تصعيد الجيل التالي من الذكاء الاصطناعي يزيد من المخاطر، وليس الفوائد

(MENAFN- كريبتو بريكينغ) لطالما عُرّفت الذكاء الاصطناعي على أنه نماذج أكبر، ومعالجة أسرع، ومراكز بيانات واسعة النطاق. ومع ذلك، يقترح عدد متزايد من الباحثين والمستثمرين والممارسين أن مسار النمو التقليدي يواجه سقفًا. أصبح الذكاء الاصطناعي أكثر كثافة رأس مال ومرتبطًا بالحدود الفيزيائية، مع تراجع العوائد المبكر عن توقعات الكثيرين. تؤكد البيانات الأخيرة على هذا التحول: من المتوقع أن يتجاوز الطلب على الكهرباء من مراكز البيانات العالمية الضعف بحلول عام 2030، وهو ارتفاع يقارن بتوسيع قطاعات صناعية كاملة؛ وفي الولايات المتحدة، من المتوقع أن يرتفع استهلاك الطاقة في مراكز البيانات بأكثر من 100% بحلول نهاية العقد. مع تشديد اقتصاديات الذكاء الاصطناعي، تلوح استثمارات جديدة بقيمة تريليونات الدولارات وترقيات كبيرة للشبكة، متزامنة مع تداخل التكنولوجيا في مجالات التمويل والقانون والعملات الرقمية.

نقاط رئيسية

الطلب على الطاقة المرتبط بالذكاء الاصطناعي يتسارع، مع توقع وكالة الطاقة الدولية أن يتجاوز استهلاك الكهرباء في مراكز البيانات الضعف بحلول 2030، مما يبرز قيدًا أساسيًا في نموذج التوسع الحالي. قد يشهد الولايات المتحدة ارتفاع استهلاك الطاقة في مراكز البيانات بأكثر من 100% قبل عقد 2030، مما يشكل تحديًا كبيرًا للموارد والبنية التحتية للقطاعات المدعومة بالذكاء الاصطناعي. تكاليف تدريب نماذج الذكاء الاصطناعي المتقدمة ترتفع بشكل كبير، مع تقديرات تشير إلى أن عمليات التدريب الفردية قد تتجاوز مليار دولار، مما يجعل الاستنتاج والتشغيل المستمر هو النفقات السائدة على المدى الطويل. يزداد عبء التحقق مع التوسع: مع انتشار مخرجات الذكاء الاصطناعي، يصبح الرقابة البشرية أكثر أهمية لمنع الأخطاء من الانتشار، مثل الإيجابيات الكاذبة في تصنيف مكافحة غسيل الأموال الآلي. التحولات المعمارية نحو أنظمة معرفية أو عصبية رمزية-تؤكد على التفكير، والتحقق، والنشر المحلي-تقدم مسارًا لتقليل استهلاك الطاقة وتحسين الاعتمادية مقارنةً بالتوسع القسري. قد تساهم مفاهيم الذكاء الاصطناعي اللامركزية المدعومة بالبلوكتشين في توزيع البيانات والنماذج والموارد الحاسوبية بشكل أوسع، مما يقلل من مخاطر التركيز ويجعل النشر يتوافق مع الاحتياجات المحلية.

** المزاج:** محايد

** سياق السوق:** يتداخل تقارب الذكاء الاصطناعي مع تحليلات العملات الرقمية وأدوات التمويل اللامركزي في سياق أسئلة أوسع حول استهلاك الطاقة، والتنظيم، وحوكمة اتخاذ القرارات الآلية. مع تزايد استخدام أدوات الذكاء الاصطناعي لمراقبة النشاط على السلسلة، وتقييم المشاعر، والمساعدة في تطوير العقود الذكية، يواجه القطاع ارتباطًا أكثر إحكامًا بين الأداء، والتحقق، والمساءلة.

لماذا يهم الأمر

نقاش توسيع نطاق الذكاء الاصطناعي ليس نظريًا-بل يمس جوهر كيفية وأماكن نشر الذكاء الاصطناعي في القطاعات ذات المخاطر العالية. نماذج اللغة الكبيرة (LLMs) تطورت بطلاقة من خلال مطابقة الأنماط عبر مجموعات نصوص ضخمة، مما يتيح قدرات مثيرة للإعجاب ولكن ليس دائمًا تفكيرًا قويًا وموثوقًا. مع تداخل هذه الأنظمة في سير العمل القانوني، وإدارة المخاطر المالية، وعمليات العملات الرقمية، تصبح نتائج الأخطاء أقل احتمالًا وأكثر تكلفة.

