cointelegraph
cointelegraph . ۱ سال پیش

هوش مصنوعی غیرمتمرکز در برابر غول‌های فناوری؛ چالش‌ها و فرصت‌ها

هوش مصنوعی غیرمتمرکز در برابر غول‌های فناوری؛ چالش‌ها و فرصت‌ها

مرز بعدی کریپتو: تمرکززدایی از هوش مصنوعی

هوش مصنوعی جدیدترین عرصه در نبرد تمرکز در مقابل تمرکززدایی است. همان‌طور که بیت کوین و اتریوم برای مقاومت در برابر کنترل دولت‌ها و شرکت‌ها ساخته شدند، پروژه‌های کریپتو هوش مصنوعی نیز در برابر تسلط فزاینده شرکت‌های بزرگ فناوری بر مدل‌های هوش مصنوعی مقاومت می‌کنند. سوال این است: آیا آنها می‌توانند رقابت کنند یا فقط لایه دیگری بر روی همان زیرساخت متمرکز هستند که ادعا می‌کنند قصد برهم زدن آن را دارند؟

تمرکززدایی: اصل اساسی کریپتو

یکی از اصول اساسی که طرفداران سنتی کریپتو را هدایت می‌کند، تمرکززدایی است. این اصل به طور مستقیم با آزمون هاوی کمیسیون بورس و اوراق بهادار ایالات متحده (SEC) که قراردادهای سرمایه‌گذاری را به عنوان وابسته به یک "شرکت مشترک" و "تلاش‌های دیگران" برای سود تعریف می‌کند، در تضاد است. بیشتر اوراق بهادار به شرکت‌های متمرکز وابسته هستند، اما بیت کوین، اتریوم و سایر شبکه‌های به اندازه کافی غیرمتمرکز برای عملکرد بدون یک مرجع مرکزی طراحی شده‌اند.

چرا این موضوع مهم است؟

به خاطر کنترل. وایت پیپر بیت کوین به طور معروف یک سیستم "کاملاً همتا به همتا" را توصیف می‌کند که تراکنش‌ها را بدون عبور از یک مؤسسه مالی امکان‌پذیر می‌سازد. این ایده لیبرترین (دو طرف که آزادانه بدون دخالت معامله می‌کنند) تکامل کریپتو را هدایت کرده است. با گسترش هوش مصنوعی، همان اصول تمرکززدایی به آن نیز گسترش می‌یابد. طرفداران کریپتو نگران هستند که هوش مصنوعی، اگر در دست چند غول فناوری باقی بماند، به یک باغ محصور دیگر تبدیل شود که توسط شرکت‌هایی مانند گوگل، مایکروسافت و OpenAI کنترل می‌شود.

پروژه‌های هوش مصنوعی مبتنی بر بلاکچین

برای مقابله با این موضوع، پروژه‌های هوش مصنوعی مبتنی بر بلاکچین در حال ظهور هستند. نام‌هایی مانند Tao، Virtuals (در Base) و AI16Z (در Solana) مدل‌های هوش مصنوعی غیرمتمرکز را راه‌اندازی کرده‌اند و امیدوارند قبل از اینکه فناوری‌های بزرگ به طور کامل صنعت را تصاحب کنند، آن را متحول کنند. برخی از آنها در حال ساخت مدل‌های زبان بزرگ (LLM) خود از ابتدا و آموزش آنها به طور مستقل از غول‌های هوش مصنوعی شرکتی هستند.

چالش: داده‌ها

آموزش یک مدل هوش مصنوعی نیاز به حجم زیادی از داده‌های با کیفیت بالا دارد. در حالی که تیم‌های کریپتو هوش مصنوعی می‌توانند از وب باز داده‌ها را جمع‌آوری کنند، هنوز به مجموعه داده‌های اختصاصی سازمانی دسترسی ندارند. با توجه به ادغام عمیق آنها در جریان‌های کاری شرکتی، غول‌های فناوری در اینجا برتری قابل توجهی دارند. این بدان معناست که تیم‌های هوش مصنوعی کاملاً غیرمتمرکز به طور ذاتی با پیشرفت کندتر، مدل‌های ضعیف‌تر و پذیرش کمتر مواجه هستند.

