به گزارش شبکه اطلاع‌رسانی طلا و ارز و به نقل از فوربز، در حالی که هوش مصنوعی با سرعتی چشمگیر در حال پیشرفت است، روایت غالب آن همچنان در انحصار چند شرکت بزرگ فناوری مانند OpenAI، گوگل و متا باقی مانده. اما در حاشیه این غوغا، جنبشی آرام و شاید بنیادی‌تر در حال شکل‌گیری است: حرکت به‌سوی هوش مصنوعی غیرمتمرکز (DeAI). این تحول صرفاً درباره الگوریتم‌های نوین نیست، بلکه واکنشی است به تمرکز بیش از حد قدرت.
کاربران نسبت به سیستم‌های مبهم، اهداف پنهان داده‌محور و سلطه چند شرکت معدود، نگران شده‌اند. اما گریختن از این «باغ‌های محصور» به معنای بازسازی کامل بنیان‌های هوش مصنوعی است. خوشبختانه پروژه‌هایی در حال ظهور هستند که مستقیماً با این چالش‌ها مواجه شده و در تلاش‌اند آینده‌ای متفاوت برای AI ترسیم کنند. درک این دگرگونی برای فعالان و سرمایه‌گذاران حوزه غیرمتمرکز حیاتی است؛ چراکه موج بعدی نوآوری در AI، به موفقیت همین زیرساخت‌های جایگزین بستگی دارد.
چه چیزی هوش مصنوعی غیرمتمرکز را متمایز می‌کند؟
اجرای AI در محیطی غیرمتمرکز و بی‌نیاز از اعتماد (trustless)، قواعد بازی را دگرگون می‌سازد. هر تصمیم یا خروجی، ممکن است نیازمند تأیید رمزنگاری‌شده باشد. دسترسی به داده‌ها اغلب از مسیرهای پیچیده‌ای همچون نمایه‌سازی بلاک‌چینی عبور می‌کند. برخلاف غول‌های متمرکز، پروژه‌های DeAI نمی‌توانند به‌سادگی منابع محاسباتی خود را در AWS یا Google Cloud افزایش دهند؛ مگر با چشم‌پوشی از اصول بنیادی‌شان.
تصور کنید مدلی از DeAI برای حکمرانی اجتماعی طراحی شده باشد. این مدل باید با قراردادهای هوشمند (حتی به‌صورت بین‌زنجیره‌ای) تعامل داشته، محرمانگی کاربران را با رمزنگاری پیشرفته حفظ کند و هم‌زمان شفاف باقی بماند؛ چالشی بسیار متفاوت از کاربردهای سنتی AI مانند تحلیل داده‌ها. همین پیچیدگی‌ها باعث شد تلاش‌های اولیه در زمینه DeAI یا عملکرد را فدای غیرمتمرکز بودن کنند، یا در برابر نیازهای پردازشی از هم بپاشند. نقطه‌ی عطف، زمانی پدید آمد که تیم‌ها به‌جای تطبیق مدل‌های موجود با بلاک‌چین، از پایه سیستم‌هایی را برای شفافیت، تمرکززدایی و کنترل کاربر طراحی کردند.
از ایده اولیه تا بلاک‌چین اصلی (Mainnet)
امروزه پروژه‌های DeAI از مرحله ایده و تئوری فراتر رفته و سیستم‌هایی عملی ارائه کرده‌اند که جایگزینی واقعی برای مدل‌های متمرکز به‌شمار می‌روند. یکی از نمونه‌های برجسته، پلتفرم Kava است که با تمرکز بر شفافیت، در برابر AI متمرکز ایستادگی کرده و به یکی از بازیگران مهم این فضا تبدیل شده است. به گفته اسکات استوارت، یکی از بنیان‌گذاران Kava، در گفت‌وگویی در هنگ‌کنگ، افزایش تقاضای کاربران برای سیستم‌های پاسخ‌گو مشهود است. Kava اکنون بیش از ۱۰۰ هزار کاربر دارد؛ نشانه‌ای از رشد یک مدل جایگزین شفاف و جامعه‌محور در برابر سیستم‌های «جعبه سیاه» غول‌های فناوری.
زیرساخت‌های هوش مصنوعی غیرمتمرکز: ستون فقرات آینده‌ای شفاف‌تر
پروتکل NEAR، زیرساختی مقیاس‌پذیر برای اجرای اپلیکیشن‌های غیرمتمرکز با توان پردازشی بالا فراهم می‌کند؛ بستری مناسب برای پیاده‌سازی مؤثر هوش مصنوعی غیرمتمرکز. در همین راستا، «اینترنت کامپیوتر» (ICP) نیز پلتفرمی منحصربه‌فرد ارائه می‌دهد که امکان اجرای کامل برنامه‌های AI روی زنجیره را فراهم می‌سازد؛ گامی کلیدی برای تضمین امنیت و تمرکززدایی واقعی.
