هل الذكاء الاصطناعي اللامركزي حقيقة قابلة للتحقيق أم تحدي لا يمكن التغلب عليه؟

ملاحظة: تمثل الآراء الواردة في هذه المقالة وجهة نظر المؤلف وآرائه ولا تمثل بالضرورة Coinlive أو سياساتها الرسمية.

في حين يشيد البعض بفضائل الذكاء الاصطناعي اللامركزي، ويروجون لقدرته على إعادة تشكيل مستقبل التكنولوجيا، يحذر النقاد من مخاطره الكامنة.

ويجادلون بأن الافتقار إلى السيطرة المركزية يجعل الذكاء الاصطناعي اللامركزي عرضة للتلاعب والاستغلال.

معرفة كيفية عمل الذكاء الاصطناعي المركزي والذكاء الاصطناعي اللامركزي

يشير الذكاء الاصطناعي المركزي والذكاء الاصطناعي اللامركزي إلى نهجين مختلفين في مجال الذكاء الاصطناعي بناءً على كيفية تنظيم معالجة البيانات وصنع القرار.

في أنظمة الذكاء الاصطناعي المركزية، تتم جميع عمليات معالجة البيانات واتخاذ القرارات في موقع مركزي واحد أو خادم واحد، مثل خادم كمبيوتر قوي تملكه شركة أو مؤسسة.

يقوم هذا الخادم المركزي بجمع البيانات من مصادر مختلفة وتحليلها لاتخاذ القرارات أو تقديم رؤى.

إنه مثل وجود عقل واحد كبير يتخذ جميع القرارات.

أما بالنسبة لأنظمة الذكاء الاصطناعي اللامركزية، فسيتم توزيع معالجة البيانات واتخاذ القرار عبر أجهزة أو عقد متعددة بدلاً من التحكم فيها من قبل سلطة مركزية واحدة.

يتمتع كل جهاز أو عقدة في الشبكة بقدرة حاسوبية خاصة به ويساهم في عملية المعالجة واتخاذ القرار بشكل عام.

إنه مثل وجود العديد من العقول الصغيرة التي تعمل معًا لاتخاذ القرارات.

المصدر: Coinmotion حول اللامركزية والمركزية

يوفر الذكاء الاصطناعي المركزي الكفاءة وسهولة الإدارة ولكن مع استغلال المخاطر

يتمحور النقاش المحوري في هذا المجال حول مزايا وعيوب السيطرة المركزية مقابل السيطرة اللامركزية على أنظمة الذكاء الاصطناعي، خاصة فيما يتعلق بحماية المصالح العامة على نطاق واسع.

يوفر التحكم المركزي في البنية التحتية للذكاء الاصطناعي مزايا من حيث الاستخدام المتقدم والكفاءة.

في هذا النموذج، يسيطر كيان واحد، غالبًا ما يكون حكومة أو شركة كبيرة، على تطوير أنظمة الذكاء الاصطناعي ونشرها وتشغيلها.

يسهل هذا النهج المركزي عمليات اتخاذ القرار المبسطة، والاعتماد السريع للتقنيات الجديدة، وتجميع مجموعات البيانات الضخمة للتحليل والتحسين.

ومن خلال الاستفادة من أنظمة الذكاء الاصطناعي المركزية، يمكن للعلامات التجارية الحصول على رؤى ثاقبة حول سلوك المستهلك، وتصميم استراتيجيات التسويق بدقة، وأتمتة الجوانب التشغيلية المختلفة لتعزيز الكفاءة والقدرة التنافسية.

ومع ذلك، فإن تركيز القوة المتأصلة في السيطرة المركزية على الذكاء الاصطناعي يثير مخاوف كبيرة بشأن احتمال إساءة الاستخدام والاستغلال.

تتمتع أنظمة الذكاء الاصطناعي المركزية بتأثير هائل على الأفراد. حياتهم، ومن المحتمل أن تشكل خياراتهم وسلوكياتهم بطرق قد لا تتماشى مع مصالحهم الفضلى.

