منذ نشأته، كان الذكاء الاصطناعي مركزيًا. وفي حين كان من الواضح أن هناك بعض الامتيازات المرتبطة بنماذج الذكاء الاصطناعي التقليدية، فإن المركزية الصارمة لهذه الأنظمة أثارت العديد من المخاوف بشأن خصوصية البيانات وإمكانية الوصول إليها والأخلاقيات وعملية اتخاذ القرار بأكملها.
تواجه أنظمة الذكاء الاصطناعي المركزية تحديات معينة. على سبيل المثال، تعمل شركات التكنولوجيا الكبرى والكم الهائل من البيانات المتاحة لديها على إنشاء دورة حيث تولد نماذج الذكاء الاصطناعي المزيد من البيانات. ومع ذلك، غالبًا ما تؤدي أنظمة الذكاء الاصطناعي المركزية المعاصرة التي تعتمد على مصدر واحد إلى معلومات متحيزة.
وهذا يقودنا مباشرة إلى استخدام البيانات ــ لا توفر أنظمة الذكاء الاصطناعي المركزية أي قدر من الشفافية. وتستخدم شركات التكنولوجيا الكبرى بيانات المستخدمين ولا توفر الشفافية بشأن استخدامها في المقابل. وفي عالم حيث ترتبط حماية البيانات بالعديد من التحركات التنظيمية، يبدو أن أنظمة الذكاء الاصطناعي المركزية تدفع في اتجاه آخر.
وكنتيجة لذلك، حصلنا على نماذج جديدة، مثل الذكاء الاصطناعي اللامركزي (DAI)، لمعالجة أوجه القصور في أنظمة الذكاء الاصطناعي التقليدية.
هل الذكاء الاصطناعي والعملات المشفرة هما الثنائي القوي الجديد؟ اكتشف ذلك من خلال قراءة هذا المقال: " الذكاء الاصطناعي يلتقي بالعملات المشفرة: هل يمكن لبرنامج ChatGPT مساعدة العملات المشفرة؟ ".
من المهم أن نفهم أن الذكاء الاصطناعي لا يرتبط بالذكاء فحسب، بل بالبيانات أيضًا. على سبيل المثال، يتم التحكم في مجموعات البيانات الضخمة التي يستخدمها الذكاء الاصطناعي من قبل عدد صغير من المنظمات الكبيرة.
وهذا يعني أن الذكاء الاصطناعي المركزي يرتبط بتركيز السلطة في أيدي العديد من اللاعبين الكبار. لذا فإن القلق من أن هؤلاء اللاعبين لديهم تأثير كبير على تطوير وتطبيق تقنيات الذكاء الاصطناعي في المستقبل هو أمر حقيقي. ونتيجة لهذا، قد يتشكل مشهد الذكاء الاصطناعي وفقًا لمصالح الأعمال بدلاً من الصالح العام.
ويثير هذا العديد من المخاوف الأخلاقية، إلى جانب مشكلة التحيز في خوارزميات الذكاء الاصطناعي وانتهاكات حماية البيانات.
إن هذه الألغام الأخلاقية في تطوير تقنيات الذكاء الاصطناعي قد يكون لها تأثير على المجتمع والاقتصاد فضلاً عن تسليط الضوء على التفاوتات الاقتصادية على مر السنين. إن وضع قدر كبير من السيطرة في أيدي عدد قليل من المنظمات قد يؤدي أيضًا إلى خنق الإبداع وتقديم عقبة حقيقية أمام دخول السوق ذات الصلة.
مع الأخذ في الاعتبار كل هذه الاعتبارات، يبدو أن نظام الذكاء الاصطناعي الأكثر لامركزية قد يكون هو الحل - حيث يمكن أن يؤدي المشهد المتنوع للابتكار في مجال الذكاء الاصطناعي إلى تطوير أكثر توازناً للتكنولوجيا فضلاً عن تقليل التحيز ومخاطر خصوصية البيانات.
توفر التقنيات اللامركزية نظامًا أكثر شفافية وسهولة في الوصول. تعرف على كيفية مساعدة العلوم اللامركزية (DeSci) للعلماء وتحسين البحث من خلال قراءة هذا المقال: " ما هو DeSci؟ Web3 على الطريق لتحسين العلوم ".
الذكاء الاصطناعي اللامركزي (AI)، وهو اندماج الذكاء الاصطناعي وتقنية البلوك تشين ، يجمع بين اثنين من الابتكارات التكنولوجية الحديثة. وبعبارات بسيطة، يشير الذكاء الاصطناعي اللامركزي إلى نظام الذكاء الاصطناعي الذي يستخدم تقنية البلوك تشين لتخزين ومعالجة وتوزيع البيانات، والعمل في العديد من العقد بدلاً من سلطة مركزية واحدة.
