اللامركزية AI: بناء مستقبل ذكي أكثر عدلاً وشفافية

تغير الذكاء الاصطناعي بشكل عميق طريقة حياتنا. من التحليل السريع لوثائق معقدة إلى العصف الذهني الإبداعي المفاجئ، وصولاً إلى تجارب الأفلام الشخصية، الذكاء الاصطناعي موجود في كل مكان. ومع ذلك، على الرغم من الفوائد العديدة التي يقدمها الذكاء الاصطناعي، إلا أنه أثار بعض المخاوف الجادة.

حاليًا، تسيطر عدد قليل من عمالقة التكنولوجيا على أكثر نماذج الذكاء الاصطناعي تقدمًا وقوة، وآلية عملها الداخلية غير شفافة. لا يمكننا معرفة مصدر بيانات التدريب، وتفاصيل عملية اتخاذ القرار، ومن الذي يستفيد فعليًا عند ترقية النموذج. غالبًا ما لا يتم الاعتراف بمساهمات المبدعين أو مكافأتهم كما ينبغي. تتسلل التحيزات بهدوء، بينما تعمل هذه الأدوات التي تشكل مستقبلنا في الخفاء.

لذلك بدأ الناس في التشكيك في اتجاه تطوير الذكاء الاصطناعي. تزداد المخاوف بشأن مراقبة الخصوصية، ونشر المعلومات الزائفة، ونقص الشفافية، واحتكار التدريب على الذكاء الاصطناعي وتوزيع الأرباح من قبل عدد قليل من الشركات. هذه المخاوف أدت إلى الحاجة إلى أنظمة ذكاء اصطناعي أكثر شفافية، وتحمي الخصوصية بشكل أفضل، وتسمح بمشاركة أوسع.

اللامركزية AI(DeAI) تقدم أفكارًا جديدة لحل هذه المشكلات. هذه الأنظمة تشتت البيانات، والحوسبة، والحكم، مما يجعل نماذج الذكاء الاصطناعي أكثر مسؤولية، وشفافية، وشمولية. يمكن للمساهمين الحصول على عوائد عادلة، كما يمكن للمجتمع أن يقرر بشكل مشترك كيفية تشغيل هذه الأدوات القوية. هناك بالفعل العديد من مشاريع البلوك تشين التي تبني بنية تحتية للذكاء الاصطناعي اللامركزي العادل الموجه نحو المستقبل، تهدف إلى خدمة الجميع وليس القلة.

اللامركزية AI与传统 AI的区别

تستخدم أنظمة الذكاء الاصطناعي السائدة حاليًا هيكلًا مركزيًا، حيث تتولى شركة واحدة جمع البيانات، وتدريب النماذج، والسيطرة على المخرجات. لا تقبل هذه النموذج عادةً الرقابة العامة، ولا يعرف المستخدمون كيفية بناء النماذج أو التحيزات المحتملة.

بالمقارنة، تعتمد الذكاء الاصطناعي اللامركزي نهجًا مختلفًا تمامًا. يتم توزيع البيانات على مختلف العقد، ويُدار النموذج بشكل مشترك من قبل المجتمع أو البروتوكول، وتكون عملية التحديث شفافة وعلنية. هذا نظام مبني تحت تعاون الجمهور، مع قواعد واضحة وحوافز للمشاركة، وليس تحت سيطرة صندوق أسود.

يمكن مقارنة الذكاء الاصطناعي المركزي بمتحف تديره مؤسسة خاصة. يمكنك زيارة المعروضات، وحتى رؤية بياناتك تُستخدم في الإبداع، لكن ليس لديك الحق في تحديد كيفية تنظيم المعرض، ولن تُعترف بمساهمتك أو تُكافأ عليها. عملية اتخاذ القرار غير شفافة، وغالبية العمليات خلف الكواليس غير معروفة.

و اللامركزية AI تشبه أكثر معرض فنون مفتوح يتم بناؤه من قبل مجتمع عالمي. يساهم الفنانون والمؤرخون والمواطنون العاديون في الإبداع ومشاركة البيانات والمشاركة في تنظيم المعرض. كل مساهمة قابلة للتتبع وشفافة، ويكافأ المساهمون على تحسين المعرض. هذه البنية تساعد على تعزيز حماية المستخدمين والمسؤولية، وهو ما تحتاجه مجالات AI اليوم بشكل ملح.

