چگونه با بلاکچین و ارز دیجیتال، هوش مصنوعی(AI) را به کنترل انسان درآوریم؟

هوش مصنوعی(AI)، کلمه‌ای که وقتی با آن روبه‌رو می‌شویم ناخوداگاه جملات و اخطارهایی از بزرگان دنیا، مانند: ایلان ماسک و استیون هاوکینگ فقید در خاطرمان زنده می‌شود. تاکنون اظهارات بسیار زیادی در مورد خطرات و مزایای هوش مصنوعی بیان شده است. برخی از افراد مانند استیون هاوکینگ معتقد بودند که هوش مصنوعی تمدن و بشریت را نابود می‌کند و برخی دیگر طرفدار پروپاقرص هوش مصنوعی و بلاکچین بوده و هستند.

زمانی که هوش مصنوعی(AI) و بلاک چین باهم ترکیب شوند این بحث جذابیت صدبرابری پیدا می‌کند. دو تکنولوژی که قرار است دنیا را به تصاحب خود درآورند! در این مقاله از مجموعه ایران برورکر به بررسی این موضوع خواهیم پرداخت که چگونه می‌توانیم تکنولوژی هوش مصنوعی(AI) را با بلاکچین به‌طور کامل به کنترل خود در بیاوریم و از دنیای ارز دیجیتال و هوش مصنوعی به شکلی بهینه استفاده کنیم.

ارتباط بلاک چین و ارز دیجیتال با هوش مصنوعی چیست؟

برخی از کارشناسان معتقدند که هوش مصنوعی(AI) باید توسط شبکه‌های غیرمتمرکز بلاک‌چین کنترل شود.

برخی دیگر بر این باور هستند که از توکن‌ها می‌توان برای تشویق انسان‌ها برای آماده‌سازی مجموعه‌هایی از داده‌ها، استفاده کرد.

برنامه هوش مصنوعی چت جی پی تی (ChatGPT) سریع‌ترین برنامه تولید کننده محتوا و هم‌صحبت با کاربر، در حال رشد و تکامل خود است و هنوز هم خیلی سریع به رشد و توسعه خود ادمه می‌دهد.

راز وحشتناک هوش مصنوعی این است که انسان‌ها هنوز برای ایجاد، برچسب‌گذاری و ساختار داده‌های آموزشی مورد نیاز جامعه، آماده نیستند و این داده‌های آموزشی بسیار پرهزینه هستند. جنبه تاریک دیگر این موضوع این است که هوش مصنوعی(AI) یک فناوری نظارتی است و بنابراین، مدیریت انسان در این حوزه از تکنولوژی بسیار مهم است. اگر دست انسان از این مدیریت کوتاه باشد تقریبا می‌توان گفت جامعه و تمدن بشری به کنترل این فناوری در خواهد آمد.

برخی از کارشناسان بر این باورند که وقتی روبات‌ها جهان را تصاحب می‌کنند، بهتر است توسط شبکه‌های غیرمتمرکز کنترل شوند. پس، انسان‌ها باید برای آماده‌سازی مجموعه داده‌ها آماده شوند. هوش مصنوعی(AI) و بلاک چین و توکن‌ها می‌توانند در این موضوع مکمل همدیگر باشند و کمک کننده خوب و بدون نقصی برای هم باشند، اما آیا بلاکچین می‌تواند بشریت را از خطرات و معایب هوش مصنوعی نجات دهد؟

چت جی پی تی فقط داده‌های برگشتی است

بن گورتزل، محقق مشهور هوش مصنوعی(AI) و بلاکچین در مورد این پروژه بیان می‌کند:

چت جی پی تی یک موضوع بیزینسی بزرگ است، با توجه به این که یک مورد نامشخص در چت جی پی تی باعث شد تا بنیان‌گذاران گوگل برای اولین بار، پس از سال‌ها در دفتر ظاهر شوند!

گورتزل آن را کمی خنده‌دار می‌بیند. گورتزل بنیان‌گذار پروژه هوش مصنوعی مبتنی‌بر بلاکچین سینگولاریتی نت (SingularityNET) و از طرفداران صریح هوش عمومی مصنوعی (AGI) است، (رایانه‌هایی که برای خودشان فکر می‌کنند). این بدان معنا است که هوش مصنوعی که گورتزل آن را خلق کرده است در بسیاری از جهات نقاط ضعف چت جی پی تی را ندارد.

آنچه در مورد چت جی پی تی و سایر مدل‌های هوش مصنوعی جالب است این است که آنها به مقدار معینی از کلیت دست پیدا می‌کنند؛ بدون اینکه توانایی زیادی برای توسعه کلی در مسیر تکامل داشته باشند. آن‌ها با داشتن داده‌های آموزشی بسیار زیاد، به یک دامنه کلی از توانایی نسبت به یک انسان تنها دست پیدا می‌کنند.

