تقاطع بلاک‌چین و هوش مصنوعی

دردسرها از آنجا آغاز می‌شود که بسیاری از بلاک‌چین‌های محبوب امروزی به زیرساخت‌های ابری متمرکزی مانند Google Cloud و خدمات وب آمازون (AWS) متکی هستند. در نتیجه، آنها فاقد قدرت محاسباتی لازم برای پشتیبانی از مدل‌های هوش مصنوعی هستند که به منابع و مجموعه داده‌های قابل توجهی نیاز دارند. متاسفانه، پروژه‌های فعلی «هوش مصنوعی بر پایه بلاک‌چین» عمدتا شامل طرح‌های هستند که مبتنی بر بلاک‌چین نیستند و تنها هوش مصنوعی را با ابزارهای بلاک‌چینی اجرا می‌کنند و به این ترتیب هدف غایی استفاده از فناوری بلاک‌چین؛ شفافیت را ارائه نمی‌دهند. بلاک‌چین کاملا غیرمتمرکزی مانند اینترنت کامپیوتر (ICP) می‌تواند راه‌حلی برای این مشکل در آستین داشته باشد. با ارائه توان محاسباتی قابل مقایسه با سرورهای ابری Web۲، بلاک‌چین‌هایی از این دست به مدل‌های هوش مصنوعی این امکان را می‌دهند که کاملا بر مبنای قراردادهای هوشمند اجرا شوند. این رویکرد تضمین می‌کند که پارامترهای آموزشی و ورودی‌های مدل‌های زبان بزرگ «منبع باز» و «ضد دستکاری» هستند و به این ترتیب می‌توانند اعتبار و امنیت هوش مصنوعی را تضمین کنند.

میزبانی مدل‌های هوش مصنوعی روی بلاک‌چین‌های غیرمتمرکز، می‌تواند شفافیت ذاتی این فناوری را به بهترین نحو به کار گیرد. هر جنبه‌ای از مدل هوش مصنوعی شفاف می‌شود و امکان تایید آسان داده‌های آموزشی و استفاده از آنها را تسهیل می‌کند. به‌عنوان مثال، می‌توان مدلی هوش مصنوعی برای پزشکی طراحی کرد که تنها بر اساس کتاب‌های درسی معروف پزشکی و پایگاه‌های اطلاعاتی معتبر مقالات تحقیقاتی اجرا می‌شود. به این صورت زمانی که پزشک قصد تعامل و همفکری با هوش مصنوعی را دارد، فرآیند کاملا شفاف است و محتوایی را که هوش مصنوعی مطابق با آن آموزش دیده، تضمین ‌شده و پاسخ تولیدشده قابل پذیرش است.

همکاری بین هوش مصنوعی و بلاک‌چین فرصتی قابل توجه برای پیشرفت هر دو فناوری و تقویت تبادل اطلاعات قابل اعتماد است. برنامه‌های کاربردی هوش مصنوعی روی زنجیره بلاک‌چین می‌توانند به مجموعه داده‌های یکسانی دسترسی داشته باشند، در ارتقای آن بکوشند و اکوسیستم مشترکی را در بلاک‌چین آغاز کنند. ماهیت ضد دستکاری و ایمن بلاک‌چین، خطر سوء‌استفاده از داده‌ها برای اهداف مخرب کاهش می‌دهد.

پتانسیل رشد هوش مصنوعی مبتنی بر بلاک‌چین قابل توجه است؛ یکپارچگی، قراردادهای هوشمند ضد دستکاری و منبع باز و تولید محتوای سریع برای متافورس‌ها، بازی‌ها و رسانه‌های اجتماعی غیرمتمرکز از جمله مزایای همراهی این دو فناوری است. با این حال، تحقق کامل این پتانسیل مستلزم پذیرش شبکه‌ای به معنای واقعی کلمه «غیرمتمرکز» است که می‌تواند داده‌ها را ذخیره و پردازش کند و به مدل‌های هوش مصنوعی اجازه دهد تا بدون محدودیت اجرا شوند. آینده در تقاطع هوش مصنوعی و بلاک‌چین دارای امکانات بسیار زیادی است و ما را به سمت آینده‌ای غیرمتمرکز سوق می‌دهد که اعتماد، شفافیت و پذیرش گسترده فناوری‌های هوش مصنوعی را تقویت می‌کند. ادغام هوش مصنوعی و بلاک‌چین همراه با پرداختن به نگرانی‌ها درباره اعتماد و شفافیت، پایه‌های اکوسیستم دیجیتال قابل اعتماد و شفافی را پایه‌ریزی می‌کند که می‌تواند باند پروازی برای اوج گرفتن هر دوی این فناوری‌ها باشد.