علاوة على ذلك، فإن الافتقار إلى الشفافية والمساءلة في نماذج السيطرة المركزية يمكن أن يؤدي إلى تفاقم قضايا التحيز والتمييز وانتهاكات الخصوصية، مما يزيد من تآكل حقوق المواطنين واستقلاليتهم.

وفيما يلي المخاوف البارزة:

خصوصية البيانات: غالبًا ما تجمع أنظمة الذكاء الاصطناعي المركزية كميات كبيرة من البيانات الشخصية، مما يشكل مخاطر كبيرة على الخصوصية. عندما يتحكم كيان واحد في هذه البيانات، فإن الأفراد يتحكمون في هذه البيانات. تصبح المعلومات الشخصية عرضة لسوء الاستخدام أو الاستغلال.

يتحكم: يمكن للسلطة المركزة أن تعزز الغموض وانعدام المساءلة في عملية صنع القرار في مجال الذكاء الاصطناعي. إذا قامت مجموعة صغيرة أو منظمة بإملاء خوارزميات الذكاء الاصطناعي، فقد تتلاعب بالنتائج لصالحها، مما قد ينتهك حقوق الآخرين وحرياتهم.

التحيز والتمييز: قد تعمل أنظمة الذكاء الاصطناعي المركزية على إدامة التحيز والتمييز أو تفاقمهما عن غير قصد، خاصة إذا كانت بيانات التدريب منحرفة أو متحيزة. وقد يكون لذلك آثار ضارة على المجتمعات المهمشة.

أخطار أمنية: يصبح نظام الذكاء الاصطناعي المركزي هدفًا رئيسيًا للهجمات الإلكترونية. يمكن أن تؤدي الخروقات إلى أضرار جسيمة، بما في ذلك خروقات البيانات والتلاعب بخوارزميات الذكاء الاصطناعي والأنشطة الضارة الأخرى.

قمع الابتكار: قد يعيق المشهد المركزي للذكاء الاصطناعي الابتكار حيث يواجه اللاعبون الصغار والشركات الناشئة حواجز أمام الدخول. يعد الابتكار أمرًا بالغ الأهمية لمعالجة المخاوف الأخلاقية والمتعلقة بالسلامة في الذكاء الاصطناعي.

الذكاء الاصطناعي المركزي يهيمن على المشهد الحالي

ومن حيث الحصة السوقية، يهيمن الذكاء الاصطناعي المركزي على المشهد الحالي، مع قيام عمالقة التكنولوجيا والمنظمات القائمة بنشر حلول الذكاء الاصطناعي المركزية على نطاق واسع.

تتمتع هذه الأنظمة بقاعدة مستخدمين كبيرة، تتراوح من المؤسسات إلى المستهلكين الأفراد، وقد أثبتت فعاليتها في العديد من التطبيقات، بدءًا من محركات التوصية وحتى معالجة اللغات الطبيعية.

من الناحية التكنولوجية، وصلت أنظمة الذكاء الاصطناعي المركزية إلى مستوى عالٍ من النضج، مستفيدة من سنوات من البحث والتطوير.

غالبًا ما يتباهون بخوارزميات متطورة ومجموعات بيانات ضخمة وبنية تحتية قوية، مما يمكنهم من تقديم تنبؤات ورؤى دقيقة باستمرار.

على سبيل المثال، تستخدم البنوك والمؤسسات المالية أنظمة الذكاء الاصطناعي المركزية لتحليل كميات هائلة من البيانات لتقييم مخاطر الائتمان وفرص الاستثمار واتجاهات السوق.

تستخدم شركات بطاقات الائتمان خوارزميات الذكاء الاصطناعي المركزية للكشف عن المعاملات الاحتيالية وتحديد الأنماط التي تشير إلى الأنشطة الاحتيالية.

عندما يتعلق الأمر بالمشهد الفني والموسيقي، تستخدم بعض الاستوديوهات الفنية والفنانين الرقميين خوارزميات الذكاء الاصطناعي المركزية لإنشاء عمل فني تلقائيًا بناءً على أنماط أو سمات أو صور مُدخلة محددة مسبقًا.

بينما تستخدم منصات البث مثل Spotify خوارزميات الذكاء الاصطناعي المركزية لتحليل تفضيلات المستخدم وسلوكه للتوصية بقوائم التشغيل المخصصة وتوصيات الموسيقى.