به عبارت دیگر، جی پی تی با استفاده از حجم زیادی از داده‌ها عملکرد خود را توسعه می‌دهد.

گورتزل می‌گوید:

این راهی نیست که انسان‌ها با فعالیت‌های تکراری در توسعه، به وسعتی خلاقانه دست پیدا کنند. این موضوع مانند یک هک است. یک عمل هک برای هکرها زیبا است و این می‌تواند یک جهش بزرگ رو به جلو برای آینده باشد.

گورتزل به عواقبی که یک هک می‌تواند برای ما داشته باشد اشاره نمی‌کند، اما درباره چت جی پی تی می‌گوید:

اگر GPT-7 بتواند 80 درصد کارهای جامعه انسانی را انجام دهد، شوکه نخواهم شد. اگر چنین اتفاقی بیفتد یک عمل  بزرگ در سطح تکنولوژی رخ داده است، اما به این معنی نیست که آنها می‌توانند ماشین‌های فکری در سطح فکر و مغز انسان باشند. آنها می‌توانند اکثر مشاغل در سطح انسانی را انجام دهند و بسیاری از مشاغل را به تصاحب خود درآورند. در این صورت با موجی از بیکار‌ی‌های گسترده در جامعه روبه‌رو خواهیم شد، اما نگران نباشید کافی است انسان‌ها نیز خود را با بلاک چین و هوش مصنوعی(AI) تطبیق دهند و همزمان با آن رشد کنند. در این‌صورت هوش مصنوعی دوباره به‌عنوان یک ابزار برای انسان‌ها فعالیت می‌کند.

منطق مبتنی بر تجربه برای هوش مصنوعی دشوارتر از بررسی و کاوش در اینترنت است؛ به‌عنوان مثال، منطق یک توصیف کاربردی، به این معناست که انسان‌ها می‌دانند چگونه درب بطری‌ها را باز کنند، اما هوش مصنوعی برای یادگیری این کار ساده به تریلیون‌ها داده نیاز دارد. گورتزل توضیح می‌دهد که مدل‌های خوب زبانی (LLM) همچنان می‌توانند زبان را به منطق فرضی، از جمله منطق ناسازگار یا منطق متناقض تبدیل کنند.

گورتزل معتقد است:

اگر کل فضای وب را توسط  هوش مصنوعی تغذیه کنید، تقریباً هر چیزی که از آنها بخواهید در جایی از وب پوشش داده خواهد شد.

گورتزل در مصاحبه مربوط به هوش مصنوعی(AI) و بلاکچین به چند سوال خیلی مهم و کاربردی اشاره می‌کند، او می‌گوید:

در سه هفته گذشته 10 بار از من سؤالات مشابهی در مورد ChatGPT پرسیده شده است، آیا می‌توانیم از  چت جی پی تی بپرسیم که من در مورد چت جی پی تی چه فکری می‌کنم؟

گورتزل در پاسخ به این سوال می‌گوید:

نورومدل‌ها می‌توانند هر آنچه را که در دو ماه گذشته گفته‌ام را در یک فایل برای شما ایجاد کنند، حتی نیازی به گفتن آن ندارم!

بلاک چین و هوش مصنوعی (AI)

گورتزل در تفکر بلاک چین و هوش مصنوعی متخصص مهمی است؛ زیرا او در AGI تخصص دارد. او می‌گوید:

من و ۹۰ درصد از همکارانم در AGI فکر می‌کنیم که مدل‌های خوب زبانی مانند چت جی پی تی، تا حدی باعث حواس‌پرتی از این هدف می‌شوند. همچنین LLM‌ها می‌توانند به کار روی انواع نوآوری‌هایی که می‌توانند در AGI نقش داشته باشند کمک کرده و سرعت آن را افزایش دهند.

برای مثال، مدل‌های خوب زبانی پیشرفت کدنویسی را تسریع می‌بخشند. LLM‌ها حتی می‌توانند به افراد عادی بدون توانایی برنامه نویسی برای ساخت برنامه هوشمند تلفن یا برنامه وب کمک کنند. این بدان معنا است که بنیان‌گذاران غیر فناوری می‌توانند از LLM برای ایجاد استارتاپ‌های فناوری استفاده کنند. بلاکچین و هوش مصنوعی(AI) باید ایجاد فناوری نرم‌افزاری را دموکراتیک کنند و سپس کمی از فناوری سخت‌افزار دور شوند.

