هوش مصنوعی غیر متمرکز: پر از قول ، اما بدون چالش

هوش مصنوعی غیرمتمرکز به عنوان یکی از عمیق ترین نوآوری های زمان ما مورد استقبال قرار گرفته است و قول داده است که به کاربران کنترل کننده ترین فن آوری ها را کنترل کند. با این حال ، در صورت تحقق چشم انداز ، صنعت با برخی از چالش های هولناک روبرو است.

طرفداران عدم تمرکز دنیایی را تصور می کنند که AI توسط چند شرکت بزرگ فناوری کنترل نمی شود ، بلکه توسط یک جامعه جهانی که همه را به شرکت در آن دعوت می کند و حرف های خود را دعوت می کند. این یک هدف جسورانه است ، اما هرچه به آرامی مشاهده می شود ، سوالی پیش می آید – آیا ما واقعاً در معرض دسترسی دموکراتیک کردن به اتوماسیون هوشمند هستیم ، یا ما در حال ایجاد دستور العمل برای فاجعه هستیم؟

رویای هوش مصنوعی غیر متمرکز

بهترین مدل های AI شناخته شده در جهان توسط چند شرکت منتخب کنترل می شود – OpenAI ، Google ، Microsoft ، Anthropic ، Deepseek و همکاران. -ایجاد یک احساس آشنا که صنعت هوش مصنوعی ، دقیقاً مانند اینترنت امروز ، تحت سلطه تعداد انگشت شماری از پادشاهان قدرتمند قرار خواهد گرفت.

این امر باعث تمایل به چشم انداز هوش مصنوعی عادلانه تر و بازتر شده است و برخی از هواداران صوتی را به خود جلب کرده است. بنیانگذار Stabiliy Ai Emad Mostaque هنگامی که از نظر احساسی در مارس 2024 از نقش خود کنار رفت ، گفت که می خواهد “AI غیر متمرکز” را دنبال کند تا اطمینان حاصل کند که این فناوری برای همه باز و در دسترس است.

چشم انداز MOSTAQUE با قانونگذاران طنین انداز است. در فرانسه ، Benoît Cœuré ، رئیس اداره رقابت ، خاطرنشان كرد كه هوش مصنوعی اولین فناوری است كه از ابتدا تحت سلطه بازیکنان اصلی قرار گرفته است و به هوش مصنوعی غیر متمرکز به عنوان تنها فرصتی برای تغییر این وضعیت قبل از دیر كردن اشاره كرد.

کسانی که قهرمان هوش مصنوعی غیرمتمرکز هستند ، معتقدند که این امر به دنیایی منجر می شود که توسعه دهندگان ، دانش آموزان ، استارتاپ ها و سرگرمی ها بتوانند دانش خود را جمع کنند ، منابع و داده های محاسباتی را برای هر کسی فراهم کنند تا بتوانند شرکت کنند و در نتیجه آنچه MIT می گوید “نوآوری دموکراتیک” خواهد بود.

آنها همچنین به شفافیت به عنوان یک مزیت مهم دیگر اشاره می کنند ، با مدل های باز AI که روی blockchain کار می کنند ، اطمینان حاصل می کنند که هر الگوریتم های مغرضانه یا سمی به سرعت شناسایی و رد می شوند. تحقیقات Greyscale ، در یک مطالعه ، دریافت که شبکه های باز در واقع توانایی از بین بردن تعصب در هوش مصنوعی را دارند ، برخلاف مدل های مات و متمرکز که امروزه مورد استفاده قرار می گیرند ، که اغلب از آنها به عنوان “جعبه های سیاه” یاد می شوند.

از دیگر مزایای هوش مصنوعی غیر متمرکز شامل مقاومت در برابر سانسور و دسترسی است. امثال Google و Openai به طور معمول در فیلترهای محتوا پخته می شوند ، مدل های آنها را از بحث یا پاسخ دادن به سؤالات در موضوعات خاص مسدود می کنند و برای دسترسی هزینه می کنند. در حالی که مدل های غیر متمرکز نیز ممکن است فیلترهای محتوا داشته باشند ، ماهیت باز آنها به این معنی است که این موارد به راحتی می توان از آن دور زد. علاوه بر این ، هیچ کس نمی تواند برای دسترسی به یک مدل غیرمتمرکز و جامعه ، هزینه ای را پرداخت کند ، به این معنی که استفاده فقط به کسانی که وسایل مالی برای پرداخت هزینه دسترسی دارند محدود نمی شود.

اجماع عمومی در بین جامعه غیرمتمرکز هوش مصنوعی این است که اگر این فناوری به طور جمعی متعلق به آن باشد و از هر گوشه کره زمین باز باشد ، جهان بسیار بهتر خواهد شد.

واقعیت ممکن است متفاوت باشد

برای همه این مثبت ها ، صنعت غیرمتمرکز هوش مصنوعی باید از طریق یک دستکش از چالش های اساسی برای زندگی در این دیدگاه اجرا شود. با بیرون آوردن هوش مصنوعی از مراکز داده متمرکز با دقت کنترل شده و اجازه دادن آن در یک شبکه جهانی متعلق به همه ، آن را در برابر خطرات متعددی باز می کند.