أضاف بن راتليف، الناقد الموسيقي ومؤلف كتاب "كل أغنية على الإطلاق: عشرون طريقة للاستماع في عصر الوفرة الموسيقية":

"إن Spotify جيد في التقاط الحساسيات الشعبية وإنشاء موسيقى تصويرية لها."

ومع ذلك، على الرغم من نضجها، تواجه أنظمة الذكاء الاصطناعي المركزية تحديات تتعلق بخصوصية البيانات وقابلية التوسع ونقاط الفشل الفردية، مما قد يحد من فعاليتها في سيناريوهات معينة.

المدافعون عن الذكاء الاصطناعي اللامركزي من أجل الاستقلالية والخصوصية

يقدم الذكاء الاصطناعي اللامركزي نهجا متناقضا، مع إعطاء الأولوية للاستقلالية الفردية والتمكين الجماعي.

في هذا النموذج، يتم توزيع أنظمة الذكاء الاصطناعي عبر شبكة من العقد، مع عدم وجود كيان واحد يمارس السيطرة الشاملة.

تعمل هذه البنية الموزعة على تخفيف المخاطر المرتبطة بالتحكم المركزي، حيث لا توجد نقطة واحدة للفشل أو التلاعب.

تعمل أنظمة الذكاء الاصطناعي اللامركزية على مبادئ الشفافية والمساءلة والحكم الديمقراطي، مما يضمن عمليات صنع القرار الشاملة التي تمثل مصالح ووجهات نظر متنوعة.

ومن خلال توزيع السيطرة بين جهات فاعلة متعددة، يحد الذكاء الاصطناعي اللامركزي من احتمالات إساءة الاستخدام والقمع، ويحمي حقوق المواطنين ويعزز الوصول العادل إلى تقنيات الذكاء الاصطناعي.

إنه يلعب دورًا حيويًا في الحماية من سيناريوهات الذكاء الاصطناعي البائسة لعدة أسباب:

ملكية البيانات والخصوصية: في النظام اللامركزي، يحتفظ الأفراد بقدر أكبر من السيطرة على بياناتهم، ويقررون كيف ومتى ومع من يتم مشاركتها. وهذا يقلل من مخاطر خروقات البيانات وانتهاكات الخصوصية.

الشفافية والمساءلة: تعمل اللامركزية على تعزيز الشفافية من خلال إشراك العديد من أصحاب المصلحة في تطوير الذكاء الاصطناعي ونشره. وهذا يزيد من صعوبة التلاعب بأنظمة الذكاء الاصطناعي لأغراض غير أخلاقية ويزيد من المساءلة.

تقليل التحيز: ومع تنوع أصحاب المصلحة المشاركين في التنمية، يمكن أن يكون الذكاء الاصطناعي اللامركزي أكثر شمولاً وأقل تحيزًا. وهذا يساعد على معالجة قضايا العدالة والتمييز.

تحسين الأمن: تعد الأنظمة اللامركزية أكثر مرونة في مواجهة الهجمات الإلكترونية بسبب البيانات الموزعة وعملية صنع القرار. وهذا يجعل من الصعب على الخصوم اختراق النظام بأكمله.

تشجيع الابتكار: تشجع اللامركزية الابتكار من خلال السماح لمجموعة واسعة من المشاركين بالمساهمة في أبحاث الذكاء الاصطناعي وتطويره. يمكن للشركات الناشئة والأفراد والكيانات الصغيرة أن تلعب دورًا مهمًا، مما يجعل المجال أكثر ديناميكية واستجابة للاحتياجات المجتمعية.

على سبيل المثال، تستفيد منصات التمويل اللامركزي (DeFi) من خوارزميات الذكاء الاصطناعي اللامركزية لأتمتة عمليات الإقراض والاقتراض والتداول دون وسطاء، مما يوفر للمستخدمين مزيدًا من التحكم في مواردهم المالية.

