المشكلة الأساسية: يستطيع الذكاء الاصطناعي توليد الإجابات، لكن من يتحقق من صحتها؟
قد لا يكون ذكاء النماذج هو العقبة الرئيسية التالية أمام تبنّي الذكاء الاصطناعي، بل قد تكون الثقة.
قد تنتج النماذج اللغوية الكبيرة إجابات مقنعة، لكنها قد تولّد أيضًا معلومات مضللة أو أخطاء واقعية، أو مخرجات تتأثر بتحيزات النموذج نفسه. ويمكن للمراجعة البشرية أن تحدّ من هذه المشكلات، لكنها تصبح مكلفة ويصعب توسيع نطاقها عندما يُتوقع من وكلاء الذكاء الاصطناعي العمل باستمرار وبشكل مستقل.
تُنشئ هذه المسألة تحديًا جوهريًا في البنية التحتية على غرار Web3: كيف يمكن لتطبيق التحقق من مخرجات الذكاء الاصطناعي دون الوثوق بنموذج واحد أو شركة واحدة أو مراجع بشري واحد؟
تتعامل ميرا نتوورك مع هذه المشكلة عبر تقديم نفسها بوصفها طبقة تحقق لامركزية للذكاء الاصطناعي. فبدلًا من افتراض صحة نموذج واحد، تقسّم ميرا مخرجات الذكاء الاصطناعي إلى ادعاءات منفصلة، ثم توزّعها على نماذج متعددة مستقلة للذكاء الاصطناعي للتحقق منها.
الهدف واضح، لكنه مهم: جعل مخرجات الذكاء الاصطناعي قابلة للتحقق، لا مجرد إجابات تبدو معقولة.
البنية والآليات: الإجماع على استدلال الذكاء الاصطناعي
تتمحور بنية ميرا حول عملية يصفها المشروع باسم «التجزئة الثنائية». إذ تُقسّم إجابة الذكاء الاصطناعي المعقدة إلى ادعاءات أصغر يمكن التحقق من كل منها بشكل مستقل. ثم تستطيع نماذج متخصصة تعمل عبر الشبكة تقييم هذه الادعاءات.
تكمن أهمية ذلك في جعل التحقق أكثر تفصيلًا. فبدلًا من سؤال نموذج آخر للذكاء الاصطناعي: «هل هذه الإجابة بأكملها صحيحة؟»، يمكن للشبكة تقييم العبارات كلًّا على حدة ثم تجميع النتائج.
صُمّمت عملية التحقق بالاستناد إلى تنوّع النماذج الموزّعة. إذ تحلّل نماذج متعددة الادعاءات بشكل مستقل، ما يقلل الاعتماد على نقاط القوة والضعف في أي نموذج منفرد. وتصف ميرا ذلك بأنه ذكاء جماعي: إذ يمكن للتوافق بين جهات تحقق متنوعة أن يوفر ثقة أكبر من التحقق الذاتي الذي يجريه النموذج الذي أنتج الإجابة الأصلية.
وتكتسب الطبقة الاقتصادية أهمية مماثلة. إذ توضح الوثائق المنشورة لميرا آلية هجينة تجمع بين إثبات الحصة وإثبات العمل. ويقوم مشغلو العُقد برهن الرموز للمشاركة، فيما يُستخدم العمل الحاسوبي لإثبات أن التحقق قد جرى بالفعل. وتُكافأ المشاركة النزيهة، بينما قد يؤدي التحقق غير الصحيح أو الخبيث إلى تعرّض المشاركين لاقتطاع جزء من حصتهم.
ينشأ عن ذلك نموذج أمني أصيل في عالم العملات المشفرة: فالتحقق ليس مجرد ميزة برمجية، بل يصبح نشاطًا شبكيًا تحفزه الحوافز الاقتصادية.