یکی از دشوارترین سؤالات مربوط به یکپارچگی داده ها و هماهنگ سازی است. مکانیسم هایی مانند یادگیری فدرال می توانند چالش دوم را حل کنند ، اما راه حل زیادی برای خطر مسمومیت با داده ها فراهم نمی کند ، که می تواند خروجی مدل های غیر متمرکز را کاهش دهد. شاید بتوانیم برای افزایش شفافیت یک لایه blockchain اضافه کنیم ، اما این ممکن است پیچیدگی را افزایش دهد ، وظایف پردازش داده ها را پیچیده و کاهش نوآوری کند.

علاوه بر این ، نگرانی های بنیادی وجود دارد که ، در حالی که شبکه های توزیع شده به معنای هزینه های پایین تر و کاهش تعصب بالقوه هستند ، این مزایا به قربانی کارآیی می رسد ، که می تواند قابلیت های مدل های هوش مصنوعی غیرمتمرکز باشد.

نیاز به منابع محاسباتی عظیم نیز یک مانع است. در حالی که شرکت های چینی مانند Deepseek ظاهراً با منابع محدود تری به موفقیت رسیده اند ، به طور کلی پیشرفته ترین مدل های هوش مصنوعی نیاز به دسترسی به تعداد زیادی از GPU های قدرتمند دارند. دستیابی به این منابع و هماهنگی آنها ، یک چالش بزرگ برای شبکه های غیر متمرکز است.

گفته می شود ، برخی از راه حل های امیدوارکننده برای این امر وجود دارد. به عنوان مثال ، آزمایشگاه های 0G اخیراً از پیشرفت امیدوارکننده در شکل چارچوب Dilocox خود خبر داده اند ، که وظایف آموزش مدل را به قسمتهای جداگانه خود تقسیم می کند و آنها را در گره های مختلف پخش می کند ، بنابراین می توان آنها را به صورت موازی انجام داد ، قبل از همگام سازی نتایج با شبکه پس از اتمام این مشاغل آموزشی. با انجام این کار ، 0G ادعا می کند که می تواند بدون در نظر گرفتن پهنای باند شبکه موجود ، مدل های غیر متمرکز بسیار قدرتمندتری را بر روی منابع محدود آموزش دهد.

مایکل هاینریش ، مدیر عامل آزمایشگاه 0G می گوید: “با فعال کردن آموزش مدل های عظیم AI در شبکه های کندتر و ارزان تر و با سخت افزار در دسترس تر از یک مرکز داده با سرعت بالا ، حتی مشاغل و افراد کوچکتر قادر خواهند بود تا مدل های پیشرفته خود را با سرعت و دقت آموزش دهند.”

با این حال ، راه حل های مربوط به مسائل مربوط به امنیت غیرمتمرکز هوش مصنوعی کمتر آشکار است. این یک پارادوکس است ، زیرا در حالی که کنترل غیرمتمرکز به طور قابل توجهی خطر یک نقطه شکست را کاهش می دهد ، اما سطح حمله را به تعداد بالقوه نامتناهی از نقاط پایانی نیز افزایش می دهد.

سرانجام ، هنوز سؤالاتی در مورد حاکمیت مدلهای غیرمتمرکز هوش مصنوعی وجود دارد. به عنوان مثال ، چه کسی تصمیم می گیرد که در مورد چه قسمت هایی از مدل باید بهبود یابد ، چه نگهبانان باید در چه مواردی ساخته شوند و غیره؟ و چه کسی پاسخگو است باید با یک مدل غیرمتمرکز ایجاد شود؟

عدم پاسخگویی می تواند به نوعی “خلاء اخلاقی” منجر شود و در نتیجه سوءاستفاده گسترده از مدلهای هوش مصنوعی غیرمتمرکز ایجاد شود که به اندازه پسر عموی متمرکز آنها قدرتمند است و عواقب بسیار منفی دارد. به عنوان یک راه حل ، Vitalik Buterin Ethereum نوعی مدل ترکیبی را پیشنهاد کرده است که “AI به عنوان موتور و انسانهایی که در پشت فرمان نشسته اند ، خدمت می کند.” ویتالیک معتقد است که این رویکرد قدرت AI را با قضاوت انسانی ترکیب می کند تا یک سیستم متعادل تر و غیرمتمرکز تر ایجاد کند.

غیر متمرکز

آینده غیرمتمرکز هوش مصنوعی نامشخص است و اگرچه توسعه آن از اهداف بزرگ انگیزه دارد ، مسیر پیش رو برای حرکت در مشکل خواهد بود. برای مدافعان ، این تنها راهی است که ما می خواهیم فناوری هوش مصنوعی را دموکراتیک کنیم و پتانسیل واقعی آن را باز کنیم. از طرف دیگر ، منتقدین به دلیل عدم پاسخگویی ، به چالش های اخلاقی و پتانسیل هشدار دهنده سوءاستفاده اشاره می کنند.

با این وجود ، مشخص است که جامعه غیرمتمرکز هوش مصنوعی به رغم این خطرات ، به هر حال به جلو می رود. برای مؤمنان ، رویای یک صنعت واقعاً باز ، شفاف و تحت رهبری جامعه که برای همه در دسترس است ، بسیار قدرتمند است که نادیده بگیرند ، و بنابراین چیزی برای متوقف کردن آنها وجود ندارد. ما فقط باید امیدوار باشیم که همانطور که آنها این رویا را دنبال می کنند ، آنها خطرات را از دست نمی دهند و برای ساختن نگهبان ها وقت می گیرند که می تواند از کنترل همه چیز جلوگیری کند.

منبع تصویر: Unsplash