ساخت ستون فقرات DeAI
نیازهای خاص DeAI، خلأهای مهمی در زیرساخت فعلی Web3 نمایان کرده‌اند. شبکه Akash از نخستین پروژه‌هایی بود که به این چالش پی برد. راهکار آن‌ها، یعنی DePIN (شبکه زیرساخت فیزیکی غیرمتمرکز)، با بهره‌گیری از منابع محاسباتی بلااستفاده در سراسر جهان، بازاری جهانی برای توان پردازشی ایجاد کرده است. این سیستم جایگزینی مقاوم و مقرون‌به‌صرفه برای خدمات ابری متمرکز فراهم می‌کند و مقاومت در برابر سانسور را افزایش می‌دهد.
دسترسی به داده نیز یکی از قطعات کلیدی این پازل است. پلتفرم The Graph، فرایند نمایه‌سازی و جست‌وجوی داده‌های بلاک‌چینی را ساده کرده و به برنامه‌های DeAI امکان می‌دهد تا حجم عظیمی از اطلاعات روی زنجیره را، بدون فشار بیش از حد بر گره‌ها، تحلیل و پردازش کنند. در سراسر اکوسیستم، تأثیر این پیشرفت‌های زیرساختی ملموس است. اکنون DeAI می‌تواند وظایفی بسیار پیچیده‌تر (از مدیریت استراتژی‌های پیچیده دیفای گرفته تا تأمین توان پلتفرم‌های اجتماعی غیرمتمرکز) را بدون چشم‌پوشی از اصول بنیادی خود انجام دهد. پروژه‌هایی مانند Kava که با استفاده از زیرساخت‌هایی مانند Akash برخی از عملکردهای خود را به‌صورت غیرمتمرکز اجرا می‌کنند، مستقیماً از این پیشرفت‌ها بهره‌مند شده‌اند.
مسیر پیش رو
تحول زیرساخت‌های Web3، مسیرهای تازه‌ای برای پیاده‌سازی DeAI گشوده است. به‌عنوان مثال، کاربرد AI در دیفای را در نظر بگیرید. ایجنت‌های هوشمند Kava که قرار است اواخر امسال عرضه شوند، قرار است استراتژی‌های پیچیده بین‌زنجیره‌ای را خودکار کرده و عملیات فارمینگ سود را بهینه‌سازی کنند؛ آن‌هم بدون نیاز به دانش فنی پیچیده از سوی کاربران. این کار نه‌تنها به منطق AI نیاز دارد، بلکه تعامل روان با پروتکل‌های گوناگون و دسترسی به داده‌های دقیق (که زیرساخت‌هایی مانند The Graph فراهم می‌کنند) را نیز می‌طلبد.
در زمینه حکمرانی نیز افق‌های گسترده‌ای وجود دارد. پروژه‌هایی مانند Dexe به‌دنبال چارچوب‌هایی هستند که توسعه AI را با اجماع کاربران و الزامات قانونی هم‌راستا کنند. در آینده، حتی ممکن است ایجنت‌های AI برای شبیه‌سازی آثار سیاست‌ها یا مدیریت خزانه‌داری DAOها به کار گرفته شوند؛ مشروط به اینکه زیرساخت‌های لازم فراهم باشند.
فراتر از شعارها
موفقیت DeAI فراتر از مدل‌های نوآورانه یا شعارهای آرمانی است. ارائه‌دهندگان زیرساخت و توسعه‌دهندگان اپلیکیشن با چالش‌هایی دائمی روبه‌رو هستند: از گلوگاه‌های محاسباتی گرفته تا استانداردهای ارتباط بین‌زنجیره‌ای، از اعتبار داده‌ها تا تمرکززدایی واقعی. مدل‌های تئوریک اغلب در مواجهه با واقعیت‌های شبکه (mainnet) از هم فرو می‌پاشند. از هر تیمی که DeAI را پیاده کرده بپرسید: نوسانات ناگهانی بازار، ازدحام شبکه، یا بهره‌برداری خرابکارانه از مکانیزم‌های حکمرانی، همگی چالش‌هایی هستند که مدل‌های فعلی در مواجهه با آن‌ها آسیب‌پذیرند.
مرحله‌ی بعدی، استانداردسازی و همکاری بین‌پروتکلی است. با افزایش برنامه‌های DeAI، نیاز به چارچوب‌های مشترک برای داده، محاسبه و حکمرانی اهمیت فزاینده‌ای می‌یابد. موفقیت بلندمدت در گرو آن است که اجزای غیرمتمرکز بتوانند هم‌افزا و یکپارچه عمل کنند، نه آن‌که به‌صورت راه‌حل‌هایی پراکنده و رقیب باقی بمانند. این اجزای بنیادین (زیرساخت‌های مقاوم، داده‌های در دسترس، و حکمرانی تطبیق‌پذیر) شاید به اندازه‌ی پیشرفت‌های الگوریتمی تیترساز نباشند، اما همان عناصری هستند که تعیین می‌کنند آیا DeAI می‌تواند آینده‌ای شفاف، پاسخ‌گو و در اختیار کاربران رقم بزند یا در حاشیه‌ی پروژه‌های خاص باقی بماند.
