پروژه xTAO با هدف تبدیل شدن به «بیت‌کوین هوش مصنوعی»؛ راهکار غیرمتمرکز و امن برای آینده AI

کاریا سمروا، مؤسس و مدیرعامل شرکت xTAO، تنها شرکت عمومی فعال در اکوسیستم Bittensor (TAO) و یکی از پروژه‌های پیشرو در حوزه هوش مصنوعی غیرمتمرکز، در مصاحبه‌ای به اهمیت ضرورت ایجاد ساختاری متفاوت برای هوش مصنوعی اشاره کرد. او بر این باور است که تمرکزگرایی در فناوری AI، خطرهای جدی برای کنترل و بهره‌برداری ناعادلانه از این فناوری به همراه دارد.

در حال حاضر، اکثر مدل‌های هوش مصنوعی در انحصار شرکت‌های بزرگ فناوری قرار دارند و کنترل کامل بر طراحی و نحوه استفاده از آن‌ها در اختیار این شرکت‌ها است. سمروا معتقد است که این وضعیت، خطر تمرکز قدرت را افزایش می‌دهد و باید جایگزینی برای آن تعریف شود. او نمونه Bittensor را، که بر بستر بلاک‌چین و مشابه بیت‌کوین (Bitcoin) طراحی شده است، نمونه‌ای مناسب در این حوزه می‌داند. این پروژه، با هدف ایجاد یک اکوسیستم AI غیرمتمرکز، تلاش می‌کند تا از تمرکزگرایی جلوگیری کرده و دسترسی همگانی به فناوری‌های هوش مصنوعی را ممکن سازد.

سمروا در توضیح نقش بلاک‌چین در توسعه AI گفت: «تمرکزگرایی بزرگ‌ترین مشکل AI است. همانطور که بیت‌کوین مشکل تمرکز در حوزه پول را حل کرد، Bittensor نیز این ایده را برای AI به کار گرفته است.» او افزود که در حال حاضر، شرکت‌هایی مانند OpenAI کنترل کامل بر نحوه آموزش مدل‌ها، داده‌های مورد استفاده و سیاست‌های فیلترینگ دارند و این موضوع می‌تواند در صورت قطع دسترسی، مشکلات جدی ایجاد کند. در مقابل، Bittensor با بهره‌گیری از مدل‌های مبتنی بر بیت‌کوین، امکان ایجاد شبکه‌ای آزاد و غیرمتمرکز را فراهم می‌کند.

در زمینه نمونه‌های موفق در حوزه AI غیرمتمرکز، سمروا به پروژه‌هایی مانند Grass و Render اشاره کرد که هر یک در حوزه خاصی از AI فعالیت می‌کنند. اما او Bittensor را فراتر از این نمونه‌ها می‌داند و آن را به عنوان «یک شبکه جهانی AI» توصیف می‌کند که چندین زیرشبکه (ساب‌نت‌ورک) را در بر می‌گیرد و هر یک به حل مشکلات خاص در حوزه‌های مختلف AI می‌پردازد، در حالی که همگی در یک شبکه گسترده و متصل فعالیت می‌کنند.

در پاسخ به این سوال که چرا شرکت‌ها ترجیح می‌دهند بر روی Bittensor سرمایه‌گذاری کنند و از مدل‌های شناخته‌شده‌تری مانند OpenAI فاصله بگیرند، سمروا گفت: «یکی از دلایل، فلسفی است. بسیاری از توسعه‌دهندگان و محققان در این پروژه، ارزش مشارکت در یک شبکه غیرمتمرکز و هدف‌گذاری برای توسعه AI غیرمتمرکز را درک می‌کنند.» او همچنین بر مزایای فنی این رویکرد تأکید کرد؛ از جمله اینکه در شبکه‌های غیرمتمرکز، مقیاس‌پذیری و پایداری بسیار بیشتر است. بیت‌کوین نمونه‌ای است که نشان می‌دهد چگونه تعداد زیادی نود در سراسر جهان می‌توانند این سیستم را غیرقابل توقف و مقاوم در برابر سانسور کنند.

