كيف يمكن للذكاء الاصطناعي اللامركزي وبرهان المعرفة الصفرية إضفاء الطابع الديمقراطي على الحوسبة

المؤلف: ماهيش راماكريشنان، فيناياك كوروب، CoinDesk؛ قام بالتجميع: تاو تشو، Golden Finance

في نهاية شهر يوليو، كتب مارك زوكربيرج رسالة توضح سبب "أهمية المصدر المفتوح للذكاء الاصطناعي الإيجابي". ضروري للمستقبل." وأشاد في رسالته بضرورة تطوير الذكاء الاصطناعي مفتوح المصدر. أصبح الآن المؤسس المراهق المهووس "زوكربيرج" الذي يتزلج على الماء، ويرتدي سلاسل ذهبية، ويمارس رياضة الجوجيتسو، ويُعرف باسم منقذ تطوير النماذج مفتوحة المصدر.

ولكن حتى الآن، لم يقدم هو وفريق Meta تفاصيل حول كيفية نشر هذه النماذج. ومع تزايد تعقيد النموذج في المتطلبات الحسابية، فهل نستسلم لشكل مماثل من المركزية إذا كان نشر النموذج يتم التحكم فيه بواسطة عدد صغير من الجهات الفاعلة؟ يحمل الذكاء الاصطناعي اللامركزي وعدًا بحل هذا التحدي، لكن التكنولوجيا تتطلب تقدمًا في مجال التشفير الرائد في الصناعة والحلول الهجينة الفريدة.

على عكس موفري الخدمات السحابية المركزية، يجمع الذكاء الاصطناعي اللامركزي (DAI) بين الحوسبة واستدلال الذكاء الاصطناعي والتدريب، ويتم توزيع العمليات عبر عدة الأنظمة والشبكات والمواقع. إذا تم تنفيذها بشكل صحيح، فإن هذه الشبكات - شبكة البنية التحتية المادية اللامركزية (DePIN) - ستجلب فوائد من حيث مقاومة الرقابة، والوصول الحسابي، والتكلفة.

تواجه DAI تحديات في مجالين رئيسيين: بيئات الذكاء الاصطناعي والبنية التحتية اللامركزية نفسها . بالمقارنة مع الأنظمة المركزية، تتطلب DAI ضمانات إضافية لمنع الوصول غير المصرح به إلى تفاصيل النموذج أو سرقة معلومات الملكية ونسخها. لذلك، هناك فرصة غير مستغلة بالقدر الكافي للفرق التي تركز على النماذج مفتوحة المصدر ولكنها تدرك عيوب الأداء المحتملة للنماذج مفتوحة المصدر مقارنة بالنماذج مغلقة المصدر.

تواجه الأنظمة اللامركزية بشكل خاص عقبات تتعلق بسلامة الشبكة وعبء الموارد. على سبيل المثال، يؤدي توزيع بيانات العميل عبر العقد المختلفة إلى كشف المزيد من نواقل الهجوم. يمكن للمهاجم تدوير العقدة وتحليل حساباتها، أو محاولة اعتراض عمليات نقل البيانات بين العقد، أو حتى تقديم تحيزات تؤدي إلى تدهور أداء النظام. وحتى في نماذج الاستدلال اللامركزية الآمنة، يجب أن تكون هناك آليات لمراجعة العملية الحسابية. توفر العقد تكاليف الموارد من خلال تقديم حسابات غير مكتملة، ويكون التحقق معقدًا بسبب عدم وجود مشارك مركزي موثوق به.

إثبات المعرفة الصفرية

إثبات المعرفة الصفرية (ZKP) على الرغم من أن التكلفة الحسابية الحالية مرتفعة جدًا إنه أحد الحلول المحتملة لبعض تحديات DAI. ZKP هي آلية تشفير تمكن طرفًا (المُثبِّت) من إقناع طرف آخر (المُحقق) بصحة العبارة دون الكشف عن أي تفاصيل حول العبارة نفسها، باستثناء صحتها. يمكن التحقق من هذا الدليل بسرعة بواسطة العقد الأخرى ويوفر لكل عقدة طريقة لإثبات أنها تصرفت وفقًا للبروتوكول. يعد إظهار الاختلافات الفنية بين النظام وتنفيذه (المزيد حول هذا لاحقًا) أمرًا مهمًا للمستثمرين في هذا المجال.

تقصر الحوسبة المركزية التدريب النموذجي على عدد قليل من المشاركين ذوي المكانة الجيدة والغنيين بالموارد. يمكن أن يكون ZKP جزءًا من فتح الحوسبة الخاملة على الأجهزة الاستهلاكية، على سبيل المثال، يمكن لجهاز MacBook استخدام النطاق الترددي الإضافي للحوسبة للمساعدة في تدريب نماذج اللغات الكبيرة مع كسب الرموز المميزة للمستخدمين.

إن نشر التدريب اللامركزي أو الاستدلال باستخدام الأجهزة الاستهلاكية هو محور اهتمام فرق مثل Gensyn وInference Labs؛ وعلى عكس شبكات الحوسبة اللامركزية مثل Akash أو Render، فإن تقسيم الحوسبة يزيد من التعقيد، وتحديدًا سؤال النقطة العائمة. إن الاستفادة من موارد الحوسبة الموزعة الخاملة تفتح الباب أمام المطورين الصغار لاختبار وتدريب شبكاتهم الخاصة - طالما أنهم يستطيعون الوصول إلى الأدوات التي تحل التحديات ذات الصلة.

