Yellow.com

يندمج مسارا الذكاء الاصطناعي والعملات المشفّرة منذ سنوات، لكن توجهاً أحدث وأكثر هدوءاً يدفع هذا التقاطع إلى مرحلة أعمق بكثير.

شبكات ذكاء اصطناعي تركز على الخصوصية بدأت في بناء بنية تحتية تمكّن المستخدمين من تشغيل النماذج دون أن تتمكن أي شركة واحدة من الاطلاع على المحفزات (الأسئلة)، أو الردود، أو البيانات المستخدمة.

لفهم سبب التفات المستثمرين إلى هذا القطاع، لا بد أولاً من استيعاب ماهية «شبكة الاستدلال الخاص» فعلياً، وكيف تعمل في العمق.

ملخص تنفيذي

شبكات الذكاء الاصطناعي المخصصة للخصوصية تمرّر استفساراتك عبر مشغلي عقد لامركزية بحيث لا يرى أي طرف بمفرده المحفز كاملاً أو الاستجابة الكاملة.

التحدي الجوهري هو إثبات أن النموذج تم تشغيله بشكل صحيح وسري دون تسريب المُدخلات، وهو ما يُعالج بمزيج من تقنيات تشفيرية وأمن عتادي على مستوى الشريحة.

رموز مثل VVV تستخدم كبوابة للوصول إلى القدرة الحاسوبية وتُحَفِّز مشغلي العقد مالياً على السلوك النزيه المحافظ على الخصوصية.

ماذا يعني «الاستدلال الخاص» عملياً؟

عندما تُرسل محفزاً إلى خدمة ذكاء اصطناعي مركزية، تستطيع الشركة المشغّلة تسجيل كل شيء.

سؤالك، والسياق الذي أضفته، وإجابة النموذج، تمر جميعها عبر بنية تحتية تسيطر عليها الشركة. ينطبق ذلك على روبوتات الدردشة الاستهلاكية كما على استدعاءات واجهات برمجة التطبيقات الموجهة للمؤسسات.

«الاستدلال الخاص» يحاول كسر هذه التبعية.

الهدف هو تمكين المستخدم من إرسال استعلام إلى نموذج ذكاء اصطناعي وتلقي جواب، من دون أن يتمكن مشغّل البنية التحتية من قراءة أي منهما.

في منظومة استدلال خاص مصمَّمة جيداً، لا ترى العقدة المنفّذة للحسابات سوى بيانات مُشفّرة أو مُقسّمة إلى أجزاء، وليس النص الصريح الكامل لما طرحته من سؤال.

الاستدلال الخاص يعني تشغيل نموذج ذكاء اصطناعي على بيانات المستخدم دون أن يتعلم مزوّد القدرة الحاسوبية محتوى تلك البيانات. إنه ما يماثل نظام التصويت السري في صناديق الاقتراع، لكن لعالم الذكاء الاصطناعي.

هذا المفهوم يبدو بسيطاً على الورق، لكنه يصطدم بواقع تقني صعب: استدلال النماذج مكلف حسابياً بطبيعته، والتقنيات التي تجعل الحسابات خاصة – مثل التشفير متماثل العمليات (Homomorphic) أو الحوسبة متعدّدة الأطراف الآمنة (MPC) – تضاعف هذا الكلفة بشكل ملحوظ. التحدي الهندسي يكمن في جعل الاستدلال الخاص سريعاً ورخيصاً بما يكفي ليقبل المستخدمون دفع ثمنه فعلاً.

ثلاثة مسارات تقنية تعتمدها الشبكات

المشاريع المختلفة تختار أدوات متباينة وفقاً لمعادلة السرعة مقابل قوة ضمانات الخصوصية. حالياً تهيمن ثلاثة اتجاهات رئيسية:

بيئات التنفيذ الموثوقة (TEEs) هي «أقفاص» آمنة تفرضها العتاديات داخل المعالج، مناطق معالجة معزولة لا يستطيع حتى نظام التشغيل نفسه قراءة ما يجري داخلها. تقنيتا Intel SGX و AMD SEV هما التطبيقان الأكثر شيوعاً. العقدة التي تعمل داخل TEE يمكنها معالجة محفزك بنصه الصريح، لكن مشغّل العقدة لا يستطيع استخلاصه لأن العتاد يفرض حدود العزل. المقابل هنا أنك تثق بآلية إثبات الهوية التي يوفرها مصنع الشريحة، لا بالبرهان الرياضي الخالص.

