#opg
في منشوري السابق، ناقشت كيف يفصل نموذج الحوسبة الهجينة للهندسة الذكية (HACA) في OpenGradient بين تنفيذ النموذج والتحقق على السلسلة لمعالجة حدود زمن الاستجابة التي تواجه العديد من مشاريع الذكاء الاصطناعي اللامركزية.
لكن الابتكار الأعمق قد يتمثل في ظهور ذكاء اصطناعي يمكن التحقق منه كـبنية تحتية، وليس مجرد خدمة.
يعتمد نظام بيئة الذكاء الاصطناعي اليوم إلى حد كبير على الثقة. عندما يقوم نموذج ذكاء اصطناعي بإنتاج مخرجات، غالبًا لا يستطيع المستخدمون التحقق من أي نموذج قام بإنتاجها، أو ما إذا كانت عملية الاستدلال قد تم تعديلها، أو ما إذا كانت وسطاء مخفيون قد أثروا في النتيجة. قد يكون هذا مقبولًا بالنسبة لتطبيقات المستهلكين، لكنه يصبح إشكالًا حاسمًا عندما تتولى وكلاء الذكاء الاصطناعي إدارة الأصول، أو تنفيذ الصفقات، أو اتخاذ قرارات مستقلة.
فكر في وكيل تداول ذكاء اصطناعي يقوم بإعادة موازنة محفظة بملايين الدولارات. لم يعد السؤال الرئيسي هو مدى السرعة التي يمكنه بها التحرك، بل ما إذا كانت قراراته قابلة للتحقق بشكل مستقل.
تهدف مقاربة OpenGradient إلى معالجة ذلك عبر الجمع بين تنفيذ ذكاء اصطناعي خارج السلسلة وإثباتات تشفيرية (cryptographic attestations) مرتبطة بشبكات لا مركزية. بدلًا من نقل كل الحسابات إلى السلسلة، تسعى إلى إنشاء سجلات قابلة للتحقق تجعل مخرجات الذكاء الاصطناعي أحداثًا رقمية قابلة للتدقيق.
يوفر هذا النموذج حلًا وسطًا بين منصات الذكاء الاصطناعي التقليدية، التي تكون فعّالة لكنها قائمة على الثقة، وبين أنظمة ذكاء اصطناعي على السلسلة بالكامل، والتي تكون شفافة لكنها غالبًا مكلفة وأقل قابلية للتوسع.
لا تزال توجد تحديات، بما في ذلك تكاليف الإثبات، وقابلية التوسع، وتحديد ما يجب التحقق منه. ومع ذلك، إذا استمر نمو الوكلاء المستقلين واقتصادات من آلة إلى آلة، فقد تصبح قابلية التحقق من أساسيات الذكاء الاصطناعي كما أن الإجماع هو أساس بلوكتشينز.
قد لا يكون سؤال المستقبل: “أي ذكاء اصطناعي هو الأذكى؟”، بل “أي ذكاء اصطناعي يمكنه إثبات أنه تصرف بأمانة؟”.$OPG
في منشوري السابق، ناقشت كيف يفصل نموذج الحوسبة الهجينة للهندسة الذكية (HACA) في OpenGradient بين تنفيذ النموذج والتحقق على السلسلة لمعالجة حدود زمن الاستجابة التي تواجه العديد من مشاريع الذكاء الاصطناعي اللامركزية.
لكن الابتكار الأعمق قد يتمثل في ظهور ذكاء اصطناعي يمكن التحقق منه كـبنية تحتية، وليس مجرد خدمة.
يعتمد نظام بيئة الذكاء الاصطناعي اليوم إلى حد كبير على الثقة. عندما يقوم نموذج ذكاء اصطناعي بإنتاج مخرجات، غالبًا لا يستطيع المستخدمون التحقق من أي نموذج قام بإنتاجها، أو ما إذا كانت عملية الاستدلال قد تم تعديلها، أو ما إذا كانت وسطاء مخفيون قد أثروا في النتيجة. قد يكون هذا مقبولًا بالنسبة لتطبيقات المستهلكين، لكنه يصبح إشكالًا حاسمًا عندما تتولى وكلاء الذكاء الاصطناعي إدارة الأصول، أو تنفيذ الصفقات، أو اتخاذ قرارات مستقلة.
فكر في وكيل تداول ذكاء اصطناعي يقوم بإعادة موازنة محفظة بملايين الدولارات. لم يعد السؤال الرئيسي هو مدى السرعة التي يمكنه بها التحرك، بل ما إذا كانت قراراته قابلة للتحقق بشكل مستقل.
تهدف مقاربة OpenGradient إلى معالجة ذلك عبر الجمع بين تنفيذ ذكاء اصطناعي خارج السلسلة وإثباتات تشفيرية (cryptographic attestations) مرتبطة بشبكات لا مركزية. بدلًا من نقل كل الحسابات إلى السلسلة، تسعى إلى إنشاء سجلات قابلة للتحقق تجعل مخرجات الذكاء الاصطناعي أحداثًا رقمية قابلة للتدقيق.
يوفر هذا النموذج حلًا وسطًا بين منصات الذكاء الاصطناعي التقليدية، التي تكون فعّالة لكنها قائمة على الثقة، وبين أنظمة ذكاء اصطناعي على السلسلة بالكامل، والتي تكون شفافة لكنها غالبًا مكلفة وأقل قابلية للتوسع.
لا تزال توجد تحديات، بما في ذلك تكاليف الإثبات، وقابلية التوسع، وتحديد ما يجب التحقق منه. ومع ذلك، إذا استمر نمو الوكلاء المستقلين واقتصادات من آلة إلى آلة، فقد تصبح قابلية التحقق من أساسيات الذكاء الاصطناعي كما أن الإجماع هو أساس بلوكتشينز.
قد لا يكون سؤال المستقبل: “أي ذكاء اصطناعي هو الأذكى؟”، بل “أي ذكاء اصطناعي يمكنه إثبات أنه تصرف بأمانة؟”.$OPG
