دائرة الذكاء الاصطناعي ليس لديها وقت لسلسلة الكتل.

المؤلف: إيكو آن، ريان يون؛ المصدر: Tiger Research؛ الترجمة: BitpushNews

تواصل صناعة الذكاء الاصطناعي مسيرتها القوية دون أي علامات على التباطؤ. ومع ذلك، فإن الوضع في مجال "البلوكشين والذكاء الاصطناعي" مختلف تمامًا. لماذا فشل في جذب الاهتمام المناسب؟

النقاط الأساسية

• في خضم طفرة الذكاء الاصطناعي، تحتاج صناعة البلوكشين إلى النظر من منظور جانب الطلب: ما هي المشكلات التي يحلها والتي لا تستطيع الأنظمة الحالية حلها، وما هي القدرات الفريدة التي يقدمها؟

• الحوسبة والتخزين اللامركزيان يمتلكان بالفعل منطقًا معقولًا من حيث سيادة البيانات والقدرة التنافسية من حيث التكلفة. العقبة تكمن في أن كلاهما لم يُظهر حتى الآن ميزة تقنية مقنعة كافية لجعل العملاء المرتبطين بالفعل بالبنية التحتية السحابية الحالية يتحملون مخاطر الانتقال.

• المشكلات التي تعالجها تقنيات التحقق من النماذج والخصوصية لم تصل بعد إلى درجة من الإلحاح تدفع الشركات إلى اتخاذ إجراءات استباقية. هذا النوع من الطلب من المرجح أن يأتي استجابة للمتطلبات التنظيمية، وليس قبلها. قانون الذكاء الاصطناعي للاتحاد الأوروبي هو نموذج نموذجي: المعايير أولاً، ثم السوق يتبع.

• في فئة إطارات الوكلاء (Agent)، لا تكمن العقبة في التكنولوجيا. الشركات الرئيسية لا تزال تركز على أتمتة سير العمل الداخلي، بينما مشاريع البلوكشين تبني بالفعل طبقة البنية التحتية للمرحلة التالية. يحتاج الطلب إلى وقت ليلحق بالتكنولوجيا.

• مدفوعات الوكلاء هي المجال الوحيد الذي يقف فيه البلوكشين والتمويل التقليدي على نفس خط البداية. كلاهما لم يحل هذه المشكلة بعد، مما يجعلها الفئة الوحيدة التي تواجه فيها كلاهما نفس التحدي.

• بشكل عام، تعاني صناعة الذكاء الاصطناعي والبلوكشين ليس بسبب عدم منطقية الجمع بينهما، بل بسبب عدم التوافق: هناك أربع فئات تواجه كل منها أسبابًا مختلفة لعدم تشكل الطلب بعد، وفقط مدفوعات الوكلاء تملك حاليًا شروط المنافسة المتكافئة.

1. مشاريع البلوكشين المنسية في طفرة الذكاء الاصطناعي

تمر صناعة الذكاء الاصطناعي باستثمارات غير مسبوقة في رأس المال والبنية التحتية. أصبح نظام النماذج اللغوية الكبيرة، الذي تهيمن عليه شركات التكنولوجيا الكبرى، سمة قياسية للحياة اليومية والعمليات الصناعية. في ظل هذا التوسع السريع، تتطور صناعة العملات المشفرة أيضًا بسرعة، ساعية إلى إيجاد نقاط التقاء تقنية مع الذكاء الاصطناعي.

ركزت الجهود المبكرة على استكمال أو نسخ حلقات سلسلة قيمة الذكاء الاصطناعي التقليدية: توفير وحدات معالجة رسومية لامركزية، استعادة ملكية البيانات، والتحقق التشفيري. مؤخرًا، تحول التركيز إلى سد الفجوات التي يصعب على البنى المركزية حلها، بما في ذلك النشاط الذاتي لوكلاء الذكاء الاصطناعي على السلسلة والتسوية الفورية بين الآلات (M2M).

إن وصف هذا المجال بشكل عام بـ"الذكاء الاصطناعي زائد البلوكشين" يخفي تعقيده. نحتاج إلى تحليل صارم من جانب الطلب: ما هي المشكلة التي تعالجها كل فئة فرعية؟ هل توفر الحلول الأصلية للبلوكشين حلولاً مختلفة حقًا؟

2. وظائف كل فئة

2.1. الحوسبة اللامركزية

يعتمد سوق الحوسبة السحابية الحالي هيكليًا على عدد قليل من شركات التكنولوجيا الكبرى التي تتحكم في موارد الحوسبة. من الصعب الحصول على وحدات معالجة رسومية عالية الأداء وهي باهظة الثمن، مما يخلق حاجز دخول مرتفع لشركات الذكاء الاصطناعي الناشئة وفرق البحث التي لا تستطيع الوصول إلى بنية تحتية واسعة النطاق.

