المؤلف: CloudY، Jam

تحرير: Vincero، YL

مراجعة: Yasmine

في نهاية نوفمبر 2022، أطلقت OpenAI نظام المحادثة الذكي ChatGPT، وقد أثار هذا الخبر اهتمامًا واسعًا ونقاشًا في جميع أنحاء العالم.

لقد شهدت الأسهم المرتبطة بالذكاء الاصطناعي، سواء في السوق الصينية أو الأمريكية أو العملات الرقمية، ارتفاعًا هائلًا. مع مرور الوقت، ومع الاستخدام الواسع لـ ChatGPT، أدرك الناس تأثيره على العالم بأسره، وظهرت باستمرار سيناريوهات تطبيق جديدة لـ ChatGPT، بالإضافة إلى تحديثات للمنتجات المماثلة.

حتى مايكروسوفت، بسبب استحواذها على OpenAI وإدماج ChatGPT في Bing وOffice، حصلت على توقعات غير محدودة من المستثمرين، وارتفعت أسعار أسهمها بشكل كبير. حتى ظهور ChatGPT4، حيث أظهر ذكاءً خارقًا، مما جعل الناس يهدأون بعد الحماس، وبدأوا في التفكير في التغييرات التي قد يجلبها الذكاء الاصطناعي لصناعتهم، بالإضافة إلى المخاطر المحتملة بعد تطور الذكاء الاصطناعي بشكل أكبر.

تُكتب هذه المقالة في هذا السياق؛ إذ من خلال البحث والتفكير في قطاعي الذكاء الاصطناعي والبلوك تشين، نحاول العثور على إجابة عن هذه المشكلة.

وضع تطور صناعة الذكاء الاصطناعي

أداة لإنتاجية

يمكن اعتبار الذكاء الاصطناعي شكلاً من أشكال أداة الإنتاجية. مثلما غيّرت الأدوات الحجرية والمحرك البخاري والمحرك الاحتراق الداخلي والمحرك الكهربائي والكمبيوتر والإنترنت المجتمع البشري عبر توفير أدوات تُحدث قفزة في الإنتاج وعلاقات الإنتاج، فإن الذكاء الاصطناعي يغيّر الإنتاجية. فهو يخفض عتبة تفاعل الإنسان مع الكمبيوتر، وفي الوقت نفسه يزيد كفاءة الإنتاج المتكرر. أما الأول فيحسّن جودة حياة الإنسان، والثاني فيخفف العوائق أمام تطوره.

على وجه الخصوص، يُحدث تطبيق تقنيات الذكاء الاصطناعي تأثيراً عميقاً في العديد من الصناعات، مثل التصنيع الذكي، والرعاية الصحية، والتمويل، والنقل، والتعليم وغيرها. بفضل تقنيات الذكاء الاصطناعي، يمكن للناس تمكين الآلات من تعلم الأنماط بشكل مستقل وتنفيذ بعض المهام غير الإبداعية. بالنسبة لبعض الصناعات، قد يؤدي ذلك إلى تحسين كفاءة الإنتاج وتقليل التكاليف. على سبيل المثال، استخدام الذكاء الاصطناعي للتنبؤ ببنية البروتينات وتطوير أدوية جديدة؛ إذ قامت Meta AI بتدريب ESMFold التي تنبأت بأكثر من 600 مليون تسلسل بروتين ميكروبي (ميتا جينوم)، مما يوضح اتساع وتنوع بروتينات الطبيعة، وهو أمر كان من الصعب تخيله في الماضي.

بعبارات بسيطة: باستخدام تقنيات الذكاء الاصطناعي، يمكننا معالجة البرامج المعقدة السابقة باستخدام اللغة الطبيعية. لا نحتاج إلى فهم المبادئ وراء البرامج المعقدة، ولا نحتاج إلى معرفة كيفية كتابة الكود؛ كل ما علينا فعله هو إخبار الذكاء الاصطناعي بالنتيجة التي نريدها. بعدها يمكن للذكاء الاصطناعي تنفيذ الخطوات الوسيطة بناءً على هذه النتيجة لتحقيق ما نريده. هذه هي زيادة الإنتاجية التي يجلبها الذكاء الاصطناعي.