تعني اللامركزية عدم وجود جهة رئيسية تتخذ القرار، أو سلطة مركزية أو منظمة كبيرة تدير الأمور. ويتعلق العنصر الرئيسي للامركزية بتحقيق الإجماع بين أصغر الوحدات، وبهذه الطريقة يمكن بناء الأنظمة الموزعة وإدارتها.
إن أنظمة الذكاء الاصطناعي اللامركزية قد توفر للمستخدمين نماذج ذكاء اصطناعي مدربة مسبقًا على أجهزتهم والتي تعالج البيانات محليًا للحفاظ على الخصوصية. إن تدريب نماذج الذكاء الاصطناعي باستخدام مصادر بيانات عامة وقابلة للتحقق يرقى إلى احترام حماية خصوصية البيانات وتجنب العديد من المزالق القانونية المرتبطة عادةً باستخدام البيانات غير المصرح بها.
يساهم الذكاء الاصطناعي في إتاحة أنظمة الذكاء الاصطناعي، مما يجعلها أكثر قدرة على التكيف وشاملة. على سبيل المثال، يتم إنشاء نماذج الذكاء الاصطناعي المركزية بشكل معزول، ولكن نظيراتها اللامركزية ستمكن المطورين من جميع أنحاء العالم من المساهمة في المشروع حيث تكون النتيجة إنشاء نموذج ذكاء اصطناعي قوي وأقل تحيزًا.
يمكن تدريب نماذج الذكاء الاصطناعي بشكل تعاوني أكثر كفاءة، باستخدام مجموعة متنوعة من مجموعات البيانات لإنشاء نماذج أكثر قابلية للتطبيق بسبب نوعها مفتوح المصدر من التطوير المرتبط بنهج تعاوني ومشاركة البيانات بشكل آمن.
في الوقت الحالي، يعد الذكاء الاصطناعي أحد أحدث الاتجاهات في مجال تطوير الذكاء الاصطناعي. ويبدو أن تقنية البلوك تشين والذكاء الاصطناعي يمهد الطريق لنظام بيئي لامركزي يعتمد على الذكاء الجماعي.
إذا كنت جديدًا في مجال التشفير ولا تفهم هذه التقنيات جيدًا، ففكر في التسجيل في أكاديمية Learn Crypto الخاصة بنا.
يمكن لبعض الابتكارات التكنولوجية أن تجعل نماذج الذكاء الاصطناعي لامركزية. على سبيل المثال، يمكن لتكنولوجيا blockchain والعقود الذكية الجمع بين ميزات الذكاء الاصطناعي التقليدية والتشفير المتطور لتحسين عملية أتمتة تطبيقات الذكاء الاصطناعي.
دعونا نلقي نظرة على بعض التقنيات التي يمكن أن تجعل الذكاء الاصطناعي اللامركزي ممكنًا.
يشير التشفير المتماثل إلى نوع من التشفير يتيح تنفيذ عمليات حسابية محددة في النص المشفر، إلى جانب تشفير النتائج أيضًا في النص المشفر. يمكن أن يكون التشفير المتماثل جزئيًا أو كاملاً.
بمعنى آخر، يمكن تنفيذ العمليات الحسابية دون الحاجة إلى فك تشفيرها. ويعتبر هذا أحد أكبر الابتكارات التكنولوجية في مجال التشفير.
تم إنشاء التشفير العصبي التنافسي، المعروف أيضًا باسم تشفير GAN، بواسطة Google وتم شرحه في ورقة بحثية عام 2016. يضمن هذا النوع من التشفير سرية مجموعات البيانات وتبادل البيانات بغرض تحقيق درجات أعلى من الخصوصية.
ترتبط العمليات الحسابية متعددة الأطراف الآمنة (sMPC) بتطوير بروتوكول blockchain. وهي تشير إلى تقنية أمان تضمن حساب الوظيفة العامة على البيانات الخاصة مع الحفاظ على سرية جميع المدخلات.
يتيح تصميم العمليات الحسابية الآمنة متعددة الأطراف تطوير نموذج الذكاء الاصطناعي دون الحاجة إلى الكشف عن البيانات لأطراف ثالثة.
هناك عدة طرق مهمة يمكن أن تصبح بها نماذج الذكاء الاصطناعي اللامركزية أداة مفيدة للمجتمع. دعونا نلقي نظرة عليها.
الشفافية ليست الميزة العليا لنماذج الذكاء الاصطناعي المركزية؛ بدلاً من ذلك، فكر فيها مثل الصناديق السوداء، مما يجعل من الصعب أو حتى المستحيل فهم كيفية عمل عملها الداخلي أو كيفية معالجة مخرجاتها وإنشائها.