سمروا در ادامه به مفهوم «نوآوری باز» اشاره کرد و گفت: «در بستر Bittensor، هر فرد می‌تواند مدل‌های خود را آزمایش و توسعه دهد و بدون نیاز به مجوزهای رسمی، کسب درآمد کند. برخلاف مدل‌های متمرکز که باید در فرآیندهای استخدام و محدودیت‌های داخلی قرار بگیرید، در این اکوسیستم، هر توسعه‌دهنده می‌تواند در زیرشبکه موردنظر خود فعالیت کند و به سرعت پاداش دریافت کند.»

در حوزه داده‌ها، سمروا بر این باور است که پروژه‌هایی مانند Grass نشان می‌دهند که با جمع‌آوری و ارزش‌گذاری صحیح داده‌ها، شبکه‌های غیرمتمرکز می‌توانند در رقابت با غول‌های فناوری همچون فیسبوک (Meta) و توییتر، عملکرد و کیفیت داده‌های قابل‌مقایسه یا بهتر ارائه دهند. او در پایان تأکید کرد که در سیستم‌های متمرکز، کاربران و تولیدکنندگان محتوا هیچ بهره‌ای نمی‌برند، اما در ساختارهای غیرمتمرکز، انگیزه‌ها به نفع خالقان محتوا تغییر می‌کند و حقوق آن‌ها رعایت می‌شود.

در دنیای هوش مصنوعی غیرمتمرکز، یکی از مهم‌ترین چالش‌ها، تضمین امنیت و تأثیرات اجتماعی مدل‌ها است. در این حوزه، یکی از عوامل کلیدی، داده‌های آموزشی است؛ اگر این داده‌ها biased (دارای تعصب)، سمی یا حاوی اطلاعات حساس باشد، می‌تواند منجر به نتایج مخرب شود. این مشکل در هر دو سیستم متمرکز و غیرمتمرکز وجود دارد و تیم‌های توسعه روزانه در حال تلاش برای بهبود این وضعیت هستند.

عامل دیگری که در این سیستم‌ها اهمیت دارد، خروجی‌های مدل‌ها است. در پروژه‌هایی مانند بیت‌تانسر (Bittensor)، این وظیفه بر عهده validatorها است؛ آن‌ها مسئول شناسایی خروجی‌های ناسالم یا کم‌کیفیت هستند و هر چه عملکردشان بهتر باشد، پاداش بیشتری دریافت می‌کنند. این مکانیزم در طراحی شبکه به صورت ذاتی تعبیه شده است.

علاوه بر این، بنیادهای توسعه‌دهنده سیاست‌هایی برای نظارت بر عملکرد مدل‌ها دارند، اما هدف نهایی کاهش این نظارت‌ها و واگذاری وظیفه امنیت و حاکمیت به validatorها است. به مرور زمان، نقش ناظرهای مرکزی کاهش یافته و کنترل کیفیت به ساختارهای غیرمتمرکز سپرده می‌شود.

در مورد نگرانی‌ها درباره سانسور، باید گفت که سیستم‌های غیرمتمرکز در مقابل فشارهای دولتی یا تلاش‌های داخلی برای تغییر نتایج، مقاوم‌تر هستند. در سیستم‌های متمرکز یا دولتی، یک تصمیم‌گیرنده واحد می‌تواند محتوا را کنترل کند، اما در شبکه‌های غیرمتمرکز، رأی‌گیری توسط شرکت‌کنندگان، امکان اصلاح و تنظیم سیاست‌ها را فراهم می‌کند. در نتیجه، اگر یک بخش خاص در شبکه بیت‌تانسر به سمت تعصب گرایش پیدا کند، سایر اعضا می‌توانند با رأی‌گیری، انگیزه‌ها و معیارهای عملکرد را اصلاح کنند. این ساختار، شفافیت و قابلیت حسابرسی را افزایش می‌دهد؛ به عنوان مثال، می‌توان عملکرد و کدهای مربوطه را مشاهده کرد و در صورت نیاز اصلاح کرد. در مقابل، سیستم‌های بسته و متمرکز، این شفافیت را ندارند و نگرانی‌های مربوط به کنترل و سانسور در آن‌ها بیشتر است.

منبع: کریپتو.نیوز