وهذا هو أيضاً ما يعرفه الجميع بـ AIGC، والذي سيحظى بتطبيق أوسع في مجالات مثل خدمة العملاء الذكية والشخصيات الافتراضية والألعاب وغيرها. يمكن لـ ChatGPT أن يوفر تجربة حوار أكثر سلاسة وطبيعية للشخصيات الافتراضية والألعاب بناءً على مجموعة النصوص/المواد المتاحة مسبقاً، ما يرفع تجربة المستخدم ويزيد القدرة التنافسية في السوق للمنتجات. والأهم من ذلك، يمكن لـ ChatGPT أن يستبدل البشر في إنشاء بعض أنواع المحتوى المتكرر، مثل التقارير الآلية الصياغة، وجمع المعلومات البسيط وتلخيصها، والترجمة، وإنشاء رسومات/إيضاحات ضمن شروط محددة وغيرها. وهكذا تتحرر إنتاجية البشر بشكل أكبر، ليتفرغوا لإدخال تعليمات محورية أو للإبداع، بدل تكرار تنفيذ التعليمات.

دليل الاتجاهات التقنية

تشمل التطبيقات الأساسية للذكاء الاصطناعي حالياً الذكاء الاصطناعي العام، والمخطط/الرسم البياني للمعرفة، وتحليل البيانات والتركيب، والقيادة الذاتية، وAIGC وغيرها.

منها:

• مخطط المعرفة: مخطط المعرفة يمثّل الكيانات والعلاقات والخصائص المختلفة بصيغة رسم/Graph، لدعم تطبيقات مثل البحث الذكي والتوصيات والأسئلة والأجوبة وغيرها.

• البيانات التركيبية (Synthetic Data): البيانات التركيبية هي بيانات يتم توليدها عبر التعلم الآلي وتقنيات ذكاء اصطناعي أخرى، ويمكن استخدامها لتدريب وتقييم نماذج الذكاء الاصطناعي. وبسبب أسباب تتعلق بالخصوصية والأمان، غالباً ما يصعب الحصول على البيانات الحقيقية أو مشاركتها. لذلك، يمكن أن تحل البيانات التركيبية محل البيانات الحقيقية في بعض السيناريوهات.

• AIGC: تقنية AIGC هي تقنية مبنية على التعلم العميق ونماذج التوليد، ويمكن استخدامها في مجالات متعددة مثل توليد النصوص، وتوليد الصوت، وتوليد الصور، وتوليد الفيديو؛ وهي أيضاً الاتجاه الأكثر تداولاً وتطبيقاً في الوقت الراهن.

مهما كانت نظرة التحليل من حيث عدد الأموال/جولات التمويل أو المبالغ أو من حيث اهتمام وسائل الإعلام، فإن عام 2022 لا شك أنه كان عاماً لانفجار AIGC. ومع ذلك، يظل AIGC تقنية حديثة نسبياً، ولا يزال في مرحلة مبكرة من الاستكشاف والتطوير.

وبشكل محدد، يمكن وصف مراحل تطور AIGC على النحو التالي:

• مرحلة البحث: تركز أساساً على المبادئ الأساسية وخوارزميات AIGC، واستكشاف كيفية تدريب النماذج وتحسينها، وإنشاء قواعد بيانات.

• مرحلة التطبيق: بدأ AIGC في التغلغل في مختلف السيناريوهات الواقعية، وبدأ البحث في كيفية تطبيق تقنيات AIGC في مجالات محددة.

• مرحلة التحول الصناعي: بدأ AIGC في أن يُطبّق على نطاق واسع في مختلف الصناعات والمجالات، لتتشكّل سلسلة قيمة خاصة به ونظام بيئي داعم.

بشكل شامل، نحن ما زلنا في مرحلة انتقالية؛ حيث انتقلنا للتو من مرحلة البحث إلى مرحلة التطبيق، ولا يزال تطور AIGC في مرحلة الانطلاق.

العناصر الأساسية

تُعدّ البيانات والخوارزميات وقدرة الحوسبة ثلاث ركائز أساسية لتطوّر الذكاء الاصطناعي.

• فيما يتعلّق بالبيانات، ومع استمرار تطوّر تقنيات الذكاء الاصطناعي، أصبحت جودة البيانات وتنوّعها أكثر أهمية يوماً بعد يوم. بالإضافة إلى كمّ هائل من بيانات سيناريوهات التطبيقات، لا بدّ من تنظيف البيانات ومعالجتها ووضع علامات عليها بشكل فعّال، بهدف تحسين دقة تدريب الخوارزميات. علاوة على ذلك، يلزم أيضاً مراعاة مشكلات دمج البيانات عبر الأوضاع (الوسائط المتعددة) وعبر المجالات، من أجل استخراج قيمة البيانات والذكاء الكامن فيها بشكل أفضل.

• فيما يتعلّق بالخوارزميات، ما يزال تطوّر تقنيات الذكاء الاصطناعي في مرحلة التكرار والتحسين المستمر. تتمحور اتجاهات التطور المستقبلية أساساً حول خوارزميات التعلم العميق المتعددة الوسائط والنماذج الكبيرة، إضافةً إلى الابتكارات في مجالات التعلم الذاتي ونقل المعرفة والتعلّم التزايدي. ومن شأن ذلك أن يرفع مستوى ذكاء خوارزميات الذكاء الاصطناعي ومدى تطبيقها، ويُسهم في نشر تقنيات الذكاء الاصطناعي على نطاق واسع.