الحوسبة متعدّدة الأطراف الآمنة (MPC) تقوم بتقسيم العملية الحسابية على عدة أطراف بحيث لا يحتفظ أي طرف منفرد بالمُدخل كاملاً. كل طرف يرى جزءاً فقط، وتظهر النتيجة الصحيحة عند تجميع هذه الأجزاء، بينما لا يكشف إسهام كل طرف شيئاً منفرداً. هذه المقاربة قوية رياضياً لكنها تضيف عبئاً اتصالياً بين الأطراف، ما يخلق زمن تأخير إضافياً.

البراهين عديمة المعرفة (ZKPs) تتيح لطرفٍ ما أن يبرهن أنه نفّذ عملية حسابية صحيحة دون كشف المُدخلات. مطبّقة على استدلال الذكاء الاصطناعي، يمكن لبرهان ZK أن يتيح للعقدة إثبات أنها شغّلت نموذجاً محدداً على بياناتك وقدمت ناتجاً صالحاً، دون أن تضطر إلى الوثوق بالعقدة أو رؤية مسار التنفيذ. «الاستدلال عديم المعرفة» ما زال في مراحله الأولى، ومعظم الأنظمة الإنتاجية حالياً تقتصر على نماذج صغيرة بسبب البطء الشديد في توليد البراهين للشبكات العصبية الكبيرة.

في الواقع العملي، معظم شبكات الذكاء الاصطناعي الخاصة تستخدم مزيجاً من هذه الأدوات: TEEs تتولى الجزء الأكبر من الاستدلال الحي لتأمين السرعة، في حين تتكفل براهين ZK أو الالتزامات التشفيرية بعمليات التحقق على السلسلة.

كيف تُنظِّم شبكة رمز Venice نفسها؟

Venice منصة ذكاء اصطناعي توجه طلبات الاستدلال عبر شبكة لامركزية من مشغلي وحدات معالجة الرسوميات (GPUs)، مع تضمين الخصوصية في بنية التصميم منذ البداية.

يتفاعل المستخدمون مع النماذج عبر واجهة Venice، لكن القدرة الحاسوبية تأتي من مُشغّلي عقد مستقلين، لا من مركز بيانات مملوك للشركة.

رمز VVV يقع في قلب هذا التصميم من زاويتين:

أولاً، يعمل كأصل مخصص لـالتخزين (Staking). مشغلو العقد يقومون برهن رموز VVV لإثبات مشاركتهم ووضع «جلد في اللعبة» بما يحفّز على السلوك النزيه.

العقدة التي يُضبط عليها تقديم مخرجات خاطئة أو مُعبث بها تتعرض لـ«الاقتطاع» (Slashing)، أي حرق جزء من الرموز المرهونة. بهذه الآلية تُحاذى الحوافز المالية للمشغلين مع سلامة الشبكة.

ثانياً، VVV بمثابة بوابة إلى طاقة الاستدلال؛ المستخدمون أو المطورون الذين يحتفظون برموز VVV أو ينفقونها يحصلون على حق الوصول إلى القدرة الحاسوبية للشبكة.

هذا يخلق اقتصاداً دائرياً مغلقاً: الطلب على استدلال الذكاء الاصطناعي يغذي الطلب على الرمز، وحاملو الرمز يمتلكون حصة مباشرة في صحة طبقة القدرة الحاسوبية الأساسية.

بحسب وثائق Venice، تؤكد الشبكة أنها لا تخزن بيانات المحادثات ولا تستخدمها في تدريب النماذج، في تمايز واضح عن مزودي الذكاء الاصطناعي المركزيين الذين يحتفظ كثير منهم بالبيانات لتحسين المنتج.