تركز الأنظمة المركزية الموارد نحو أكبر المشترين، ولا توجد قنوات محايدة في السوق يمكنها إعادة توزيع سعة وحدات المعالجة الرسومية الخاملة الكبيرة.

تعالج الحوسبة اللامركزية هذه المركزية وعدم الكفاءة بطريقتين:

• نموذج الاقتصاد التشاركي: تجمع المشاريع موارد وحدات المعالجة الرسومية الخاملة التي يحتفظ بها الأفراد ومراكز البيانات الصغيرة في شبكة موحدة، مما يخلق سلسلة توريد أكثر مرونة خارج احتكارات التكنولوجيا الحالية.

• نموذج الحوسبة الموزعة: يمكن للمستخدمين استئجار موارد حوسبة على مستوى العالم دون الاعتماد على بنية تحتية لمزود واحد، مما يزيد من استخدام الأجهزة ويخفض حاجز الدخول للحوسبة عالية الأداء.

2.2. التخزين اللامركزي

تعتمد بنية تخزين البيانات الحالية بالكامل تقريبًا على البنى التحتية السحابية المركزية التي تديرها شركات مثل Google وMeta. عندما يقوم المستخدمون بتحميل بياناتهم إلى هذه المنصات، تنتقل الملكية فعليًا إلى المنصة، مما يعزز احتكارها لبيانات تدريب الذكاء الاصطناعي. تقدم البنية التحتية المركزية أيضًا مخاطر تشغيلية: تغييرات السياسة، انقطاع الخدمة، أو فشل المنصة قد يقطع الوصول إلى البيانات أو يؤدي إلى فقدانها.

يعالج التخزين اللامركزي هذه المشكلات الهيكلية بطريقتين:

• نموذج الاقتصاد التشاركي: مثل Filecoin وArweave، حيث يتم تجميع مساحة التخزين الخاملة للمشاركين في شبكة يمكن أن تحل محل الخدمات السحابية المركزية الحالية.

• نموذج التخزين الدائم: يتم توزيع البيانات بشكل مكرر عبر العقد لضمان استمرارية البيانات بغض النظر عن حالة تشغيل أي خادم فردي، وتقليل الاعتماد على أي منصة واحدة.

2.3. أسواق البيانات

يحتاج مطورو الذكاء الاصطناعي إلى بيانات تدريب، لكن سوق توزيع البيانات الحالي يعمل بنمط مغلق، حيث تسيطر منصات كبيرة مثل Hugging Face وموفري الخدمات السحابية على الفوائد الاقتصادية وتتحكم في التسعير. لا يحصل منشئو البيانات على تعويض يذكر، وتفتقر آليات المكافآت لجمع البيانات والمساهمة إلى الشفافية.

تقوم الأسواق على السلسلة بإزالة الوسطاء عبر العقود الذكية وإنشاء شروط تداول شفافة:

• نموذج التداول المباشر: مثل Ocean Protocol، حيث يتداول مالكو البيانات ومطورو الذكاء الاصطناعي مباشرة عبر العقود الذكية، مع توزيع شفاف للتعويضات.

• نموذج مكافآت المساهمة: مثل Grass، حيث يقوم الأفراد بتوصيل النطاق الترددي الخامل لجمع بيانات الذكاء الاصطناعي ويحصلون على تعويض يتناسب مع قيمة مساهمتهم.

2.4. التحقق من النموذج والاستدلال/الخصوصية

تعمل أنظمة الذكاء الاصطناعي التقليدية مثل "الصندوق الأسود"، دون وسائل خارجية للتحقق من تشغيل النموذج بشكل صحيح أو معالجة بيانات المستخدم الحساسة بأمان.

يقدم التعلم الآلي بدون معرفة (ZKML) طبقة تحقق تشفيري لاستدلال الذكاء الاصطناعي، مما يحقق الخصوصية وقابلية التدقيق. في هذه البنية، يعمل النموذج خارج السلسلة بالطريقة التقليدية، لكن عملية الحساب تولد دليلاً تشفيريًا يثبت أن العملية تم تنفيذها بشكل صحيح وفقًا للقواعد المحددة.

ما يتم تسجيله على السلسلة هو هذا "الدليل"، وليس البيانات الأساسية. على سبيل المثال: في خدمة معالجة مطالبات التأمين الطبي الآلية، يحتاج المستشفى فقط إلى تقديم دليل على أن نموذج الذكاء الاصطناعي يعمل بشكل صحيح، دون مشاركة السجلات الطبية الكاملة. يمكن لشركة التأمين التحقق من شرعية المطالبة دون الوصول إلى البيانات الأصلية.