گورتزل، سینگولاریتی نت را به‌عنوان تلاشی برای استفاده از فناوری بلاکچین متن باز برای توزیع دسترسی به فناوری کنترل‌کننده AGI برای همه تاسیس کرد. و اجازه نداده است که سینگولارتی نت در دست انحصار باقی بماند. گورتزل اشاره می‌کند:

ChatGPT و سایر برنامه‌های متنی، الگوریتم‌های متن‌باز قابل مشاهده برای عموم را اجرا می‌کنند. بنابراین، زیرساخت امنیتی برای مجموعه داده‌های آن‌ها و نحوه مشارکت کاربران در این انقلاب فناوری اکنون در مقطعی حیاتی قرار گرفته است.

برای درک بهتر این موضوع، توسعه هوش مصنوعی به‌طور وسیعی در حال انجام است. در ماه مارس، ایلان ماسک، یکی از بنیان‌گذاران اپن آی ای و بیش از هزار رهبر فناوری دیگر خواستار توقف هرچه سریع‌تر توسعه هوش مصنوعی یا عرضه سیستم‌های قدرتمندتر از GPT-4 شدند. آنها در نامه سرگشاده در مورد خطرات جدی  برای جامعه و بشریت هشدار داده‌اند. این نامه تاکید می‌کرد که ایجاد یک توقف یا مکث زمانی، راه‌حل‌هایی را برای پیاده‌سازی «پروتکل‌های ایمنی مشترک» در سیستم‌های هوش مصنوعی فراهم می‌کند.

آن‌ها معتقد هستند:

اگر چنین مکثی نمی‌تواند هر چه سریع‌تر اعمال شود، دولت‌ها باید وارد عمل شوند و یک تعلیق را ایجاد کنند.

گورتزل بیشتر نسبت به پتانسیل فناوری برای بهبود زندگی ما به‌جای تخریب آن خوش‌بین است، او از دهه 1970 روی این موارد کار کرده است.

 بن گورتزل بیان می‌کند:

من به نگرانی‌ها احترام می‌گذارم اما این را تایید نمی‌کنم. LLMها به هوش عمومی مصنوعی (AGI) تبدیل نمی‌شوند. آنها مانند بسیاری از موارد دیگر، خطرات اجتماعی را به همراه دارند اما پتانسیل خوبی نیز برای انجام فعالیت‌های مثبت دارند. فشار اجتماعی باید برای کاهش سرعت تحقیق و توسعه برای سلاح‌های زیستی و هسته‌ای و غیره باشد، نه برای مواردی مانند هوش مصنوعی.

سیستم‌های مورد نیاز احراز هویت

همایون شیخ یک سرمایه‌گذار و موسس در آزمایشگاه تحقیقاتی مشهور هوش مصنوعی دیپ مایند بود که در آنجا از تجاری‌سازی هوش مصنوعی(AI) در مراحل اولیه و فناوری شبکه عصبی عمیقا حمایت می‌کرد. در حال حاضر او پروژه ارز دیجیتال Fetch.ai را به‌عنوان مدیرعامل و موسس هدایت می‌کند. این پروژه یک استارتاپ است که آینده مستقلی را با فناوری‌های پیشرفته توسعه می‌دهد.

برای مشاهده قیمت ارز دیجیتال FET به دلار و تومان می‌توانید به صفحه قیمت توکن فچ در ایران بروکر مراجعه کنید. همچنین می‌توانید در این قسمت تمام اطلاعات مربوط به توکنومیک ارز فچ، تاریخچه قیمت، نمودار تحلیل تکنیکال، سیگنال ارز دیجیتال فچ، صرافی‌ها و کیف پول‌های ارزیابی شده توسط ایران بروکر را مشاهده کنید.

همایون شیخ تاکید می‌کند:

بلاک چین و هوش مصنوعی(AI) از نظر اقتصادی به هم‌دیگر مرتبط می‌شوند؛ زیرا سرمایه مورد نیاز برای آموزش مدل‌های هوش مصنوعی به‌جز برای سازمان‌های بسیار بزرگ، بسیار زیاد است. کل فرضیه پشت کریپتو، دموکراتیک کردن فناوری و دسترسی به منابع مالی است. به‌جای اینکه یک نهاد انحصاری مالکیت کامل یک مدل اصلی هوش مصنوعی(AI) را در اختیار و کنترل خود بگیرد، ما تصور می‌کنیم که مالکیت بین افرادی که در توسعه یک پروژه به‌صورت عادلانه مشارکت داشته‌اند، تقسیم خواهد شد.

