تتحدث العديد من مشاريع blockchain عن الخصوصية، ولكن عندما تسألهم عن أمثلة من العالم الحقيقي، غالبًا ما تصبح الإجابات غامضة. إنهم يعدون بمشاركة بيانات آمنة، وحماية أفضل، ومزيد من التحكم للمستخدمين، ومع ذلك نادرًا ما يكون من الواضح كيف تترجم تلك الوعود إلى حلول عملية. تلك الفجوة بين النظرية والتطبيق هي المكان الذي تفقد فيه العديد من المشاريع التي تركز على الخصوصية مصداقيتها.
ما يجعل @MidnightNetwork مثيرًا للاهتمام هو أنه يحاول التركيز على المشكلات التي توجد بالفعل اليوم بدلاً من حالات الاستخدام المستقبلية الافتراضية. بدلاً من مناقشة مث ideals abstract privacy فقط، يقوم المشروع بوضع تقنيته حول الصناعات التي تكافح بالفعل مع إدارة البيانات. مجالات مثل الذكاء الاصطناعي، ومشاركة بيانات الرعاية الصحية، والامتثال التنظيمي ليست مجرد أفكار نظرية؛ إنها قطاعات حيث تنفق الشركات بالفعل مليارات في محاولة لحل تحديات حماية البيانات.
من بين هذه، يبرز الذكاء الاصطناعي كأحد أكثر الأمثلة إثارةً للاهتمام والأكثر إثارةً للجدل.
تعتمد أنظمة الذكاء الاصطناعي بشكل كبير على كميات كبيرة من البيانات. كلما زادت البيانات التي يمكنها تحليلها، زادت دقتها وقدرتها. لكن أكبر عائق أمام الوصول إلى مجموعات البيانات القيمة هو الثقة. غالبًا ما تكون المنظمات والأفراد غير راغبين في مشاركة المعلومات الحساسة لأنهم لا يستطيعون ضمان كيفية استخدامها أو من سيطّلع عليها في النهاية.
تحاول مقاربة Midnight معالجة هذه المشكلة عبر بنية تحتية تحفظ الخصوصية. صُممت الشبكة حول معمارية المعرفة الصفرية، وهي إطار تشفيري يسمح بإجراء الحسابات على البيانات دون كشف المعلومات الأساسية نفسها. ومن الناحية النظرية، يعني ذلك أن نظام الذكاء الاصطناعي يمكنه تدريب على مجموعات بيانات حساسة مثل السجلات الطبية أو المعاملات المالية أو سلوك المستخدمين الخاص دون أن يرى المشغّل البيانات الخام أبدًا.
إذا نجح هذا المفهوم كما هو مقصود، فقد يزيل أحد أكبر العوائق التي تمنع تعاون البيانات على نطاق أوسع في مجال الذكاء الاصطناعي.
لكن هنا تصبح المناقشة أكثر تعقيدًا.
المنظمات التي تتحكم بأكثر مجموعات البيانات قيمة لتدريب الذكاء الاصطناعي ليست شركات ناشئة صغيرة. بل هي مؤسسات مثل المستشفيات، والمؤسسات المالية، وشركات التأمين، والوكالات الحكومية. إن إقناع هذه الجهات بتبنّي بنية بيانات جديدة تمامًا ليس تحديًا تقنيًا فقط؛ بل هو أيضًا تحدٍ قانوني وتنظيمي.
يجب أن تمر أي تغييرات في كيفية معالجة البيانات أو مشاركتها بمراجعات امتثال داخلية، وفِرق قانونية، وإشراف تنظيمي. وحتى إذا كانت التشفيرات الأساسية لدى Midnight آمنة، ما زال يتعين على المؤسسات إثبات أن النظام يَستوفي أطرًا قانونية صارمة.
تُعد الرعاية الصحية مثالًا واضحًا على مدى صعوبة ذلك.
