كلما قضيت وقتًا أطول في دراسة الذكاء الاصطناعي، كلما لاحظت مشكلة هادئة ولكنها مهمة لا يتحدث عنها معظم الناس بما فيه الكفاية. يمكن لنماذج الذكاء الاصطناعي اليوم إنتاج إجابات مثيرة للإعجاب، وشرح مفصل، وحتى تحليلات معقدة. لكن كل مستخدم عادي لهذه الأنظمة قد رأى الجانب الآخر أيضًا. أحيانًا يبدو الجواب مثاليًا لكنه يتبين أنه غير صحيح. يتحدث النموذج بثقة حتى عندما تكون المعلومات خاطئة.
بالنسبة للمهام العادية، فإن هذا غالبًا ما يكون غير ضار. إذا طلب شخص ما ملخص فيلم أو فكرة وصفة، فإن الخطأ الصغير لا يسبب الكثير من الضرر. لكن الأمور تبدأ في الظهور بشكل مختلف عندما يتم استخدام الذكاء الاصطناعي في المالية أو البحث أو التحليل القانوني أو الرعاية الصحية أو أنظمة البرمجيات المستقلة. في تلك البيئات، تصبح الموثوقية أكثر أهمية بكثير من الإبداع.
وهنا يبدأ التحدي الحقيقي للذكاء الاصطناعي الحديث بالظهور. فالتقنية تتقدم بسرعة، لكن الأنظمة التي تتحقق مما إذا كانت مخرجات الذكاء الاصطناعي صحيحة بالفعل ما تزال محدودة جدًا.
أثناء استكشافي للمشاريع التي تحاول حل هذه المشكلة، صادفت Mira Network. وما جعل المشروع مثيرًا للاهتمام بالنسبة لي لم يكن التسويق البراق أو الوعود الكبيرة، بل الطريقة التي يتعامل بها مع مشكلة الموثوقية. لا يحاول Mira بناء نموذج ذكاء اصطناعي مثالي، بل يركز على شيء أكثر عملية: التحقق من النتائج التي ينتجها الذكاء الاصطناعي.
الفكرة وراء الشبكة بسيطة بما يكفي لفهمها بمجرد أن تتجاوز اللغة التقنية.
عادةً عندما يقدم نموذج ذكاء اصطناعي إجابة، فإننا إما نثق بها أو نتحقق منها يدويًا. يحاول Mira أتمتة عملية التحقق هذه. فبدلًا من قبول مخرجات الذكاء الاصطناعي على أنها نهائية، يقسم النظام الاستجابة إلى ادعاءات أصغر يمكن فحصها بشكل مستقل.
على سبيل المثال، إذا أنشأ ذكاء اصطناعي شرحًا طويلًا حول موضوع ما، فإن الشبكة تقسم ذلك الشرح إلى عبارات فردية. ويمكن بعد ذلك تقييم كل واحدة من تلك العبارات بواسطة نماذج ذكاء اصطناعي أخرى داخل الشبكة.
تراجع هذه النماذج الادعاء وتقدم حكمها الخاص بشأن ما إذا كانت المعلومات صحيحة أم مشكوكًا فيها. وعندما تحلل عدة نماذج مستقلة الادعاء نفسه، يمكن للشبكة أن تبدأ في تكوين إجماع حول موثوقية المعلومات.
ما يجعل هذا مثيرًا للاهتمام هو أن النظام لا يعتمد على أن يكون نموذج واحد مثاليًا. بل تنشأ الدقة من الاتفاق بين عدة نماذج.
بعبارات بسيطة، يعامل Mira إجابات الذكاء الاصطناعي بالطريقة نفسها التي تعامل بها سلاسل الكتل المعاملات. فبدلًا من الثقة في مشارك واحد، تعتمد الشبكة على التحقق الجماعي.
تعمل تقنية البلوكشين كطبقة تنسيق لهذه العملية. وتُسجَّل نتائج التحقق في سجل عام حتى تظل العملية شفافة. ويمكن لأي شخص أن يرى كيف جرى تقييم الادعاءات وكيف توصلت الشبكة إلى نتيجتها النهائية.
يُدخل هذا الهيكل قدرًا من المساءلة إلى أنظمة الذكاء الاصطناعي بطريقة غالبًا ما تكون مفقودة اليوم.
جزء مهم آخر من الشبكة هو هيكل الحوافز الذي يبقي المشاركين نشطين. في الأنظمة اللامركزية، نادرًا ما يساهم الناس بالموارد من دون حوافز. يستخدم Mira نظام رموز لمكافأة المدققين ونماذج الذكاء الاصطناعي التي تساعد على التحقق من الادعاءات.
يحصل المشاركون الذين يقدمون تقييمات دقيقة على مكافآت مقابل مساهمتهم في الشبكة. وفي الوقت نفسه، يثني النظام عن السلوك المهمل أو غير الصادق من خلال العقوبات الاقتصادية.
هذا يخلق حالة يكون لدى المشاركين فيها سبب مالي للتصرف بصدق وتقديم تحقق دقيق.
من منظور التصميم، لا يُعد الرمز المميز مجرد أصل مضاربي. بل يعمل كأداة تنسيق تُبقي شبكة التحقق قيد التشغيل.
أثناء قراءتي لوثائق المشروع ومتابعتي للنقاشات داخل المجتمع، بدأت ألاحظ كيف يتلاءم Mira مع اتجاه أوسع يحدث عبر صناعتَي الذكاء الاصطناعي والعملات المشفرة.
بدلًا من بناء أنظمة ضخمة واحدة تحاول القيام بكل شيء، يتجه المطورون نحو هياكل معيارية. وتتولى طبقات مختلفة من التقنية مسؤوليات مختلفة.