همایون شیخ:

یکی از راه‌هایی که می‌توانیم مردم را به ماندن در حلقه قدرت تشویق کنیم، مشارکت دادن آنها در توسعه هوش مصنوعی(AI) از همان ابتدای فعالیت است. به همین دلیل است که ما به تمرکززدایی فناوری هوش مصنوعی اعتقاد داریم. چه افرادی که از همان ابتدا هوش مصنوعی(AI) را آموزش می‌دهند، چه افرادی که از آنها می‌خواهند سیستم‌های هوش مصنوعی را بررسی و تأیید کنند. اطمینان از اینکه افراد معمولی می‌توانند مالکیت مدل هوش مصنوعی را در دست بگیرند، راهی قوی برای نگه داشتن انسان‌ها در حلقه قدرت آینده است. ما در پروژه فچ‌ای‌آی می‌خواهیم این کار را انجام دهیم در حالی که این دموکراسی را بر اساس مکانیسم‌های تشویقی مناسب حفظ خواهیم کرد.

یک رویکرد برای این امر از طریق سیستم‌های احراز هویت در حال ظهور و شبکه‌های اجتماعی غیرمتمرکز است. به‌عنوان مثال، سینگولاریتی نت اسپین آف Rejuve، در حال توکن‌سازی و جمع‌آوری داده‌های زیستی ارسالی از افراد است، به این امید که از هوش مصنوعی برای تجزیه، تحلیل و تطبیق آن با داده‌های حیوانات و حشرات استفاده کند. این کار را به این دلیل انجام می‌دهد تا کشف کند کدام بخش از ژنوم می‌تواند زندگی و طول عمر ما را طولانی‌تر کند. این اقدام هیجان‌انگیز یک اقتصاد طول عمر مبتنی‌بر هوش مصنوعی و مبتنی بر وب 3 است. تصور می‌شود علم باید هزینه‌هایی را پرداخت کند و سرمایه‌گذاران این بخش از داده‌ها باید برای مشارکت‌هایشان پاداش بگیرند.

توسعه و پیشرفت هوش مصنوعی(AI) به آموزش انسان بستگی دارد. سیستم‌های احراز هویت یا تایید اعتبار می‌توانند تضمین کیفیت داده‌ها را ارائه دهند. شبکه‌های اجتماعی غیرمتمرکز هم می‌توانند اطمینان حاصل کنند که طیف متنوعی از افکار و دیدگاه‌ها در فرآیند توسعه‌سازی استفاده شده است. تسریع در پذیرش هوش مصنوعی، چالش توسعه فناوری هوش مصنوعی متمرکز را به همراه خواهد داشت که می‌تواند خطرناک باشد.

شیخ تاکید می‌کند که حکمرانی هوش مصنوعی(AI) مبتنی‌بر بلاک‌چین نیز می‌تواند تاثیر گذار باشد، او بیان می‌کند:

فناوری بلاک چین شفافیت و تصمیم‌گیری غیرمتمرکز از طریق سابقه غیرقابل انکار داده‌های جمع‌آوری‌شده و تصمیم‌های اتخاذ شده که برای همه قابل مشاهده است، تضمین می‌شود. اما فناوری بلاک‌چین تنها یک تکه از این پازل است. قوانین و استانداردها، همان‌طور که در DAO‌ها می‌بینیم، همیشه برای حکمرانی قابل اعتماد مورد نیاز هستند.

گورتزل نیز اشاره می‌کند که:

“شما نمی‌توانید شهرت و هویت شخص دیگری را خرید و فروش یا تصاحب کنید.”

سیستم‌های احراز هویت مبتنی‌بر بلاک چین برای هوش مصنوعی(AI) می‌توانند اطمینان حاصل پیدا کنند که مصرف‌کنندگان می‌توانند تفاوت بین تقلب‌های هوش مصنوعی و افراد واقعی را تشخیص دهند و همچنین شفافیت را تضمین می‌کند تا سازندگان مدل‌های هوش مصنوعی بتوانند در مورد ساختارهای هوش مصنوعی خود پاسخگو باشند. در این دیدگاه و نگرش باید استانداردی برای اندازه‌گیری توکن وجود داشته باشد که در جامعه بلاک چین و اکوسیستم ارزهای دیجیتال امکان‌پذیر است.

همچنین سیستم‌های احراز هویت و تایید اعتبار می‌توانند نوآوری‌های هوش مصنوعی را تسریع دهند. این مسیری برای به دست آوردن پول سریع و آسان نیست، بلکه بخشی از مسیر تسلط بلاک چین بر اقتصاد جهانی است. البته که اندکی تراژدی از مشکلات رایج در بلاکچین در فضای تایید اعتبار وجود دارد اما می‌توان به توسعه آن در آینده امیدوار بود.