وبسبب ميزة الصندوق الأسود هذه، فليس من السهل مراقبة نماذج الذكاء الاصطناعي المركزية واستنتاج ما إذا كان ينبغي لعامة الناس استخدامها.
من ناحية أخرى، يعتمد DAI على سلاسل الكتل والبروتوكولات مفتوحة المصدر، مما يزيد من شفافية الذكاء الاصطناعي ومساءلته. يمكن للمستخدمين اختبار عمليات الذكاء الاصطناعي ومراجعتها.
لقد ناقشنا بالفعل كيف أن نماذج الذكاء الاصطناعي المركزية أقل أخلاقية من نظيراتها اللامركزية، خاصة عندما يتعلق الأمر باستخدام البيانات. تستخدم DAI مجموعات البيانات العامة على السلسلة ، مع التأكد من تجنب المزالق المرتبطة باستخدام البيانات غير المصرح بها وانتهاكات الخصوصية.
نظرًا لأن البيانات تتم معالجتها محليًا وتوزيعها عبر شبكات لامركزية، فإن مخاطر الوصول غير المصرح به ونقطة الفشل الوحيدة تنخفض. وتضمن تقنية blockchain الأساسية دقة البيانات.
بفضل عمليات صنع القرار اللامركزية وتنوع المدخلات، تعمل الذكاء الاصطناعي اللامركزي على تقليل احتمالات التحيز وخلق نتائج أكثر توازناً. وبفضل عمليات التحقق التشفيرية، تُعتبر مخرجات الذكاء الاصطناعي أكثر استقرارًا.
يحدث حدوث مخرجات خاطئة وتحيز في نماذج الذكاء الاصطناعي المركزية عادةً بسبب البيانات غير المكتملة أو غير الدقيقة المستخدمة للتدريب. من ناحية أخرى، يعتمد الذكاء الاصطناعي على مصادر بيانات يمكن التحقق منها موجودة على blockchain مما يقلل من احتمالية حدوث هذه المشكلات.
إن وضع تدريب الذكاء الاصطناعي في بيئة لامركزية تعتمد على بيانات يمكن التحقق منها على السلسلة وعمليات التحقق والتشفير، إلى جانب استخدام محافظ التشفير والعقود الذكية، يمكن أن يوفر الشفافية والتعلم المحسن لنماذج الذكاء الاصطناعي.
في نظام البلوكشين، يتم تقسيم الحوكمة إلى رموز، مما يسمح لحاملي الرموز بالتصويت وتنفيذ التغييرات على البروتوكول. وبعبارات بسيطة، يتم توزيع عملية صنع القرار بالكامل بين جميع حاملي الرموز، مما يوفر مستوى أعلى من التعاون.
كما أن النموذج اللامركزي يحمل العديد من العيوب. فقد يكون تنسيق الشبكات اللامركزية معقدًا، وخاصة عندما يتعلق الأمر بضمان الأمان عبر الأنظمة والتوافق مع المنصات الحالية.
في الوقت الحالي، تعد معظم نماذج الذكاء الاصطناعي تجريبية ولا تزال بحاجة إلى إثبات كفاءتها في الممارسة العملية. وبالمقارنة بنماذج الذكاء الاصطناعي المركزية، لا تزال الذكاء الاصطناعي في مراحلها الأولى.
يتطلب تنفيذ DAI فهم بروتوكولات وتقنيات وعمليات blockchain الجديدة التي قد تشكل تحديًا للمستخدمين. تتضمن العملية مزامنة البيانات عبر عقد الشبكة والحفاظ على شبكات blockchain.
على سبيل المثال، قد يكون إدارة الثقة وتحقيق الإجماع أمرًا معقدًا. فالتأكد من أن جميع العقد تعمل بصدق وتمنع الأنشطة الضارة يتطلب آلية إجماع صارمة قد تتطلب الكثير من الموارد.
نظرًا لأن البيانات تحتاج إلى التوزيع عبر عدة عقد، فقد تنشأ مشكلات تتعلق بالتوسع. ومع نمو الشبكة، قد تتراكم هذه المهمة لتؤثر على الأداء ووقت الاستجابة.
الذكاء الاصطناعي هو مجال جديد يخضع للتنظيم ، ولكن العديد من القضايا لم يتم تناولها بعد. وقد يتأثر المجال بأكمله بالتغييرات التنظيمية.
