هوش مصنوعی و حفظ حریم خصوصی داده‌ها چالش برانگیز هستند، اما بلاکچین‌ها ممکن است کمک کنند

انقلاب هوش مصنوعی در جریان است اما هنوز در مراحل اولیه خود است. با بهبود مستمر مدل‌ها، مسئله آموزش و منبع داده‌ها بیشتر مورد توجه قرار خواهد گرفت و یک راه‌حل غیر منتظره در افق آماده می‌شود: بلاکچین.

برخی افراد ترکیب بلاکچین و هوش مصنوعی را به عنوان یک ترکیب قابل اجرا تخفیف می‌دهند، احتمالاً به دلیل جذابیت آنها به عنوان عبارت‌های پرطرفدار، و احتمالاً به دلیل اینکه برخی قبلاً سعی کرده‌اند این دو را ترکیب کنند و یک توکن برای کسب درآمد از آن راه‌اندازی کنند.

هر تکنولوژی امیدوارکننده‌ای که بازارهای سفته‌بازی به آن متصل شده‌اند، مستعد هیجان‌زده شدن است. در برخی مواقع، تخیل جمعی شروع به تخمین نرخ‌های رشد غیر واقعی تا حد زیاد می‌کند. همزمان، تکنولوژی به سختی کار می‌کند زیرا هنوز بسیار جدید است. این همان چیزی است که با هوش مصنوعی اتفاق می‌افتد: میلیاردها دلار به دلیل احتمال آن سفته‌بازی شده است، اما واقعیت آن نمی‌تواند با انتظارات همراه شود.

هوش مصنوعی چقدر می‌تواند پیشرفت کند؟

ورود مدل‌های LLM آماده تولید مانند ChatGPT دیدگاه مردم نسبت به هوش مصنوعی را تغییر داده است. ناگهان، امکان تعامل و صحبت با هوش مصنوعی که ظاهراً می‌تواند هر چیزی که از آن می‌خواهید انجام دهد، از سازماندهی مجدد مقالات گرفته تا نوشتن کد و ارائه توصیه‌های سفر و بسیاری موارد دیگر، فراهم شد.

از زمان انتشار اولیه ChatGPT، مدل‌های جدیدتر مانند GPT 4o، Claude 3.5 و دیگران بهبودی‌های تدریجی بر روی GPT 3.5 اولیه که ابتدا ملاقات کردیم ایجاد کرده‌اند. بسیاری از این بهبودی‌ها مدل‌های LLM را برای اجرای وظایف مختلف بسیار مفیدتر کرده است، اما آنها هنوز تنها در محیط‌های نسبتاً خاص قابل استفاده هستند.

مهم نیست چقدر پرامپت‌ها را مهندسی کنیم، هوش مصنوعی قادر به تولید مقاله خبری با کیفیت بالا و عمیق نیست، برای مثال.

آرویند ناراینان، استاد علوم کامپیوتر دانشگاه پرینستون و پژوهشگر طولانی مدت هوش مصنوعی، یکی از پشتیبانان اصلی این ایده است که نسل کنونی مدل‌های هوش مصنوعی به این زودی‌ها به هوش مصنوعی عمومی نمی‌رسد.

بواقع، ما همین حالا شاهد فشار برای کاهش اندازه مدل‌ها هستیم تا اجرای آنها روی دستگاه‌های کوچکتر آسان‌تر شود. یکی از بزرگترین نقاط ضعف دستگاه‌های “دستیار هوش مصنوعی” اخیر مانند Humane AI Pin تأخیر در پرسش از سرورهای بزرگ آنها که دستیار هوش مصنوعی را اجرا می‌کنند، است. یک مدل کوچکتر ممکن است به حفظ کارها در محلی روی دستگاه کمک کند، و هوش مصنوعی را برای وظایف روزانه مفیدتر کند.

احتمالاً جمع‌آوری داده‌ها بزرگترین محدودیت خواهد بود

با احتمال کم بهبود قابل توجه مدل‌ها، کیفیت یک دستیار هوش مصنوعی بیشتر و بیشتر به داده‌های آموزشی منبع آن وابسته خواهد بود.

پس از یک مرحله اولیه “هورا”، نور بیشتری روی روش‌های جمع‌آوری داده‌های پذیرفته شده توسط توسعه‌دهندگان بزرگ هوش مصنوعی می‌افتد. برای مثال، متا اخیراً در اروپا به دلیل روش‌های جمع‌آوری داده‌های خود که در بهترین حالت شفاف نیستند، زیر ذره‌بین قرار گرفته است. سابقه شرکت در حفظ حریم خصوصی داده‌ها قطعاً به نفع آن نیست.

OpenAI به طور منظم تحت بررسی به دلیل کمبود توجه ظاهری به تراز هوش مصنوعی که به نظر می‌رسد دلیل اصلی مبارزات اخیر برای رهبری آن باشد قرار می‌گیرد. تراز هوش مصنوعی اغلب به عنوان مانع بزرگ بعدی برای آموزش مدل‌های LLM دیده می‌شود، زیرا تا کنون پاسخ‌های آن شامل مقدار زیادی فیلترهای دستی برای جلوگیری از رفتار غیراخلاقی می‌شود.