2.5. إطارات وكلاء الذكاء الاصطناعي

مع تحول وكلاء الذكاء الاصطناعي إلى جوهر رئيسي لتدفق القيمة وخلقها، فإنهم يتطورون من أدوات إلى فاعلين اقتصاديين مستقلين. النظم المالية الحالية مصممة حول أنماط الاستهلاك البشري، وهي غير متوافقة هيكليًا مع بيئة الدفع المركزة على الآلات.

يتطلب اقتصاد الوكلاء مدفوعات دقيقة، وتسويات عالية التردد، ومدفوعات عبر الحدود بزمن استجابة بالمللي ثانية، والبنية التحتية المالية الحالية غير قادرة على التكيف مع هذه الاحتياجات.

تعالج البنية التحتية للوكلاء على السلسلة هذه المشكلة من خلال آليتين:

• آلية التنفيذ الذاتي والتحكم: تخصيص محافظ وهويات فريدة لوكلاء الذكاء الاصطناعي، مما يمكنهم من توقيع المعاملات مباشرة، مع وضع حدود للإنفاق وإجراءات وقائية ضد السلوك غير المتوقع.

• آلية التسوية القائمة على البروتوكول: استخدام بروتوكولات الدفع بالعملات المستقرة مثل x402 لتسوية المعاملات الدقيقة والمدفوعات عالية التردد في الوقت الفعلي، متجاوزة تحويل العملات وعمليات الموافقة.

3. لماذا انحرف الذكاء الاصطناعي والبلوكشين عن سلسلة قيمة الذكاء الاصطناعي

تتشكل سلسلة قيمة الذكاء الاصطناعي حول "إزالة الاختناقات بالتتابع". مع نمو الطلب على الذكاء الاصطناعي، تظهر نقص في الذاكرة، وتقييد في قدرة نقل البيانات والطاقة. الشركات التي تحل هذه المشكلات بسرعة (مثل مصنعي HBM ومزودي البنية التحتية للطاقة) تجتذب رأس مال كبير وارتفاعًا في القيمة السوقية. يمنح السوق بوضوح قيمة للحلول التي تزيل عقبات النمو.

على الرغم من أن مشاريع الذكاء الاصطناعي والبلوكشين حددت مشكلات حقيقية، إلا أنها لم تحصل على نفس المستوى من الاهتمام السوقي. إذا كانت هذه المشكلات ملحة كما يُزعم، لكانت قد دفعت بالفعل إلى تحول كبير في السوق.

السبب الجذري لعدم جذب مشاريع الذكاء الاصطناعي والبلوكشين لرأس المال الرئيسي مع سعيها لتحقيق أهداف منطقية مثل "تقليل مركزية وحدات المعالجة الرسومية" و"استعادة سيادة البيانات" هو الفجوة الكبيرة بين أولويات مزودي التكنولوجيا وأولويات المشترين الذين يتحكمون في تخصيص رأس المال.

تعمل صناعة الذكاء الاصطناعي على جداول زمنية تنافسية، ويستثمر المشترون (بشكل أساسي شركات التكنولوجيا الكبرى وعملاء المؤسسات) بشكل كبير في التقنيات التي تحل اختناقاتهم التشغيلية الفورية بأسرع وقت. لا يقضون وقتًا في تقييم البنى التحتية غير المثبتة. أولوياتهم هي أداء الحوسبة، وموثوقية البنية التحتية، وعائد استثمار قابل للإثبات.

على سبيل المثال: عندما أصبحت سرعة نقل البيانات عنق الزجاجة في تدريب النماذج، تدفق رأس المال نحو البنية التحتية للألياف الضوئية لتحل محل الكابلات النحاسية؛ عندما أصبح عرض نطاق الذاكرة القيد الرئيسي، حلت SK Hynix وSamsung Electronics هذه المشكلة الحرجة من خلال الذاكرة عالية النطاق (HBM)، مما أكسبها اعترافًا عالميًا. النمط ثابت: رأس المال يتبع من يزيل العوامل المقيدة للتقدم.

المشكلة الأساسية في الذكاء الاصطناعي والبلوكشين تكمن في "التموضع". المشترون ذوو الميزانيات الرأسمالية الكبيرة يركزون فقط على تحسينات الأداء القريبة وخفض التكاليف. في المقابل، يركز الذكاء الاصطناعي والبلوكشين على مشكلات يعتبرها المشترون "ثانوية" أو "حالة مستقبلية". عدم التوافق بين الطموح التقني من جانب العرض والمتطلبات التشغيلية الفورية من جانب الطلب.