أما بالنسبة للمشهد الفني والموسيقي، فإن الأسواق الفنية اللامركزية مثل OpenSea تسمح للفنانين ببيع أعمالهم الفنية الرقمية مباشرة إلى المشترين دون وسطاء، وذلك باستخدام خوارزميات الذكاء الاصطناعي اللامركزية للمصادقة والتحقق من المصدر.

تستخدم بعض المنصات القائمة على تقنية البلوكتشين أيضًا خوارزميات الذكاء الاصطناعي اللامركزية لتتبع الإتاوات وتوزيعها على الموسيقيين، مما يضمن تعويضًا شفافًا وعادلاً عن عملهم.

حالة استخدام أخرى هي التعلم الموحد الذي يمثل نهجًا يتم فيه تدريب النماذج مباشرة على الأجهزة اللامركزية، مع الحفاظ على بيانات المستخدم على الأجهزة الفردية بدلاً من دمجها مركزيًا.

ومن الأمثلة الرئيسية على هذه المنهجية هو التعلم الموحد للأفواج (FLoC) من Google.

تسلط أليسون دويتمان، الرئيس التنفيذي لمعهد Foresight Institute والمتحدث المميز في Consensus 2024، الضوء على ثلاثة مجالات محورية يمكن أن تُحدث فيها blockchain ثورة في أنظمة الذكاء الاصطناعي.

وعندما سُئلت عما تعتبره الطرق الواعدة والمشروعة التي يمكن أن تساعد بها تقنية blockchain في تطوير ذكاء اصطناعي أكثر أمانًا أو أفضل، أوضحت:

"أعتقد أنني سأقول أن هناك ثلاثة دلاء. أحدها هو الجانب الأمني ​​للأشياء، حيث تتمتع مساحة Web3/crypto بخبرة كبيرة في التعامل مع الفشل السريع إذا لم يكن لديك أنظمة آمنة مبنية. نظرًا لأن العديد من الأنظمة الموجودة في المساحات غير المسموح بها أو غير القابلة للتغيير - إذا لم تقم بإنشائها بشكل صحيح - فقد تكون هناك مكافأة قدرها مليون دولار مرتبطة بها. لذلك أعتقد أن روح بناء السلامة وإجراء عملية تدقيق غير مقصودة تقريبًا هي عقلية مهمة، بينما نقوم ببناء أنظمة الذكاء الاصطناعي. أما السؤال الثاني فهو كيف يمكننا الاستفادة من التقنيات التي يعمل عليها مجال العملات المشفرة أيضًا لبناء أنظمة الذكاء الاصطناعي التي نريدها من منظور بشري؟ [الدلو الثالث] جانب الحوكمة في الذكاء الاصطناعي. لذلك، ربما يمكنك استخدام تقنيات التشفير لإثبات أنك تتبع معايير أو معايير معينة للسلامة. بدلاً من الاضطرار إلى مشاركة جميع المعلومات التي قد تكون مملوكة، يمكنك فقط مشاركة المعلومات المطلوبة لإثبات أنك تحقق معايير أمان معينة.

يؤكد عارف خان، الرئيس التنفيذي لشركة أليثيا والمتحدث المميز في مرحلة الذكاء الاصطناعي في مؤتمر إجماع 2024، أن الذكاء الاصطناعي اللامركزي يتجاوز مجرد الضجيج والمفاهيم المجردة؛ إنه يمثل تحولا محوريا نحو المستقبل.

ويؤكد على فوائدها الملموسة، مما يشير إلى أن لديها القدرة على تحسين حياتنا اليومية بشكل كبير.

اعتماد الذكاء الاصطناعي اللامركزي يتزايد ولكنه يفتقر إلى النضج ويواجه عقبات متعددة

يتزايد اعتماد حلول الذكاء الاصطناعي اللامركزية بشكل مطرد ولكنه يواجه عقبات تتعلق بإمكانية التشغيل البيني وقابلية التوسع وعدم اليقين التنظيمي، فضلاً عن عدد أقل من اللاعبين الراسخين وقاعدة مستخدمين أصغر.

وبدون التنسيق المركزي، فإن تحقيق الإجماع وتنفيذ القرارات الجماعية يمكن أن يكون معقدا ويستغرق وقتا طويلا، مما يعيق الكفاءة.