أهمية AI اللامركزية

نموذج الذكاء الاصطناعي المركزي أدى إلى مشاكل خطيرة. عندما تتحكم عدد قليل من الشركات في النموذج، فإنها تقرر ما يتعلمه النموذج، وكيف يتصرف، وما هي صلاحيات الوصول، مما قد يؤدي إلى المخاطر التالية:

• تركيز السلطة بشكل مفرط: تهيمن عدد قليل من الشركات على اتجاه تطوير الذكاء الاصطناعي، مما يفتقر إلى الرقابة العامة
• تحيز الخوارزمية: تؤدي البيانات المحدودة ووجهات النظر إلى عدم عدالة النظام واستبعاده.
• فقدان السيطرة من قبل المستخدمين: يساهم الناس بالبيانات لكن ليس لديهم الحق في تحديد كيفية استخدامها، ولا يحصلون على تعويض.
• الابتكار مقيد: التحكم المركزي يحد من تنوع النموذج ومساحة التجارب

اللامركزية AI أعادت توازن هذا الوضع. من خلال توزيع الملكية والسلطة، تفتح الطريق لنظم AI أكثر شفافية وعدلاً وابتكاراً. يمكن للمساهمين العالميين تشكيل النماذج معاً، وضمان أنها تعكس وجهات نظر أوسع. تلعب الشفافية دوراً حاسماً في ذلك، حيث تتبنى العديد من نظم AI اللامركزية مبادئ المصدر المفتوح، مما يجعل الكود وطرق التدريب متاحة للجمهور، مما يسهل تدقيق النماذج، واكتشاف المشكلات، وبناء الثقة.

ومع ذلك، فإن الذكاء الاصطناعي مفتوح المصدر لا يعني دائمًا اللامركزية. يمكن أن تكون النماذج مفتوحة المصدر ولكن لا تزال تعتمد على بنية تحتية مركزية، أو تفتقر إلى آليات حماية الخصوصية. تشترك كلاهما في خصائص الشفافية، والوصول، ومشاركة المجتمع. يمكن للمستخدمين المشاركة دون التخلي عن حقوق التحكم في البيانات، مما يمنحهم دافعًا أكبر للمساهمة بنشاط والاستفادة منها. اللامركزية ليست حلاً سحريًا، لكنها تفتح إمكانيات لبناء أنظمة ذكاء اصطناعي تتماشى بشكل أفضل مع المصلحة العامة وأقل تأثرًا بالشركات الخاصة.

اللامركزية AI的工作原理

اللامركزية AI تستخدم نظامًا موزعًا ليحل محل السيطرة المركزية، يتم تدريب النماذج وتحسينها ونشرها في شبكة من العقد المستقلة، مما يتجنب نقاط الفشل الفردية، ويعزز الشفافية، ويشجع على مشاركة أوسع.

التقنيات الأساسية التي تدعم اللامركزية AI تشمل:

• التعلم الفيدرالي: يسمح لنماذج الذكاء الاصطناعي بالتعلم من البيانات على الأجهزة المحلية مثل الهواتف المحمولة، أجهزة الكمبيوتر المحمولة (، حيث يتم مشاركة تحديثات النموذج فقط بدلاً من المعلومات الأصلية، مما يحمي الخصوصية ويحقق اللامركزية.
• الحوسبة الموزعة: توزيع مهام حساب تدريب وتشغيل نماذج الذكاء الاصطناعي على عدة آلات في الشبكة، مما يعزز السرعة والكفاءة والقابلية للتوسع والمرونة
• إثبات المعرفة الصفرية: أداة تشفيرية يمكن أن تتحقق من البيانات أو العمليات دون كشف المحتوى، مما يضمن الأمان والموثوقية في الأنظمة الموزعة

تقدم تقنية blockchain بنية تحتية هامة للذكاء الاصطناعي اللامركزي:

• العقود الذكية: تنفيذ تلقائي للقواعد المحددة مسبقًا، مثل الدفع أو تحديث النموذج، دون تدخل بشري
• أوراكل: كجسر بين اللامركزية وعالم الخارجي, يوفر بيانات من العالم الحقيقي
• اللامركزية التخزين:让训练数据和模型文件在网络中分散存储,增强安全性和抗审查能力

تدعم الهياكل النمطية لبعض المشاريع القائمة على تقنية blockchain الشبكات المختلفة التي تركز على الخصوصية والحوسبة والحكم وغيرها من المهام المختلفة، مع الحفاظ على التوافق البيني. يجعل هذا التصميم الذكاء الاصطناعي اللامركزي أكثر قابلية للتوسع ومرونة وأمانًا وكفاءة.

![ما هي اللامركزية AI؟ دليل المبتدئين المدعوم من blockchain])https://img-cdn.gateio.im/webp-social/moments-f77d75250c04e62375c579910f6251b7.webp(

مزايا اللامركزية AI

اللامركزية AI ليست مجرد تغيير تقني، بل هي أيضًا تحول في القيم. إنها تبني أنظمة تعكس قيمًا مشتركة مثل الخصوصية والشفافية والإنصاف والمشاركة، من خلال تحقيق اللامركزية الفوائد التالية:

• حماية أفضل للخصوصية: استخدام تقنيات التعلم الفيدرالي، التدريب المحلي وإثباتات المعرفة الصفرية وغيرها
• الشفافية المدمجة: النظام المفتوح يسهل التدقيق، تتبع القرارات وتحديد التحيز.
• الحكم المشترك: يقوم المجتمع بوضع القواعد والحوافز واتجاه تطور النموذج معًا
• حوافز اقتصادية عادلة: يحصل المساهمون على مكافآت لتقديم البيانات أو الحسابات أو تحسين النماذج
• تقليل التحيز: يساهم المساهمون المتنوعون برؤى شاملة، مما يقلل من النقاط العمياء
• قوة مرونة أكبر: لا توجد نقطة فشل واحدة، النظام أكثر صعوبة في الاختراق أو الإغلاق

تدعم بعض مشاريع البلوكشين هذه المزايا من خلال بنية معمارية معيارية، حيث يمكن للشبكات المختلفة التركيز على الخصوصية أو الحساب أو الحوكمة، مع التعاون السلس، مما يعزز تطوير الذكاء الاصطناعي اللامركزي على نطاق واسع دون التضحية بالأمان أو استقلالية المستخدم أو الأداء.

التحديات والقيود التي تواجهها

اللامركزية AI虽有潜力,但也面临一些挑战:

• قابلية التوسع: يتطلب تدريب النماذج الكبيرة قوة حوسبة كبيرة، وقد تؤدي التنسيق الموزع إلى تقليل السرعة أو زيادة التعقيد
• موارد الحوسبة المكثفة: استهلاك موارد نموذج الذكاء الاصطناعي مرتفع، والتشغيل الموزع يزيد من ضغط عرض النطاق الترددي واستهلاك الطاقة.
• عدم اليقين التنظيمي: اختلاف القوانين في المناطق المختلفة، تعقيد مسؤوليات النظام اللامركزي
• التجزئة: قد يؤدي نقص اللامركزية إلى عدم توحيد المعايير، وعدم توازن المشاركة
• الأمان والموثوقية: لا يزال النظام غير الموثوق عرضة للهجمات، مثل التلاعب بالبيانات، وتسميم النماذج
• تجربة المستخدم معقدة: إدارة المفاتيح الخاصة، والعمليات متعددة الواجهات قد تعيق الانتشار

هذه تحديات حقيقية، لكنها ليست مستحيلة التغلب عليها. توفر بعض مشاريع blockchain بنية معيارية قوية للأمان المشترك والقدرة على التشغيل البيني الأصلية، مما يسمح لشبكات مختلفة بالتركيز على تحديات محددة مع الحفاظ على التعاون البيئي، ودعم النمو المسؤول وتقاسم المخاطر.