رویکردهای متفاوت

برخی از تیم‌های کریپتو هوش مصنوعی رویکرد متفاوتی را اتخاذ می‌کنند: استفاده از زیرساخت‌های هوش مصنوعی متمرکز موجود به جای ساخت مدل‌های خود. آنها از APIهای OpenAI، Microsoft Copilot یا Google Gemini استفاده می‌کنند و به طور مؤثر به عنوان یک رابط کاربری غیرمتمرکز برای زیرساخت‌های هوش مصنوعی متمرکز عمل می‌کنند. در حالی که این به آنها اجازه می‌دهد به سرعت راه‌اندازی شوند، این سوال را مطرح می‌کند: آیا آنها واقعاً غیرمتمرکز هستند یا فقط یک لایه دیگر از وابستگی به فناوری‌های بزرگ؟

مسئله هزینه

فراتر از تمرکززدایی، مسئله هزینه نیز وجود دارد. توسعه‌دهندگان موافق هستند که تا حدی تحمل خطاهای هوش مصنوعی قابل قبول است، مادامی که امکان انجام آزمایش‌ها و تکرار آنها به صورت مقرون به صرفه وجود داشته باشد. اما با ارائه‌دهندگان هوش مصنوعی مستقر در ایالات متحده، هزینه‌ها به سرعت افزایش می‌یابد. مدل‌های منبع بسته مانند OpenAI توسعه‌دهندگان را مجبور به پرداخت هزینه برای استفاده می‌کنند - صرف نظر از کیفیت خروجی.

ظهور DeepSeek

در اواخر ژانویه ۲۰۲۵، این استارتاپ هوش مصنوعی مستقر در چین با رونمایی از یک مدل زبان بزرگ کوچک و بسیار کارآمد که گفته می‌شود عملکردی مشابه ChatGPT دارد، در حالی که از منابع محاسباتی به مراتب کمتری استفاده می‌کند، چشم‌انداز را متحول کرد. برخلاف رقابت تسلیحاتی میلیارد دلاری در ایالات متحده (جایی که ابتکار ۵۰۰ میلیارد دلاری Stargate OpenAI تیتر خبرها را به خود اختصاص داده است)، DeepSeek مدل خود را با بودجه‌ای تنها ۶ میلیون دلاری ساخت - تفاوتی فاحش که بازارهای هوش مصنوعی و کریپتو را شوکه کرد.

وابستگی جدید به چین

برخی از تیم‌های کریپتو هوش مصنوعی قبلاً شروع به ادغام DeepSeek به عنوان جایگزینی برای مدل‌های هوش مصنوعی مستقر در ایالات متحده کرده‌اند. اگر DeepSeek رویکرد منبع باز واقعی را حفظ کند، می‌تواند هزینه‌ها را برای تیم‌های هوش مصنوعی کاهش داده و نوآوری سریع‌تر را امکان‌پذیر کند. با این حال، طرفداران تمرکززدایی با یک دوراهی مواجه هستند. در حالی که DeepSeek ممکن است وابستگی به غول‌های فناوری ایالات متحده را کاهش دهد، وابستگی جدیدی به چین، کشوری که به نظارت دقیق دولتی بر توسعه هوش مصنوعی معروف است، ایجاد می‌کند.

نگرانی‌های فراتر از هزینه

این موضوع نگرانی‌هایی فراتر از هزینه را ایجاد می‌کند. آیا DeepSeek به اندازه‌ای که طرفداران کریپتو هوش مصنوعی امیدوارند در برابر سانسور مقاوم خواهد بود؟ یا محدودیت‌های آن در محتوا و پاسخ‌ها کاربران سازمانی بالقوه را دلسرد خواهد کرد؟ یک مدل هوش مصنوعی غیرمتمرکز که محدودیت‌هایی در آنچه می‌تواند بگوید دارد، همچنان عناصر کنترل متمرکز را، هرچند از یک مرجع متفاوت، به همراه دارد.

تغییرات قابل توجه اما نه راه‌حل نهایی

DeepSeek نمایانگر یک تغییر قابل توجه در دسترسی به هوش مصنوعی است، اما راه‌حل نهایی نیست. سوالاتی در مورد داده‌های آموزشی، ثبات عملکرد و قابلیت دوام بلندمدت آن باقی مانده است. با این حال، نشانه‌های اولیه حاکی از آن است که می‌تواند جایگزین ضروری برای استارتاپ‌های نوظهور هوش مصنوعی، از جمله آنهایی که در حوزه کریپتو فعالیت می‌کنند، باشد.

نبرد برای تمرکززدایی هوش مصنوعی ادامه دارد

در حالی که تیم‌های هوش مصنوعی مبتنی بر بلاکچین برای استقلال بیشتر تلاش می‌کنند، باید بین ایده‌آل‌ها و ملاحظات دنیای واقعی تعادل برقرار کنند. هوش مصنوعی کاملاً غیرمتمرکز هنوز در مراحل ابتدایی خود قرار دارد و اینکه آیا می‌تواند واقعاً با فناوری‌های بزرگ رقابت کند یا خیر، هنوز مشخص نیست.

نوشته شده توسط admin
331

نظرات

هنوز دیدگاهی ثبت نشده است.