همگرایی بلاک‌چین و هوش مصنوعی

رونمایی از آینده:

در سال‌های اخیر، به نظر می‌آید که اگر یک «AI» را در پسوند نام هر پروژه‌ Web3 قرار دهید، شاهد هجوم سرمایه‌گذاران از سوی بخش‌های مختلف خواهید بود که به‌احتمال برخی از آن‌ها کمی یا بیشتر «میم» (شوخی) به‌نظر برسند تا پروژه‌ای جدی. صرف نظر از همه‌ این «projects.ai»های جدید که هر از گاهی طبلی میان‌تهی از آب در می‌آیند، مهم است در نظر داشته باشیم که هم فناوری بلاک‌چین (Blockchain) و هم هوش مصنوعی (AI) بی‌شک پیشرفت‌های نوآورانه‌ای‌ هستند.
گاه و بی‌گاه هم پیش می‌آید که اهمیت این فناوری‌ها و پروژه‌های اثرگذار، تحت‌الشعاع تعداد بی‌شماری سرمایه‌گذاری‌ و پروژه‌های نوظهور پر سروصدا قرار می‌گیرد که در بهترین حالت خروجی‌شان محصولات متوسطی است. در این مقاله به بررسی فناوری بلاک‌چین و هوش مصنوعی می‌پردازیم و هدفمان عبور از «پروژه‌نماها»ست تا به زیبایی‌های اتحاد بین این دو فناوری بپردازیم. در آغاز از خاستگاه‌ و تاریخچه‌ این دو فناوری شروع می‌کنیم و سپس به این مسیر می‌رویم که چگونه این دو فناوری یکدیگر را تکمیل می‌کنند و موجب رشد خودشان و یکدیگر می‌شوند. در انتها نیز به پیشرفت‌های برجسته و جذاب مرتبط این دو حوزه می‌پردازیم.

چکیده‌ مقاله

(این چکیده را هوش مصنوعی به‌رشته‌ تحریر در آورده است):
این مقاله به تلاقی فناوری بلاک‌چین (BCT) و هوش مصنوعی (AI) و اثرات محتمل آن‌ها در صنایع مختلف می‌پردازد. در ابتدا با مروری مختصر از تکامل هوش مصنوعی به سراغ موضوع می‌رود و ریشه‌های آن را در اواسط قرن بیستم دنبال می‌کند. سپس لحظات مهمی مانند همایش دارتموث (Dartmouth Conference) و ظهور برنامه‌های اولیه هوش مصنوعی را برجسته می‌کند. پس از آن، سری به پیدایش بلاک‌چین می‌زند و به شروع مفهومی آن در دهه‌ ۱۹۸۰ و برآمدن جریان اصلی‌اش، یعنی ظهور بیت‌کوین (BTC) در سال ۲۰۰۸ می‌پردازد. در این مقاله کوشش شده که بر اصول بنیادی بلاک‌چین، از جمله تمرکززدایی و شفافیت، در کنار برنامه‌های کاربردی گسترده‌تر آن و به گفتارهای مرتبطی مانند مدیریت زنجیره تامین و امور بهداشت، پیشگیری و درمان نیز اشاره شود.
علاوه‌بر این، مقاله‌ پیش‌رو به بررسی هم‌افزایی و ارتباط میان هوش مصنوعی و بلاک‌چین نیز تمرکز دارد و هم‌زیستی هماهنگ آن‌ها را برجسته می‌کند. نویسنده از چهارچوب قوی و نامتمرکز بلاک‌چین، به‌عنوان پایه‌ای قابل اعتماد برای یک‌پارچگی داده‌ها و پردازش آن‌ها سخن می‌گوید. همچنین نشان می‌دهد که ابزارهای هوش مصنوعی در تشخیص الگوها و تحلیل‌های پیش‌بینی‌کننده، به‌خوبی به‌کمک داده‌ها و فناوری بلاک‌چین می‌آید. در نتیجه، این همکاری بین هوش مصنوعی و بلاک‌چین نویدبخش تقویت امنیت، کارایی و بهره‌وری در چشم‌اندازهای پویای کسب‌وکار است.
این مقاله بیشتر به حوزه‌های محوری ادغام هوش مصنوعی و بلاک‌چین پرداخته و نشان می‌دهد که چه مزایای قابل توجهی را به همراه دارد. در مقاله کوشش شده تا اصالت موضوع و پرسش‌های پیرامونش را بررسی کند. همچنین در مقاله‌ حاضر مساله‌ اعتبار برجسته می‌‌شود و بحثی را مطرح می‌کند پیرامون این‌که چگونه تاریخچه تراکنش‌های بلاک‌چین، اعتبار لازم را تضمین می‌کند. همچنین با بیان مسایل و نگرش‌ها در چهارچوب زیربنایی هوش مصنوعی به چالش هوش مصنوعی قابل توضیح (eXplainable AI: XAI) می‌پردازد.
موضوع افزایندگی (Augmentation) نیز مورد بررسی قرار گرفته است که در آن سیستم‌های هوش مصنوعی برای تقویت قابلیت‌های انسانی، فرآیندهای تصمیم‌گیری و بهره‌وری مورد استفاده قرار می‌گیرند. علاوه‌بر این، مقاله به خودکارسازی یا اتوماسیون می‌پردازد و نشان می‌دهد چگونه ادغام هوش مصنوعی و اتوماسیون با داده‌های قابل اعتماد بلاک‌چین می‌تواند به‌رشد خلق ارزش یاری رساند.
در پایان، مقاله به نوآوری‌‌های هوش مصنوعی نگاهی می‌اندازد تا مرزهای هوش مصنوعی را به شیوه‌های غیرمتعارف بازتعریف کند. نویسنده به رین‌فال (Rainfall) به‌عنوان پلتفرمی نامتمرکز اشاره می‌کند که حافظ حریم شخصی افراد است. در این پلتفرم افراد می‌توانند از داده‌های خصوصی خود پاداش‌های مالی دریافت و در عین حال مدیریت استفاده از آن را حفظ کنند.
علاوه‌بر این، سیستم هوش مصنوعی، دیپ‌ماند (DeepMind) را برجسته می‌کند، که مهارت‌های جدیدی را از طریق مشاهده انسان به دست می‌آورد و بر نقش رایانش فضایی در توانمندسازی هوش مصنوعی برای تعامل موثر با دنیای فیزیکی تاکید می‌کند.
این مقاله از اساس، ادغام هوش مصنوعی و بلاک‌چین را به‌عنوان یک اتحاد نیرومند به تصویر می‌کشد که آماده است تا صنایع متعددی را متحول کند. چشم‌اندازها و موانع همراه با این ادغام را بررسی و بر اهمیت اجرای اخلاقی و منصفانه راه‌حل‌های هوش مصنوعی و بلاک‌چین تاکید می‌کند.