لا تزال تكلفة تدريب نماذج الذكاء الاصطناعي المتقدمة مهمة حاسمة ومكلفة. تشير تحليلات مستقلة إلى أن التكلفة التراكمية للتدريب يمكن أن تكون هائلة، مع تقديرات موثوقة تشير إلى أن عملية تدريب واحدة قد تتجاوز مليار دولار في المستقبل القريب. ومع ذلك، فإن التكلفة المستمرة للاستنتاج-تشغيل النماذج على نطاق واسع بسرعة منخفضة، وبتوافر عالي، ومتطلبات تحقق صارمة-أكثر أهمية. كل استعلام يستهلك طاقة، وكل نشر يتطلب بنية تحتية. مع توسع الاستخدام، تتضاعف استهلاك الطاقة، مما يضغط على المشغلين والشبكات على حد سواء. في سياقات العملات الرقمية، يراقب أنظمة الذكاء الاصطناعي بشكل متزايد النشاط على السلسلة، ويحلل المشاعر، ويولد رموز العقود الذكية، ويحدد المعاملات المشبوهة، ويؤتمت القرارات؛ وأي خطأ هنا يمكن أن يحول رأس المال ويقوض الثقة عبر الأسواق.

بدأ القطاع يدرك أن الطلاقة وحدها غير كافية. عندما يمكن للذكاء الاصطناعي إنتاج استنتاجات مقنعة ولكن غير صحيحة، تزداد أعباء التحقق. على سبيل المثال، تم توثيق الإيجابيات الكاذبة في تصنيف مكافحة غسيل الأموال، مما يستهلك الموارد ويشتت المحققين عن الأنشطة الحقيقية. هذا الديناميكي يبرز لماذا يتزايد الاتجاه نحو بنى معتمدة على التفكير السببي، والقواعد الصريحة، وآليات الفحص الذاتي. تعد الأساليب المعرفية والرمزية العصبية-حيث يتم تنظيم المعرفة في مفاهيم مترابطة ويمكن مراجعة واستجواب عمليات التفكير-بمستوى أعلى من الاعتمادية مع استهلاك أقل للطاقة مقارنةً بالتوسع القسري.

إلى جانب البنية، هناك اتجاه أوسع نحو اللامركزية في تطوير الذكاء الاصطناعي نفسه. تستكشف بعض المنصات نماذج مدعومة بالبلوكتشين للمساهمة بالبيانات، والنماذج، والموارد الحاسوبية، مما يقلل من مخاطر التركيز ويجعل النشر يتوافق مع الاحتياجات المحلية. في مجال يتطلب دقة عالية ومخاطر كبيرة، فإن القدرة على التفتيش، والتدقيق، وتشكيل أنظمة الذكاء الاصطناعي مهمة بقدر أهمية النتائج التي تنتجها. نقطة التحول واضحة: التوسع فقط من أجل التوسع قد لا يكون كافيًا بعد الآن. يجب على القطاع الاستثمار في بنى تجعل الذكاء أكثر موثوقية، وقابل للتحقق، ومتحكمًا فيه من قبل المجتمعات بدلاً من البنى التحتية المركزية البعيدة.

مع تداخل اعتبارات الذكاء الاصطناعي في سير عمل العملات الرقمية، تزداد المخاطر. مراقبة السلسلة، وتحليل المشاعر لإشارات السوق، وتوليد الكود التلقائي للعقود الذكية، وأتمتة إدارة المخاطر كلها تعتمد بشكل متزايد على الذكاء الاصطناعي، لكنها تتطلب مستوى أعلى من الثقة. التوتر بين السرعة والدقة-بين قرارات سريعة وآلية واستنتاجات قابلة للتحقق-سيشكل الموجة القادمة من أدوات العملات الرقمية والحوكمة. النتيجة ليست فقط نماذج أكبر، بل أنظمة أفضل يمكنها التفكير في خطواتها، وشرح استنتاجاتها، والعمل ضمن قيود واضحة.