3.1. القيود التقنية

تستخدم بعض المشاريع اختبارات القياس لإظهار إمكانات وتصميم البنية التحتية اللامركزية. لكن المشكلة الأكثر جوهرية هي أن هذا العمل لم ينتج بعد قفزة تقنية حاسمة كافية لتحل محل اللاعبين الرئيسيين في السوق السائد.

لكي تتمكن تقنية جديدة من انتزاع حصة من مزودي الخدمات السحابية المركزية مثل AWS أو GCP الذين يمتلكون بالفعل رأس مال وبنية تحتية هائلة، يجب أن تقدم ميزة أداء هائلة تجعل الفجوة مع اللاعبين الحاليين غير مهمة.

عندما تحولت Apple من رقائق Intel إلى رقائق M1 (وتحملت المخاطرة الكبيرة بتعطيل توافق البرامج)، كان تبرير ذلك هو تحسين كفاءة الطاقة بمقدار ثلاثة أضعاف - فجوة كافية لجعل التحويل يستحق العناء.

بالنسبة للمشترين من المؤسسات الذين يحتاجون إلى مزامنة بيانات بحجم PB وزمن استجابة فائق الانخفاض كشروط أساسية، لم يقدم الذكاء الاصطناعي والبلوكشين بعد حالة واضحة كافية لجعلهم يقبلون مخاطر الانتقال.

3.2. عدم توافق الطلب

في مجال الحوسبة اللامركزية، قدمت بعض المشاريع "اتفاقيات مستوى الخدمة" (SLA) كآلية لتخفيف المخاطر، لكن المشترين من المؤسسات لا يزالون غير مقتنعين. السبب هيكلي وليس تعاقديًا. يقدم مزودو الخدمات السحابية الكبار مراكز بيانات خاضعة للرقابة وحصرية. تعتمد شبكات البلوكشين على مشاركة عقد متناثرة ومجهولة.

إذا انقطعت عقدة وأوقفت مهمة تدريب نموذج قيمتها مئات المليارات من الوون، لا يمكن لأي تعويض بالرموز أو تعويض مالي أن يعوض تكلفة الفرصة وفقدان الوقت. بالنسبة للمشترين من المؤسسات الذين يعملون على جداول زمنية تنافسية، فإن استقرار النظام ليس معلمة قابلة للتفاوض. حتى مع وجود آليات التحوط، فإن معظم المشترين ليس لديهم حافز لتحمل مخاطر عدم اليقين المتبقية.

3.3. الطلب لم يتشكل بعد

إطارات الوكلاء على البلوكشين مصممة لأنظمة بيئية معقدة (أي تعاون عدة وكلاء ذكاء اصطناعي بشكل مستقل)، لكن هناك فجوة نضج بين هذه الرؤية والوضع السائد في السوق الرئيسية.

تحت قيادة شركات مثل Microsoft وSalesforce، يتسارع تبني المؤسسات لوكلاء الذكاء الاصطناعي، لكن التركيز الحالي ينصب بشكل ثابت على "أتمتة سير العمل" التي تعمل داخل شبكات داخلية خاضعة للرقابة. البنية التحتية التي تطورها مشاريع البلوكشين تستهدف المرحلة التالية: وكلاء ذكاء اصطناعي مستقلون يعملون بشكل ذاتي على شبكات خارجية خارج أي حدود تنظيمية. معظم المؤسسات لا تزال تركز حاليًا على بناء استقرار وعائد استثمار أنظمة الذكاء الاصطناعي التي نشرتها. التعاون متعدد الوكلاء عبر الشبكات الخارجية ليس من أولويات خارطة طريق البنية التحتية للمؤسسات.

يعكس الطلب المحدود في هذه المرحلة "التوقيت" وليس "الفشل التقني". ينبغي فهم هذا على أنه استثمار طويل الأجل في البنية التحتية لاقتصاد الوكلاء المستقبلي، وليس فرصة إيرادات قريبة.

3.4. الشروط التنظيمية المسبقة

تعتبر تقنيات إثباتات عدم المعرفة (ZK) وحماية الخصوصية حلولاً أساسية لبناء الثقة في الذكاء الاصطناعي، لكن في المراحل المبكرة من تبني الذكاء الاصطناعي، يكون الطلب الفعلي للمؤسسات على البنية التحتية للخصوصية محدودًا. من غير المرجح أن يدفع التبني الطوعي من قبل المؤسسات إلى انتشار ذي معنى؛ المسار الأكثر احتمالاً هو أن المعايير التنظيمية تخلق الطلب، ثم تتبعها التكنولوجيا.

