الاصطناعي على العديد من الآلات في الشبكة، مما يعادل مشاركة الآلاف من أجهزة الكمبيوتر الصغيرة في العمل، مما يعزز السرعة والكفاءة وقابلية التوسع ومرونة النظام.

• إثبات عدم المعرفة ( ZKP ): أداة تشفيرية قادرة على التحقق من البيانات أو العمليات دون الكشف عن المحتويات المحددة، مما يضمن الأمان والثقة في الأنظمة اللامركزية.

دعم البلوكتشين للاللامركزية AI

تحتاج أنظمة الذكاء الاصطناعي اللامركزية إلى تنسيق المهام، وحماية البيانات، ومكافأة المساهمين، حيث يوفر البلوكتشين البنية التحتية الأساسية لذلك:

• العقد الذكي: تنفيذ تلقائي شفاف، قواعد محددة مسبقًا، مثل الدفع أو تحديث النموذج، دون تدخل بشري.

• أوراكل: كجسر بين البلوكتشين والعالم الخارجي، يوفر معلومات حقيقية مثل بيانات الطقس والأسعار أو بيانات المستشعرات.

• التخزين اللامركزي: يسمح بتخزين بيانات التدريب وملفات النموذج بشكل موزع على الشبكة، مما يجعلها أكثر مقاومة للتلاعب والرقابة ونقاط الفشل الفردية مقارنة بالخوادم التقليدية.

تدعم بعض مشاريع البلوكتشين الهيكل الفريد لهذه الأنظمة، مما يسمح للشبكات المختلفة بالتركيز على مهام مختلفة مثل الخصوصية والحوسبة والحوكمة، مع الحفاظ على التوافق المتبادل. يتيح التصميم النمطي للذكاء الاصطناعي اللامركزي أن يكون قابلاً للتوسع ومرنًا وآمنًا وفعالًا. يتم تحسين المكونات المختلفة وفقًا لوظائفها الخاصة، بينما تعمل معًا بشكل متعاون.

مزايا اللامركزية AI

اللامركزية AI ليست مجرد تحول تقني، بل هي أيضاً تحول في القيم. إنها تبني نظاماً يعكس القيم المشتركة للبشر مثل الخصوصية، والشفافية، والعدالة، والمشاركة، من خلال تحقيق المزايا التالية من خلال اللامركزية:

• حماية خصوصية أفضل: تقنيات مثل التعلم الفيدرالي، التدريب المحلي على الأجهزة وإثبات المعرفة الصفرية تضمن خصوصية البيانات.

• شفافية مدمجة: النظام المفتوح يسهل التدقيق، وتتبع القرارات، وتحديد التحيز.

• الحوكمة المشتركة: المجتمع يضع القواعد وآليات التحفيز واتجاه تطور النماذج بشكل مشترك.

• حوافز اقتصادية عادلة: يتلقى المساهمون مكافآت مقابل تقديم البيانات أو الحسابات أو تحسينات النماذج.

• تقليل التحيز: يساهم المزيد من المشاركين المتنوعين في وجهات نظر شاملة، مما يقلل من النقاط العمياء.

• مرونة أكبر: لا يوجد نقطة فشل واحدة، النظام أكثر صعوبة في الاختراق أو الإغلاق.

تدعم بعض مشاريع البلوكتشين هذه المزايا من خلال بنية معمارية معيارية، حيث يمكن للشبكات المختلفة التركيز على الخصوصية أو الحوسبة أو الحوكمة، مع التعاون السلس، مما يعزز التنمية اللامركزية للذكاء الاصطناعي على نطاق واسع دون التضحية بالأمان أو حقوق المستخدمين أو الأداء.

التحديات والقيود

اللامركزية AI رغم أن لها إمكانيات، إلا أنها تواجه تحديات:

• القابلية للتوسع: يتطلب تدريب النماذج الكبيرة الكثير من القدرة الحاسوبية، وقد تؤدي التنسيق الموزع إلى إبطاء السرعة أو زيادة التعقيد.

• كثافة موارد الحوسبة: استهلاك موارد نموذج الذكاء الاصطناعي مرتفع، والتشغيل الموزع يزيد من ضغط النطاق الترددي واستهلاك الطاقة.

• عدم اليقين التنظيمي: اختلاف اللوائح في المناطق المختلفة، وتوزيع المسؤولية في الأنظمة اللامركزية معقد.

• التجزئة: قد يؤدي نقص الرقابة المركزية إلى عدم توحيد المعايير وعدم توازن المشاركة.

• الأمان والموثوقية: لا يزال نظام الثقة غير الموثوق عرضة للهجمات، مثل التلاعب بالبيانات، وتسميم النماذج.

• تجربة المستخدم معقدة: إدارة المفاتيح الخاصة، والتعامل مع واجهات متعددة تعيق الانتشار.