بالنسبة إلى المطوّرين، يمكن الوصول إلى هذه البنية التحتية عبر واجهات برمجة تطبيقات للتحقق، ما يتيح لتطبيقات الذكاء الاصطناعي دمج التحقق متعدد النماذج من دون بناء شبكة التحقق بأكملها بأنفسهم. ويركّز منتج Verify الحالي من ميرا أيضًا على شهادات تحقق قابلة للتدقيق، وعلى التحقق المتبادل المستقل بين النماذج.
أهميته / القيمة السوقية
تتضح أهمية ميرا أكثر مع انتقال الذكاء الاصطناعي من روبوتات المحادثة إلى الوكلاء المستقلين.
إن إصدار روبوت محادثة إجابةً غير صحيحة أمر مزعج. أما اتخاذ وكيل مستقل قرارًا ماليًا أو قانونيًا أو تشغيليًا أو تقنيًا غير صحيح، فقد يؤدي إلى أضرار ملموسة.
هنا تبرز القيمة المحتملة للتحقق اللامركزي. فإذا كانت وكلاء الذكاء الاصطناعي ستنفذ إجراءات من دون إشراف بشري مستمر، فستحتاج التطبيقات إلى بنية تحتية تقيّم المخرجات قبل أن تتحول إلى قرارات.
لذا تستهدف ميرا طبقة تقع بين توليد الذكاء الاصطناعي والتنفيذ المستقل.
السوق المحتملة أوسع من مجرد الحد من الهلوسة. فقد تصبح شبكة التحقق مفيدة في كل مجال يحتاج فيه المحتوى الذي ينتجه الذكاء الاصطناعي إلى آلية ثقة مستقلة، مثل التطبيقات المالية والأنظمة البحثية وأتمتة المؤسسات والوكلاء المستقلين وسائر مسارات العمل عالية المخاطر.
يعكس النظام البيئي للمشروع نفسه هذا التوجه بالفعل. فقد طوّرت ميرا منتجات مثل Klok وواجهة برمجة تطبيقات للتحقق، فيما صُمّمت بنية شبكتها لدمج نماذج متعددة للذكاء الاصطناعي بدلًا من استبدالها بنموذج واحد مملوك.
هذا التمييز مهم. لا تتمثل أطروحة ميرا بالضرورة في أن نموذجًا واحدًا سيصبح متفوقًا على الجميع. بل يمكن للشبكة أن تحوّل تنوّع النماذج إلى آلية للتحقق.
إذا توسعت هذه البنية، فقد تتجاوز قيمتها المقترحة دقة الذكاء الاصطناعي لتشمل أمرًا أكثر جوهرية: طبقة ثقة لامركزية للذكاء الذي تنتجه الآلات.
الخلاصة: من توليد الذكاء الاصطناعي إلى ذكاء قابل للتحقق
تعالج ميرا نتوورك مشكلة تزداد أهميتها مع ازدياد استقلالية الذكاء الاصطناعي: فمن الصعب الوثوق على نطاق واسع بذكاء لا يخضع للتحقق.
تجمع بنيتها بين تقسيم المخرجات على مستوى الادعاءات، والتحقق الموزع متعدد النماذج، والحوافز الاقتصادية المشفرة، وإثباتات الحوسبة، لإنشاء إطار يمكن فيه تقييم مخرجات الذكاء الاصطناعي بشكل مستقل بدلًا من قبولها كما هي.
لذا، لا تتمثل الفرصة على المدى الطويل في بناء تطبيق آخر للذكاء الاصطناعي فحسب، بل في توفير بنية تحتية يمكن لتطبيقات الذكاء الاصطناعي الأخرى استخدامها عندما تكون الدقة والحياد وقابلية التدقيق أمورًا مهمة.
إذا كان الذكاء الاصطناعي المستقل هو حقبة الحوسبة التالية، فإن رهان ميرا هو أن التحقق سيصبح إحدى طبقات البنية التحتية الأساسية لها.