على الرغم من أن التكنولوجيا لا تزال بحاجة إلى النضج وإثبات كفاءتها، فمن المتوقع أن يكون لنظام الذكاء الاصطناعي اللامركزي العديد من التأثيرات المثيرة للاهتمام. دعونا نلقي نظرة على حلول الذكاء الاصطناعي لمشاكل معينة.
وبما أن النماذج المركزية عبارة عن صناديق سوداء ونقاط فشل فردية، فهي عرضة لمجرمي الإنترنت وأهداف أكثر جاذبية مع تزايد عدد المستخدمين الذين يستخدمون تقنية الذكاء الاصطناعي.
يمكن أن تساعد تقنية Blockchain التي تدعم تطوير نموذج الذكاء الاصطناعي اللامركزي في مراقبة الأنشطة والشذوذ على السلسلة مما يؤدي إلى تدابير الأمن السيبراني المتقدمة ويجعل أنظمة الذكاء الاصطناعي أقل عرضة للخطر.
بالإضافة إلى ذلك، فإن وجود العديد من العقد التي تعمل على شبكة blockchain يزيل ميزة نقطة الفشل الفردية ويوفر أمانًا ومرونة محسّنة لمنصات الذكاء الاصطناعي.
لقد بدأت المؤسسات المالية التقليدية، مثل البنوك ، في استخدام التقنيات اللامركزية ودمج شبكات البلوك تشين في أنظمتها. ونظرًا لأن البلوك تشين تسجل المعاملات من خلال دفتر حسابات غير قابل للتغيير، فيمكن معالجة كمية كبيرة من البيانات بواسطة وكلاء الذكاء الاصطناعي.
قررت العديد من البنوك إطلاق خدمات تداول العملات المشفرة في عام 2024. إذا كنت مهتمًا بمعرفة المزيد، فلماذا لا تقرأ هذا المقال: " البنوك تطلق خدمات تداول العملات المشفرة في عام 2024 ".
بالإضافة إلى ذلك، يمكن للذكاء الاصطناعي اللامركزي أن يجعل استراتيجيات الاستثمار أكثر فعالية من خلال توفير تحليل شفاف للبيانات وتحليلات لمشاعر السوق. إن شفافية نماذج الذكاء الاصطناعي اللامركزي تخلق الثقة بين المستثمرين والجهات التنظيمية، وهو ما قد يؤدي إلى نظام مالي أكثر أمانًا وإنشاء نماذج أخرى للتعلم الآلي قابلة للتدقيق.
عندما يتعلق الأمر بالرعاية الصحية، يمكن للذكاء الاصطناعي اللامركزي تعزيز التشخيص من خلال توفير أمان البيانات الصحية ومشاركتها بين المؤسسات الطبية المتعددة مع الحفاظ على خصوصية المرضى.
على سبيل المثال، يمكن لخوارزميات الذكاء الاصطناعي اللامركزية تحليل كميات كبيرة من البيانات المجهولة المصدر لتحديد الأنماط والتنبؤ بتفشي الأمراض وتعزيز خطط علاج المرضى. ومن الممكن أن يؤدي أمن البيانات والنهج التعاوني الذي يعززه الذكاء الاصطناعي اللامركزي إلى نتائج أكثر دقة وخفض تكاليف الرعاية الصحية.
في إدارة سلسلة التوريد، يمكن لنظام الذكاء الاصطناعي اللامركزي تعزيز العمليات وتوفير رؤى في الوقت الفعلي. يساهم الذكاء الاصطناعي اللامركزي في كفاءة سلاسل التوريد من خلال قدرته على تحليل البيانات المختلفة والتنبؤ بالتقلبات والتوصية بالحلول المثلى.
إن شفافية أنظمة الذكاء الاصطناعي هذه قادرة أيضًا على زيادة رضا العملاء فضلاً عن تحسين المساءلة والمرونة في أنظمة سلسلة التوريد.
من المتوقع أن تغير DAI المشهد التكنولوجي من خلال توفير مزيج من التطورات المتعلقة بالخصوصية والأمان والتعلم الآلي. ونظرًا لقدرتها على تقديم بيانات يمكن التحقق منها وفي الوقت الفعلي، فقد تكون محركًا أساسيًا للابتكارات المستقبلية والاستخدام الأخلاقي للتكنولوجيا.
من خلال توفير قوة معالجة وتبادل بيانات أكثر أمانًا وفي الوقت الفعلي، يمكن لـ DAI التغلب على أوجه القصور في النماذج المركزية مثل مشاكل الخصوصية والشفافية وتخصيص الموارد من خلال الاستفادة من تقنية blockchain وتوزيع المهام عبر شبكة من العقد.
يمكن الاطلاع على المحتوى غير المدعوم على النسخة الكاملة للموقع
زيارة