هوش مصنوعی: تاریخچه‌ای مختصر

هوش مصنوعی را باید یکی از اثرگذارترین، شگفت‌ترین و جریان‌سازترین زمینه‌های فناوری امروزی دانست که ریشه‌های آن به میانه‌های سده‌ بیستم میلادی بازمی‌گردد. برای درک آغاز و تکامل هوش مصنوعی لازم است به سفری در مسیر نقاط عطف شکل‌دهنده‌ آن برویم. در این مسیر، بی‌شک همایش (کارگاه) دارتموث در سال ۱۹۵۶میلادی، لحظه‌ای اساسی و سرنوشت‌ساز است و بسیاری آن را محل و تاریخ تولد هوش مصنوعی می‌دانند. این همایش را جمعی از برجسته‌ترین دانشمندان رایانه مانند کلود شنون (Claude Elwood Shannon)، پدر نظریه‌ اطلاعات و ماروین مینسکی (Marvin Lee Minsky) برگزار کردند؛ سخنرانی‌ها و ایده‌هایی که آن‌ها ارایه دادند، سرآغاز تلاش‌های پژوهشی و سازمان‌یافته‌ فراوانی در زمینه‌ هوش مصنوعی بود. به‌واقع، هدف و مقصود آن‌ها ریل‌گذاری مسیری برای ایجاد ماشین‌های هوشمند با قابلیت شناختی انسان‌مانند بود.

به‌دنبال این همایش سرنوشت‌ساز، مفهومی که از سوی آلن تورینگ (Alan Mathison Turing) در سال ۱۹۵۰ ارایه شده بود، یعنی «آزمون تورینگ» به سنگ بنای پژوهش‌های هوش مصنوعی تبدیل شد. این آزمون مفهومی، توانایی ماشین‌ها را برای نمایش رفتار هوشمندی غیرقابل تمایز از یک انسان ارزیابی می‌کند که همچنان هم به‌عنوان معیاری بنیادی برای سنجش قابلیت‌های هوش مصنوعی عمل می‌کند. دهه‌های پس از دهه‌ پنجاه شاهد توسعه‌ برنامه‌های اولیه‌ هوش مصنوعی مانند «General Problem Solver» و «Logic Theorist» بود که قابلیت‌های حل مساله و اثبات قضیه را به نمایش می‌گذاشت. این تلاش‌های پیشگامانه زمینه را برای کشف و پیشرفت‌های بیشتر در این حوزه هموار می‌کرد.

در دهه‌های ۱۹۷۰ و ۱۹۸۰ ظهور سامانه‌های تخصص‌یافته، نقطه‌‌عطفی در تاریخ هوش مصنوعی بود. این سیستم‌ها که برای تقلید از تخصص انسان در حوزه‌های خاص طراحی شده‌اند، نمونه‌ای از کاربردهای عملی هوش مصنوعی در زمینه‌هایی مانند تشخیص پزشکی و آنالیز مواد شیمیایی بودند. در دو دهه‌ پایانی سده‌ بیستم شبکه‌های عصبی تولدی دوباره را تجربه کردند که باعث افزایش علاقه به هوش مصنوعی شد. از همین‌رو، پیشرفت‌هایی مهمی در «یادگیری ماشین» و «تشخیص الگو» حاصل شد. این دوره از نوآوری، زمینه را برای پیشرفت‌های آینده، به‌ویژه در حوزه‌ «یادگیری عمیق» فراهم کرد. در سال ۱۹۹۷ هوش مصنوعی دیپ‌بلو (Deep Blue) شرکت IBM با پیروزی بر قهرمان افسانه‌ای شطرنج جهان، گری کاسپاروف (Garry Kimovich Kasparov)، تاریخ‌ساز شد و نشان داد که هوش مصنوعی به‌طور بالقوه ظرفیت بالایی در تصمیم‌گیری‌های استراتژیک و حل مسایل پیچیده دارد.

ابتدای سده‌ ۲۱، به‌طور دقیق‌تر سال ۲۰۰۴، شاهد رویداد DARPA Grand Challenge (DARPA: Defense Advanced Research Projects Agency) بودیم، رقابتی که باعث نوآوری چشمگیری در رباتیک و سیستم‌های خودگردان (Autonomous Systems) شد و راه را برای پیشرفت در زمینه‌هایی مانند خودروهای خودران هموار کرد. دهه‌ بعد نیز شاهد نوآوری قابل توجهی در یادگیری عمیق بود که با پیروزی آلفاگو (AlphaGo) بر لی سدُل (Lee Sedol)، قهرمان جهان در بازی گو (Go) در سال ۲۰۱۶ به اوج رسید. این دستاورد بار دیگر توانایی هوش مصنوعی را در تسلط بر بازی‌های پیچیده با فضاهای تصمیم‌گیری گسترده نشان داد و بیش از پیش ظرفیت‌های به‌روزنیافته‌ این فناوری را آشکار ساخت.