البنية تضع مشغلي وحدات GPU في القلب: هؤلاء يشغّلون عمليات الاستدلال فعلياً، عادةً داخل TEEs أو ضمن بروتوكولات تمنعهم من تسجيل استفسارات المستخدمين. المكوّن الموجود على السلسلة يسجّل عمليات التخزين، وشروط الاقتطاع، وتسوية المدفوعات، لكن البيانات الفعلية لا تلامس دفتر الأستاذ العام إطلاقاً، بينما تُسجل فقط البراهين والالتزامات التشفيرية.

لماذا تسوية المعاملات على السلسلة مهمة لخصوصية الذكاء الاصطناعي؟

سؤال شائع: لماذا تحتاج خصوصية الذكاء الاصطناعي إلى بلوكتشين أساساً؟ خدمة مركزية يمكن أن تدّعي تقديم استدلال خاص دون أي مكوّن على السلسلة. الجواب يتعلق بقابلية التحقق وتقليل الثقة المطلوبة في الوسيط.

عندما تقول لك شركة إنها لا تسجل محفزاتك، عليك أن تأخذ كلامها على محمل الثقة. شبكة لامركزية مع تسوية على السلسلة تقلب هذه المعادلة بعدة طرق: مشغلو العقد الراغبون في المشاركة يجب أن يسجلوا على السلسلة ويرهنوا رموزاً، ما يخلق سجلاً عاماً يمكن تدقيقه لهوية المشغلين. شروط الاقتطاع تُبرمج في عقود ذكية، بحيث لا يمكن لطرف واحد تغيير قواعد معاقبة السلوك السيئ من جانب واحد.

كما يمكن نشر الإقرارات التشفيرية الصادرة عن عتاديات TEE على السلسلة، ما يتيح لأي مراقب التحقق من أن العقدة كانت تعمل داخل حِضن آمن حقيقي وقت تلقي الاستعلام. بذلك يتحول «وعد الخصوصية» من سياسة شركات إلى ضمان تقني مسنود بالعتاد والرياضيات.

طبقة التسوية تتولى أيضاً المدفوعات دون أن يتعرف المشغّل على هوية المستخدم. إذ يستطيع المستخدم الدفع مقابل الاستدلال عبر محفظة عملات مشفّرة غير مرتبطة مباشرة بهوية حقيقية، مانحةً مستوى من الاسم المستعار لا توفره بطاقات الائتمان لدى خدمات الذكاء الاصطناعي المركزية.

المشهد التنافسي خارج Venice

Venice ليست المشروع الوحيد في هذا المضمار، وفهم الصورة الأوسع يساعد على التمييز بين الابتكار الفعلي وما هو مجرد مادة تسويقية.

Bittensor (TAO) تتبنى مقاربة مختلفة. تركّز بنيتها على مكافأة «عمّال المناجم» الذين يشغّلون نماذج الذكاء الاصطناعي بناءً على جودة المخرجات، كما يقيّمها نظام من المدقّقين. الخصوصية ليست الهدف التصميمي الأول لـ Bittensor، لكن لامركزيّتها تخلق مقاومة هيكلية لاحتكار البيانات في مركز واحد. نموذج «الشبكات الفرعية للحوسبة» (Compute Subnets) جذب اهتماماً كبيراً هذا العام مع صعود رمز TAO.

Ritual طبقة بنية تحتية تستهدف جلب استدلال ذكاء اصطناعي قابل للتحقق إلى العقود الذكية، أكثر من استهداف المستخدم النهائي. نموذجها يخاطب المطورين الراغبين في استدعاء وظائف ذكاء اصطناعي من عقد ذكي والحصول على نتائج مُحقَّقة تشفيرياً.

Gensyn تركز على جانب تدريب النماذج بدلاً من الاستدلال، إذ تبني شبكة لامركزية لمهام تدريب النماذج. الخصوصية في التدريب لها متطلبات مختلفة عن الخصوصية في الاستدلال، وغالباً ما يُعالَج المشكلان بشكل منفصل.

ما يميز Venice وشبكات الاستدلال الخاص الخالصة المشابهة هو طبقة التطبيقات الموجهة للمستهلكين: بدلاً من بيع البنية التحتية للمطورين فقط، تبني هذه المشاريع واجهات تتيح للمستخدمين العاديين التفاعل مع الذكاء الاصطناعي بينما تعمل ضمانات الخصوصية في الخلفية بشكل شفاف.