آرزومندی واقع‌بینانه

انتظار می‌رود که فناوری‌های تحول‌آفرین هوش مصنوعی و بلاک‌چین همان‌طور که راه خود را در تجارت خواهند ساخت، به همراهی هم احتیاج خواهند داشت. پل برودی از EY می‌گوید که این جفت پتانسیل دستیابی به نتایج شگرف و در حال حاضر غیرقابل تصوری را دارند، اما انتظار می‌رود اولین قدم‌ها کسل‌کننده و قابل پیش‌بینی باشند. پیش از بیان آرزومندی‌ها و بالقوه‌های این ادغام بهتر است به چرایی آنکه «هوش مصنوعی مولد» به زمان احتیاج دارد تا بتواند در مقیاس فرآیندهای تجاری سازمانی کارآیی داشته باشد و تاثیر قابل اندازه‌گیری بر بهره‌وری داشته باشد، پرداخته شود. اول و مهم‌تر از همه، شرکت‌ها با اجرای کنترل های فرآیند و سپس خودکارسازی سیستم‌ها می‌توانند در مقیاس تجاری فعالیت داشته باشند. از مدیریت موجودی تا استخدام، کلید مقیاس‌بندی سیستم‌های سازمانی، توانایی انتقال تلاش‌های کاری افراد از معاملات یا فعالیت‌های فردی به مدیریت فرآیندهای سرتاسری است. در مقابل، سیستم‌های هوش مصنوعی مولد در اجرای دقیق و مداوم، وظیفه‌ای ثابت با دقت بالا چندان کارآمد نیستند. به‌عنوان مثال اگر از سیستم هوش مصنوعی مولد سوالات مشابه اما الزاما نه یکسان پرسیده شود، ممکن است هر بار پاسخ‌های بسیار متفاوتی دریافت شود. تنوع جواب‌ها، فرآیندهای کسب‌وکار را که بر مبنای سازگاری ورودی ساخته شده‌اند، دچار مشکل جدی می‌کند.

می‌توان از اولین نسل تجارت وب به‌عنوان نمونه‌ای عالی برای اشاره به مشکلات فعلی تجاری‌سازی هوش مصنوعی استفاده کرد. در آن‌ زمان امکان ساخت صفحات فروشگاهی مبتنی بر وب و پرداخت با کارت اعتباری فراهم بود؛ با این‌حال، حمل‌ونقل و بسته‌بندی برای تحویل در مقیاس عمده‌فروشی ساخته و بهینه شده بود. حتی شرکت‌هایی که کاتالوگ دیجیتال برای ارائه داشتند، تصاویری از محصولات نداشتند؛ چراکه سرپرست هیچ فروشگاهی نیازی به دانستن شکل قوطی سوپ نداشت. در نتیجه، تجارت الکترونیک بسیار کندتر از آنچه تحلیلگران انتظار داشتند آغاز شد و نه توسط مشکلات زیرساختی وب، بلکه توسط انبارها و سیستم‌های لجستیکی متوقف شده بود. همانند مثال تجارت الکترونیک، سیستم‌های هوش مصنوعی در کنار فناوری بلاک‌چین می‌توانند به سیستم‌های سازمانی نفوذ ‌کنند و با همراهی یکدیگر اوج خواهند گرفت؛ اما لازمه پیشرفت، طراحی دقیق و یکپارچه‌سازی خواهد بود و انتظار نمی‌رود به سرعت پذیرفته شود. درحالی‌که مصرف‌کنندگان اغلب قادر به پذیرش فناوری‌های جدید در بازه حدودا ۱۰ساله هستند، با این‌حال انتظار می‌رود روند پذیرش ۲۵ سال طول بکشد.

نیمه پر لیوان

با در نظر گرفتن جنبه‌های منفی و مدت زمانی که فناوری‌های هوش مصنوعی و بلاک‌چین احتیاج خواهند داشت تا بتوانند در مقیاس سازمانی و تجاری به کار گرفته شوند، می‌توان از چهار نقطه روشن که در این بخش به چشم می‌خورد، صحبت کرد.