از سال ۲۰۲۰ به این‌سو نیز شاهد ظهور GPT-3 شرکت اوپن‌ای‌آی بودیم، مدل زبانی با ۱۷۵ میلیارد پارامتر! این پروژه بی‌شک نشانگر نقطه‌‌عطفی در پردازش زبان طبیعی و ظرفیت هوش مصنوعی برای تولید متنی شبیه انسان است. انتشار آن باعث ایجاد بحث‌هایی درباره‌ پیامدهای اخلاقی و اجتماعی شد و تکامل مداوم فناوری هوش مصنوعی را برجسته کرد. با بررسی این لحظات مهم در تاریخ هوش مصنوعی، مشخص می‌شود که این حوزه سفری قابل‌توجه از نوآوری و اکتشاف را پشت سر گذاشته است. اکنون خوب است به‌سراغ تاریخچه‌ فناوری بلاک‌چین (BCT) برویم تا بتوانیم بینشی درباره‌ اهمیت اتحاد این دو فناوری به‌دست آوریم.

بلاک‌چین: تاریخچه‌ای مختصر

ریشه‌های مفهومی‌ بلاک‌چین به دهه‌ ۱۹۸۰ بازمی‌گردد. «دیوید چاوم» (David Chaum)، متخصص رمزنگار، در سال ۱۹۸۲ مفهوم پروتکلی شبیه به بلاک‌چین را پیشنهاد کرد. وی سیستمی را پیش‌بینی کرد که در آن شبکه‌های رایانه‌ای می‌توانند اعتماد را در میان طرف‌های ذاتن بی‌اعتماد تقویت کنند. این مفهوم بنیادی در سال ۱۹۹۱ جامه‌ عمل پوشید. «استوارت هابر» (Stuart Haber) و «دبلیو اسکات استورنتا» (W. Scott Stornetta) زنجیره‌ای از بلاک‌ها را با رمزنگاری ایمن ایجاد کردند تا سیستمی باشد که در برابر دستکاری اسناد با برچسب زمانی (Timestamps) مقاوم است.

بااین‌حال، تا ۲۰۰۸ بلاک‌چین وارد جریان اصلی خود نشد. در آن سال سرنوشت‌ساز متخصصی مرموز و ناشناس با نام مستعار «ساتوشی ناکاموتو» (Satoshi Nakamoto)، جهان را با بیت‌کوین (Bitcoin) آشنا کرد. نوآوری پیشگامانه‌ ناکاموتو ارایه‌ روشی عملی و هوشمندانه برای ساخت زنجیره‌ بلاک بود. وی مفهوم دفتر کل توزیع‌شده‌ عمومی را ابداع کرد که به‌طور شفاف و ایمن تمام تراکنش‌های بیت‌کوین را ثبت می‌کند. با پایه‌گذاری بیت‌کوین در ژانویه ۲۰۰۹، اولین کاربرد واقعی فناوری بلاک‌چین به جهان عرضه شد.

در طول دهه‌ بعد از آن، دنیای بلاک‌چین تحولات قابل توجهی فراتر از بیت‌کوین را تجربه کرد. اصول اساسی شاهکار ناکاموتو، یعنی تمرکززدایی، ثبات و شفافیت، ذهن نوآوران فناوران را تسخیر کرد. معرفی قراردادهای هوشمند، در بستر بلاک‌چین، انقلابی در اتوماسیون و اعتمادسازی در بستر دنیای اینترنت ایجاد کرد. سال ۲۰۱۵ رسید تا اتریوم (Ethereum) پا به عرصه‌ وجود بگذارد. اتریوم و مفاهیم پیرامونش به توسعه‌دهندگان امکان ساخت برنامه‌های نامتمرکز (DApps) را با بهره‌گیری از قراردادهای هوشمند داد تا قابلیت‌های بلاک‌چین را به قله‌های تازه‌ای برساند.

همان‌طور که اکثر ما اکنون می‌دانیم، بلاک‌چین بسیار فراتر از خاستگاه خود در ارزهای دیجیتال است و در صنایع مختلفی مانند مدیریت زنجیره‌های تامین، مراقبت‌های بهداشتی، ساختارهای مالی و سیستم‌های رای‌گیری کاربرد دارد. مکانیسم‌های اجماع مختلف، از جمله اثبات کار (Proof of Work) و اثبات سهام (Proof of Stake)، از یکپارچگی شبکه‌های بلاک‌چین محافظت می‌کنند. علاوه‌بر این، نوآوری‌هایی مانند توکن‌های یکتا (NFT) همچنان مرزهای نوینی پیش‌روی عرصه‌های مختلف فناوری می‌گذارد.

با این تفاسیر چه اتفاقی می‌افتد وقتی هوش مصنوعی و بلاک‌چین را کنار هم بگذاریم؟ بی‌شک پاسخ یک کلمه است: جادو!