• فيما يتعلّق بقدرة الحوسبة، ومع تسارع وتيرة الحوسبة في مجال الذكاء الاصطناعي وتحسينها باستمرار، يجري كذلك تطوير وسائل الأجهزة وإصلاحها وترقيتها. فعلى سبيل المثال، أدى ظهور شرائح مخصّصة مثل GPU وTPU إلى تحسين كبير في كفاءة وسرعة حوسبة الذكاء الاصطناعي. إضافة إلى ذلك، يوفّر تطوّر الحوسبة السحابية والحوسبة على الحافة بيئات تشغيل أكثر مرونة وتنوّعاً لقدرة الحوسبة الخاصة بالذكاء الاصطناعي.

وضع تطوّر قطاع البلوك تشين

دفتر الأستاذ الموزّع

البلوك تشين هو دفتر أستاذ موزّع لا مركزي.

أولاً، يتمتّع البلوك تشين بصفة عدم القابلية للتلاعب؛ وهي صادرة عن آلية التوافق (Consensus) الكامنة في طبقة البلوك تشين. إذ تُسجَّل البيانات على السلسلة في كتل يشهد عليها عُمال/منقّبو التعدين أو عقد التحقق، وتأتي الكتل مترابطةً تتابعياً فيما بينها، مع تسجيلٍ متصل؛ لذا، بمجرد تسجيل البيانات على السلسلة بواسطة كتلة، يصبح من المستحيل تعديلها.

لذا، مع ارتفاع عدد العقد وتشتّت المواقع الجغرافية وتعزّز قوة الحوسبة أو زيادة قيمة الرموز المُرهَنة (Staking)، تصبح صعوبة وتكلفة إفساد التوافق أكبر. وبناءً على ذلك، يصعب على أي جهة مركزية تغيير المحتوى الذي تم تسجيله بالفعل.

ثانياً، وبناءً على شرط عدم القابلية للتلاعب، تجعل العقود الذكية المبنية على الكود المستخدمين قادرين على التفاعل معها دون الحاجة إلى الثقة بأي شخص. تُشغّل العقود الذكية الكود وفق مسارات محددة مسبقاً لتنفيذ العمليات المطلوبة. وهذا يجعل معاملات السلسلة التي لا تتطلّب الثقة أمراً ممكناً.

وفي الوقت نفسه، لا يمكن استدعاء العقد الذكي إلا من قبل الحساب الموافق الذي تعود إليه الأصول الموجودة داخله؛ ولا يوجد حساب آخر يستطيع تحويل أصول الحساب الأصلي عبر العقد الذكي. كما أن كل عملية يقوم بها الحساب الأصلي تتطلب توقيعاً للتأكيد على الهوية، وحتى تفاعلات التحويل الأولى تحتاج عادةً إلى تنفيذ خيار Approve لاستدعاء العقد الذكي لأصول الحساب. وبذلك يصبح محفظة المستخدم هي أفضل هوية (DID) وحامل للأصول لديه.

ضمن إطار آلية التوافق والعقود الذكية، يمكن تسجيل جميع أصول السلسلة وسلوكيات السلسلة وتحديد ملكيتها (إقرار الحقوق). كما يمكن أيضاً تجميع الحقوق الناتجة عنها تلقائياً في حساب مالكها. وهذا يحل مباشرةً مشكلة «قرود حقيقية أم مزيفة» و«الاستبدال دون إذن» (Li Dai Tao Jiang). إذ لا يمكن لأحد سرقة أصول الآخرين عبر Copy Paste بسيط، ولا يمكن لأحد أن يتولى حقوق الملكية ويأخذ الفائدة بنفسه.

بشكل ملموس، يمكن للأصول الرقمية أن تُعرَّف عبر شكل Token لتحديد عنوان العقد الذكي الفريد الخاص بها؛ مثل استخدام NFT لتمثيل لوحة رقمية. وفي المقابل، يمكن إثبات تصرف أي شخص عبر رموز غير قابلة للتداول (SBT)، مثل إثبات العمل أو التواجد في الزمان والمكان (Proof of Work / Proof of Attendance).

دليل الاتجاهات التقنية

Layer 0-2 هو الهيكل الطبقي لتقنية البلوك تشين، بينما تمثل السلاسل التحالفية والسلاسل الخاصة أنواعاً مختلفة من سيناريوهات تطبيق البلوك تشين.

