قبل كم أسبوع، كنت بساعد صديق يقارن بين أداتين من الذكاء الاصطناعي لمشروع بحثي. خلال عشرين دقيقة، قدرنا نولد ملخصات، مخططات، وحتى تقارير مسودة. كل شيء مشى بسلاسة. الأجوبة كانت سريعة، مصقولة، ومفيدة بشكل مفاجئ.
بعدها سألني صديقي سؤال فاجأني.
"من وين جت كل هالأشياء فعلاً؟"
مش أي شركة بنت النموذج.
مش عارف أي واجهة دردشة كنا نستخدمها.
الإجابة نفسها.
لسبب ما، ما قدرتش أوقف أفكر في السؤال ده بعدين.
تتحرك صناعة الذكاء الاصطناعي بسرعة مذهلة. كل أسبوع يبدو أن هناك نموذجًا جديدًا، ومعيارًا جديدًا، وإعلانًا جديدًا يدّعي أداءً أفضل من النسخة السابقة. تدور معظم المناقشات حول السرعة، وقدرة الاستدلال، ونوافذ السياق، أو التكلفة.
تلك الأشياء مهمة.
لكن في الآونة الأخيرة، كنت أولي المزيد من الاهتمام لشيء يحدث تحت السطح.
المسار خلف المخرجات.
عندما نشتري منتجًا في العالم المادي، غالبًا ما توجد سلسلة توريد خلفه. تُستخرج المواد الخام من مكان ما. يتم التصنيع في مكان آخر. تربط اللوجستيات الأجزاء معًا. يساهم كل этап بقيمة قبل أن يصل المنتج النهائي إلى العميل.
ومع ذلك، غالبًا ما يبدو الذكاء الاصطناعي مختلفًا.
تطرح سؤالًا.
تظهر الإجابة.
كل ما جعل تلك الإجابة ممكنة يصبح غير مرئي.
تختفي مجموعات البيانات.
يختفي المساهمون.
تختفي البنية التحتية.
سنوات من العمل تتلاشى في بضع فقرات على شاشة.
كلما فكرت في الأمر أكثر، بدا ذلك غير معتاد.
في الآونة الأخيرة، كانت مشاريع مثل OpenLedger تستكشف هذا المجال تحديدًا. بدلًا من التركيز بالكامل على إنشاء نماذج أكثر ذكاءً، يبدو أن الفكرة تتمحور حول خلق وضوح حول كيفية إنتاج الذكاء وكيف تتدفق القيمة عبر النظام.
على مستوى عالٍ، تبدو الفكرة بسيطة.
يُسهم الناس بالبيانات.
تساعد مجموعات البيانات على تدريب النماذج.
تُنتج النماذج مخرجات.
المخرجات تخلق قيمة.
تعود المكافآت عبر السلسلة.
فكرة بسيطة.
واقع معقّد.
لقد رأيت دورات تقنية كافية لأعرف أن الرسومات غالبًا تبدو أنظف من التنفيذ الحقيقي في العالم.
عندما تدخل الحوافز الفعلية إلى الصورة، تتبعها التعقيدات.
يريد مساهمو البيانات تعويضًا عادلاً.
يريد المطورون مرونة.
يريد المستخدمون الراحة.
يريد المشاركون في الحوكمة التأثير.
يدخل الجميع إلى النظام بأولويات مختلفة.
لا يعني ذلك أن الفكرة أقل أهمية.
إن كان هناك شيء، فهذا يجعله أكثر إثارة للاهتمام.
شيء ألاحظه باستمرار هو أن محادثات الذكاء الاصطناعي غالبًا ما تركز على الوجهة بينما تتجاهل الرحلة.
يقيم الناس الإجابات بناءً على فائدتها.
هل عمل الكود؟
هل وفّر الملخص الوقت؟
هل تم إنشاء الصورة بشكل صحيح؟
هذه أسئلة معقولة.
ولكن مع اندماج الذكاء الاصطناعي بشكل متزايد في عمليات الأعمال، وسير العمل البحثية، والعمليات القانونية، والنشاط الاقتصادي، يبدأ سؤال آخر بالتحول إلى أمر ذي صلة.
هل يمكن تتبّع مصدر الذكاء؟
أحيانًا أفكر في ذلك من خلال تشبيه بسيط.
تخيّل استلام طرد دون إرفاق أي معلومات شحن به.
وصل الطرد.
يعمل بشكل مثالي.
في البداية، غالبًا لن تهتم من أين نشأ.
لكن إذا تعطل شيء ما، فجأة تصبح نقطة المنشأ مهمة.