توسعه نرم‌افزار

فرآیندهای تجاری سازمانی روی نرم افزار اجرا می‌شوند و سیستم‌های هوش مصنوعی مولد در توسعه نرم‌افزار عملکرد فوق‌العاده‌ای دارند. بخش نرم‌افزار یکی از معدود حوزه‌هایی است که شواهد مستند و قوی مبنی بر اینکه سیستم‌های هوش مصنوعی مولد به‌طور قابل توجهی بهره‌وری را بهبود می‌بخشند، ارائه می‌کند. به‌دلیل آنکه ادغام بلاک‌چین در فرآیندهای سازمانی بسیار به یکپارچه‌سازی فرآیند و نرم‌افزار بستگی دارد، احتمالا تاثیر آن به زودی قابل توجه و محسوس خواهد بود.

تجزیه‌وتحلیل

بلاک‌چین تا به اینجا نیز پتانسیل شگفت‌انگیزی در بهبود کیفیت داده‌ها نشان داده است. زمانی که از چالش‌های ارائه خدمات میان سازمانی صحبت می‌شود، یکی از بزرگ‌ترین مشکلات، کیفیت داده است. در دنیایی که داده‌ها را انبار می‌کنند، با هر انتقال داده‌ها دوباره در هر اکوسیستم سازمانی وارد می‌شوند. این در صورتی است که به کمک بلاک‌چین، توکن‌ها و هش‌ها دارایی‌ها و داده‌ها در کمال شفافیت قابل ردیابی هستند و می‌توانند یکپارچگی خود را در حین انتقال به اکوسیستم‌های مختلف حفظ کنند. با در دست داشتن داده‌های با کیفیت، می‌توان انتظار داشت که سیستم‌های هوش مصنوعی مولد تجزیه‌وتحلیل بهتری انجام خواهند داد.

این درحالی است که از سوی دیگر سیستم‌های هوش مصنوعی مولد در تطبیق و تفسیر الگوها فوق‌العاده هستند. آنها می‌توانند در کوتاه‌مدت تبدیل به بازوی پرقدرتی برای تجزیه‌وتحلیل بلاک‌چین شوند و در شناسایی روندها و طبقه‌بندی تراکنش‌های فردی نقش موثری ایفا کنند.

تغذیه هوش مصنوعی

یکی از بزرگ‌ترین مشکلات سیستم‌های هوش مصنوعی در حال ظهور، نحوه گردآوری و یافتن منبع داده‌های قابل اعتماد است. امروزه جهان شاهد فاز اولیه سیل محتوای تولیدشده توسط هوش مصنوعی است. پیش از آنکه دیر شود سوال اصلی این است که، چگونه می‌توان از دیدگاه معتبر و متخصص درباره یک موضوع یا یک الگوی تولیدشده توسط ماشین بر اساس سایر الگوهای تولیدشده توسط ماشین اطمینان حاصل کرد؟ یکی از جواب‌های قابل اعتماد می‌تواند «تایید صحت و منشأ داده‌های منبع با استفاده از هش‌های بلاک‌چین» باشد.در حال حاضر آژانس خبری ANSA در ایتالیا، نزدیک به یک‌میلیون مقاله در سال را با استفاده از سیستم OpsChain موسسه EY تایید می‌کند. در ابتدا هدف از این کار مبارزه با اخبار جعلی بود؛ اما در آینده، ابزارهایی مشابه ممکن است برای احراز هویت منابع داده‌های آموزش هوش مصنوعی حیاتی باشند.

رابط کاربری

همان‌طور که سیستم‌های هوش مصنوعی مولد در تولید کدها عالی هستند، در تفسیر پیام‌های خطا و پیشنهاد راه‌حل نیز عملکرد خوبی دارند. استفاده از بلاک‌چین هنوز بسیار پیچیده است و رابط‌هایی که قادر به پذیرش پیام‌های خطا، جست‌وجو و قالب‌بندی پیشنهادها هستند، به‌عنوان «co-pilot» شناخته می‌شوند. فراگیر شدن این گروه از رابط‌های کاربری احتمالا برای بسیاری از کاربران مفید خواهد بود. در فازهای اولیه تکامل و تعامل فناوری‌های جدید، نتایج می‌توانند خسته‌کننده و قابل پیش‌بینی باشند. تجربه دنیای معاصر از GPS و تجارت وب و تلفن‌های همراه می‌تواند نقشه‌راهی از سیر تکامل باشد. در ابتدا، تجارت الکترونیک فاصله ناچیزی با کاتالوگ کاغذی داشت که بر صفحه‌های دیجیتال نقش بسته بود. درنهایت تجارت الکترونیک به مرحله‌ای رسیده که افراد در حالی‌که در وسیله نقلیه اشتراکی سواری به سمت خانه رهسپار است، از طریق تبلیغات در ماشین پیشنهاد می‌شود غذا را در مقصد به ایشان تحویل دهند.