القيود الفعلية التي تواجه هذه الشبكات اليوم

شبكات الذكاء الاصطناعي الخاصة تعالج مشكلات حقيقية، لكن من المهم النظر بواقعية إلى مستوى نضج التقنية اليوم.

الخصوصية المبنية على TEEs تملك سطح هجوم غير بسيط. فعدّة أبحاث أكاديمية منشورة أظهرت هجمات «القنوات الجانبية» ضد حِضنات SGX، حيث يستطيع مهاجم يسيطر على الجهاز المضيف استنتاج معلومات عما يجري داخل الحِضن بمراقبة أنماط الوصول للذاكرة، أو اختلافات التوقيت، أو استهلاك الطاقة. مُصنّعو العتاد يطرحون ترقيعات لهذه الثغرات مع الوقت، لكن نموذج التهديد بعيد عن أن يكون مغلقاً تماماً. حجم النموذج يمثل قيداً آخر. تشغيل نماذج «فرونتير» الضخمة – مثل نسخ 70 مليار أو 400 مليار معامل – داخل بيئات التنفيذ الموثوقة TEE غير عملي في ظل القدرات الحالية للأجهزة. الشبكات مثل Venice تركز أساساً على نماذج مفتوحة المصدر مثل عائلة "ليما" من ميتا أو إصدارات ميسترال؛ وهي نماذج قوية لكنها لا ترقى إلى أحدث النماذج المغلقة القادمة من مختبرات الذكاء الاصطناعي المتقدمة. المستخدم الذي يحتاج إلى أعلى مستويات الأداء قد يجد مفاضلة الخصوصية غير مجدية إذا كان ثمنها القبول بنموذج أضعف.

زمن الاستجابة يشكل قيداً ثالثاً. تمرير الاستدلال عبر شبكة لامركزية من مشغلي وحدات GPU، مع تنفيذ إجراءات التوثيق (attestation) وتسوية المدفوعات، يضيف طبقة من التعقيد والزمن مقارنةً بطلب API مباشر إلى خدمة مركزية. في التطبيقات الآنية أو شبه الآنية، يصبح هذا الفارق جوهرياً.

أخيراً، نموذج العمل الاقتصادي لم يُختبر فعلياً على نطاق واسع بعد. شبكات الحوسبة المحفَّزة بالرموز تحتاج عدداً كافياً من المشغلين لتأمين توافرية عالية وأسعار تنافسية مع الحفاظ على مستوى جودة يضمن عودة المستخدمين.

لا يُنظر إلى أي من هذه القيود على أنها قاتلة بالضرورة، لكنها تمثل حدوداً هندسية حقيقية تتطلب شرحاً صريحاً بدلاً من تغليفها بلغة تسويقية مبهمة.

اطلع أيضاً: زكاش يخترق عتبة 560 دولاراً بعد أشهر من المحاولات الفاشلة

من الذي يحتاج فعلياً إلى شبكة ذكاء اصطناعي خاصة؟

ليس كل مستخدم للذكاء الاصطناعي بحاجة إلى استدلال يحفظ الخصوصية. من يطلب من روبوت محادثة أفكاراً لوصفات الطبخ لا يواجه مشكلة خصوصية جوهرية. لكن حالات الاستخدام التي تصبح فيها خصوصية الاستدلال مسألة محورية تتزايد حجماً وأهمية.

القطاعات المنظمة هي الشريحة الأوضح. المحامي الذي يستعين بالذكاء الاصطناعي في صياغة استراتيجية دعوى، الطبيب الذي يستخدمه للمساعدة في التشخيص، أو المحلل المالي الذي يشغّل النموذج على بيانات تداول مملوكة حصرياً، جميعهم خاضعون لالتزامات قانونية وائتمانية صارمة حول سرية البيانات. بنود استخدام مزوّد مركزي للذكاء الاصطناعي قد لا تلبي هذه الالتزامات. شبكة تقدّم ضمانات معزَّزة عتادياً بأن أي استعلام لن يُسجَّل تغيّر معادلة المخاطرة.