پیوند اساطیر:‌ اتحاد بلاک‌چین و هوش مصنوعی

آنچه که شهرت را برای فناوری بلاک‌چین به ارمغان آورده: معماری نامتمرکز و امنیت بالای رمزنگاری است. این دو ویژگی برای یکپارچگی و امنیت اطلاعات و داده‌ها دژ مستحکمی را ساخته است. در همین حال، هوش مصنوعی نیز با قدرت حیرت‌انگیز تشخیص الگو و تحلیل‌های پیش‌بینی‌کننده‌اش، هر آن چیزی را آشکار می‌کند که در دل داده‌های فراوان و گسترده پنهان شده و به‌طور بالقوه اطلاعات مفید و ارزشمندی هستند. بنابراین تعجبی ندارد که دانشمندان علوم رایانه، شرکت‌های بزرگ فناوری، دولت‌ها و سازمان‌ها به‌سرعت به اتحاد فناوری دفتر کل امن و نامتمرکز بلاک‌چین و قابلیت‌های هوش مصنوعی برای تقویت امنیت، کارایی و بهره‌وری در محیط‌های تجاری پویا بیندیشند و برنامه‌ریزی کنند.

خوب است بی‌فوت وقت و به‌طور مختصر، یکی از کاربرد‌های جالب‌توجه از ادغام بلاک‌چین با هوش مصنوعی را بررسی کنیم تا بهتر تاثیرات متحول‌کننده‌ همکاری میان این دو عرصه‌ فناوری مشخص شود. پس از آن، پروژه‌های پیشرفته‌ هوش مصنوعی را بررسی خواهیم کرد که خط فکر متعارف را به چالش می‌کشند و خط مقدم نوآوری هستند.

همکاری بین این دو فناوری، به‌سرعت در حال تغییر شکل «مدیریت زنجیره تامین» است و افزایش کارایی، شفافیت و انعطاف‌پذیری را به‌طور موثری تقویت می‌کند. در وهله‌ نخست، هوش مصنوعی در کشف الگوها و بهینه‌سازی مسیرها دست بالا را دارد، در حالی‌که بلاک‌چین قابلیت اطمینان و ردیابی داده‌های ذخیره‌شده را تضمین می‌کند. آن‌ها با هم از مدیریت داده و تصمیم‌گیری‌های کلیدی در زنجیره تامین پشتیبانی می‌کنند. علاوه‌بر این، قابلیت‌های پیش‌بینی هوش مصنوعی به فعالیت‌های مستقل و پیش‌بینی عرضه و تقاضا کمک می‌کند و بلاک‌چین فرآیندها را خودکار و شفافیت و اعتماد را در میان ذی‌نفعان تقویت می‌کند؛‌ همه‌ این‌ها یعنی فرآیندهای هماهنگ‌سازی در زنجیره‌های تامین بهینه می‌شود. این درحالی‌است که حسگرهای مجهز به هوش مصنوعی ردیابی و هشدارهای پیش‌بینی‌کننده را در زمان واقعی ارایه می‌کنند و دفترکل‌های غیرقابل‌تغییر بلاک‌چین ضمانت قابل اتکایی برای ردیابی دقیق و قابل بازرسی اطلاعات است. این چنین، به دست‌اندرکاران زنجیره‌های تامین امکان می‌دهد تا شرایط را مدیریت و اختلالات را به‌طور موثر ارزیابی و پیش‌بینی کنند. علاوه‌بر این، هوش مصنوعی به کاهش ریسک کمک می‌کند، در حالی‌که سوابق بدون انقضای بلاک‌چین و قراردادهای هوشمند، اقدامات پیشگیری از تقلب و دستکاری را تقویت می‌کنند.

حوزه‌های کلیدی: اعتبار، افزایندگی و اتوماسیون

ادغام بلاک‌چین و هوش مصنوعی ارزش‌های ترکیبی را در سه حوزه کلیدی «اعتبار، تقویت و اتوماسیون» به ارمغان می‌آورد. در این بخش، این حوزه‌ها را بررسی می‌کنیم و برخی از مولفه‌های آن‌ها را می‌کاویم تا درک جامع‌تری را از این هم‌افزایی در این زمینه به‌دست آوریم.

۱.اعتبار (Authenticity)

تاریخچه‌ تراکنش‌های بلاک‌چین صحت و اعتبار داده‌ها و اطلاعات را تضمین می‌کند و این چنین می‌تواند بینش‌های مفیدی را درباره‌ چهارچوب پشت هوش مصنوعی ارایه دهد. این امر به چالش پیرامون هوش مصنوعی قابل توضیح (XAI) می‌پردازد که ارزش بررسی بیشتر را دارد.

هوش مصنوعی قابل توضیح به توانایی سامانه‌های هوش مصنوعی‌ اشاره دارد که می‌توانند به زبان قابل فهم برای انسان تصمیمات و اقدامات خود را توضیح دهند. در واقع، کوشش شده که الگوریتم‌های هوش مصنوعی شفاف و قابل تفسیر باشد تا کاربران دریابند که چرا یک تصمیم خاص گرفته‌‌ شده یا اقدامی مشخص به انجام رسیده است. هوش مصنوعی قابل توضیح برای افزایش اعتماد و مسوولیت‌پذیری در سیستم‌های هوش مصنوعی، به‌ویژه در زمینه‌هایی که تصمیمات دارای پیامدهای مهمی هستند، مانند امور بهداشت و پیشگیری، مالی و قضایی ضروری است.

هوش مصنوعی قابل توضیح همچنین می‌تواند با مدل‌ها و برنامه‌های مختلف هوش مصنوعی سازگار شود. برخی از روش‌ها شامل توضیحاتی «مبتنی‌بر قانون» هستند. یعنی این‌که آن‌چه ارایه می‌دهد بر اساس قوانین از پیش تعریف‌شده یا استدلال منطقی برای افزایش شفافیت در تصمیم‌گیری است. روش بیان و توضیح دیگر، «تکنیک‌های اهمیت ویژگی» است. در این‌جا ویژگی‌ها یا عوامل مهمی را که تصمیم‌های هوش مصنوعی را شکل داده‌اند، شناسایی و آن‌ها را برجسته می‌کنند؛ به این ترتیب، کاربران را یاری می‌کند تا فرآیند تصمیم‌گیری را بهتر درک کنند. روش دیگر برای توضیح، «تفسیرپذیری محلی» است. در این روش، پیش‌بینی‌ها یا تصمیمات فردی توضیح داده می‌شود تا کاربران این امکان را داشته باشند که رفتار مدل هوش مصنوعی را در موارد خاص درک کنند. از سوی دیگر، «تفسیرپذیری عام» وجود دارد که بینش‌هایی را درباره رفتارها و عملکردهای گسترده‌تر مدل‌های هوش مصنوعی در کل مجموعه داده یا دامنه‌ آن ارایه می‌دهد.

