نکسوس: استارتاپ نوآور در هوش مصنوعی با وعده کاهش توهمات و تقویت اعتماد کاربران

مطالعات اخیر نشان می‌دهد که هوش مصنوعی (AI) در طول سال‌ها با مشکل توهم‌زایی مواجه بوده است، به گونه‌ای که این سیستم‌ها گاهی پاسخ‌هایی بی‌پایه و اساس ارائه می‌دهند. بر اساس تحقیقات انجام‌شده توسط موسسه AI فاندیشنز در ۲۹ ژوئن، ۱۶ موتور هوشمند با نرخ توهم‌زایی بالاتر از ۱۵ درصد مواجه هستند که در میان آن‌ها، Gemini 2.0 Flash و GPT 4.1 در رتبه‌های بالاتر قرار دارند. گزارشی دیگر از OpenAI نشان می‌دهد که مدل o4-mini این شرکت تا ۷۹ درصد خطا دارد، آماری قابل‌توجه با توجه به حجم بالای سوالات پاسخ‌داده‌شده توسط این مدل‌ها.

در جهت مقابله با این چالش، استارت‌آپ بلاک‌چین لایه اول Nuklai، با راه‌اندازی موتور هوشمند جدیدی به نام Nexus، ادعا می‌کند که می‌تواند «انواع مختلف اطلاعات را در قالبی متحد جمع‌آوری کند». این پروژه با حمایت شرکت‌هایی مانند IO.net، فایل‌کوین (Filecoin) و Fetch در تلاش است تا با بهره‌گیری از منابع درون‌زنجیره‌ای و برون‌زنجیره‌ای، ضمن کاهش سوگیری‌ها، خطاها و ناهماهنگی‌های میان مدل‌های AI، قابلیت اعتماد این فناوری را ارتقا دهد.

براساس داده‌های کوین‌گکو، عوامل AI سهم قابل‌توجهی از بازار ارزشمند حدود ۲۸.۲۵ میلیارد دلار را به خود اختصاص داده‌اند. اگرچه این رقم در مقایسه با بازار بزرگ رمزارزها که ارزش آن به حدود ۳.۷ تریلیون دلار می‌رسد، کوچک است، اما پتانسیل رشد قابل‌توجهی در این بخش دیده می‌شود.

بازار رمزارزهای مرتبط با AI در مدت زمان کوتاهی، حدود هفت برابر رشد کرده است؛ از حدود ۴.۰۴ میلیارد دلار در نیمه اول سال ۲۰۲۴ به بیش از ۲۸ میلیارد دلار در پایان سال ۲۰۲۴ رسیده است. در مورد خاص عوامل AI، ارزش بازار در ژانویه ۲۰۲۵ به اوج نزدیک به ۱۷.۵ میلیارد دلار رسید، اما پس از آن وارد دوره رکود شد و در ژوئیه ۲۰۲۵، کمتر از ۶ میلیارد دلار ارزش داشت.

در دوره منتهی به دسامبر ۲۰۲۴ تا ژانویه ۲۰۲۵، بازار رمزارزها شاهد رشد قابل توجه در پروژه‌های هم‌افزا میان فناوری هوش مصنوعی و دنیای کریپتو بود. در این میان، غول‌های صنعت مانند ریپل (Ripple) همکاری‌های استراتژیک با پلتفرم‌های هوش مصنوعی همچون آتا (Atua) را آغاز کردند تا راهکارهای مبتنی بر هوش مصنوعی را برای اکوسیستم XRP توسعه دهند. این تحولات نشان‌دهنده نیاز روزافزون بازار به تقویت و توسعه فناوری‌های هوشمند در حوزه رمزارزها است.

نکسوس چه تفاوت‌هایی با دیگر محصولات دارد؟

پروژه نکسوس (Nexus) تلاش دارد روند ادغام هوش مصنوعی و رمزارزها را مجدد احیا کند و مدلی نوین ارائه دهد که می‌تواند این دو حوزه را بیش از پیش به هم نزدیک‌تر سازد. هدف نکسوس ایجاد شبکه‌ای متشکل از بیش از ۸۰ شریک در حوزه‌های هوش مصنوعی و رمزارز، از جمله IO.net، فچ (Fetch) و فایل‌کوین (Filecoin) است. این شبکه به نکسوس امکان می‌دهد به مدل‌های قدرتمند بدون نیاز به مدیریت زیرساخت‌ها یا پرداخت هزینه‌های سنگین برای APIهای سازمانی دسترسی پیدا کند.

