چرا زیرساخت حیاتی به هوش مصنوعی غیرمتمرکز نیاز دارد؟ روایت صفر-جی لبز

یک واقعیت برجسته امروز این است که زیرساخت‌های حیاتی، از فرودگاه‌ها تا سیستم‌های مالی و درمانی، به طور فزاینده‌ای برای مدیریت و بهینه‌سازی عملیات خود بر هوش مصنوعی تکیه می‌کنند. با این حال، مدل‌های هوش مصنوعی که عمدتاً توسط شرکت‌های عظیم و بسته‌ای چون OpenAI و Anthropic ارائه می‌شوند، نگرانی‌های جدی درباره امنیت داده‌ها، حریم خصوصی، قابلیت تأیید و حتی آینده کنترلی انسان بر فناوری به وجود آورده‌اند. در این میان، شرکت نوپای ZeroG Labs با رهبری مایکل هینریش، مدعی است که نسل آینده زیرساخت‌های حیاتی را باید بر پایه هوش مصنوعی غیرمتمرکز و شفاف بنا نهاد.

از سابقه عمیق تکنولوژی تا آستانه انقلاب هوش مصنوعی

مایکل هينریش که پیش‌تر در شرکت‌هایی چون مایکروسافت، SAP و Bridgewater Associates کار کرده و سپس با تأسیس یک استارتاپ به موفقیت یونیکورن رسید، نخستین بار حدود ۲۰۱۱ در نیویورک با بیت‌کوین آشنا شد. در سال ۲۰۲۲، هینریش با هم‌تیمی‌های متخصص در یادگیری ماشین و بلاکچین، رویکردی نوآورانه با محوریت شفافیت و امنیت در کاربردهای هوش مصنوعی شکل داد که امروز با نام ZeroG شناخته می‌شود.

هوش مصنوعی غیرمتمرکز؛ معماری سه‌لایه برای هوش مصنوعی ایمن و قابل‌تأیید

ساختار ZeroG بر یک پشته‌ سه‌لایه مبتنی است:

در لایه زیرین، شبکه محاسباتی و ذخیره‌سازی غیرمتمرکز و یک بلاکچین EVM-Layer1 مختص اپلیکیشن‌های AI قرار دارد. برفراز آن، لایه موسوم به "هم‌ترازسازی ایجنتیک" با مدل‌های هوش مصنوعی اختصاصی و پروتکل‌های ایمنی قرار گرفته است. نهایتاً، لایه مالی‌سازی این اکوسیستم را تکمیل می‌کند و عرصه‌ای برای توسعه انواع اپلیکیشن‌ها و ایجنت‌های هوشمند فراهم می‌آورد. کاربران از طریق اپلیکیشن ZeroG، به‌صورت کاملاً خصوصی و ایمن می‌توانند با مدل‌های هوش مصنوعی غیرمتمرکز گفتگو کرده، وب‌سایت طراحی کنند یا حتی بیش از ۱۰۰ مدل متن‌باز و اختصاصی را مورد استفاده قرار دهند.

> اما نقطه عطف زمانی بود که موج شکوفایی ICO‌ها و همچنین پیشرفت ابزارهایی مانند ChatGPT توجه او را کاملاً به سمت تلفیق بلاکچین و هوش مصنوعی معطوف کرد.

کاربری نخستین: نهادها و چالش امنیت

هرچند کاربران عادی امکان بهره‌گیری از اکوسیستم ZeroG را دارند، اما بیشترین تقاضا فعلاً از سوی نهادهایی چون بانک‌ها، مؤسسات درمانی و مراکز تولیدی مشاهده می‌شود. دغدغه اصلی این سازمان‌ها، پیاده‌سازی ایجنت‌های هوشمند با حفظ امنیت داده، جلوگیری از افشای کلیدهای خصوصی و تضمین عدم استخراج اطلاعات محرمانه است. زیرساخت ZeroG، به مدد معماری نوآورانه و بهره‌گیری از "محیط‌های اجرای قابل اعتماد" (TEE)، امکان اجرای خصوصی و غیرقابل رهگیری همه دستورات AI را فراهم می‌کند، به‌طوری که حتی تیم ZeroG یا ارائه‌دهندگان ابر نیز دسترسی به داده‌ها ندارند و صحت تمامی پردازش‌ها به طور زنده روی بلاکچین تأیید می‌شود.

اقتصاد شبکه و انگیزه‌های مشارکت

پایه امنیت بلاکچین ZeroG بر اجماع اثبات سهام (Proof-of-Stake) استوار است و برای کاربران امکان تأییدکنندگی و استیک آسان توکن فراهم است. مؤسسات تخصصی مانند P2P، Figment، گوگل و علی‌بابا به عنوان تأییدکنندگان حرفه‌ای در این شبکه فعال شده‌اند و کاربران می‌توانند از طریق پلتفرم‌هایی چون Ascend با خرید توکن ZG و استیک آن به راحتی مشارکت کنند و توکن‌های استیک‌شده‌ خود را به شکل کاملاً قابل نقد دریافت نمایند.