الأفراد الحريصون على الخصوصية يمثلون شريحة أخرى. الصحفيون الذين يحاولون حماية مصادرهم، النشطاء العاملون في بيئات سياسية مقيدة، أو أي شخص لا يريد أن تتحول نشاطاته الفكرية إلى ملفات سلوكية لدى شركة تقنية، جميعهم مستخدمون محتملون لهذا النمط من البنية التحتية.

المطورون الذين يبنون تطبيقات فوق طبقة ذكاء اصطناعي يواجهون معضلة خاصة. إذا قاموا بتمرير استعلامات المستخدمين عبر واجهة برمجة تطبيقات مركزية، فهم يتحملون ضمنياً مسؤولية أي تسرب بيانات يحدث على طرف المزوّد. الاستدلال الخاص اللامركزي يعيد توزيع هذا الخطر – أو ينقله بالكامل إلى بنية الشبكة.

التطبيقات العاملة على السلسلة (On-chain) التي تريد إدماج الذكاء الاصطناعي داخل العقود الذكية تحتاج بطبيعتها إلى استدلال قابل للتحقق. عقد ذكي يستدعي "أوراكل" ذكاء اصطناعي لا يمكن أن يؤدي وظيفته على نحو صحيح إذا أمكن التلاعب بنتيجة الاستدلال، ما يجعل الاستدلال الموثَّق عبر البراهين الصفرية أو الـTEE مطلباً إلزامياً لا خياراً جمالياً.

اطلع أيضاً: XRP يوسّع الفارق إلى 270 مليون دولار أمام صناديق سولانا المتداولة، وقانون CLARITY قد يعمّقه أكثر

الخلاصة

شبكات "الذكاء الاصطناعي الخاص" تعالج مشكلة مرشحة للتضخم مع تعمّق اندماج الذكاء الاصطناعي في الأعمال الحساسة.

مشغلو GPU اللامركزيون، والبيئات الآمنة المفروضة على مستوى العتاد، وآليات التوثيق التشفيرية، وحوافز الرموز المرمَّزة، تتكامل لتشكّل فئة جديدة من البنية التحتية. هذه المنظومة تختلف جوهرياً عن مجرد استضافة نموذج مفتوح المصدر على خادم خاص.

في المقابل، الوضع الحالي للتقنية يتضمن تنازلات واضحة.

الأنظمة المعتمدة على TEE تمتلك سطح هجوم على مستوى العتاد. الاستدلال المعتمد على البراهين الصفرية ZK ما زال غير عملي للنماذج الضخمة. الشبكات اللامركزية تضيف زمناً إضافياً للتنفيذ إلى جانب قدر من الضبابية على صعيد الجدوى الاقتصادية.

لم تُحل أي من هذه القيود بالكامل حتى الآن. أي مستثمر يفكر في التعرض لرموز هذا القطاع ينبغي أن يدرك الفجوة الهندسية القائمة بين الرؤية المستقبلية وبين الأنظمة المنتشرة حالياً في بيئات الإنتاج.

ما يجعل هذا التوجه جديراً بالمتابعة هو اتجاه الحركة لا وضعه الراهن.

قدرات الـTEE تتحسن مع كل جيل جديد من المعالجات. توليد البراهين الصفرية يصبح أسرع مع ظهور عتاد متخصص وخوارزميات أكثر كفاءة. شبكات الحوسبة اللامركزية تجتذب مزيداً من المشغلين مع نضوج نماذج الحوافز المعتمدة على الرموز.

الفجوة بين الاستدلال الخاص والاستدلال المركزي المتقدّم لن تُغلق بين ليلة وضحاها – لكنها تضيق بالفعل.

البيتكوين (BTC) أثبت أن تحويل القيمة بنظام نظير إلى نظير بلا وسيط موثوق يمكن أن يحل محل المؤسسات المالية التقليدية في وظيفة النقد.

شبكات الذكاء الاصطناعي الخاصة تطرح ادعاءً مماثلاً – ولكن على مستوى الحوسبة ذاتها.

هل يمكن للذكاء الاصطناعي اللامركزي حماية سرية محفزاتك؟