بلاک چین برای مدیریت مجموعه داده‌ها در هوش مصنوعی(AI)

داده‌های ترکیبی با هوش مصنوعی برای بسیاری از موارد مفید واقع می‌شوند، به‌عنوان مثال می‌تواند سرطان ریه را تشخیص دهد، اما دولت‌ها در سراسر جهان به نحوه صحیح مدیریت داده‌ها بسیار توجه ندارند.

مسئله کلیدی این است که چه کسی مالک مجموعه داده‌ها است. تمایز بین منابع باز و بسته مبهم است و تعاملات آنها بسیار ظریف شده است. الگوریتم‌های هوش مصنوعی(AI) معمولا متن‌باز هستند، اما پارامترهای مجموعه داده‌ها و خود مجموعه داده‌ها از جمله برای ChatGPT معمولاً اختصاصی و بسته هستند.

مردم نمی‌دانند از چه داده‌هایی برای آموزش ChatGPT-4 استفاده شده است، بنابراین حتی اگر الگوریتم‌ها عمومی هستند، این هوش مصنوعی قابل تکرار نیست. افراد مختلف این نظریه را مطرح کرده‌اند که با استفاده از مجموعه‌های داده از جمله گوگل و توییتر آموزش داده شده است. هم‌زمان، گوگل آن را تکذیب کرد که هوش مصنوعی خود به نام Bard را با داده‌ها و مکالمات با ChatGPT آموزش داده است، و این موضوع باعث می‌شود که این سوال به‌وجود بیاید؛ چه کسی مالک چه چیزی و چگونه مالک آن باشد؟!

کای فو لی (Kai-Fu Lee) مشهور به سرمایه‌گذار ریسک‌پذیر (AI VC) بیان می‌کند که هوش مصنوعی(AI) متن‌باز، بزرگ‌ترین همکاری در تاریخ بشریت خواهد بود و مقالات تحقیقاتی هوش مصنوعی معمولاً مجموعه داده‌های آن‌ها را برای تکرارپذیری یا برای دیگران کپی خواهند کرد. اما علی‌رغم اظهارات لی، داده‌ها، زمانی که به تحقیقات دانشگاهی متصل می‌شوند، اغلب به اشتباه برچسب‌گذاری می‌شوند و به سختی می‌توان آنها را «به شکلی نامفهوم، دشوار یا حتی آزار دهنده » مطالعه و دنبال کرد. حتی مجموعه‌های داده متن‌باز، مانند مقالات دانشگاهی، می‌توانند بدون ساختار، برچسب‌گذاری نادرست، مفید و به‌طور کلی به سختی، تکرار شوند.

بنابراین، به وضوح یک تقاطع بسیار جذاب و مثبت در پیش پردازش داده‌ها در هوش مصنوعی(AI) با بلاکچین وجود دارد. فرصتی برای شرکت‌های کریپتوکارنسی و DAO‌ها وجود دارد تا ابزارهایی را برای زیرساخت‌های غیرمتمرکز برای متفاوت کردن مجموعه داده‌های آموزشی ایجاد کنند. با اینکه کد متن باز یک مورد مهم است، اما حفاظت از داده‌ها بسیار مهم‌تر است.

گورتزل خاطرنشان می‌کند:

«شما به راه‌هایی برای دسترسی به مدل‌های هوش مصنوعی(AI) زنده نیاز دارید، اما در نهایت، کسی باید هزینه رایانه‌ای که این فرآیند را اجرا می‌کند، بپردازد». این موضوع می‌تواند به معنای وادار کردن کاربران برای دسترسی به هوش مصنوعی از طریق یک مدل اشتراک‌گذاری داده یا موضوع باشد، اما توکنومیکس یا به اصطلاح اقتصاد توکنی یک تناسب طبیعی است. بنابراین، چرا مجموعه داده‌های خوب را برای تحقیقات بیشتر تشویق نکنید؟ “خطوط تجزیه و تحلیل داده‌ها” برای موارد مهمی مانند داده‌های ژنومیک می‌تواند توسط شرکت‌های کریپتوکارنسی ساخته شود.

LLM‌ها می‌توانند این کار را به خوبی انجام دهند، اما «بیشتر این مراحل پیش پردازش را می‌توان با رایانه‌های غیرمتمرکز بهتر انجام داد، اما ساخت آن کار نسبتا پیچیده و سختی است، و اجرایی کردن آن نیاز به زمان زیاد و هزینه‌های هنگفت دارد».

همکاری انسان و هوش مصنوعی(AI): اقیانوسی از داده‌ها که به سرپرست‌های مسولیت‌پذیر نیاز دارند.