• Layer 0: تشير Layer 0 إلى البنية المادية للبلوك تشين وشبكة الاتصال، بما في ذلك معدات الأجهزة وبروتوكولات الشبكة ووسائط النقل وغيرها. وهي تقوم بدور أساسي على مستوى نقل المعلومات بين السلاسل وإيجاد أساس لمعالجة الأصول على المستوى السفلي. حالياً، تُعد Cosmos وPolkadot وLayerZero من أبرز الممثلين التقنيين الرئيسيين.

• Layer 1: Layer 1 هي الطبقة الأساسية للبلوك تشين، وتُسمى أيضاً السلسلة العامة (Public Chain)، وتشمل مثل بيتكوين وإيثيريوم. إن تصميم البروتوكولات والتنفيذ التقني في Layer 1 يحددان الأداء والوظائف الأساسية للبلوك تشين. ويمكن تقسيمها أيضاً إلى أنظمة EVM وغير EVM وفقاً للنوع.

• Layer 2: تشير Layer 2 إلى البروتوكولات والحلول التي تُبنى فوق Layer 1، بهدف تحسين أداء البلوك تشين وتوسيع سيناريوهات التطبيقات. حالياً، توجد 6 أنواع من البروتوكولات في Layer 2، ويعدّ كل من ZK Rollup وOptimistic Rollup من الأكثر شيوعاً. تُمكّن هذه البروتوكولات البلوك تشين من معالجة معاملات أكثر ورفع TPS وتقليل Gas fee وغيرها.

• البلوك تشين التحالفي: هي شبكة بلوك تشين تتم إدارتها والتحكم فيها بشكل مشترك من قبل عدة مؤسسات أو جهات. تكون هذه المؤسسات عادةً متعاونة لتحقيق أهداف مصلحة مشتركة، مثل البنوك وشركات التأمين وشركات سلسلة الإمداد وغيرها. تختلف السلسلة التحالفية عن السلاسل العامة من حيث أن المشاركين فيها محدودون، وعدد العقد أقل نسبياً، ما يؤدي إلى تحسن معين في سرعة المعاملات والأمان.

• البلوك تشين الخاص: هو شبكة بلوك تشين يتم التحكم بها بشكل مستقل من قبل مؤسسة واحدة أو جهة واحدة، وغالباً ما يسمح فقط للأشخاص من داخلها بالمشاركة.

العناصر الأساسية

تُعدّ العقد الموزعة والتشفير وخوارزميات التوافق والعقود الذكية والعملات المشفّرة من العناصر الأساسية لتطور البلوك تشين.

العُقد الموزعة هي الجزء الأكثر جوهرية في تقنية البلوك تشين؛ إذ تُمكّن البيانات من التخزين والنقل بطريقة لا مركزية. أما التشفير فهو أداة نظرية مهمة لضمان أمن وخصوصية البلوك تشين. إضافةً إلى ذلك، تُعدّ خوارزميات التوافق مفتاح تحقيق الاتساق الموزع في البلوك تشين. أما العقد الذكي فهو برنامج كمبيوتر يمكنه تنفيذ العمليات تلقائياً، ويمكنه تنفيذ تعليمات منطقية مختلفة على البلوك تشين. وأخيراً، تُعدّ العملات المشفرة—أي عبر استخدام تقنيات التشفير لضمان أمان المعاملات وإخفاء الهوية—جزءاً من ذلك.

عبر العقد الموزعة، يستطيع جميع المشاركين الحصول على نسخة كاملة من البيانات؛ وبذلك نضمن شفافية البيانات وأمانها. وتعدّ التقنيات الأساسية للبلوك تشين—مثل دوال الهاش والتوقيعات الرقمية والتشفير غير المتماثل—هي تطبيقات للتشفير. فهي تساعد على ضمان سلامة البيانات والتحقق من الهوية، كما يمكنها حماية خصوصية المستخدمين.

وبفضل خوارزمية التوافق، يمكن لجميع العقد الوصول إلى نفس التوافق، مما يضمن اتساق البيانات وعدم قابلية تلاعبها. ومن أشهر خوارزميات التوافق: PoW وPoS وغيرها. يمكن للعقود الذكية تنفيذ معاملات دون ثقة طرف ثالث، ما قد يزيد—إلى حد ما—من كفاءة المعاملات وأمانها. كما أن ظهور العملات المشفرة مثل البيتكوين والإيثير سيؤمن دفعاً واسعاً لتطبيق تقنية البلوك تشين وتطورها.