هوش مصنوعی قابل توضیح به‌ویژه برای رسیدگی به نگرانی‌های مربوط‌به تعصب، انصاف و اخلاق در سیستم‌های هوش مصنوعی مهم است. این نوع هوش مصنوعی، کاربران قادر می‌سازد تا درک کنند چگونه مدل‌های هوش مصنوعی به نتایج خود می‌رسند. در نتیجه، شناسایی و کاهش سوگیری‌ها یا خطاهای احتمالی در فرآیند تصمیم‌گیری تسهیل می‌شود. علاوه‌بر این، هوش مصنوعی قابل توضیح با تقویت اعتماد و اطمینان در توصیه‌ها و اقدامات مبتنی‌بر هوش مصنوعی، همکاری انسان و هوش مصنوعی را ساده‌تر می‌کند.

۲.افزایندگی (Augmentation)

در زمینه‌ هوش مصنوعی، مفهوم افزایندگی به افزایش توانایی‌های انسان از راه بهره‌گیری از فناوری‌های هوش مصنوعی اشاره دارد. یعنی این‌که سیستم‌های هوش مصنوعی در جهت تقویت هوش انسانی، افزایش کیفیت تصمیم‌گیری و بهره‌وری است، نه این‌که به‌طور کامل جایگزین کارکنان انسانی شود. مفهوم افزایندگی به افراد و سازمان‌ها این امکان را می‌دهد تا وظایف را به بهترین نحو انجام دهند، تصمیمات آگاهانه‌تری بگیرند و با استفاده از قابلیت‌های هوش مصنوعی در پردازش و تحلیل مقادیر زیادی از داده‌ها با سرعت‌های باورنکردنی، به سطوح بالاتری از عملکرد دست یابند.

علاوه‌بر این، افزایندگی در هوش مصنوعی در ادغام با بلاک‌چین تقویت می‌شود، چراکه بلاک‌چین امکان دسترسی گسترده‌ای به مجموعه‌ داده‌های فراوان را فراهم می‌کند و موجب تسهیل مدیریت داده‌های مقیاس‌پذیر و قابل اعتماد می‌شود. همچنین زمانی‌که فناوری بلاک‌چین با سیستم‌های هوش مصنوعی همراه شود نگرش‌های عملی‌تری به‌دست می‌آید. در نتیجه، در بهره‌گیری و اشتراک‌گذاری داده‌ها فرآیندهای بهینه‌تری خواهیم داشت. این چنین، به‌طور طبیعی به ایجاد یک اقتصاد داده‌محور شفاف و قابل اعتماد در شبکه‌های تجاری مبتنی‌بر بلاک‌چین کمک خواهد شد.

۳.اتوماسیون (Automation)

ادغام اتوماسیون برپایه‌ داده‌های قابل اعتماد بلاک‌چین و هوش مصنوعی می‌تواند سطح و نرخ خلق ارزش را افزایش دهد. به‌عنوان مثال، ماژول Freshness IBM Food Trust از هوش مصنوعی برای توصیه به فراخواندن محصولات بر اساس تاریخ انقضا بهره می‌برد. این در حالی است که IBM Sterling Supply Chain Suite از تحلیل پیشرفته‌ای کمک می‌گیرد که میزان موجودی لحظه‌ای را نشان می‌دهد و به‌طور خودکار، در هنگام افزایش تقاضا ثبت سفارش می‌کند. این ادغام نه‌تنها فرآیندها را بهینه می‌کند، بلکه دیدگاه عمیق‌تری را درباره‌ عملیات‌ها و روندهای هوش مصنوعی ارایه می‌کند و بی‌اطمینانی پیرامون این فناوری را کاهش می‌دهد. آی‌بی‌ام، به‌طور استراتژیک این فناوری‌ها را در راه‌حل‌های مختلفی مانند IBM Food Trust، Blockchain Transparent Supply، و TradeLens ترکیب کرده که به هم‌افزایی و بهبود مستمر سیستم‌هایی منجر می‌شود و بر پایه‌ تحلیل داده‌ها، شفافیت و امنیت پیش رفته است.

بسیاری از ما علاقه‌مندان به هوش مصنوعی با ابزارهای محبوبی مانند Chat-GPT، Grok، Co-Pilot یا Midjourney آشنا هستیم. حتی اگر آن‌ها را به‌خوبی نشناسیم، به‌طور کلی می‌دانیم که سرویس‌های هوش مصنوعی برای نوشتن، کدنویسی، ترسیم و حتی ایجاد ویدیو در دسترس‌ هستند. آن‌ها تقریبن هر کاری را که می‌توانیم تصور کنیم، انجام می‌دهند. با این حال، فراتر از این پروژه‌های معروف، پروژه‌های دیگری نیز وجود دارند که مرزهای هوش مصنوعی را به روش‌های غیرمتعارف پیش می‌برند. این پروژه‌ها قابلیت‌های هوش مصنوعی را مسیرهای غافل‌گیرکننده‌ای گسترش می‌دهند.

در بخش بعدی، برخی از این پروژه‌های جذاب را بررسی می‌کنیم که ممکن است راه‌حل‌هایی را ایجاد کنند که کسی پیش‌بینی نمی‌کرد.

