الذكاء الاصطناعي هو خلاص العملات المشفرة، والرهان الأكبر للجيل القادم | رأي

التكنولوجيا الحديثة، من الإنترنت والأجهزة المحمولة، التي كانت تُبجّل في السابق كأدوات للديمقراطية والتحرر، أصبحت محركات للمراقبة والربح، تُعيد تشكيل المجتمع بطرق تُفيد الشركات أكثر من المجتمعات. وكما يُجادل أليكس كارب في كتابه "الجمهورية التقنية" ، فقد تحوّل التركيز الهندسي من التكنولوجيا العميقة التي تُعزّز المجتمعات إلى تكنولوجيا المستهلك التي تخدم مصالح الشركات. يقف الذكاء الاصطناعي، المُهيأ الآن لإعادة تشكيل المجتمع، عند مفترق طرق: هل سيتبع هذا المسار أم سيسلك مسارًا جديدًا؟

لقد فشلت العملات المشفرة، التي وُعِدت بثورة لامركزية، إلى حد كبير في تحقيق أهدافها، غارقةً في التكهنات والوعود غير المتحققة. ومع ذلك، تبرز فرصة جديدة: الذكاء الاصطناعي اللامركزي. من خلال الجمع بين البنية التحتية للعملات المشفرة وإمكانيات الذكاء الاصطناعي التحويلية، يمكننا تحقيق رؤية العملات المشفرة وضمان أن يخدم الذكاء الاصطناعي الصالح العام، لا جشع الشركات.

المشكلة: تعثرات العملات المشفرة وخطر الذكاء الاصطناعي

وعدت سلاسل الكتل والعملات المشفرة بإحداث ثورة في الصناعات من خلال القضاء على الوسطاء وتبسيط أنظمة مثل التمويل وسلاسل التوريد. وقد لاقت بيتكوين ( BTC ) والعملات المستقرة رواجًا، لكن العقود الذكية، التي كانت ثورية في السابق، غذّت في الغالب مشاريع التمويل اللامركزي المضاربية وعملات الميم، بدلاً من الحلول الواقعية. وقد أدت الفجوة بين طموحات العملات المشفرة والواقع إلى تآكل الثقة.

قد يُعيد الذكاء الاصطناعي تشكيل كل شيء، من الرعاية الصحية والعلوم إلى طريقة إدارة المجتمع. ولكن عندما تسيطر بضع شركات فقط على هذا النوع من السلطة، فهناك خطر حقيقي يتمثل في تعميق عدم المساواة، وزيادة المراقبة، وحتى توجيه الرأي العام. إذا نظرنا إلى الماضي، نجد أن تقنيات مثل الإنترنت أو الطاقة النووية طُوّرت بمشاركة حكومية مكثفة. لكن هذا ليس هو الحال مع الذكاء الاصطناعي، إذ أصبح الآن في أيدي الشركات الخاصة إلى حد كبير، وهذا يطرح سؤالاً مُلحاً: هل تُبنى هذه التكنولوجيا للصالح العام، أم لمجرد الربح؟ بدون تدخل، قد يتبع الذكاء الاصطناعي مسار وسائل التواصل الاجتماعي، مستغلاً المستخدمين بدلاً من تمكينهم.

لماذا تعتبر اللامركزية ضرورية للذكاء الاصطناعي

الاختراق هنا ليس تقنيًا فحسب، بل اقتصاديًا أيضًا. في شبكات الذكاء الاصطناعي اللامركزية، يمكن توزيع كل طبقة من سلسلة قيمة الذكاء الاصطناعي آنيًا. يمكن لأمناء البيانات الذين يزودون مجموعات البيانات، ومهندسي النماذج الذين ينشرون أوزانًا مُحسّنة، ومُنشئي التطبيقات الذين يُقدمون تجارب المستخدم، الحصول على حصة متناسبة من مكافآت السلسلة. ولأن كل معاملة تُجرى على سلسلة كتل عامة، يُمكن للجميع تدقيق من حصل على ماذا ولماذا، مما يُرسي مبدأ المساءلة الجذرية الذي لا يُمكن للمختبرات الخاصة مُنافسته.