يولّد نظام معلومات. ويعالج نظام آخر البيانات. وتتحقق شبكة أخرى مما إذا كانت تلك المعلومات جديرة بالثقة.
قد تصبح شبكات التحقق مثل Mira في النهاية إحدى تلك الطبقات.
إذا كانت وكلاء الذكاء الاصطناعي ستنفذ مهامًا نيابةً عن المستخدمين، سواء في الأسواق المالية أو أنظمة التداول الآلي أو منصات البحث أو التطبيقات اللامركزية، فإن تلك الوكلاء تحتاج إلى معلومات موثوقة. ومن دون طبقة تحقق، قد تتخذ الأنظمة الذاتية قرارات بسهولة بناءً على مخرجات غير صحيحة.
خلال عملية بحثي الخاصة، أمضيت وقتًا في قراءة الوثائق، ومراقبة كيفية تطور النقاشات داخل المنظومة، والنظر في كيفية ملاءمة الرمز المميز لتصميم الشبكة. وما لفت انتباهي هو أن كثيرًا من المحادثات تركز على البنية والموثوقية أكثر من التركيز على المضاربة البحتة.
وهذا عادة ما يشير إلى أن البنائين والمساهمين التقنيين يولون المشروع اهتمامًا.
وفي الوقت نفسه، سيكون من غير الواقعي تجاهل التحديات التي تواجهها مشاريع من هذا النوع.
أحد المخاوف الواضحة هو قابلية التوسع. فالتحقق من مخرجات الذكاء الاصطناعي عبر عدة نماذج يتطلب موارد حوسبة. وإذا كانت الشبكة ستعالج في النهاية كميات كبيرة من المعلومات التي يولدها الذكاء الاصطناعي، فستصبح الكفاءة تحديًا هندسيًا بالغ الأهمية.
هناك سؤال آخر يتعلق بحوافز المدققين. يمكن للأنظمة الاقتصادية في الشبكات اللامركزية أن تتصرف بشكل غير متوقع إذا لم تُضبط الحوافز بعناية. وسيستلزم ضمان أن يقدم المشاركون تحققًا دقيقًا باستمرار بدلًا من مجرد مطاردة المكافآت تصميمًا قويًا للآليات.
يُعد التبني عاملًا رئيسيًا آخر. تصبح مشاريع البنية التحتية ذات معنى عندما يبدأ المطورون في بناء تطبيقات فوقها. ومن دون استخدام حقيقي، تبقى حتى أفضل التقنيات نظرية.
من منظور السوق، غالبًا ما تتصرف رموز البنية التحتية بشكل مختلف عن الأصول المدفوعة بالسرد. وتميل قيمتها إلى النمو جنبًا إلى جنب مع تطور المنظومة، والتكاملات، والنشاط الفعلي للشبكة بدلًا من دورات الضجيج قصيرة الأجل.
هذا لا يعني أن التقلبات تختفي، لكن دوافع النمو تميل إلى أن تكون مرتبطة بشكل أوثق بالاستخدام الحقيقي.
وعند النظر إلى الصورة الأكبر، فإن مشكلة الموثوقية في الذكاء الاصطناعي لن تختفي قريبًا. فكلما أصبحت أنظمة الذكاء الاصطناعي أكثر اندماجًا في الأنظمة الاقتصادية وأدوات اتخاذ القرار والبنية التحتية الرقمية المؤتمتة، أصبحت الثقة أكثر أهمية من الذكاء الخام.
غالبًا ما يركز الناس على مدى قوة نماذج الذكاء الاصطناعي وهي تزداد، لكن على المدى الطويل قد يتبين أن الموثوقية هي العامل الأهم.
من نواحٍ كثيرة، تبدو الحالة مشابهة للسنوات الأولى للإنترنت. ففي ذلك الوقت، أصبحت تقنيات مثل التشفير والمصادقة ضرورية تدريجيًا لبناء الثقة عبر الإنترنت.
تجرب شبكات التحقق مثل Mira شيئًا مشابهًا للذكاء الاصطناعي.
من خلال تحويل مخرجات الذكاء الاصطناعي إلى ادعاءات قابلة للتحقق والسماح لشبكات من النماذج المستقلة بالتحقق من تلك الادعاءات، يحاول المشروع بناء طبقة ثقة للمعلومات التي تولدها الآلات.
ولا يزال من غير المؤكد ما إذا كان هذا النهج بالذات سيصبح معتمدًا على نطاق واسع. ففي النهاية، ستحدد قابلية التنفيذ، وتبني المطورين، والقدرة التقنية على التوسع مدى نجاح النظام.
لكن المشكلة التي يعالجها ميرا حقيقية جدًا.
إذا كان المستقبل يتضمن وكلاء ذكاء اصطناعي ذاتيين يتفاعلون مع الأسواق المالية والتطبيقات اللامركزية والبنية التحتية الرقمية، فستحتاج تلك الأنظمة إلى طرق للتحقق من المعلومات التي تعتمد عليها.
وإذا أصبحت طبقة التحقق تلك أساسية، فقد تلعب الشبكات المصممة حول الثقة والإجماع دورًا أكبر بكثير في منظومة الذكاء الاصطناعي مما يتوقعه كثير من الناس حاليًا.
ولهذا السبب وحده، يُعد Mira Network مشروعًا مثيرًا للاهتمام لمتابعته، ليس بسبب الضجيج، بل لأنه يستكشف إحدى أكثر المشكلات العملية التي تواجه الذكاء الاصطناعي اليوم.