هوش مصنوعی شخصی‌سازی‌شده

رین‌فال (Rainfall) هوش مصنوعی است که به افراد این امکان را می‌دهد تا داده‌های خود را کنترل و مدیریت و به‌صورت ایمن و شخصی‌سازی‌شده ارزش‌آفرینی کنند. امروزه، در اقتصاد جهانی داده‌ها، میلیاردها دستگاه متصل به شبکه‌های رایانه‌ای و اینترنت، سالانه حجم غیرقابل تصوری از داده را تولید می‌کنند که نتیجه‌ آن هزاران میلیارد دلار درآمد است. با این حال، افراد اغلب بر داده‌های شخصی‌شان تسلطی ندارند، بنابراین یا سهمی از این درآمدها ندارند یا اگر درآمدی دارند، از میزان واقعی آن احتمالن کمتر و کاملن ناشفاف است.

رین‌فال پلتفرمی را برپایه‌ اطلاعات شخصی ساخته است که به‌طور نامتمرکز و با حفظ حریم خصوصی امکان بهره‌برداری از این اطلاعات را برای افراد فراهم می‌کند. از طریق رین‌فال، افراد می‌توانند از داده‌های خود پاداش‌های مالی دریافت کنند و در عین حال مدیریت استفاده از آن را برعهده داشته باشند. در این پلتفرم داده‌های رمزگذاری‌شده، ناشناس و نامتمرکز هستند تا حریم خصوصی کاربران حفظ شود.

هوش مصنوعی مولد این پلتفرم برپایه‌ داده‌های مرزی (Edge-based) است؛ یعنی علاوه‌بر وضعیت حال، به شرایط و نقل و انتقالاتی که در گذشته اتفاق افتاده وابسته است؛ که از نظر و میزان رضایت افراد در زمینه‌های مختلف بهره می‌گیرد تا خرد جمعی بسیار ارزشمندی را با کارکرد آنی (Real-Time) خلق کند. برخلاف رویکردهای سنتی که مبتنی‌بر داده‌های ثابت است، هوش مصنوعی رین‌فال، آن‌چه را که به‌دست می‌دهد متناظر با زمینه‌ فعالیت‌ها و در فضا و زمان مقتضی آن است؛ درحالی‌که این اطلاعات باارزش ناشناس می‌شوند و سپس کسب‌وکارها می‌توانند به‌آن‌ها دست یابند تا به مشتریانشان خدمات بهتری ارایه دهند. [برای درک بهتر در نظر داشته باشید که تبلیغات و جست‌وجوهای گوگل برای هر شخص متفاوت است و با توجه‌به شرایط زمانی و موقعیت جغرافیایی افراد ارایه می‌شود.

علی‌رغم رمزنگاری‌های گوگل و اقدامات این شرکت برای حفظ حریم خصوصی افراد، تمرکز داده‌ها و همچنین نحوه‌ ذخیره‌سازی آن‌ها نزد این شرکت، به این معناست که دست‌کم برای خود گوگل می‌تواند مشخص شود، هر کاربر کیست و چه چیز را می‌بیند ولی با فناوری به‌کاررفته در رین‌فال، می‌توان تصور کرد سرویس‌دهنده‌ای مانند گوگل کاملن خدمات و آگهی‌های شخصی‌سازی‌شده‌ای به شما ارایه کند ولی نمی‌داند شما جست‌وجویتان چه بوده است و چه مشاهده کرد‌ه‌اید و فقط درصورتی‌که خودتان بخواهید، می‌توانید بخش مشخصی از داده‌های شخصی‌تان را با سرویس‌دهنده به اشتراک بگذارید تا پرسش، خواسته یا اعتراضی را مطرح یا حتی ارزشی خلق کنید و درآمد داشته باشید.]

مزایای کلیدی این پلتفرم سادگی، حفظ حریم خصوصی، ایمنی و در عین شفافیت است [اما چگونه چنین کاری انجام می‌دهد؟ با بهره بردن از فناوری بلاک‌چین!] کاربران می‌توانند به‌راحتی از داده‌هایی که برای اشتراک‌گذاری انتخاب می‌کنند، پاداش‌های مالی کسب کنند و در عین حال مطمین باشند که داده‌هایشان با بهره‌‌گیریِ رین‌فال از «رایانش کور» (Blind Computation)، در امان است. فناوری پشت رایانش از سوی نیلیون (Nillion) توسعه یافته است که پیامدهای قابل توجهی برای هوش مصنوعی شخصی‌سازی دارد. [فناوری نیلیون شبکه‌ای نامتمرکز است که از فلسفه‌ فناوری بلاک‌چین بهره می‌گیرد.]

در آینده هوش مصنوعی شخصی‌سازی‌شده رایج خواهد شد [زیرا همان‌طور که اغلب افراد اکنون زندگی‌شان بدون گجت‌هایی چون گوشی هوشمند غیرقابل تصور شده است، دستیار‌های هوش مصنوعی اختصاصی نیز به‌زودی جایگاهشان را می‌یابند]، از این‌رو، فناوری رایانش نیلیون حفظ حریم خصوصی داده‌ها را تضمین می‌کند. بنابراین بسیار مهم است که شرکت‌هایی مانند رین‌فال، از چنین فناوری‌هایی حتمن سود برند تا محافظی برای اطلاعات حساس باشند، چراکه خواه یا ناخواه این بخش از صنعت هوش مصنوعی رشد تصاعدی را تجربه خواهد کرد.