من الذي صنعها؟
من زوّد المكونات؟
من المسؤول؟
غالبًا لا تصبح المحاسبة مهمة إلا بعد ظهور المشكلات.
قد يتبع الذكاء الاصطناعي نمطًا مشابهًا.
في الوقت الحالي، تسود الراحة سلوك المستخدمين.
يفضل معظم الناس الإجابات السريعة على نسبة التفاصيل اللازمة للإسناد.
تشير الخبرة إلى أن هذا طبيعي.
تطور الإنترنت نفسه بالطريقة نفسها.
لا يفكر الناس عادةً في بنية الشبكة حتى تتوقف مواقع الويب عن التحميل.
نادراً ما يفكر الناس في مسارات الدفع إلى أن تفشل المعاملات.
لا يفكر الناس عادةً في بنية السحابة إلا عندما تتعطل الأنظمة.
تظل الأنظمة غير المرئية غير مرئية حتى تصبح ضرورية.
هنا أجد نهج OpenLedger مثيرًا للاهتمام.
ليس لأن ذلك يضمن النجاح.
ليس لأن الذكاء الاصطناعي اللامركزي يحل تلقائيًا كل مشكلة.
وبالتأكيد ليس لأن كل قصة عن البنية التحتية تنتهي بالفوز في النهاية.
لقد شاهدت أسواقًا كافية لأعرف أن الأفكار الرائعة والتبنّي الناجح ليسا دائمًا الشيئين ذاتهما.
ما يجذب انتباهي هو محاولة إنشاء شيء أقرب إلى نظام محاسبي للذكاء.
إطار تكون فيه مخرجات الذكاء الاصطناعي ليست أحداثًا معزولة بل منتجات نهائية مرتبطة بسلسلة أوسع من المساهمات.
من الناحية النظرية، يخلق ذلك عدة مزايا.
أولًا، يحصل المساهمون على إسناد أوضح.
ثانيًا، تصبح عملية توزيع المكافآت أكثر شفافية.
ثالثًا، تحصل المؤسسات على قابلية تدقيق أقوى حول كيفية توليد المخرجات.
وأخيرًا، يصبح من الأسهل ترسيخ الثقة لأن العملية الأساسية أقل غموضًا.
بالطبع، توجد مفاضلات.
غالبًا ما تُدخل الشفافية الأكبر تعقيدًا أكبر.
يتطلب المزيد من التتبع بنية تحتية أكبر.
كلما زاد الإسناد، زادت الحاجة إلى تنسيق أكبر.
تتطلب المحاسبة مزيدًا من الحوكمة.
لا توجد وجبة مجانية.
لذلك يبقى الشك صحيًا.
عندما أقيم المشاريع التي تعمل في قطاعات ناشئة، أحاول فصل السرديات المقنعة عن التنفيذ العملي.
السرد هنا سهل الفهم.
تحدي التنفيذ أصعب بكثير.
هل يمكن لأنظمة الإسناد أن تتوسع بكفاءة؟
هل سيتشارك المساهمون فعلاً؟
هل سيقدّر المستخدمون الشفافية بما يكفي لتبرير التعقيد الإضافي؟
تلك الأسئلة ما زالت بحاجة إلى إجابات.
بالنسبة للمستثمرين والمطّورين والباحثين، قد تكون هذه أهم ملاحظة يمكن استخلاصها.
انتبه للسلوك لا الوعود.
راقب ما إذا كانت النظم البيئية تجذب مساهمين.
راقب ما إذا كان الاستخدام ينمو.
راقب ما إذا كانت الحوافز الاقتصادية ستظل مستدامة مع مرور الوقت.
غالبًا ما تتطور قصص البنية التحتية بهدوء قبل أن تصبح واضحة.
أو يختفون بالكامل.
كلا النتيجتين ممكن.
ذلك الغموض هو ما يجعلني مهتمًا.
ليس الحماس.
ليس الضجيج.
الفضول.
لأن كلما أصبح الذكاء الاصطناعي متجذرًا في الحياة اليومية، صارت صعوبة تجاهل الطبقات غير المرئية تحته أكبر.
اليوم، لا يرى معظم الناس سوى الإجابة.
غدًا، قد يرغبون في رؤية المسار الكامل الذي أنتجها.
البيانات.
النماذج.
المساهمون.
الحوافز.
الملكية.
سلسلة التوريد الكاملة خلف الذكاء ذاته.
ما إذا كان ذلك سيصبح ميزة معيارية في الذكاء الاصطناعي يظل غير مؤكد.
لكنها تبدو كمسألة تستحق طرحها الآن بدلًا من انتظار أن يبدأ الجميع في طرحها لاحقًا.
#StablecoinsMayExtendUSMonetaryInfluence