لم أأخذ هذا على محمل الجد في البداية.
كان الجميع مركّزين على النماذج.
أكبر، أسرع، أرخص. كانت تلك هي السباق.
جاء الذكاء الاصطناعي اللامركزي من زاوية مختلفة. بيانات أكثر، مساهمين أكثر، مشاركة مفتوحة.
بدت قوية.
كنت مؤمناً بهذه الفكرة لفترة.
ثم بدأت أفكر في ما يحدث فعلاً عندما تفتح الأبواب.
مساهمين أكثر لا يعني بيانات أفضل.
عادةً ما يعني العكس.
ليس على الفور. في البداية، تحصل على مدخلات حقيقية. الناس يجربون، يحاولون أشياء، يضيفون قيمة.
ثم تتدخل الحوافز.
ويحدث تحول في كل شيء.
لم تعد تجذب مساهمين. بل تجذب مُحسّنين.
لقد رأيت هذا النمط كثيرًا جدًا
لقد أجرت العملات المشفرة هذه التجربة أمرًا بالفعل.
توزيعات جوائز. أنظمة نقاط. حوافز سيولة.
نفس الدورة.
يستكشف المستخدمون الأوائل.
ثم يفهم الناس آليات المكافأة.
بعد ذلك، ينضغط السلوك إلى أي شيء يستخرج أكبر قيمة.
لا يهم إن كانت مفيدة.
لا يهم إلا إذا كان ذلك يدفع ثمنه.
الآن طبّق ذلك على الذكاء الاصطناعي
هنا تصبح الأمور غير مريحة.
إذا كانت المساهمة مُحفّزة، فسيبحث الناس عن أسرع طريقة للمساهمة.
ليس أفضل طريقة.
تبدأ في رؤية:
إرسال بيانات بجهد منخفض
تكرارات معدّلة قليلًا
محتوى مولّد بالذكاء الاصطناعي يغذي أنظمة ذكاء اصطناعي أخرى
يبدو وكأنه نمو.
لكن ليس إشارات.
إنها مسألة حجم.
كانت لديّ شكوك حول هذا منذ عام 2023
لقد مرّ وقت بدأت فيه أرتاب في فكرة «الذكاء اللامركزي» كلها.
ليس لأن النماذج لم تكن تتحسن.
لأن طبقة الإدخال بدت هشة.
إذا كافأ النظام المشاركة دون فلترة قوية للجودة، فإنه ينحرف.
ببطء في البداية.
ثم فجأة.
هنا يصبح OpenLedger مثيرًا للاهتمام
ليس لأن ذلك مشروع ذكاء اصطناعي آخر.
لأنها تقع مباشرة في قلب هذه المشكلة.
ليس الأمر مجرد بناء نماذج.
يتعلق الأمر بإدارة جودة المساهمات تحت ضغط الحوافز.
هذا أصعب مما يبدو.
التوتر الجوهري
تريد الانفتاح.
لكن الانفتاح يدعو إلى الاستغلال.
تريد الحجم.
لكن التوسع يضخم الضجيج.
لذا أنت عالق بين قوتين تتوازن مع بعضهما بشكل طبيعي ضد الآخر.
معظم الأنظمة تختار واحدًا وتُهمل الآخر.
هنا تتكسر الأمور.
لست مقتنعًا بالكامل بأنه تم حله
لأنني لم أرَ نظامًا يتعامل مع هذا بشكل مثالي بعد.
حتى آليات الترشيح القوية يمكن التحايل عليها مع الوقت.
يتكيف الناس بسرعة عندما تكون هناك أموال متضمنة.
أسرع مما تتوقع أغلب الفرق.
لكن هذه هي المشكلة الصحيحة التي يجب التركيز عليها
إذا فشل الذكاء الاصطناعي اللامركزي، فلن يكون ذلك لأن النماذج لم تستطع المنافسة.
سيكون ذلك لأن طبقة البيانات تدهورت.
بهدوء.
لا يوجد انهيار كبير. فقط مخرجات أبطأ. جودة أقل. ثقة أقل.
عندما يصبح ذلك واضحًا، يكون قد توغل بالفعل داخل النظام.
ما الذي يهم فعلاً في المراحل القادمة
ليس مجرد:
كم عدد المساهمين
كمية البيانات
مدى سرعة تحسن النماذج
لكن:
ما نوع السلوك الذي يخلقه النظام
مدى مقاومته للتوسع بجهد منخفض
ما إذا كانت الجودة يمكن أن تصمد أمام الحوافز
هذه هي الاختبار الحقيقي.
الخلاصة
توقفت عن التفكير في الذكاء الاصطناعي كمشكلة نموذج.
بدأت في التفكير فيه كمشكلة سلوك.
لأن النماذج تتعلم مما نغذّيها به.
وإذا كان النظام يدرب الناس على تزويده بالضجيج، فهذا ما سيصبح عليه.
لم يثبت OpenLedger بعد أنه يستطيع حل هذا.
لكن على الأقل تموضعه في الطبقة التي تكمن فيها المخاطر الحقيقية.
وهذا أهم مما يدركه معظم الناس.