يُطلق هذا الهيكل العنان لمستوى من التعاون والتنافسية لا يُتاح داخل شركة واحدة. تتكرر آلاف العقد المستقلة بالتوازي، وتُجري اختبارات ضغط على أفكار بعضها البعض وتُحسّنها، وتُفرّع أفضلها إلى شبكات فرعية جديدة. وبالتالي، تتراكم الإنجازات بسرعة بدلاً من انتظار خارطة طريق ربع سنوية.

باختصار، تُعيد اللامركزية تنظيم حوافز الذكاء الاصطناعي بحيث تتدفق المكافآت والحوكمة إلى مُنشئي القيمة الحقيقيين، بدلاً من أن تتراكم في ميزانية عمومية واحدة. هذا التوافق هو الفرق بين مستقبل الذكاء الاصطناعي الذي تملكه حفنة من الشركات، ومستقبل نملكه جميعًا.

الذكاء الاصطناعي اللامركزي في العمل

Bittensor هو أحد أمثلة حلول الذكاء الاصطناعي اللامركزية. Bittensor شبكة مفتوحة وحيوية، حيث تُترجم الحوافز الاقتصادية المشفرة مباشرةً إلى ذكاء اصطناعي أفضل. تنشر العُقد المستقلة المهام، وتتشارك الأوزان، وتُقيّم أداء بعضها البعض. يُسجل كل تفاعل على السلسلة، ويُدفع للمساهمين برمز Bittensor الأصلي ( TAO ) أو رموز الشبكة الفرعية بمجرد أن يُحرز عملهم تقدمًا ملحوظًا.

في هذا السياق الاقتصادي، يلعب BitMind دور كاشف التزييف العميق. يقوم سرب من نماذج الرؤية الحاسوبية برصد الصور والفيديوهات المُعدّلة. في كل أسبوع، تُعيد العقد المتماثلة تقييم بعضها البعض، وتحصل الكواشف التي تتفوق في الأداء على مكافآت أكبر. والنتيجة هي معدل اكتشاف يبلغ 88%، أي أعلى بنحو عشرين نقطة من الأدوات الاحتكارية الرائدة، وتكيف فوري عند ظهور تقنيات تزييف عميق جديدة. علاوة على ذلك، بدلاً من أن يُملي مختبر واحد ماهية نموذج اللغة، فإن Templar، وهو نموذج تدريب لامركزي، يُتيح لأي شخص توفير البيانات أو الحوسبة أو البنى التحتية لتحسين خسارة التدريب. تُحدد مُصادقات الشبكات الفرعية خوارزميًا المساهمات التي تُحسّن الأداء، وتتدفق المكافآت وفقًا لذلك.

ما يربط هذه المشاريع هو حلقة الحوافز نفسها: كل تحسين تدريجي، سواءً كان مجموعة بيانات أنظف، أو نموذجًا مُحسّنًا، أو أداءً مُحسّنًا، يُكسب المُساهم فيه حصة أكبر من الانبعاثات. وأخيرًا، أصبح للإيثار مفتوح المصدر نموذج عمل مستدام.

وعدت العملات المشفرة بجعل المال متاحًا للجميع، لكنها ضاعت في غياهب المضاربة. يُحقق الذكاء الاصطناعي اللامركزي هذه الرؤية من خلال خلق حافز مستدام ونموذج اقتصادي لتطوير الذكاء الاصطناعي مفتوح المصدر. إذا كان الذكاء الاصطناعي واسع النطاق سيُشكل القرن المقبل، فقد يُصبح ضمان تقاسم عوائده على نطاق واسع أهم إرث للعملات المشفرة وأكثرها قابلية للتحقيق.

كين جون مياشي

كين جون مياشي هو المؤسس المشارك لشركة بيت مايند، وهي شركة رائدة في تطوير تقنيات رائدة لكشف التزييف العميق وتطبيقات الذكاء الاصطناعي اللامركزية. قبل تأسيسه بيت مايند، عمل كين مهندس برمجيات وقائدًا تقنيًا في مؤسسات رائدة مثل مؤسسة نير، وأمازون، ومختبرات بوليمر، حيث صقل خبرته في حلول التكنولوجيا القابلة للتطوير. وقد كتب العديد من المنشورات البحثية الأكاديمية حول تقنية البلوك تشين، مستفيدًا من عمله في مركز سان دييغو للحاسوب العملاق.