با این شرایط، داده‌های برآمده از هوش مصنوعی قرار است به یک صنعت چند هزار میلیارد دلاری تبدیل شود؛ چراکه مفهوم داشتن دستیار هوش مصنوعی که تفاوت‌های ظریف را درک می‌کند، ارتباطات بین حرف‌ها و اتفافات را مورد تحلیل قرار می‌دهد و در نهایت متناسب پاسخ می‌گوید، اجتناب‌ناپذیر است و راستش را بخواهید هم‌‌اکنون در حال کار در دستان ماست. با این حال، دستیابی به هوش مصنوعی شخصی‌سازی‌شده‌ کارا مستلزم دسترسی گسترده به داده‌های کاربران از جمله پیام‌های شخصی و تعریف اطلاعات است. بنابراین بدون شک، نگرانی‌های مهمی را درباره‌ حفظ حریم خصوصی در پی‌ خواهد داشت. قابل درک است که کاربران و مصرف‌کنندگان به‌دلیل این نگرانی‌ها به هوش مصنوعی شخصی‌شده نگاه مثبتی نداشته باشند و در نتیجه، بعضی از شرکت‌ها و حتی دولت‌ها برخی از مدل‌های هوش مصنوعی را ممنوع کنند.

این داده‌ها می‌توانند در سطوح مختلف باشند، از اطلاعات سطحی عمومی مانند پست‌های شبکه‌های اجتماعی افراد گرفته تا داده‌های بسیار حساس از جمله اسرار شخصی و سوابق پزشکی، که به داده‌های «سطح ۳» معروف هستند. فناوری رایانش کور چنین مشکلاتی را با تبدیل داده‌ها به شکلی غیرقابل تشخیص و تکه‌تکه کردن کلیدهای رمزگشایی در شبکه‌ای نامتمرکز حل می‌کند. نیلیون می‌تواند تضمینی برای حریم خصوصی اشخاص باشد و در عین حال به مدل‌های هوش مصنوعی مانند Rainfall’s Edge AI اجازه می‌دهد تا پردازش را بدون دسترسی مستقیم به داده‌های شخصی انجام دهند. این رویکرد حریم خصوصی را حفظ می‌کند و با اجازه دادن به افراد برای مالکیت و کنترل داده‌هایشان، پذیرش انبوه هوش مصنوعی شخصی‌شده را تسهیل می‌کند.

شما زیر نظر ربات‌ها هستید: دیپ‌مایند گوگل

یکی دیگر از پروژه‌های جالب و شاید ناراحت‌کننده، دیپ‌مایند (DeepMind)، آزمایشگاه تحقیقاتی مشهور هوش مصنوعی است که گام‌های مهمی در ایجاد یک سیستم هوش مصنوعی برداشته است و با تماشای انسان‌ها به‌سرعت مهارت‌های جدیدی را یاد می‌گیرد. این رویکرد شامل یادگیری بی‌درنگ و آنی (Real-Time) از شاخصه‌های بیان‌گر رفتارهای انسانی است که به عامل‌های هوش مصنوعی (AI agent) اجازه می‌دهد تا مهارت‌های جدیدی پس از چندبار مشاهده یاد بگیرند، در واقع، این کار به‌نوعی [همانند انسان] عمل می‌کند؛ چراکه با تقلید رفتار و دانشی که در ساختار شبکه‌های انسانی به‌اشتراک گذاشته می‌شود، می‌آموزد. برای رسیدن به این هدف دیپ‌مایند عامل‌های خود را در یک شبیه‌ساز به‌نام GoalCycle3D آموزش داده است.

در این شبیه‌ساز، عامل‌های هوش مصنوعی حباب‌مانند محیط‌های ناهموار را می‌پیمایند، بر موانع غلبه می‌کنند؛ به‌همین منظور، با بهره‌گیری از یادگیری تقویتی (Reinforcement learning) از کره‌های رنگی عبور می‌کنند تا عملکرد خود را در آزمایش‌های متعدد بهبود بخشند. مهم‌تر از همه، چنین محیط‌هایی دارای عامل خبره‌ای (expert agent) نیز هستند که از قبل مسیر صحیح طی دوره را می‌داند. این عامل‌ها، یا با کد سخت یا کنترل‌شده از سوی هوش انسانی آموزش دیده است. با گذشت زمان، عوامل هوش مصنوعی نه‌تنها اصول محیط را یاد می‌گیرند، بلکه درمی‌یابد که سریع‌ترین راه‌حل برای هر مشکلی تقلید از متخصص است.

ذکر نکته‌ای در این‌جا مهم است. شیرکار بال (Shikhar Bahl)، «آبیناو گوپتا» (Abhinav Gupta)، دانشیار موسسه رباتیک و «دیپاک پاتاک» (Deepak Pathak)، استادیار موسسه رباتیک، مفهوم یادگیری ربات از انسان را پیش‌تر با ارایه‌ مفهوم «آموزش ربات از طریق تقلید انسان در حیات وحش» (In-the-wild Human Imitating Robot Learning) معرفی کرده بودند؛ هرچند کاملن در جزییات یکسان نیستند. بر این مبنا WHIRL ربات‌ها را قادر می‌سازد تا با مشاهده انسان‌ها، جمع‌آوری داده‌های ویدیویی و در نهایت تسلط بر وظایف، به‌طور مستقل به یادگیری بپردازند. کار اخیر دیپ‌مایند مبتنی‌بر چنین ایده‌ای است و بر یادگیری در زمان واقعی از رفتار انسانی تاکید دارد.

