الإفصاح: الآراء والأفكار المعبر عنها هنا تنتمي فقط إلى المؤلف ولا تمثل آراء ووجهات نظر هيئة تحرير crypto.news.
لقد أصبح الذكاء الاصطناعي حديث الساعة. ولكن وراء الضجة المحيطة بالذكاء الاصطناعي اللامركزي يكمن عيب خطير: ندرة البيانات المتنوعة والآمنة والقابلة للتحقق. إن مجموعات البيانات على السلسلة محدودة للغاية بحيث لا يمكنها تدريب نماذج قوية حقًا. وهذا يهدد بالتنازل عن مستقبل الذكاء الاصطناعي لشركات مركزية عملاقة، لديها وصول غير مقيد إلى كنوز البيانات الضخمة على شبكة الإنترنت.
إن وعد شركة DeAI ــ الذكاء الاصطناعي الديمقراطي والشفاف والمتين ــ يتوقف على سد هذه الفجوة في البيانات. ويقدم التشفير الذكي طريقاً لتحقيق ذلك.
إن جمال الذكاء الاصطناعي التقليدي يكمن في شراهته. فكلما استهلك قدراً أكبر من البيانات، أصبح أكثر ذكاءً. ولكن هذه الميزة تشكل أيضاً نقطة ضعفه. إذ يتم تدريب نماذج الذكاء الاصطناعي المركزية على البيانات التي يتم جمعها غالباً دون موافقة صريحة، وهو ما يثير تساؤلات شائكة حول الخصوصية والتحكم.
تقدم DeAI، التي بنيت على مبادئ اللامركزية والشفافية في blockchain، بديلاً جذابًا. ومع ذلك، تأتي معظم البيانات على السلسلة من المعاملات المالية أو DeFi. تتطلب نماذج اللغة الصغيرة بشكل خاص بيانات أكثر دقة للضبط الدقيق. وهذا يترك نماذج DeAI محرومة من مجموعات البيانات الغنية والمتنوعة اللازمة لصقلها إلى المستويات التنافسية المتوقعة من أحدث النماذج.
تتوفر مثل هذه المجموعات من البيانات خارج نطاق الويب 3، حيث يحتوي كل من The Pile وCommon Crawl على بيانات من مليارات المصادر الفريدة. إن عمق مصادر بيانات الويب 2 الحالية والموثقة، بقدر حجم البيانات، هو ما مكّن مزودي الذكاء الاصطناعي المركزي من تحسين أدواتهم الخاصة بـ GPTs إلى أقصى حد وبأقصى سرعة ممكنة.
إن إعادة إنشاء نفس مستوى البيانات على السلسلة ليس ممكناً في إطار زمني تنافسي. وفي حين وقعت بعض شركات الذكاء الاصطناعي في مشاكل مع منشئي البيانات الذين يتهمونها بسرقة نفس النوع من البيانات الدقيقة التي ناقشناها هنا، فهناك طريقة أخرى للحصول على المزيد من البيانات على السلسلة – جعلها أكثر أمانًا.
بناء الجسور
وهنا يأتي دور التشفير. حيث تقدم أدلة المعرفة الصفرية، التي أحدثت بالفعل ضجة في مجال قابلية التوسع والخصوصية في تقنية البلوك تشين، حلاً قوياً. وهناك تقنيتان على وجه الخصوص ــ التشفير المتماثل الكامل المعرفة الصفرية (zkFHE) وبروتوكول TLS المعرفة الصفرية (zkTLS) ــ تحملان المفتاح لفتح قفل بيانات web2 لصالح الذكاء الاصطناعي.
يتيح zkFHE إجراء العمليات الحسابية على البيانات المشفرة دون فك تشفيرها. تخيل تدريب نموذج الذكاء الاصطناعي على السجلات الطبية الحساسة دون الكشف عن بيانات المريض الخام. هذه هي قوة zkFHE. فهو يسمح لنماذج DeAI بالتعلم من مجموعات بيانات ضخمة محمية بالخصوصية، مما يوسع بشكل كبير من إمكانيات التدريب الخاصة بها.
ويمتد هذا المبدأ إلى الاتصالات عبر الإنترنت باستخدام zkTLS. فهو يسمح للمستخدمين بإثبات امتلاك بيانات معينة من موقع ويب – على سبيل المثال، درجة ائتمان أو نشاط على وسائل التواصل الاجتماعي – دون الكشف عن المعلومات الأساسية. وهذا أمر بالغ الأهمية لدمج ثروة البيانات الموجودة في صوامع web2 في أنظمة DeAI. على سبيل المثال، يمكن لنموذج تسجيل الائتمان اللامركزي الاستفادة من zkTLS للوصول إلى البيانات المالية المصادق عليها من المؤسسات التقليدية دون المساس بسرية هذه البيانات.
الميزة، DeAI؟
إن العواقب عميقة. فمن خلال الجمع بين zkFHE وzkTLS، يمكن لـ DeAI الاستفادة من اتساع بيانات web2 مع الحفاظ على المبادئ الأساسية للخصوصية واللامركزية. وقد يؤدي هذا إلى تسوية المنافسة، مما يسمح لـ DeAI بالتنافس مع الذكاء الاصطناعي المركزي وربما حتى التفوق عليه.
ولنتأمل هنا عملية تطوير نماذج لغوية ضخمة تهيمن عليها حالياً شركات التكنولوجيا العملاقة التي تتمتع بتمويل جيد. وتتطلب هذه النماذج كميات هائلة من البيانات النصية للتدريب. ومن خلال الاستفادة من zkTLS، يمكن لمطوري DeAI الوصول إلى بيانات الويب المتاحة للجمهور واستخدامها بطريقة تحافظ على الخصوصية، مما يؤدي إلى إنشاء نماذج لغوية أكثر ديمقراطية وشفافية.
هناك بالطبع تحديات. فتنفيذ zkFHE وzkTLS يتطلب الكثير من العمليات الحسابية، ويتطلب تقدمًا كبيرًا في الأجهزة والبرامج. كما أن التقييس والتوافق أمران حاسمان أيضًا للتبني الواسع النطاق. ولكن المكافآت المحتملة هائلة.
في السباق نحو التفوق في مجال الذكاء الاصطناعي، تُعَد البيانات الوقود الأساسي. ومن خلال تبني حلول التشفير مثل zkFHE وzkTLS، يمكن لـ DeAI الوصول إلى الوقود الذي تحتاجه لأداء عملها. ولا يتعلق الأمر ببناء ذكاء اصطناعي أكثر ذكاءً فحسب؛ بل يتعلق أيضًا ببناء مستقبل أكثر ديمقراطية وعدالة للذكاء الاصطناعي.