تقاطع البلوك تشين مع الذكاء الاصطناعي

باعتبار البلوك تشين جزءاً من صناعة البلوك تشين، وفي ظل موجة الذكاء الاصطناعي، نحتاج أيضاً إلى التفكير: هل يتضمن تغيير الذكاء الاصطناعي للعالم البلوك تشين؟ وإذا كان الأمر كذلك، فما شكل هذا التغيير؟ وكيف تؤثر قدرات البلوك تشين اللامركزية وتحديد الملكية (الإقرار بالحقوق) على الذكاء الاصطناعي أكثر؟

أولاً، يمكن للذكاء الاصطناعي—بوصفه أداة لإنتاجية (Production Power)—خفض عتبة الدخول التقنية، وبالتالي يمكن أيضاً خفض عتبة الدخول في صناعة البلوك تشين وزيادة كفاءة الإنتاج.

ثانياً، سيجعل AIGC الألعاب والميتافيرس يخرجان من الإعدادات البرمجية الجامدة، ما يمنح البلوك تشين سرديات وأساليب لعب جديدة.

في المقابل، ستسمح العقود الذكية للبلوك تشين بتحديد المجالات ونطاق ما يمكن للذكاء الاصطناعي أن يتعامل معه، أو تحديد صلاحياته، لتجنب تطوره المفرط.

وفي الوقت نفسه، يمكن أن يوفر اللامركزية في البلوك تشين للذكاء الاصطناعي موارد مشتركة وموزعة من القدرة الحوسبية اللازمة لبيانات الأساس ونماذج التدريب.

بالإضافة إلى ذلك، يمكن لميزة تحديد الملكية في البلوك تشين توفير أدلة على البيانات والهوية والملكية، بما يحد من تضارب المصالح الذي قد يسببه الذكاء الاصطناعي.

أهمية الذكاء الاصطناعي للبلوك تشين

أولاً، يمكن للذكاء الاصطناعي—بوصفه أداة—خفض عتبة إنشاء المحتوى. إذ يمكن لكل شخص عادي أن يُظهر إبداعه دون قيود تقنية، وأن ينتج محتوى عالي الجودة أو أعمال NFT. وهذا يشمل على سبيل المثال لا الحصر: إنشاء NFT، وإنشاء أصول الألعاب، والنمذجة في الميتافيرس، وبناء الأكواد وغيرها.

لكن حالياً، تطبيق AIGC في مجال NFT يقتصر على إخراج صور بسيطة، ولا يختلف ذلك جوهرياً عن Generative Art التقليدية. ومن المفترض أن يكون التطبيق الحقيقي لـ AIGC في NFT هو توسيع إضافي لما يمكن فعله على خصائص NFT؛ مثلما يبني Mirror World «روح» خاصة بـ NFT باستخدام الذكاء الاصطناعي.

ثانياً، يتمثل ذلك في خفض عتبة كتابة الأكواد التقنية. ينقسم الكود إلى اتجاهين: أحدهما إصدار مشروع ونشر عقد ذكي، والآخر هو الهجوم من قِبل الهاكر أو الدفاع من قبل طرف أبيض (white hat). هذان الاتجاهان يمثلان طرفي التوليد بالمواجهة (adversarial generation). أي أنه يمكننا استخدام الذكاء الاصطناعي لبرمجة الأكواد بلغة طبيعية، ونشر العقود الذكية التي نحتاجها؛ وفي المقابل يمكن للطرف الآخر استخدام الذكاء الاصطناعي لتحليل كود العقد ثم شن هجوم. من خلال هذا الأسلوب، سنتمكن من استخدام الذكاء الاصطناعي لتكرار تحديث كود العقود المنشورة، بما يؤدي إلى نوع من التنافس الداخلي (involution) يساعد صناعة الأكواد على أن تصبح أكثر اكتمالاً وموثوقية. وعلى هذا الأساس، يمكن للجميع توجيه المزيد من الجهد إلى تحسين بنية البلوك تشين أو تصميم المشروع بالكامل، أو إلى نموذج الاقتصاد (Economic Model)، من أجل إثراء أساليب اللعب والابتكار على مستوى الأعمال.