يعد تزايد تحديد الأطر التنظيمية العالمية (بما في ذلك قانون الذكاء الاصطناعي للاتحاد الأوروبي) تطورًا إيجابيًا في هذا الصدد. مع تحول المتطلبات القانونية حول مصدر البيانات والأمان إلى متطلبات محددة، من المتوقع أن تصبح قدرات التحقق المتقدمة للبلوكشين متطلبات امتثال في نشر المؤسسات، وليس خيارًا.

يجب فهم التطور التنظيمي في هذا المجال كمحفز لتشكيل السوق، وليس كقيود. المعايير التنظيمية الواضحة تقلل من عدم اليقين في السوق، وبالتالي تخلق مسارًا مستقرًا يمكن للذكاء الاصطناعي والبلوكشين من خلاله بناء طلب رئيسي ضمن الإطار المؤسسي.

3.5. نقص حالات الاستخدام الكافية

تتجمع هذه العوامل الهيكلية معًا لتنتج مشكلة أكثر جوهرية: نقص "حالة نجاح محددة" يمكنها إثبات القيمة على نطاق واسع. بنت صناعة الذكاء الاصطناعي التقليدية مكانتها الحالية من خلال دولاب النمو الذي أحدثه ChatGPT، مستخدمة منتجًا محددًا وواسع الرؤية لجذب رأس المال والمواهب اللازمة لدعم النمو الإضافي.

لم تنتج مشاريع الذكاء الاصطناعي والبلوكشين بعد دليلاً مكافئًا على ملاءمة المنتج للسوق (Product-Market Fit) على نطاق واسع. بصرف النظر عن الحماس المجتمعي المبكر، لم يثبت أي مشروع مستوى من التبني في العمليات المؤسسية أو الحياة اليومية للمستهلكين يكفي لجذب اهتمام جاد من رأس المال الرئيسي. لا يزال نقص حالات المرجع المقنعة أكبر عقبة أمام جذب الاستثمارات المؤسسية المحافظة التي يمكنها تسريع التبني الأوسع.

4. هل للجمع بينهما قيمة؟

لم يجد الذكاء الاصطناعي والبلوكشين موطئ قدم في سلسلة قيمة الذكاء الاصطناعي الرئيسية. لكن هل هذا يعني أن الجمع بينهما لا معنى له؟

لا.

السبب الجذري الذي يجعل مشاريع الذكاء الاصطناعي والبلوكشين مهمشة حاليًا ليس لأن منطق الجمع متناقض، بل لأن هناك عدم توافق في كل فئة فرعية بين متطلبات الصناعة القائمة والتوجه الذي تقدمه التكنولوجيا.

أولويات صناعة الذكاء الاصطناعي التقليدية واضحة: الأداء القريب، تحسين التكلفة، وموثوقية البنية التحتية الصارمة. بينما تركز العديد من مقترحات الذكاء الاصطناعي والبلوكشين الحالية على ملكية البيانات، وشفافية الحوسبة، واللامركزية.

هذه المشكلات ليست "اختناقات فورية" بالنسبة للاعبين الراسخين في الصناعة، وتحقيق هذه الأهداف غالبًا ما يتطلب قبول خسائر في الأداء تكون باهظة الثمن مقارنة بالفوائد.

قبل طفرة الذكاء الاصطناعي، كانت شركات البنية التحتية للكهرباء تصنف على نطاق واسع كشركات ناضجة ومنخفضة النمو. أدى الطلب على الطاقة المدفوع بمراكز البيانات إلى تغيير ذلك، ومنذ ذلك الحين اجتذبت اهتمامًا سوقيًا كبيرًا. قد يعكس الفتور الحالي تجاه الذكاء الاصطناعي والبلوكشين تأخرًا مماثلاً - فترة انتقالية قبل أن يخلق نموذج جديد الظروف التي تظهر قيمته.

خلال هذه الفترة الانتقالية، يكمن المفتاح في كيفية استجابة الصناعة لاحتياجات السوق الحقيقية.

الطريق أمامنا يتفرع إلى اتجاهين: التكيف النشط مع معايير سلسلة قيمة الذكاء الاصطناعي الحالية لسد فجوة الأداء الحالية في أقرب وقت، أو التمسك بالقدرات الحالية مع الاستمرار في بناء البنية التحتية المطلوبة لنشر الجيل التالي من الذكاء الاصطناعي.

ستعتمد النتيجة النهائية على أي خيار يتوافق بشكل أفضل مع الاتجاه التالي للطلب.