الإفصاح: الآراء والأفكار الواردة هنا تنتمي فقط إلى المؤلف ولا تمثل آراء ووجهات نظر هيئة تحرير crypto.news.
في يناير 2025، تفوّق تطبيق DeepSeek R1 على ChatGPT ليصبح التطبيق المجاني الأكثر تنزيلًا على متجر تطبيقات Apple في الولايات المتحدة. بخلاف النماذج الاحتكارية مثل ChatGPT، يُعد DeepSeek مفتوح المصدر، ما يعني أنه يمكن لأي شخص الوصول إلى الكود ودراسته ومشاركته واستخدامه في نماذجه الخاصة.
لقد أثار هذا التحول حماسًا بشأن الشفافية في مجال الذكاء الاصطناعي، مما دفع القطاع نحو مزيد من الانفتاح. قبل أسابيع قليلة، في فبراير 2025، أصدرت أنثروبيك نموذج كلود 3.7 سونيت، وهو نموذج تفكير هجين متاح جزئيًا للتجارب البحثية، مما عزز أيضًا النقاش حول الذكاء الاصطناعي المُتاح للجميع.
ومع ذلك، في حين أن هذه التطورات تدفع الابتكار، فإنها تكشف أيضا عن مفهوم خاطئ خطير: وهو أن الذكاء الاصطناعي مفتوح المصدر أكثر أمانا بطبيعته (وأكثر أمانا) من النماذج المغلقة الأخرى.
الوعد والمزالق
تُظهر لنا نماذج الذكاء الاصطناعي مفتوحة المصدر، مثل R1 من DeepSeek وأحدث وكلاء الترميز من Replit، قوة التكنولوجيا المتاحة. تزعم DeepSeek أنها بنت نظامها بتكلفة 5.6 مليون دولار فقط، أي ما يقرب من عُشر تكلفة نموذج Llama من Meta. في الوقت نفسه، يتيح Agent من Replit، المُعزز بـ Claude 3.5 Sonnet، لأي شخص، حتى غير المبرمجين، بناء برامج من خلال توجيهات اللغة الطبيعية.
الآثار المترتبة هائلة. هذا يعني أن بإمكان الجميع تقريبًا، بما في ذلك الشركات الصغيرة والشركات الناشئة والمطورين المستقلين، استخدام هذا النموذج الحالي (والقوي للغاية) لبناء تطبيقات ذكاء اصطناعي متخصصة جديدة، بما في ذلك وكلاء ذكاء اصطناعي جدد، بتكلفة أقل بكثير، وبمعدل أسرع، وبسهولة أكبر بشكل عام. هذا من شأنه أن يخلق اقتصاد ذكاء اصطناعي جديد، حيث تكون إمكانية الوصول إلى النماذج أمرًا بالغ الأهمية.
لكن حيث يبرز المصدر المفتوح – سهولة الوصول – فإنه يواجه أيضًا تدقيقًا مشددًا. فالوصول المجاني، كما يتضح من نموذج DeepSeek الذي تبلغ تكلفته 5.6 مليون دولار، يُسهّل الابتكار ولكنه يفتح الباب أمام مخاطر سيبرانية. إذ يمكن للجهات الخبيثة تعديل هذه النماذج لإنتاج برمجيات خبيثة أو استغلال الثغرات الأمنية بشكل أسرع من ظهور التحديثات الأمنية.
لا يفتقر الذكاء الاصطناعي مفتوح المصدر إلى ضماناتٍ تلقائية، بل يعتمد على إرثٍ من الشفافية عزز التكنولوجيا لعقود. تاريخيًا، اعتمد المهندسون على "الأمن من خلال التعتيم"، مُخفين تفاصيل النظام خلف جدرانٍ خاصة. لكن هذا النهج تعثر: إذ ظهرت الثغرات الأمنية، وغالبًا ما اكتشفها المخربون أولًا. قلبت البرمجيات مفتوحة المصدر هذا النموذج، كاشفةً أكوامًا برمجية – مثل R1 في DeepSeek أو Agent في Replit – للتدقيق العام، مُعززةً بذلك المرونة من خلال التعاون. ومع ذلك، لا تضمن نماذج الذكاء الاصطناعي المفتوحة ولا المغلقة بالضرورة تحققًا دقيقًا.
المخاطر الأخلاقية بالغة الأهمية. فالذكاء الاصطناعي مفتوح المصدر، شأنه شأن نظائره المغلقة، قد يعكس تحيزات أو يُنتج مخرجات ضارة متجذرة في بيانات التدريب. وهذا ليس عيبًا يقتصر على الانفتاح؛ بل هو تحدٍّ للمساءلة. فالشفافية وحدها لا تُزيل هذه المخاطر، ولا تمنع إساءة الاستخدام تمامًا. يكمن الفرق في كيفية دعوة مفتوح المصدر للرقابة الجماعية، وهي قوة غالبًا ما تفتقر إليها النماذج الاحتكارية، مع أنها لا تزال تتطلب آليات لضمان النزاهة.