مدل‌های هوش مصنوعی؛ جنگ شفافیت و جعبه‌های سیاه

آنچه شرکت‌های بزرگی چون OpenAI و Anthropic را به اصطلاح "لَب‌های بسته" می‌نامند، پنهان‌کاری کامل درباره داده‌های آموزشی، عملکرد مدل و استفاده از داده‌های کاربران است. در مقابل، ZeroG تمام مدل‌های هوش مصنوعی را بر بستر بلاکچین و به شیوه‌ای شفاف، متن‌باز و قابل تأیید اجرا می‌کند. کاربران می‌توانند از صحت هر فریم عملیات مدل‌های هوش مصنوعی مطمئن شوند و هیچ نقطه سیاه یا دسترسی انحصاری پنهان وجود ندارد.

کاربردهای نوآورانه و اقتصاد جدید محاسبات

در اکوسیستم ZeroG، موج جدیدی از پروژه‌ها بر بستر تماس بلاکچین و هوش مصنوعی متولد شده؛ از جمله اپلیکیشنی چون comfy.f fun که ایجنت‌های هوشمند را راه‌اندازی و هزینه محاسبات آن‌ها را مستقیماً با کارمزد معاملات تأمین می‌کند. پروژه دیگری با نام infinite AI، از طریق استیکینگ توکن، برای کاربران امکان دریافت روزانه اعتبار محاسبات فراهم آورده که مستقل از قیمت بازار محاسبات یا اجاره GPUها عمل می‌کند. همین‌طور نسخه‌ای از استیبل‌کوین USDZ در دست راه‌اندازی است که به جای بهره پولی، به دارندگان خود اعتبار محاسباتی اهدا می‌کند.

نبرد کارایی، قیمت و الگوی آینده

مدل‌های هوش مصنوعی باز و شفاف که توسط ZeroG به کار گرفته می‌شوند، هم‌اکنون بر اساس شاخص AI دانشگاه استنفورد، نسبت به مدل‌های بسته، فاصلۀ شکاف عملکردشان به کمتر از دو تا سه ماه رسیده است. در عین حال، مزایای اقتصادی مدل‌های باز بسیار چشمگیر است: هزینه هر توکن محاسباتی در مدل‌های متن‌باز تا ۲۰ برابر ارزان‌تر از مدل‌های تجاری می‌شود. در مقابل، سرویس‌های شرکت‌هایی مانند OpenAI به شدت به سرمایه‌گذاری ریسک‌پذیر وابسته‌اند و با ورود به بازارهای عمومی و الزام سوددهی، به ناگزیر مجبور به افزایش قیمت و کاهش ارائه خدمات خواهند شد. بنابراین، اکوسیستم‌هایی مانند ZeroG که شفافیت، امنیت و قیمت منطقی را با کارایی بالا ترکیب می‌کنند، مزیتی جدی برای نهادهای بزرگ و حتی کاربران عادی فراهم می‌آورند.

ضرورت امنیت و آینده روبرو

در فضایی که هوش مصنوعی هر روز بیشتر با زیرساخت‌های حساس گره می‌خورد، خطراتی چون حملات سایبری، خطاهای مدل و حتی ظهور هوش مصنوعی مخرّب و خودتقویت‌شونده (AI recursive) تهدیدی بالفعل برای جامعه است. صفر-جی البته تمرکز ویژه‌ای بر توسعه لایه‌های امنیتی و الگوریتم‌های کنترل‌کننده رفتار مدل دارد؛ از جمله توسعه رویکرد sparse inference alignment که می‌تواند مدل‌های منحرف را به سوی رفتارهای کم‌خطر هدایت کند. همین تلاش در حوزه رباتیک نیز آغاز شده تا حتی توسعه فیزیکی AI نیز از ایمنی محروم نماند.

موج آینده؛ از Codeex تا بانکداری نوین

در حال حاضر طیف متنوعی از شرکت‌ها مانند Gast AI، Neosol و Bond آزمایش یا استفاده از فناوری ZeroG را آغاز کرده‌اند. به طور نمونه Neosol چهارمیلیون ایجنت معاملاتی را روی بلاکچین ZeroG فعال کرده و Bond به‌دنبال بانکداری مبتنی بر هوش مصنوعی ایجنتیک است. طی سال آینده، انتشار مقالات علمی سطح اول، عرضه ابزارهای ایمنی پیشرفته و حرکت به سمت مدل‌های رباتیکی امن‌تر، چشم‌انداز رشدیافته و بلندپروازانه‌ای را برای این اکوسیستم نوین ترسیم می‌کند.

جمع‌بندی

با توجه به شفافیت ذاتی، کارایی اقتصادی و توان پیاده‌سازی مکانیسم‌های امنیتی پیشرفته، سیستم‌هایی چون ZeroG Labs نامزد جدی برای نقش‌آفرینان اصلی آینده زیرساخت‌های حیاتی به شمار می‌آیند. این تحول نه یک گزینه، بلکه یک ضرورت است؛ چرا که بقای سامانه‌های اجتماعی، مالی و صنعتی پیشرفته، وابسته به داشتن هوش مصنوعی شفاف، قابل تأیید و ایمن خواهد بود. اطلاعات بیشتر و امکان عضویت و مشارکت در این اکوسیستم، از طریق وب‌سایت zerog.ai و حساب رسمی مایکل هینریش در شبکه X مهیاست.

برای تکمیل زمینه این بحث، عامل هوش مصنوعی مفاهیم مرتبط را در چارچوبی تخصصی‌تر توضیح می‌دهد.