هذه هي تحديات حقيقية، لكنها ليست مستحيلة. توفر الهياكل المعيارية لبعض مشاريع البلوكتشين أمانًا مشتركًا قويًا وتوافقًا أصليًا، مما يسمح للشبكات المختلفة بالتركيز على تحديات محددة، بينما يتعاون النظام البيئي بأكمله، داعمًا للنمو المسؤول وتقاسم المخاطر.

التطبيقات العملية للذكاء الاصطناعي اللامركزية

اللامركزية AI لم تعد تقتصر فقط على الجانب النظري. بعض مشاريع Web3 تظهر في الواقع كيف يمكن أن تدفع الذكاء الموزع تطوير التطبيقات. فيما يلي بعض أمثلة المشاريع التي تبني AI اللامركزية على البلوكتشين:

1. الحوسبة السرية على الأجهزة اليومية: تتيح لأي شخص تحويل الأجهزة غير المستخدمة إلى جزء من سحابة آمنة ولامركزية. يمكن للمستخدمين الحصول على مكافآت من خلال تقديم قدرة حسابية غير مستخدمة. يستفيد المطورون من هذه القدرة لتشغيل المهام الحساسة للخصوصية، دون الاعتماد على خوادم شركات التكنولوجيا الكبرى، مما يخلق إنترنت أكثر خصوصية وتركزًا على الإنسان.

2. مخطط المعرفة اللامركزي: يعمل على مخطط المعرفة اللامركزي، ويربط وينظم البيانات الموثوقة في مجالات مثل سلسلة التوريد والتعليم. إنه مثل مستودع الحقائق العامة، يمكن لأي شخص المساهمة أو التحقق، لكن لا يمكن لشركة واحدة السيطرة عليه. يساعد ذلك في التحقق من مصدر المنتج أو صحة الشهادات وغيرها من المعلومات، دون الاعتماد على جهة مركزية.

3. العقود الذكية لحماية الخصوصية: بناء طبقة الخصوصية لـ Web3. يسمح للمطورين بتشغيل العقود الذكية في بيئة حساب سرية، حتى عند استخدام التطبيقات لبيانات حساسة ( مثل المعلومات الشخصية أو الصحية )، تظل هذه البيانات سرية، مع اعتبارها منطقة عمل آمنة لا يمكن لمبدعي التطبيقات رؤيتها.

4. البنية التحتية للاقتصاد الآلي: من خلال مكافأة الأشخاص والأجهزة على إكمال المهام الفعلية، توفر القوة للبنية التحتية المادية اللامركزية. يشبه ذلك اقتصاد الوظائف المؤقتة للآلات. قد تقوم الروبوتات بشحن السيارات الكهربائية، أو تقارير أجهزة الاستشعار عن جودة الهواء، وكلاهما يمكن أن يحصل على مكافآت عبر الشبكة، مما يسهل تنسيق ومكافأة هذا العمل المدفوع بالآلات.

5. تدريب نماذج الذكاء الاصطناعي التحفيزية: تم إنشاء سوق مفتوح، حيث تتنافس وتتعامل نماذج الذكاء الاصطناعي، مقدمةً أفضل المخرجات. يمكن لأي شخص الانضمام إلى الشبكة، والمساهمة في قوة الحوسبة، وتدريب النماذج أو تقييم الأداء. يكافئ النظام المساهمات القيمة من خلال حوافز رمزية، مما يخلق اقتصاد ذكاء اصطناعي ذاتي التحسين، مقاوم للرقابة ولا يعتمد على التحكم المركزي.

الخاتمة

اللامركزية AI ليست مجرد تحول تكنولوجي، بل هي تحول في القيم. إنها تتحدى فكرة أن الذكاء يجب أن يتحكم فيه عدد قليل من الشركات، وتقدم بديلاً أكثر انفتاحًا وأكثر مسؤولية. هذه الأنظمة تعمل على توزيع السلطة، وحماية الخصوصية، وتدعو العالم للمشاركة في تشكيل أدوات تغيير العالم.

البلوكتشين يجعل كل هذا ممكنًا. من خلال تنسيق التحديثات، وحماية البيانات، ومكافأة المساهمين، فإنه يوفر الأساس لأنظمة الذكاء الاصطناعي الشفافة بالفطرة. بعض مشاريع البلوكتشين تعزز البنية التحتية المعيارية، مما يمكّن الشبكات المتخصصة من التميز في وظائفها الخاصة، مع الاستفادة من الخصائص الأصلية، والحفاظ على التداخل السلس في نظام بيئي أوسع. هذه المرونة تتيح لأنظمة الذكاء الاصطناعي اللامركزية أن تتطور وتتمدد باستمرار دون التضحية بالأمان أو الأداء أو استقلالية المستخدم.

من الحوسبة السرية إلى إدارة البيانات اللامركزية، لقد امتلكت بيئة البلوكتشين بالفعل عدة مشاريع قامت بتطبيق هذه المبادئ، وهذا مجرد بداية. مع استمرار تطور التكنولوجيا، من المتوقع أن تشكل الذكاء الاصطناعي اللامركزي في المستقبل عالماً أكثر انفتاحاً وشفافيةً وعدلاً.