في الوقت الحالي، يبدو أن أنظمة ZKP أغلى بأربعة إلى ستة مرات من تشغيل العمليات الحسابية محليًا، وبالنسبة للمهام التي تتطلب عمليات حسابية عالية (مثل التدريب على النماذج) أو زمن انتقال منخفض (مثل الاستدلال النموذجي)، سرعة استخدام ZKP بطيئة جدًا. بالمقارنة، فإن الانخفاض بمقدار ستة مراتب يعني أن الأنظمة المتطورة (مثل Jolt's a16z) التي تعمل على شريحة M3 Max تُظهر برامج أبطأ بمقدار 150 مرة من التشغيل على الآلة الحاسبة الرسومية TI-84.

إن قدرة الذكاء الاصطناعي على معالجة كميات كبيرة من البيانات تجعله متوافقًا مع إثباتات المعرفة الصفرية (ZKPs)، ولكن هناك حاجة إلى مزيد من التقدم في التشفير قبل أن يتم استخدام ZKPs على نطاق واسع. سيكون العمل المستمر الذي تقوم به فرق مثل Irreducible (الذي صمم نظام إثبات Binius وخطة الالتزام)، وGensyn، وTensorOpera، وHellas، وInference Labs، خطوة مهمة نحو تحقيق هذه الرؤية. ومع ذلك، لا يزال الجدول الزمني متفائلًا للغاية، حيث يتطلب الابتكار الحقيقي وقتًا وتقدمًا رياضيًا.

وفي الوقت نفسه، تجدر الإشارة إلى الاحتمالات والحلول الهجينة الأخرى. تعمل شركة HellasAI وشركات أخرى على تطوير طرق جديدة لتمثيل النماذج والحسابات التي تمكن ألعاب التحدي المتفائلة، مما يسمح فقط بالمجموعة الفرعية من الحسابات التي تحتاج إلى المعالجة في ظل المعرفة الصفرية. تعمل البراهين المتفائلة فقط في حالة وجود تهديد موثوق بالرهان، والقدرة على إثبات المخالفات، وعقد أخرى في النظام تتحقق من الحسابات. هناك طريقة أخرى طورتها Inference Labs للتحقق من صحة مجموعة فرعية من الاستعلامات، حيث تلتزم العقدة بإنتاج ZKP مع إيداع، ولكنها تقدم دليلاً فقط إذا قام العميل بتحديها أولاً.

الملخص

سيكون التدريب والاستدلال اللامركزي على الذكاء الاصطناعي بمثابة ضمانة ضد عدد قليل من اللاعبين الرئيسيين الذين يقومون بتوحيد قوتهم أثناء فتح الحوسبة التي لم يكن من الممكن الوصول إليها سابقًا. سيكون ZKP جزءًا لا يتجزأ من تحقيق هذه الرؤية. سيكون جهاز الكمبيوتر الخاص بك قادرًا على كسب أموال حقيقية دون أن تدرك ذلك حتى من خلال الاستفادة من قوة المعالجة الإضافية في الخلفية. إن الدليل الموجز على أن العمليات الحسابية قد تم إجراؤها بشكل صحيح من شأنه أن يجعل الثقة التي يستغلها أكبر مقدمي الخدمات السحابية غير ضرورية، مما يسمح لشبكات الحوسبة التي تضم مقدمي خدمات أصغر بجذب عملاء المؤسسات.

في حين أن براهين المعرفة الصفرية ستمكن هذا المستقبل وتصبح جزءًا مهمًا من أكثر من مجرد شبكات حسابية (مثل رؤية إيثريوم للنهائية ذات الفتحة الواحدة)، فإن النفقات الحسابية الخاصة بها تظل عقبة. يعد الحل المختلط الذي يجمع بين آليات نظرية اللعبة للألعاب المتفائلة والاستخدام الانتقائي لبراهين المعرفة الصفرية حلاً أفضل ومن المرجح أن يصبح نقطة التجسير في كل مكان حتى يصبح ZKP أسرع.

بالنسبة للمستثمرين المحليين وغير المحليين في مجال العملات المشفرة، يعد فهم قيمة أنظمة الذكاء الاصطناعي اللامركزية وتحدياتها أمرًا بالغ الأهمية لنشر رأس المال بشكل فعال. يجب أن يكون لدى الفريق إجابات للأسئلة المتعلقة بالبراهين الحسابية للعقدة وتكرار الشبكة. علاوة على ذلك، وكما لاحظنا في العديد من مشاريع DePIN، فإن اللامركزية تحدث بمرور الوقت، ومن الأهمية بمكان أن يكون لدى الفريق خطة واضحة لتحقيق هذه الرؤية. يعد حل التحديات المرتبطة بحوسبة DePIN أمرًا بالغ الأهمية لإعادة التحكم إلى الأفراد والمطورين الصغار - وهو جزء أساسي من إبقاء أنظمتنا مفتوحة وحرة ومقاومة للرقابة.