الحاجة إلى الذكاء الاصطناعي القابل للتحقق
لكي تزداد موثوقية الذكاء الاصطناعي مفتوح المصدر، لا بد من التحقق منه. فبدونه، قد تُعدّل النماذج المفتوحة والمغلقة أو يُساء استخدامها، مما يُفاقم المعلومات المضللة أو يُشوّه القرارات الآلية التي تُشكّل عالمنا بشكل متزايد. لا يكفي أن تكون النماذج متاحة للجميع؛ بل يجب أيضًا أن تكون قابلة للتدقيق، ومقاومة للتلاعب، وخاضعة للمساءلة.
باستخدام الشبكات الموزعة، يمكن لسلاسل الكتل (البلوك تشين) ضمان بقاء نماذج الذكاء الاصطناعي دون تغيير، وشفافية بيانات تدريبها، وإمكانية التحقق من صحة مخرجاتها مقارنةً بخطوط الأساس المعروفة. بخلاف التحقق المركزي، الذي يعتمد على الثقة بجهة واحدة، يمنع نهج البلوك تشين اللامركزي والتشفيري الجهات الخبيثة من التلاعب خلف الأبواب المغلقة. كما أنه يُغير مفهوم التحكم من قِبل جهات خارجية، وينشر الرقابة عبر الشبكة، ويخلق حوافز لمشاركة أوسع، على عكس الوضع الحالي، حيث يُغذي المساهمون غير المدفوع لهم مجموعات بيانات بتريليونات الرموز دون موافقة أو مكافأة، ثم يدفعون مقابل استخدام النتائج.
يُضفي إطار التحقق المُدعّم بتقنية بلوكتشين طبقاتٍ من الأمان والشفافية على الذكاء الاصطناعي مفتوح المصدر. يضمن تخزين النماذج على السلسلة أو عبر بصمات تشفيرية تتبّع التعديلات بشكلٍ مفتوح، مما يُتيح للمطورين والمستخدمين تأكيد استخدامهم للإصدار المُراد.
يُثبت تسجيل مصادر بيانات التدريب على سلسلة الكتل أن النماذج تعتمد على مصادر عالية الجودة وغير متحيزة، مما يقلل من مخاطر التحيزات الخفية أو التلاعب بالمدخلات. إضافةً إلى ذلك، يُمكن لتقنيات التشفير التحقق من صحة المخرجات دون الكشف عن البيانات الشخصية التي يتشاركها المستخدمون (غالبًا ما تكون غير محمية)، مما يُوازن بين الخصوصية والثقة مع ازدياد قوة النماذج.
تُوفر طبيعة بلوكتشين الشفافة والمُقاومة للتلاعب المساءلة التي يحتاجها الذكاء الاصطناعي مفتوح المصدر بشدة. فبينما تعتمد أنظمة الذكاء الاصطناعي الآن على بيانات المستخدم مع حماية محدودة، يُمكن لتقنية بلوكتشين مكافأة المُساهمين وحماية مُدخلاتهم. ومن خلال دمج الأدلة التشفيرية والحوكمة اللامركزية، يُمكننا بناء نظام بيئي للذكاء الاصطناعي مفتوح وآمن وأقل تبعيةً للشركات المركزية العملاقة.
مستقبل الذكاء الاصطناعي يعتمد على الثقة… على السلسلة
إن الذكاء الاصطناعي مفتوح المصدر يشكل جزءًا مهمًا من اللغز، وينبغي لصناعة الذكاء الاصطناعي أن تعمل على تحقيق المزيد من الشفافية – ولكن كونه مفتوح المصدر ليس هو الوجهة النهائية.
سيُبنى مستقبل الذكاء الاصطناعي وأهميته على الثقة، وليس فقط على سهولة الوصول. والثقة لا يمكن أن تكون مفتوحة المصدر، بل يجب بناؤها والتحقق منها وتعزيزها في جميع مستويات منظومة الذكاء الاصطناعي. يحتاج قطاعنا إلى تركيز اهتمامه على مرحلة التحقق ودمج الذكاء الاصطناعي الآمن. في الوقت الحالي، يُعدّ دمج الذكاء الاصطناعي على سلسلة الكتل والاستفادة من تقنية البلوك تشين رهاننا الأمثل لبناء مستقبل أكثر موثوقية.