توسف احمد، مدیر ارشد توسعه کسب‌وکار IO.net، در این باره گفت که همکاری پروژه نکسوس با این شرکت با هدف بهره‌گیری از inference غیرمتمرکز برای بهبود کاربردهای هوش مصنوعی در جهان واقعی صورت می‌گیرد.

وی افزود: «با ادغام مدل‌های زبانی بزرگ میزبانی‌شده توسط io.net در فرآیند راه‌اندازی نکسوس، توسعه‌دهندگان بلافاصله به مدل‌های قدرتمند دسترسی پیدا می‌کنند، بدون نیاز به مدیریت زیرساخت یا پرداخت هزینه‌های سنگین برای APIهای سازمانی.»

با راه‌اندازی پروتکل مدل کانتکست (Model Context Protocol)، توسعه‌دهندگان ادعا می‌کنند که این سیستم قادر است منابع داده متعددی از جمله بانک‌های اطلاعاتی، فایل‌ها، APIها و سرویس‌های ابری را در سرور خود جمع‌آوری و پردازش کند. هدف از این اقدام ارائه پاسخ‌های دقیق‌تر همراه با توضیحاتی است که کاربران را در درک منبع و فرآیند تولید هر نتیجه یاری می‌دهد.

ماتتیس دی وریس، مؤسس نوک‌لای (نکلای)، در بیانیه‌ای مطبوعاتی که در سایت crypto.news منتشر شد، اعلام کرد که بسیاری از ابزارهای مبتنی بر هوش مصنوعی در ظاهر هوشمند به نظر می‌رسند، اما در موارد بحرانی و نیازمند دقت بالا، عملکرد قابل اعتمادی ندارند.

وی افزود: «با نکسس (Nexus) این مشکل را حل می‌کنیم. این سیستم مستقیماً به داده‌ها متصل می‌شود، منبع هر پاسخ را مشخص می‌کند و در نهایت مشکل توهم (hallucination) که کاربران درگیر آن هستند را برطرف می‌کند.»

آیا مشکل توهمات هوش مصنوعی قابل حل است؟

نکلای (Nuklai) مدعی است که مشکل اصلی در مدل‌های هوش مصنوعی امروز، عدم توانایی در نشان دادن منابع و تمایل به جعل پاسخ‌ها است. این سیستم خود را «بی‌تعلق به نوع خاصی از هوش مصنوعی» معرفی می‌کند، یعنی از تمامی بزرگ‌ترین مدل‌های زبان (LLMs) پشتیبانی می‌کند و درگیر یک پلتفرم خاص نمی‌شود.

پایه فنی پروژه بر اساس NXSQL است که یک زبان محاسباتی است و در یک سیستم مجازی عمل می‌کند، به طوری که هر اطلاعات درون یک مخزن جداگانه سازمان‌دهی شده است. این ساختار امکان دسترسی به پاسخ‌ها از منابع مختلف را فراهم می‌کند و ادعا می‌کند که فرآیند جمع‌آوری و ارائه اطلاعات به صورت منظم و سیستماتیک انجام می‌شود.

با این حال، بررسی‌ها نشان می‌دهد که مشکل اصلی تنها به بی‌نظمی یا محدودیت در داده‌های آموزشی محدود نمی‌شود. طبق مطالعه‌ای توسط AI Foundation، دلایل عمده دیگر در ارائه اطلاعات نادرست توسط هوش مصنوعی، شامل تفسیر نادرست دستورات کاربر و تمرکز بیشتر بر تولید متن روان، واضح و مختصر است تا ارائه اطلاعات صحیح.

عامل مهم دیگری که در این مطالعه به آن اشاره شده، محدودیت زمانی در آموزش مدل‌های LLM است که باعث می‌شود این مدل‌ها در به‌روزرسانی‌های مربوط به رویدادهای جاری یا روندهای نوظهور کند عمل کنند.

با وجود نیاز به بهبودهای بیشتر در حوزه هوش مصنوعی، طراحی مدولار و قابلیت‌های باز ادغام در نکسوس (Nexus)، به همراه اتصال آن به فناوری بلاک‌چین، نشانگر پتانسیل‌های رو به رشد این حوزه است. همکاری‌های بیشتر و اشتراک منابع می‌تواند راه را برای ادغام عمیق‌تر بین رایانش ابری، بلاک‌چین و مدل‌های هوش مصنوعی در آینده هموار کند.

منبع: کریپتو.نیوز