علاوة على ذلك، فإن الافتقار إلى السلطة المركزية قد يؤدي إلى تجزئة وتباعد الأهداف بين العقد، مما قد يعيق استراتيجيات ومبادرات الذكاء الاصطناعي المتماسكة.

وتشكل قابلية التشغيل البيني على وجه الخصوص عقبة كبيرة في طريق الذكاء الاصطناعي اللامركزي، نظرا لاعتماده على منصات وتقنيات متنوعة.

وبدون التوافق السلس، تظل الإمكانات الواسعة للذكاء الاصطناعي غير مستكشفة.

علاوة على ذلك، تفرض البيئة التنظيمية غير المؤكدة تحديات، حيث تسعى الحكومات على مستوى العالم إلى التكيف مع التطور السريع لتكنولوجيا الذكاء الاصطناعي.

وقد يؤدي هذا التأخر التنظيمي إلى أطر مفككة، أو ما هو أسوأ من ذلك، الافتقار إلى الرقابة الفعالة.

بالإضافة إلى ذلك، يبرز الأمن باعتباره مصدر قلق بالغ، بالنظر إلى الطبيعة الموزعة للأنظمة اللامركزية.

وبينما توفر هذه البنية المرونة، فإنها تعرضهم أيضًا للتهديدات السيبرانية المحتملة، مما يؤكد الحاجة الملحة لحماية سلامتهم.

يؤكد جيسوس رودريجيز، الرئيس التنفيذي لشركة IntoTheBlock، أن الذكاء الاصطناعي يميل إلى المركزية بشكل طبيعي بمرور الوقت، مما يشكل تحديًا لمبادرات اللامركزية.

أحد التحديات الرئيسية التي تواجه الذكاء الاصطناعي اللامركزي هو الحفاظ على التزامن بين العقد اللامركزية في شبكة الذكاء الاصطناعي.

في النظام اللامركزي، تقوم العقد المتعددة بمعالجة البيانات وتحليلها بشكل مستقل، مما يجعل من الضروري مزامنة إجراءاتها لضمان الاتساق والدقة.

ومع ذلك، فإن تنسيق أنشطة العقد المتباينة في الوقت الفعلي يمكن أن يكون معقدًا، خاصة عند التعامل مع كميات كبيرة من البيانات والبيئات الديناميكية.

التحدي الآخر هو ضمان اتساق البيانات عبر العقد اللامركزية.

في نظام الذكاء الاصطناعي الموزع، قد يكون لكل عقدة مجموعة بيانات خاصة بها، مما يؤدي إلى تناقضات وتناقضات في البيانات المستخدمة للتدريب والاستدلال.

ويمكن أن يؤدي ذلك إلى نماذج ذكاء اصطناعي متحيزة أو غير دقيقة، مما يعرض موثوقية وفعالية تطبيقات الذكاء الاصطناعي للخطر.

الحلول المحتملة لمواجهة هذه التحديات لها حدود

ويتمثل أحد الأساليب في تنفيذ آليات الإجماع التي تمكن العقد اللامركزية من الاتفاق على حالة الشبكة وتنسيق أعمالها بشكل فعال.

تُستخدم خوارزميات الإجماع مثل إثبات العمل وإثبات الحصة بشكل شائع لتحقيق التزامن واتساق البيانات في الأنظمة اللامركزية.

بالإضافة إلى ذلك، يمكن أن تساعد تقنيات مثل التعلم الموحد ومشاركة البيانات المستندة إلى تقنية blockchain في تحسين اتساق البيانات من خلال السماح للعقد اللامركزية بتدريب نماذج الذكاء الاصطناعي بشكل تعاوني على مجموعات البيانات الموزعة مع الحفاظ على خصوصية البيانات وأمنها.

ومع ذلك، فإن هذه الحلول لها قيود تفرض قيودًا على تطبيقات الذكاء الاصطناعي اللامركزية.

يمكن أن تؤدي آليات الإجماع إلى زمن الوصول والنفقات العامة، مما يؤدي إلى إبطاء الأداء العام لأنظمة الذكاء الاصطناعي.