ترنت مک کوناگی، بنیان‌گذار کانادایی پروژه اوشن پروتکل می‌گوید:

یکی از راه‌های عملی برای تفکر در مورد همکاری هوش مصنوعی و انسان، ایده «طراحی به کمک رایانه» (CAD) است. مهندسان از دهه 1980 از CAD مبتنی بر هوش مصنوعی(AI) بهره‌‌برداری کرده‌اند. «این یک چارچوب مهم است: این انسان‌ها هستند که در حلقه با رایانه‌ها کار می‌کنند تا به اهداف خود دست یابند و در عین حال از نقاط قوت هر دو استفاده کنند».

مک کوناگی در دهه 1990، کار خود را در زمینه هوش مصنوعی برای دولت کانادا آغاز کرد و 15 سال را صرف ساخت ابزارهای CAD مبتنی‌بر هوش مصنوعی برای طراحی مدارهای محتلف کرد. او یکی از اولین مقالات جدی در مورد بلاک چین برای هوش مصنوعی را در سال 2016 نوشت.

CAD یک چارچوب عملی برای همکاری هوش مصنوعی(AI) و انسان به ما می‌دهد. اما این ابزارهای CAD مجهز به هوش مصنوعی همچنان به داده نیاز دارند.

مک کوناگی اوشن پروتکل را در سال 2017، برای رسیدگی به این موضوع تأسیس کرد. اوشن پروتکل، یک شبکه ابزار عمومی برای به اشتراک‌گذاری ایمن داده‌های هوش مصنوعی با حفظ حریم خصوصی است. “این پروژه یک بازی هوش مصنوعی با استفاده از بلاک چین است و در مورد دموکراتیزه کردن داده‌ها ایجاد شده است.” به‌طور چشمگیری، اوشن پروتکل ششمین پروژه ارزدیجیتال فعال در گیت هاب است.

برای مشاهده قیمت ارز دیجیتال اوشن پروتکل به دلار و تومان می‌توانید به صفحه قیمت توکن اوشن پروتکل در ایران بروکر مراجعه کنید. همچنین می‌توانید در این قسمت تمام اطلاعات مربوط به توکنومیک ارز اوشن پروتکل، تاریخچه قیمت، نمودار تحلیل تکنیکال، سیگنال ارز دیجیتال اوشن پروتکل، صرافی‌ها و کیف پول‌های ارزیابی شده توسط ایران بروکر را مشاهده کنید.

بلاکچین در مورد رساندن داده‌ها به دست افراد عادی حرف‌های زیادی برای گفتن دارد. مک کوناگی مانند گورتزل معتقد است که رایانه‌های توزیع شده می‌توانند سهم مهمی در محافظت از هوش مصنوعی(AI) در برابر استفاده‌های نامطلوب داشته باشند. IPFS ، فایل کوین، اوشن پروتکل و سایر کنترل‌کننده‌های داده غیرمتمرکز این مأموریت را در چند سال گذشته رهبری کرده‌اند.

دیتا فارمینگ در اوشن پروتکل در حال حاضر افراد را تشویق می‌کند تا دارایی‌های داده‌ای را که فکر می‌کنند حجم بالایی از فعالیت برای توسعه هوش مصنوعی دارند را مدیریت کنند. به‌عنوان مثال، می‌توان به بازار داده‌های سازمانی Acentrik، دستیاران هوش مصنوعی برای سازمان‌های Algovera، و پروتکل مسابقات علوم داده غیرمتمرکز Desights اشاره کرد. مک‌ کوناگی می‌گوید:

«مشکل برای افراد در هوش مصنوعی دریافت داده‌های بیشتر و منشأ آن داده‌ها است».

بلاک چین می‌تواند به هوش مصنوعی(AI) در اشتراک‌گذاری امن داده‌ها (داده‌های آموزشی خام، مدل‌ها و پیش بینی‌های خام آموزشی) با تغییر ناپذیری، منشأ، نگهداری، مقاومت در برابر سانسور و حفظ حریم خصوصی کمک کند.

مک‌کوناگی این امر را امتیاز بزرگی برای ادغام بلاک چین و هوش مصنوعی می‌داند. او با بازی هاکی روی یخ و رانندگی تراکتور و هک کردن رایانه در ساسکاچوان بزرگ شد، اما همیشه علاقه زیادی به “حرفه هوش مصنوعی” در او وجود داشت. هوش مصنوعی داده‌ها را به یک ارزش واقعی تبدیل می‌کند، اما انسان‌ها باید تصمیم بگیرند که کدام دارایی‌های داده‌ای ممکن است خوب و مفید باشند تا آن را بتوان ارزش‌گذاری کرد.