وبالمثل، عندما يبسط الذكاء الاصطناعي كل عتبة تقنية، يمكن تطبيق العمليات المعقدة سابقاً على نطاق واسع. فعلى سبيل المثال: القروض الدورية، والقروض الفورية (Flash Loans)، واستراتيجيات التنقيب الأفضل، والحصول التلقائي على العائد، وتحديد وقت الخروج في “رأس التعدين” مبكراً... يمكن للذكاء الاصطناعي تنفيذ المسار كاملاً. يمكن للذكاء الاصطناعي أن يبرمج تلقائياً، ويختار المسار، وينشره مباشرة. مثل بطاقات المهارات في لعبة Yu-Gi-Oh: نستخدم بطاقة المهارة فقط، ثم تظهر المهارة نفسها وتنتج أثرها. هذا يتيح نقل العمليات التي كانت تتطلب عتبة مرتفعة في السابق إلى المستخدمين العاديين. وبالاستعانة بـ MEV كمثال: إذا أردنا الحصول على قيمة MEV، فنحن بحاجة لكتابة روبوتات “ملقطات MEV”. لكن عندما يستطيع الأشخاص العاديون أيضاً القيام بذلك، فلن يبقى مجال للربح؛ لأنه عند أن يصبح الجميع قادراً على ذلك، ستتحول المنافسة إلى Gas والمباشرة بالانطلاق. ووفقاً لمبدأ نظرية الألعاب، سيتم “عصر” قيمة MEV بارتفاع Gas fee، ما يؤدي في النهاية إلى عدم وجود أرباح، وبالتالي تنخفض آثار MEV. وهذا يُعدّ نوعاً من «تحويل نقل التقنية إلى الأسفل» يدفع الصناعة إلى تحسين نفسها.

أو ربما يتمثل ذلك في تعزيز انتشار تقنية البلوك تشين. وفقاً لبيانات Footprint Analytics، لا يتجاوز عدد المستخدمين النشطين على إيثيريوم حالياً 320 ألفاً، أي أقل من جزء بسيط من مستخدمي الإنترنت. المشكلة الأكبر هي أن المستخدمين لا يشعرون بالحاجة إلى الدخول إلى البلوك تشين، وحتى القليل ممن لديهم حاجة يتم استبعادهم بسبب تعقيد التفاعلات على السلسلة. بالإضافة إلى ذلك، كانت عمليات نشر البيانات على السلسلة أو استخدام تذاكر/شهادات مبنية على البلوك تشين تتطلب إنشاء نظام بلوك تشين أو دفع مبالغ كبيرة من Gas fee، وهذه التكاليف ضخمة. أما الآن، وبفضل تقنيات الذكاء الاصطناعي، يمكننا تحقيق بناء البلوك تشين أو تحسين مسارات استخدام بيانات السلسلة بتكلفة منخفضة وتقليل Gas fee. لذلك، في كل مكان يحتاج إلى تحديد ملكية وإتاحة شفافية المعلومات، يمكن الاستفادة من تقنية البلوك تشين ونشر العقود الذكية. وبهذا، فإن نظام التفاعل المبسّط بالذكاء الاصطناعي سيجلب عدداً كبيراً من المستخدمين إلى صناعة البلوك تشين.

ما نحتاج إلى معرفته هو أن التغيير الذي يمكن أن يقدمه الذكاء الاصطناعي يقتصر على طبقة تطبيق البلوك تشين. فالمستخدمون، اعتماداً على فهمهم داخل التفاعل، يستخدمون الذكاء الاصطناعي لتجاوز عملية كتابة العقود الذكية، وينشرون مباشرةً تطبيقات مخصصة لحل احتياج معين. وستصبح نقطة إصدار المشاريع—في جوهرها—أقل أهمية في “الإصدار” وأكثر في الابتكار والتشغيل. ومن المؤكد أن تشكيل طبقة التطبيقات سيتغير جذرياً في المستقبل. لكن التغييرات في الطبقات الأدنى—طبقة التنفيذ وطبقة التوافق وطبقة البيانات—لا يمكن للذكاء الاصطناعي القيام بها؛ لأن ذلك يتطلب ابتكاراً في آليات البنية التحتية، وليس مجرد تبسيط عمل متكرر يحقق تحولاً نوعياً. تماماً كما أدّى تطبيق EIP1559 في ترقية لندن إلى إعطاء إيثيريوم دافعاً إضافياً، ولن تكتمل ترقية شانغهاي إلا بعد ذلك، ما سيسمح بزيادة كمية ETH المرهونة وتحسين أمن إيثيريوم وإطلاق قطاع LSD من جديد.

دور البلوك تشين في الذكاء الاصطناعي

تتعارض بعض الشيء اللامركزية في البلوك تشين مع السمات المركزية التي تُظهرها تقنيات الذكاء الاصطناعي الحالية، لكن هذا التباين نفسه هو الذي يوفر حلولاً للمشكلات التي تواجه الذكاء الاصطناعي.