تطبيقات اللامركزية للذكاء الاصطناعي

اللامركزية AI قد تجاوزت الآن المستوى النظري. عدد من مشاريع Web3 تظهر كيف يمكن أن تدفع الذكاء الموزع التطبيقات الواقعية. فيما يلي بعض المشاريع التمثيلية التي تبني اللامركزية AI:

1. Acurast: يسمح للمستخدمين العاديين بتحويل الأجهزة غير المستخدمة إلى جزء من السحابة اللامركزية، من خلال تقديم القدرة الحاسوبية غير المستخدمة للحصول على مكافآت. يمكن للمطورين استخدام هذه الموارد لتشغيل المهام الحساسة للخصوصية، دون الاعتماد على خوادم شركات التكنولوجيا الكبرى، لإنشاء إنترنت أكثر خصوصية وتركزًا على الإنسان.

2. OriginTrail: قائم على اللامركزية، يربط وينظم البيانات الموثوقة في مجالات مثل سلسلة التوريد والتعليم. إنه بمثابة قاعدة بيانات عامة يمكن لأي شخص المساهمة فيها أو التحقق منها، ولكنها ليست تحت سيطرة شركة واحدة، مما يساعد في التحقق من مصدر المنتج أو صحة الشهادات وغيرها من المعلومات.

3. Phala: لبناء طبقة حماية الخصوصية لموقع Web3، مما يسمح للمطورين بتشغيل العقود الذكية في بيئات حساب سرية. حتى إذا كانت التطبيقات تستخدم بيانات حساسة ) مثل معلومات الهوية أو المعلومات الصحية (، يمكن أن تظل هذه البيانات خاصة، مما يوفر لمسؤولي التطبيقات مساحة عمل آمنة للبيانات.

4. PEAQ: يوفر البنية التحتية للاقتصاد الآلي، مما يسمح للناس والأجهزة بالحصول على مكافآت من خلال إتمام المهام الفعلية. إنه يوفر الطاقة للبنية التحتية المادية اللامركزية، مثل شحن الروبوتات للسيارات الكهربائية أو تقارير المستشعرات عن جودة الهواء، ويكسب المكافآت عبر الشبكة.

5. Bittensor: إنشاء سوق مفتوحة، حيث تتنافس وتتعامل نماذج الذكاء الاصطناعي، وتقدم أفضل النتائج. يمكن لأي شخص الانضمام إلى الشبكة، والمساهمة بقوة الحوسبة، أو تدريب النماذج، أو تقييم الأداء. يقوم النظام بتحفيز المساهمات القيمة من خلال الرموز، لبناء اقتصاد ذكاء اصطناعي يعمل على تحسين الذات، ومقاوم للرقابة، ولا يعتمد على السيطرة المركزية.

الخاتمة

اللامركزية AI ليست فقط تحولًا تقنيًا، بل هي أيضًا تحول في القيم. إنها تتحدى فكرة أن الذكاء يجب أن يتم التحكم فيه من قبل عدد قليل من الشركات، وتقدم بدائل أكثر انفتاحًا ومسؤولية. هذه الأنظمة تشتت القوة، وتحمي الخصوصية، وتدعو العالم للمشاركة في تشكيل الأدوات التي تغير العالم.

توفر البلوكشين الأساس الرئيسي لتحقيق هذه الرؤية. من خلال تنسيق التحديثات، وحماية البيانات، ومكافأة المساهمين، تؤسس لأساس نظام الذكاء الاصطناعي الشفاف بطبيعته. بعض المشاريع تضيف أيضًا بنية تحتية معيارية، مما يسمح للشبكات المتخصصة بالتفوق في وظائفها الخاصة، بينما تستفيد من الخصائص الأصلية، وتحافظ على التفاعل السلس ضمن نظام بيئي أوسع. تتيح هذه المرونة لأنظمة الذكاء الاصطناعي اللامركزية أن تتطور وتوسع باستمرار دون التضحية بالأمان أو الأداء أو استقلالية المستخدم.

من الحوسبة السرية إلى إدارة البيانات اللامركزية، لقد ظهرت في بيئة البلوكشين عدة مشاريع تنفذ هذه المبادئ، وهذه مجرد بداية. الذكاء الاصطناعي اللامركزي يفتح لنا مستقبلاً أكثر عدلاً وشفافية وذكاء.