في النهاية، يواجه القطاع نقطة انعطاف. إذا أعطت البنى والتفكير الأولوية على مجرد الحجم، قد يصبح الذكاء الاصطناعي أكثر تكلفة في التشغيل، مع بقاءه أكثر أمانًا وأسهل في السيطرة. قد تتراجع مرحلة النمو على حساب مرحلة أكثر تعمدًا حيث يرتبط خلق الثروة في الذكاء الاصطناعي والعملات الرقمية بالتحقق الشفاف، والتصميم المرن، والتعاون اللامركزي. يجادل الكاتب أن الطريق للمستقبل يكمن في إعادة التفكير في كيفية بناء ونشر الذكاء-مع إعطاء الأولوية للتفكير القوي والحوكمة على الزيادات التدريجية في عدد المعلمات.

ما الذي يجب مراقبته بعد ذلك

التطورات التنظيمية والسياسية حول سلامة الذكاء الاصطناعي، والتدقيق، والمساءلة في التمويل والعملات الرقمية. التقدم في الذكاء الاصطناعي المعرفي والبنى الرمزية العصبية، بما في ذلك النشر العملي على الأجهزة الطرفية والخوادم المحلية. المبادرات اللامركزية للذكاء الاصطناعي التي تستخدم نماذج مستوحاة من البلوكتشين لتوزيع البيانات، والنماذج، والموارد الحاسوبية. التغيرات في قدرة مراكز البيانات، وأسعار الطاقة، والبنية التحتية للشبكة المرتبطة بطلب الذكاء الاصطناعي. معايير جديدة أو دراسات حالة توضح المقايضات بين الحجم، والتفكير، والتحقق في تطبيقات العملات الرقمية الواقعية.

المصادر والتحقق

الطلب على الطاقة من الذكاء الاصطناعي: الوكالة الدولية للطاقة، الطاقة والذكاء الاصطناعي - الطلب على الطاقة من الذكاء الاصطناعي. توقعات استهلاك الطاقة في مراكز البيانات الأمريكية: مركز بيو للأبحاث / استهلاك الطاقة في مراكز البيانات الأمريكية وسط ازدهار الذكاء الاصطناعي. ملاحظة تحذيرية قانونية بريطانية حول الذكاء الاصطناعي: مقال في الجارديان عن تحذير المحكمة العليا من التشريعات المزيفة الناتجة عن الذكاء الاصطناعي في الملفات القانونية (يونيو 2025). الإيجابيات الكاذبة في مكافحة غسيل الأموال ومخاطر الذكاء الاصطناعي: مواضيع في IBM Think حول اكتشاف الاحتيال في البنوك وقضايا تصنيف مكافحة غسيل الأموال ذات الصلة. تكاليف تدريب نماذج الذكاء الاصطناعي المتقدمة وتكاليف الاستنتاج المستمرة: مدونات Epoch AI وتحليلات Digital Experience Live. تطبيقات الذكاء الاصطناعي على السلسلة والعملات الرقمية: الجهود حول إيثيريوم والأدوات على السلسلة التي تستفيد من إشارات الذكاء الاصطناعي (كما هو مذكور في التغطية الإعلامية).

إعادة التفكير في توسيع نطاق الذكاء الاصطناعي: الطاقة، والتفكير، وواجهة العملات الرقمية

لطالما توسع الذكاء الاصطناعي على أساس بسيط-المزيد من البيانات، نماذج أكبر، أجهزة أسرع ستوفر أداءً أفضل وتخفض التكاليف باستمرار. ومع ذلك، تشير الإشارات الاقتصادية والتقنية الأخيرة إلى تحول. تتزايد كثافة الطاقة والرأس مال بشكل أسرع من المتوقع، مع توقع أن يتجاوز الطلب على الكهرباء في مراكز البيانات العالمية الضعف بحلول 2030. في الولايات المتحدة وحدها، من المتوقع أن يرتفع استهلاك الطاقة في مراكز البيانات بأكثر من 100% قبل نهاية العقد، وهو مسار يتطلب استثمارات هائلة في قدرة الشبكة والبنية التحتية مع تداخل الذكاء الاصطناعي في قطاعات حيوية، بما في ذلك الأسواق، والامتثال، ومراقبة النشاط على السلسلة.