في كثير من الأحيان، يكون الذكاء الاصطناعي والبيانات الضخمة الحديثة مركزية إلى حد كبير؛ إذ يتم التحكم بها عادة من قِبل عدد قليل من الشركات أو المؤسسات الكبيرة. تمتلك هذه الجهات تقنيات وموارد قوية، وتملك أيضاً صلاحيات تؤثر في اتجاه السوق وسلوك المستخدمين. وبسبب هذه المركزية، عند استخدام الذكاء الاصطناعي، يتعين على الناس أن يثقوا بأن الذكاء الاصطناعي سيقوم فعلاً بالتنفيذ بأمانة وفق التعليمات. لذلك توجد بعض المخاطر والمشكلات في عملية تطوير الذكاء الاصطناعي وتطبيقه، مثل تسرب الخصوصية، والانحياز الخوارزمي، وإساءة استخدام البيانات، وغيرها.

ومع ذلك، يمكن لخصائص البلوك تشين الموزعة واللامركزية أن تحل هذه المشكلات؛ فمن خلال العقود الذكية يمكن تقييد مجموعة البيانات التي يمكن للذكاء الاصطناعي استخدامها وحدود النطاق الذي يمكنه تشغيله ضمنه، لمنع قيام الذكاء الاصطناعي بسوء التصرف. كما يمكن إنشاء عقد مراقبة لمتابعة سلوك الذكاء الاصطناعي؛ فإذا أساء، يمكن للمراقِبين الإبلاغ عن ذلك، وفرض عقوبات/مصادرة على القدرة الحوسبية التي يستخدمها الذكاء الاصطناعي، بحيث لا يقوم الذكاء الاصطناعي إلا بما يعزز تطور الإنسان، والحد من الاستخدام المفرط وتجاوز الصلاحيات.

بشكل محدد، بالنسبة إلى مشاركة وشرْعنة (تحديد ملكية/إقرار حقوق) البيانات الأساسية اللازمة لتدريب الذكاء الاصطناعي، يمكن للبلوك تشين أن يسمح للمستخدمين باختيار ما إذا كانوا سيقدمون بياناتهم لتدريب نماذج الذكاء الاصطناعي أم لا. ويتطلب ذلك الاعتماد على التطور الإضافي لتقنيات zk، لتحقيق تقديم بيانات المستخدم دون كشف معلوماته الشخصية. وستُبنى عملية جمع البيانات وتخزينها ومشاركتها على عقد موزعة لامركزية لضمان أمن البيانات وقابليتها للاستخدام، ولإقرار مصدر البيانات وتحديد حقوقه. وبذلك، عندما ينتج عن تدريب الذكاء الاصطناعي باستخدام هذه البيانات عائدات، يمكن تخصيص جزء من العوائد لمشاركة أرباح (Dividends) لمقدمي البيانات وفقاً للبيانات التي تم استخدامها، بما يحفظ حقوق مقدمي البيانات. كما يمكن لخصائص البلوك تشين اللامركزية والأمان والشفافية التي سبق ذكرها أن تساعد أيضاً في ضمان خصوصية البيانات وأمانها فيما يتعلق بتوليد بيانات التدريب ومشاركتها.

وبالنسبة للمستخدم الذي يوفّر Prompt لتشغيل الذكاء الاصطناعي، يمكنه أيضاً الحصول على جزء من العائد الناتج عن استدعاء prompt الخاص به استناداً إلى ملكيته للـ prompt. وبذلك يتم ضمان مصالح كل من مالك بيانات الذكاء الاصطناعي ومالك prompt المستخدم لتشغيله في آن واحد.

ومن الجدير بالذكر أيضاً مسألة تعدين القدرة الحوسبية. فبناء نماذج الذكاء الاصطناعي يحتاج إضافةً إلى كميات كبيرة من البيانات إلى القدرة الحوسبية للتدريب. لكن حالياً القدرة الحوسبية في العالم تُعدّ في حالة طلب يفوق العرض. لذلك يمكن تجميع القدرة الحوسبية بصيغة لامركزية عبر إنشاء تجمعات تعدين سحابية، ثم تقديم دعم/تعويضات لمزودي القدرة الحوسبية من خلال التعدين. بعد ذلك، يمكن بيع القدرة الحوسبية على شكل مزادات لتدريب نماذج الذكاء الاصطناعي، بما يضمن الاستخدام الأمثل للقدرة الحوسبية المحدودة، وفي الوقت نفسه يضمن أيضاً أمان وموثوقية الحوسبة. والأهم من ذلك، يمكننا أيضاً دمج البيانات والخوارزميات والقدرة الحوسبية لإنشاء بروتوكول “AI كخدمة” (AI as a Service)، لتقديم خدمة بناء نماذج الذكاء الاصطناعي للمستخدمين الذين لديهم احتياج، مستفيدين من ميزات اللامركزية وقابلية إعادة الاستخدام. فمن الحصول على البيانات، إلى معالجة البيانات، وصولاً إلى اختيار الخوارزمية واستدعاء القدرة الحوسبية—تتم كل هذه المراحل عبر منظومة/إيكولوجية واحدة. وبهذا نحافظ على ميزة سلسلة التوريد (supply chain)، ونتجنب في الوقت نفسه مخاطر المركزية.