پروتکل اوشن این موضوع را برای ایجاد پایه‌های اقتصاد داده هوش مصنوعی(AI) حتی فراتر برده است. این پروتکل دارایی‌های داده را توکنیزه می‌کند تا افراد بتوانند داده‌های ارزشمند را به‌عنوان NFT و توکن منتشر کنند و دارایی‌ها را در کیف پول نگهداری و یا آنها را برای فروش در صرافی‌های غیرمتمرکز داده قرار دهند و حتی آنها را در DAO‌های داده مدیریت کنند. توکنیزه کردن داده‌ها با استفاده از ابزار دیفای، اقتصاد داده را بازتر می‌کند. اما آیا این تلاش‌ها قبل از انجام هوش مصنوعی(AI) به جریان اصلی به وقوع خواهد پیوست؟

کامپیوترهای غیرمتمرکز برای روبات‌های مستقل

کامپیوترهای غیرمتمرکز زمانی ساخته می‌شوند که شروع به فکر کردن برای خود و ساختن نسخه‌های بهتر از کد منبع خود کنند. گورتزل توضیح می‌دهد:

AGI در سطح انسانی می‌تواند کد منبع خود و ریاضیات و علوم کامپیوتر موجود را مطالعه کند و می‌تواند از خودش کپی‌هایی بسازد تا با آن بررسی‌هایی را انجام دهد و سپس سطح بعدی هوش مصنوعی ASI را بسازد.

در ذهن گورتزل، هدایت این فناوری توسط همه جامعه، بسیار بهتر از یک انحصار مانند یک شرکت فناوری یا کشور است.

اگر یک سیستم AGI را میلیون‌ها نفر در سراسر جهان کنترل و مدیریت کنند و کسی نتواند اسلحه را جلوی سرتان بگذارد و بگوید، سیستم را به من بدهید، بلاک چین این مشکل را حل می‌کند، گورتزل تاکید می‌کند که بلاک‌چین این مشکل را بهتر از مشکل پول حل می‌کند.

گورتزل به‌طور خاص AGI را اینگونه تعریف می‌کند: «نرم‌افزار یا سخت افزاری با قابلیت‌های قوی و قدرتمند برای انجام کارهای فراتر از برنامه‌نویسی و آموزش آن. AGI می‌تواند جهش‌های خلاقانه قابل توجهی فراتر از اطلاعاتی که داده است، ایجاد کند.»

طبق برآوردهای من، ما اکنون سه تا هشت سال از AGI در سطح هوش و توانایی انسانی و سپس چند سال به AGI فوق بشری فاصله داریم. اکنون ما در زمان جالبی زندگی می‌کنیم و نباید به مرگ فکر کنیم!»

بسیاری با این موضوع موافق هستند که آنچه در آینده در توسعه هوش مصنوعی پیش می‌آید ممکن است یکی از موارد استفاده مهم برای حاکمیت بلاک چین باشد. AGI باعث می‌شود رهبران جهان با هم ملاقات کنند. AGI باید متن‌باز باشد تا روی میلیون‌ها ماشین پراکنده در سراسر کره خاکی اجرا شود. بنابراین، هیچ کشوری نمی‌تواند کنترل آن را در دست بگیرد و هیچ شرکتی نمی‌تواند کنترل آن را برای خود تصاحب کند.

او توضیح می‌دهد که “زاویه ارز دیجیتال برای هوش مصنوعی(AI) کمی متفاوت است.” هوش مصنوعی و بعداً AGI به مکانیسم‌های حاکمیتی برای تصمیم‌گیری فراتر از داده‌های آموزشی و برنامه‌نویسی نیاز دارند. یک‌پارچگی شهرت برای مجموعه داده‌ها بسیار مهم است. به همین دلیل، او تاکید می‌کند که “شهرت نمی‌تواند برای مجموعه داده‌های هوش مصنوعی قابل تعویض باشد.” وقتی یک هوش مصنوعی سرکش می‌شود، با چه کسی تماس می‌گیرید؟ یا چه کسی می‌خواهد آن را کنترل کن؟

فناوری‌های غیرمتمرکز نمی‌توانند راه حل کامل باشند!

دی کای، استاد علوم و مهندسی کامپیوتر در HKUST و محقق مشهور در موسسه بین‌المللی علوم کامپیوتر برکلی، موافق است که گلوگاه کلیدی، برای دموکراسی‌سازی هوش مصنوعی(AI) منبع محاسباتی بسیار گسترده‌ای است که هوش مصنوعی را به اجرا درمی‌آورد. اما او مطمئن نیست که فناوری‌های غیرمتمرکز می‌توانند راه حل کامل باشند یا خیر. اگر اکنون به مشکلات فوری رسیدگی نکنیم، هرگز به مرحله اجرایی نخواهیم رسید. دی کای در این مورد می‌گوید:

مشکلات زیادی در هوش مصنوعی وجود دارد که ناخودآگاه جامعه را از هم می‌پاشد. ما باید با تعصبات انسانی و مسائل مربوط به تعصبات هوش مصنوعی مقابله کنیم. فناوری‌های غیرمتمرکز هنوز در سطح آزمون و خطا هستند، درحالی‌که این مشکلات Web2 در ابتدا باید حل شوند، زیرا آنها اینجا و در زمان حال حاضر برای ما مشکلاتی ایجاد می‌کنند.