لا تزال تكلفة تدريب نماذج الذكاء الاصطناعي المتقدمة عالية جدًا، مع تقديرات موثوقة تشير إلى أن تكلفة كل عملية تدريب قد تتجاوز مليار دولار. ومع ذلك، فإن التكاليف المستمرة للاستنتاج-العمل المستمر بسرعة منخفضة وموثوقية عالية-أكثر أهمية. في الأسواق والعملات الرقمية، يُستخدم الذكاء الاصطناعي بشكل متزايد لمراقبة النشاط على السلسلة، وتحليل المشاعر، وتوليد رموز العقود الذكية، وتحديد المعاملات المشبوهة، وأتمتة القرارات الحوكمة. النتيجة هي تعرض مزدوج: إشارات سريعة تعتمد على البيانات، مع خطر الإشارات الكاذبة التي قد تسيء تخصيص رأس المال أو تصنيف المخاطر بشكل خاطئ. على سبيل المثال، تظهر الإيجابيات الكاذبة في تصنيف مكافحة غسيل الأموال مدى عدم موثوقية المخرجات، حيث تستهلك الموارد البشرية وتقلل الثقة عند الانتشار الواسع.

لمواجهة هذه الضغوط، يتغير السرد من مجرد الحجم إلى بنى تركز على التفكير والتحقق. تسعى الأساليب المعرفية والرمزية العصبية إلى دمج التعرف على الأنماط مع المعرفة المهيكلة، والقواعد، وآليات الفحص الذاتي. تهدف هذه الأنظمة إلى تقديم مسارات تفكير قابلة للاستخدام وعمليات اتخاذ قرار شفافة، مما يقلل من الحاجة إلى الحوسبة القسرية ويمكّن من استهلاك طاقة أكثر قابلية للتوقع. تظهر العروض الأولية أن النشر المحلي أو على الحافة، المدعوم بتمثيلات المعرفة، يمكن أن يبقي السيطرة في يد المستخدمين والمنظمات بدلاً من الاعتماد على البنى التحتية المركزية غير الشفافة.

نماذج الذكاء الاصطناعي اللامركزية-حيث يمكن للمشاركين المتنوعين المساهمة بالبيانات، والنماذج، والحوسبة-توفر مسارًا آخر للمرونة. من خلال توزيع عبء العمل والرقابة، يمكن للمجتمعات تقليل مخاطر التركيز وتخصيص نشرات الذكاء الاصطناعي لتلبية الاحتياجات المحلية. في هذا النظام البيئي، يصبح دور الحوكمة أكثر وضوحًا: يجب أن تتيح المنصات التدقيق، والتعديل، والتشغيل البيني دون المساس بالأمان أو الأداء. يمثل التحول نحو التفكير الأكثر تطورًا، مع الالتزام بنتائج قابلة للتحقق، خروجًا مهمًا من التوسع فقط من أجل التوسع. إذا تمكن القطاع من تطبيق البنى المعرفية على نطاق واسع، قد تتحسن اقتصاديات الذكاء الاصطناعي-مخفضة استهلاك الطاقة لكل قرار وعبء التحقق على المشغلين البشريين.

في مجال العملات الرقمية، يكتسب هذا التطور أهمية. ستؤثر موثوقية تحليلات السلسلة المدعومة بالذكاء الاصطناعي، والكشف عن الاحتيال، وأدوات العقود الذكية على ثقة المستثمرين ونزاهة السوق. الطريق إلى الأمام يتطلب ليس فقط أنظمة أكبر، بل أنظمة أذكى-أنظمة يمكن فحصها، وتحديها، وتحسينها من قبل مجتمع واسع. النقاش لم يعد حول ما إذا كان يجب أن ينمو الذكاء الاصطناعي، بل كيف ينمو بطريقة يمكن تدقيقها، وثقة، ومتوافقة مع احتياجات التمويل اللامركزي والأسواق الرقمية الأوسع.

** ملاحظة المخاطر والشراكة:** الأصول الرقمية متقلبة ورأس المال معرض للخطر. قد يحتوي هذا المقال على روابط تابعة.