بالإضافة إلى بناء نماذج الذكاء الاصطناعي، عندما نركز على تطبيقات الذكاء الاصطناعي، سنجد أن مشكلات مثل القرصنة، وإعادة تدوير المحتوى (washing稿)، والشخصيات الافتراضية… التي تخلقها قدرة التعلم الفائقة للذكاء الاصطناعي لا تُعدّ مشكلة أمام البلوك تشين. فالأعمال الفنية تُسجل على السلسلة بصيغة NFT، ويمكن أن يثبت عنوان العقد الذكي الفريد الخاص بها أصالتها. وبالنسبة إلى قيمة العمل الفني، فهي لا تعتمد فقط على العمل نفسه، بل أيضاً على هوية منشئه؛ فكما أن تقليد شخص لاحق لعمل فان غوخ (مثل عباد الشمس) لا يساوي بالضرورة القيمة الأصلية إن لم يكن منسوباً إليه، فإن البلوك تشين يمكنه إثبات أي “عباد شمس” يعود لفان غوخ بالفعل. كما يمكن بناء مخطط معرفي (Knowledge Graph) كأحد تطبيقات الذكاء الاصطناعي على البلوك تشين، وضمان عدم العبث بالبيانات فيه أو حذفها أو الادعاء بملكية غير صحيحة لها.

بالنسبة لمشكلة استخدام الذكاء الاصطناعي لبناء شخصية/هوية افتراضية من بيانات المستخدم السابقة، يمكن أيضاً استخدام OAT أو SBT لحلها. فكل سلوك على السلسلة له سجل مطابق، كما أن OAT أو SBT التي يتم إنشاؤها بناءً على هذه السجلات تكون فريدة أيضاً. ومن خلال OAT أو SBT الموجودة في الحساب يمكن تحديد الهوية. ويعود ذلك إلى عدم قابلية تلاعب البلوك تشين: إذ تُسجل الأحداث التي حدثت في كل كتلة لاحقة، ولا يمكن اختلاق سلوك لم يكن موجوداً من الأساس.

باختصار، يمكن للذكاء الاصطناعي بوصفه أداة لإنتاجية أن يسرّع تطور صناعة البلوك تشين وانتشارها، كما يمنح AIGC ميتافيرس وقطاع NFT اتجاهات وسرديات جديدة. لكن الذكاء الاصطناعي لا يمكنه إلا استبدال الأعمال المتكررة وخفض العتبات التقنية، وليس ابتكار التقنيات الأساسية. لذلك، لن تكون التغييرات التي يقدمها الذكاء الاصطناعي للبلوك تشين إلا في طبقة التطبيقات.

أما بالنسبة للبلوك تشين تجاه صناعة الذكاء الاصطناعي، فهو بمثابة جهاز للتحكم في المخاطر، وكذلك مُحسّن لموارد الاستخدام. يمكن للبلوك تشين الحد من التطور المفرط للذكاء الاصطناعي وتجاوز الصلاحيات، كما يمكنه معالجة قضايا تحديد ملكية البيانات والأصول لحماية حقوق المستخدمين. كذلك يمكنه دمج البيانات وقدرة الحوسبة اللازمة للذكاء الاصطناعي وتحسين توزيعها. لكن ذلك يقتصر على تعزيز شفافية الذكاء الاصطناعي ولا مركزيته وتحديد ملكية البيانات.

المرجع

[1](تجاوز Web3، عشيقة رأس المال الجديدة—الرحلة الخيالية الغريبة لـ AIGC)0xmin (2022.10)

[2](مأزق AIGC وسبيل كسر الحلقة لـ Web3)wheart.eth (2022.11)

[3](AIGC: ثورة قوة إنتاج المحتوى)يانغ رين ون (2022.12)

[4](ظهور النماذج اللغوية الكبيرة وتطور المعلومات، وتسريع التنبؤ ببنية البروتينات)Zeming Lin (2023.03)

[5](خواطر: تأثير اندلاع الذكاء الاصطناعي على المبدعين وNFT)Sleepy (2023.04)

[6](Bitcoin: A Peer-to-Peer Electronic Cash System)Satoshi Nakamoto (2009.03）

[7](Mastering Bitcoin)Andreas Antonopoulos (2016.03)

[8](Challenges and Recent Advances)Blockchain-Based Payment Channel Networks (2021.07)

[9](How AI Can Help Build Web3)crypto.com (2023.03)

[10](Ethereum White Paper)Vitalik Buterin (2023.05)