قد تعاني تقنيات التعلم الموحد من اختناقات في الاتصال ومشكلات قابلية التوسع، خاصة في البيئات الموزعة واسعة النطاق.

علاوة على ذلك، يمكن أن تكون مشاركة البيانات المستندة إلى تقنية blockchain كثيفة الاستهلاك للموارد وقد لا تتوسع بشكل جيد مع زيادة حجم الشبكة وتعقيدها.

الطريق إلى الذكاء الاصطناعي اللامركزي ممكن ولكنه معركة شاقة

على الرغم من الشعبية المتزايدة للأنظمة اللامركزية مثل blockchain، لا تزال هناك فجوة كبيرة في الفهم بين عامة الناس.

العديد من الأفراد ليسوا على دراية بالمفاهيم الأساسية للامركزية وكيف تختلف عن النماذج المركزية التقليدية.

وغالباً ما يؤدي هذا النقص في الوعي إلى الشك وانعدام الثقة، مما يعيق التبني الواسع النطاق للتكنولوجيات اللامركزية.

حاليًا، يختلف مستوى القبول العام بشكل كبير اعتمادًا على عوامل مثل الموقع الجغرافي، والحالة الاجتماعية والاقتصادية، والإلمام بالتكنولوجيا.

في المناطق التي ترتفع فيها إمكانية الوصول إلى الإنترنت ومحو الأمية الرقمية، هناك ميل إلى قبول أكبر للتكنولوجيا اللامركزية.

ومع ذلك، في المناطق ذات الوصول المحدود إلى التكنولوجيا أو حيث تهيمن الأنظمة المركزية، قد تكون هناك مقاومة أكبر لتبني الحلول اللامركزية.

وبالتالي، فإن تعزيز الشفافية والمشاركة أمر أساسي لبناء الثقة في التكنولوجيا اللامركزية.

ومن خلال توفير معلومات واضحة ويمكن الوصول إليها حول كيفية عمل الأنظمة اللامركزية وفوائدها المحتملة، يمكن للمطورين والمدافعين إزالة الغموض عن التكنولوجيا ومعالجة المفاهيم الخاطئة.

يتضمن ذلك تثقيف الجمهور حول مفاهيم مثل آليات إجماع blockchain، وتشفير البيانات، وهياكل الإدارة اللامركزية.

علاوة على ذلك، فإن تعزيز المشاركة الأكبر في الشبكات اللامركزية يمكن أن يساعد في تمكين المستخدمين وإظهار الطبيعة الديمقراطية لهذه الأنظمة.

ومن خلال إشراك أصحاب المصلحة في عمليات صنع القرار ومنحهم صوتًا في اتجاه التنمية، يمكن للمشاريع اللامركزية أن تغرس الثقة وتبني دعمًا مجتمعيًا أقوى.

وتساهم التنمية مفتوحة المصدر، والمنتديات المجتمعية، وآليات الإدارة اللامركزية في تحقيق هذا الهدف.

من الناحية النظرية، قد يبدو الذكاء الاصطناعي اللامركزي واضحًا جدًا، ولكنه من الناحية العملية يمثل تحديات كبيرة.

مع استمرار الذكاء الاصطناعي في التطور، فإنه يميل إلى المركزية، مما يجعل اللامركزية مسعى هائلاً.

ومع ذلك، فإن اعتماد نماذج الذكاء الاصطناعي التوليدية مفتوحة المصدر على نطاق واسع يعد أمرًا بالغ الأهمية لتطوير البنى التحتية اللامركزية للذكاء الاصطناعي.

في الوقت الحالي، يميل تركيز الذكاء الاصطناعي اللامركزي نحو الاستدلال بدلاً من التدريب المسبق أو الضبط الدقيق، نظراً لحالة تكنولوجيا الذكاء الاصطناعي التوليدي.

لكي يصبح الذكاء الاصطناعي اللامركزي ممكنًا، يجب أن تتوسع البنى التحتية لـ Web3 بشكل كبير، في حين يجب أن تصبح النماذج الأساسية أكثر إحكاما وقدرة على التكيف مع البيئات اللامركزية.

وبالنظر إلى المشهد الحالي، فإن تحقيق هذا الهدف يفرض تحديات كبيرة.