پوزمِش و اهمیت رایانش فضایی

در عصری که مرزهای بین فضای دیجیتال و فیزیکی محو شده است، پردازش و رایانش فضایی (Spatial Computing) در نحوه تعامل ما با فناوری انقلابی ایجاد کرده است. مرکز اصلی این انقلاب، پروتکل پوزمِش (Posmesh) است که برای آراستن هوش مصنوعی به آگاهی فضایی طراحی شده تا هوش مصنوعی از محدودیت‌های دیجیتالی رها شود و به درک دنیای واقعی بپردازد. در اساس، رایانش فضایی به دستگاه‌های دیجیتال اجازه می‌دهد تا محیط اطراف خود را درک کرده و با آن تعامل داشته باشند. [به‌عبارتی می‌توان گفت همان‌گونه که انسان فضای اطراف خود را می‌فهمد، هوش مصنوعی بتواند با آن ارتباط برقرار کند.]

باید گفت این گام بعدی تکامل اینترنت است. جایی‌که هوش مصنوعی از صفحه نمایش خارج می‌شود تا فعالانه در زندگی ما حضور داشته باشد و با دنیای ملموس ما درگیر شود و نحوه‌ تجربه‌ ما از واقعیت را باز تعریف کند. پروتکل پوزمش تبادل عام و متمرکز بر حریم خصوصی وابسته به داده‌های مکانی را تسهیل می‌کند و می‌تواند ضمانت کند که پدیده‌ها و هستومندهای (موجودیت‌ها) دیجیتالی می‌توانند همزیستی و تعامل معنادار در دنیای ما داشته باشند.

شبکه‌ پوزمِش همچنین کانال و مجرایی است که تعامل انسان و هوش مصنوعی در محیط‌های دیجیتال مشترک را ممکن می‌سازد. این شبکه با اولویت دادن به حریم خصوصی و بهره‌وری، تجربه‌های واقعیت افزوده (AR: augmented reality) را تقویت می‌کند. چنین شبکه‌ای می‌تواند اجازه دهد تا محیط‌های همه‌جانبه‌ای (immersive environment) به‌وجود آید که در آن انسان و هوش مصنوعی، در حالی که در حال تعامل هستند، رشد کنند. [مقصود فضای سه‌بعدی پیرامون کاربر دارای هوش است که‌ به‌طور دیجیتالی ایجاد شده. باید توجه داشت که به‌نوعی مرز میان هوش مصنوعی و انسانی در این‌جا نامشخص است یا برداشته می‌شود.]

قابل ذکر است که پوزمش همچنین نقشی محوری‌ در شبکه‌های زیرساخت فیزیکی نامتمرکز (DePIN: Decentralised Physical Infrastructure Networks) ایفا می‌کند. در عمل، شبکه‌ نامتمرکزی ارایه می‌شود که به‌طور موثر قدرت محاسباتی و رایانشی را توزیع می‌کند، دسترسی مردمی به منابع رایانشی فضایی را دموکراتیک می‌کند و صنایعی مانند املاک مجازی و خرده‌فروشی را متحول می‌کند. DePIN نمایانگر مرز بعدی در کاربردهای هوش مصنوعی و واقعیت افزوده است که برای پشتیبانی از نیازهای رایانش و محاسبات فضایی بسیار اهمیت دارد.

بلاک‌چین زیربنای پوزمش، با اقتصاد نوآورانه‌ «burn-credit-mint»، مشوق مشارکت و حفظ زیرساخت‌های نامتمرکز است. همان‌طور که پوزمش به رشد خود ادامه می‌دهد، امکانات جدیدی را برای توسعه‌دهندگان، مشاغل و افراد پدید می‌آورد و آینده‌ای را شکل می‌دهد که در آن دنیای دیجیتال و دنیای فیزیکی به‌طور یکپارچه همگرا می‌شوند.

جمع‌بندی

ز

پس از بررسی این چند مثال می‌توان گفت ترکیب هوش مصنوعی و بلاک‌چین به‌طور واضح مشارکت قدرتمندی است که ظرفیت ایجاد تحول‌های عظیم بالقوه را در صنایع مختلف دارد. هوش مصنوعی، با توان بالای خود برای تشخیص الگوها و پیش‌بینی، همراه با ساختارهای نامتمرکز و امنیت رمزنگاری بلاک‌چین، اتحادی قدرتمند می‌سازد که آماده است انقلابی در نحوه مدیریت، تحلیل مسایل، بهره‌گیری از داده‌ها و حل مساله برپا کند.

ادغام هوش مصنوعی و بلاک‌چین نه‌تنها موجب افزایش سطح اعتماد و شفافیت می‌شود بلکه راه‌های تازه‌ای را برای نوآوری و بهره‌وری بیشتر می‌گشاید. این اتحاد شگفت بر آن است که از احراز هویت داده‌های پدیدآمده با هوش مصنوعی گرفته تا افزایش قابلیت‌های انسانی و خودکارسازی فرآیندهای پیچیده، همه‌ پارادایم‌های تجاری و اجتماعی موجود را دستخوش تحول کند.

اکنون در این نقطه، به تماشای دگرگونی‌ها و نوآوری‌ها ایستاده‌ایم، مهم است که فرصت‌ها و چالش‌های پیش‌رو را بشناسیم. ملاحظات اخلاقی، نگرانی‌های پیرامون حریم خصوصی در دنیای داده‌ها و چهارچوب‌های نظارتی باید به‌خوبی مورد توجه قرار گیرند تا آن‌که هوش مصنوعی و راه‌حل‌های بلاک‌چین تمام‌قد و موثر، اخلاق‌مدار و اطمینان‌بخش در دنیای وارد شوند. با ترویج این همکاری و ادامه‌ کشف و جست‌وجوگری، می‌توانیم از توان و ظرفیت «پیوند اساطیر» بهره ببریم تا آینده‌ای را بیافرینیم که در آن ماشین‌های هوشمند و شبکه‌های نامتمرکز با هماهنگی کار می‌کنند تا پیشرفت و رفاه بیشتری را شاهد باشیم.