جمع‌آوری و ذخیره داده‌ها ممکن است، به ویژه در مورد هوش مصنوعی، کاربرد کلیدی بلاکچین باشد. اگر مسئله ن‌هایی اعتماد به خالقان این مدل‌ها برای استفاده از داده‌ها به صورت اخلاقی باشد، بلاکچین‌ها می‌توانند این نقش را به شکلی استثنایی پر کنند.

کل موضوع یک بلاکچین این است که منبع اعتمادی بدون تعصب و قابل تأیید باشد. این چیزی است که به آن امکان می‌دهد ریل‌های مالی جهانی و بدون مجوز اجرا کند، که در حال حاضر عمدتاً میزبان ارزهای رمزی است. اما همان چارچوب می‌تواند برای موارد بیشتری تطبیق یابد.

حریم خصوصی بلاکچین: حلقه مفقود برای پذیرش؟

یک مانع بزرگ برای استفاده از بلاکچین برای مدیریت داده‌ها وجود دارد: حریم خصوصی. افراد کمی خارج از صنعت ممکن است از آن اطلاع داشته باشند، اما این‌که همه داده‌ها روی بلاکچین‌ها کاملاً عمومی هستند به شدت استفاده از آن را محدود می‌کند.

در حالی که امکان انتشار داده‌های رمزگذاری شده به صورت عمومی روی یک زنجیره وجود دارد، رمزگذاری باید به صورت محلی انجام شود — به عبارت دیگر، ما باید به نهادی که داده را رمزگذاری می‌کند اعتماد کنیم که از قدرت خود برای دسترسی به آن استفاده نکند.

رفع این محدودیت یکی از زمینه‌های تحقیقاتی پیشرفته در بلاکچین است. چندین تکنولوژی می‌توانند حریم خصوصی روی زنجیره را ممکن کنند، از جمله رمزنگاری صفر دانش، رمزگذاری تماماً هم‌ریختی و مدارهای مبهم.

راه‌حل‌ها سال‌ها در حال ساخت بوده‌اند، اما باید انتظار داشت که چندین بلاکچین با قابلیت حریم خصوصی به زودی آنلاین شوند، از جمله Aleo، Aztec و COTI. دو مورد اول از رمزنگاری صفر دانش استفاده می‌کنند، در حالی که مورد آخر متکی بر مدارهای مبهم است.

در همه موارد، نتیجه یکسان است: ورودی‌ها و خروجی‌های یک برنامه می‌توانند پنهان شوند، هرچند ما می‌دانیم برنامه چیست. راه‌حل مدارهای مبهم وعده می‌دهد که سریع‌تر و آسان‌تر مقیاس‌پذیر باشد.

با بلاکچینی مانند آنچه COTI در حال ساخت است، می‌توانیم به کاربران اجازه دهیم نوعی از هویت دیجیتال را خصوصی نگهداری کنند و برخی از اطلاعات یا داده‌های خود را به شکلی کاملاً کنترل‌شده به اشتراک بگذرانند، با پیروی از قوانینی که توسط برنامه‌های عمومی تعیین شده‌اند. مسئله حریم خصوصی با هوش مصنوعی می‌تواند کاملاً خودتنظیمی شود، به جای نیاز به دستورات عمومی برای شرکت‌ها برای رعایت آن.

این یک تغییر بزرگ در پارادایم برای فضای بلاکچین است. هرچند چندین کاربرد حریم خصوصی قبلاً وجود داشت، آنها بسیار خاص بودند — عمدتاً متمرکز بر ارزهای رمزی خصوصی. فشارهای قانونی علیه ارز کاملاً ناشناس بسیار شدید بوده است، اما وقتی در مقیاس وسیع‌تر اعمال می‌شود، حریم خصوصی بلاکچین برای پذیرش گسترده ضروری است.

مزیت استفاده از بلاکچین این است که همه قوانین کدگذاری شده‌اند، و هر کاربر می‌تواند دقیقاً انتخاب کند چه چیزی را به اشتراک بگذارد و چه چیزی را به اشتراک نگذارد — و نیاز به اعتماد به متا یا OpenAI برای حفاظت از این داده‌ها نیست. همه چیز بر روی یک پایگاه داده جهانی که توسط هیچ نهاد فردی نمی‌تواند تغییر یابد، زندگی می‌کند، که این پرسپکتیو بسیار جذاب‌تر از اتکا به برخی دفترهای دولتی یا شرکتی است.

استفاده از بلاکچین‌های خصوصی برای تنظیم و فهمیدن اشتراک‌گذاری داده‌های شخصی و آموزش ممکن است کلید پیشرفت و شکوفایی هر دو تکنولوژی باشد. اگر به درستی انجام نشود، هوش مصنوعی و تکنولوژی می‌توانند به دسیوتوپیا منجر شوند. اما با بسته‌بندی آن در بلاکچین‌های غیرمتمرکز، می‌توانیم از تکنولوژی برای خوبی استفاده کنیم.