هوش مصنوعی(AI) در مورد مواردی که هر روز با آن مواجه نیستید و یا حتی قابل مشاهده نیستند تصمیم گیری می‌کند. موتورهای جستجو، یوتیوب، تیک تاک و غیره. آنها تصمیم می‌گیرند مواردی که برای شما قابل مشاهده نیستند را ایجاد کنند و دیدگاه‌های جذاب‌تری برای شما ایجاد می‌کنند و منجر به انشعاب غیرقابل دفاع داخلی و ژئوپلیتیکی می‌شوند.

دی کای می‌گوید:

شفافیت مجموعه داده‌ها بسیار مهم است، اما اگر مجموعه داده‌ها کل فضای اینترنت باشد، آن مجموعه داده به‌طور موثر متن‌باز است. گوگل 100٪ در اینترنت آموزش دیده است، LLM‌ها به سرعت جایگزین الگوریتم‌های موتورهای جستجو خواهند شد. او تاکید می‌کند که LLM‌ها را می‌توان تقریباً به طور 100٪ از طریق اینترنت آموزش داد.

بنابراین، دی کای این ایده را که بلاک چین مشکل هوش مصنوعی(AI) سرکش و خارج از کنترل را حل می‌کند، مخالفت می‌کند. در آن سوی محاسبات غیرمتمرکز برای هوش مصنوعی این موضوع وجود دارد که به سناریوهای اسکای نت هالیوود منجر می‌شود و آن‌ها می‌توانند هوش مصنوعی را به طور متمرکز در اختیار بگیرند. تمرکز زدایی از این قدرت محاسباتی، راه حل مناسبی برای کنترل هوش مصنوعی نیست؛ زیرا ممکن است ناخواسته به انبوهی از هوش مصنوعی دست پیدا کنید.

پس بهترین راه حل چیست؟ دی کای معتقد است:

تمرکز زدایی تا حدی مفید است، اما یک گلوله جادویی نیست. وب2 عواقب ناخواسته‌ای ایجاد کرده است. ما باید از این منطق درس بگیریم و درک کنیم که بلاکچین یکی از فناوری‌های اساسی است که مزایای زیادی را ارائه می‌دهد، اما باز هم، یک گلوله جادویی نیست. البته، همه داده‌ها به صورت رایگان در اینترنت در دسترس نیستند: مطالعات علمی، داده‌های پزشکی، داده‌های شخصی جمع‌آوری‌شده توسط برنامه‌ها و بسیاری از داده‌های خصوصی دیگر می‌توانند برای آموزش هوش مصنوعی استفاده شوند. یکی از مفیدترین ابزارها، ایجاد شبیه‌سازی‌هایی در مقیاس بزرگ است تا ببینیم چگونه ممکن است همه این موارد عملی شود. سؤال این است که «تصمیم بگیریم چه چیزی را غیرمتمرکز کنیم و چه چیزی را غیرمتمرکز نکنیم.»

آنچه در مقاله “چگونه با بلاکچین و ارز دیجیتال، هوش مصنوعی(AI) را به کنترل انسان درآوریم؟” خواندیم:

بنابراین، نقطه عطف بلاک چین و هوش مصنوعی(AI) چیست؟ شیخ می‌گوید: در نظر گرفتن و استفاده از بلاکچین به‌عنوان بخش مهمی از توسعه AI، آن مسیر تکامل تمدن بشری خواهد بود که همه ما خواستار آن هستیم. متمرکز کردن مکان همه داده‌های یک مدل هوش مصنوعی از نظر ما برای توسعه هوش مصنوعی کار عاقلانه و به صرفه‌ای نیست. در عوض، با توانمند ساختن افراد برای مالکیت و مدیریت داده‌ها می‌توان پذیرش هوش مصنوعی(AI) را تسریع بخشید. مدل‌های هوش مصنوعی(AI) از چنین پلتفرمی می‌توانند با بهبود امنیت و حفظ حریم خصوصی، مقیاس‌پذیرتر و پایدارتر باشند.

در دهه 70 تا 80 میلادی، یکی از بزرگترین اشتباهات این بود که تصور کنیم کاری که با هوش مصنوعی انجام می‌دادیم درست است. ما اکنون باید فرضیات خود را دوباره بررسی کنیم. در واقع پیش پردازش داده‌ها با استفاده از بلاک چین بهتر است!