تُعد المعلومات الطبية من أكثر فئات البيانات حساسية الموجودة. إن مشاركة السجلات المرضية بين الأطباء والمستشفيات والاختصاصيين غالبًا ما تكون غير فعالة، ومع ذلك توجد لوائح صارمة لحماية الخصوصية. تضع قوانين مثل قانون قابلية نقل التأمين الصحي والمساءلة (HIPAA) في الولايات المتحدة واللائحة العامة لحماية البيانات (GDPR) في أوروبا قواعد تفصيلية حول كيفية التعامل مع المعلومات الشخصية.
تقترح Midnight أن الخصوصية القابلة للبرمجة قد تتيح مشاركة البيانات الطبية بأمان دون تعريض هويات المرضى للخطر. من الناحية النظرية، يمكن للأطباء والباحثين الوصول إلى الرؤى اللازمة، بينما تظل المعلومات الخاصة الفعلية مخفية.
ومع ذلك، لا تعتمد الأنظمة التنظيمية على الضمانات التقنية وحدها. فهي تتطلب أيضًا توثيقًا ومسؤوليةً واضحةً وتفسيرات دقيقة حول كيفية معالجة البيانات. وحتى إذا أثبت النظام رياضيًا أن المعلومات تظل خاصة، يجب على المؤسسات أن تُظهر الامتثال للجهات التنظيمية.
يثير ذلك سؤالًا مهمًا لمشاريع مثل Midnight:
كيف تتحول الخصوصية التشفيرية إلى دليل قانوني على الامتثال؟
على سبيل المثال، عندما تستخدم مستشفى أو شركة ذكاء اصطناعي البنية التحتية لدى Midnight، قد تطلب الجهات التنظيمية توثيقًا يشرح كيف يحمي النظام بيانات المستخدمين وما إذا كان يتماشى مع الأطر القانونية القائمة. يجب أن يكون هذا التوثيق مفهومًا لا للمهندسين فقط، بل أيضًا للمحامين والمدققين والجهات الحكومية.
التقنية وحدها لا تعالج تلقائيًا تلك المتطلبات.
لا يعني ذلك أن المشروع على غير هدى. في الواقع، الاتجاه الذي تستكشفه Midnight منطقي. فالذكاء الاصطناعي والرعاية الصحية مجالان تتطلبان بشكل عاجل تقنيات خصوصية أفضل. إذا أمكن استخدام البيانات دون تعريض المعلومات الشخصية للخطر، فقد يفتح ذلك ابتكارًا هائلًا مع حماية الأفراد.
يكمن التحدي الحقيقي في ردم فجوة بين عالمين مختلفين: التشفير المتقدم والأنظمة التنظيمية التقليدية.
$NIGHT يبدو واثقًا بأن الخصوصية القابلة للبرمجة يمكن أن تساعد في سد هذه الفجوة، لكن الاختبار الحقيقي سيكون في التبنّي. فلكي تثق المؤسسات الكبيرة بأنظمة كهذه وتقوم بدمجها، ستحتاج الشبكة غالبًا إلى ما يتجاوز البنية التحتية التقنية. وقد يلزم أيضًا أطر امتثال، وأدوات تدقيق، وُتوثيقٍ مُوحّد يمكن للمنظمات عرضه على الجهات التنظيمية.
حتى تُعرَّف هذه الأجزاء بشكل واضح، يبقى سؤال مهم مفتوحًا.
إذا قرر مزوّد رعاية صحية أو شركة ذكاء اصطناعي البناء على Midnight، فكيف سيكون بمقدورهم تقديم دليل محدد للجهات التنظيمية لإثبات أنهم يتبعون قواعد مثل HIPAA أو GDPR؟
قد يحدد هذا السؤال في النهاية ما إذا كانت تقنية Midnight ستظل فكرة واعدة أم تصبح حلًا عمليًا يُستخدم عبر صناعات حقيقية.