هوش مصنوعی (AI) چیست؟
هوش مصنوعی توانایی یک برنامه برای یادگیری است. همچنین علم و مهندسی برنامه های کامپیوتری هوشمند است. این الگوریتمها میتوانند الگوها را درک کنند و با استفاده از مجموعههای بزرگ داده و بدون دستورات انسانی، مسائل را حل کنند. آنها داده های ورودی خارجی را تجزیه و تحلیل می کنند، از آنها یاد میگیرند و از آن دانش برای دستیابی به اهداف خاص با انجام وظایف استفاده می کنند.
در سطح پایه، دو نوع اصلی هوش مصنوعی وجود دارد – هوش مصنوعی باریک و هوش مصنوعی قوی.
هوش مصنوعی باریک وظایف خاص یا محدودی مانند تشخیص چهره، فیلتر کردن هرزنامه یا بازی شطرنج را هدف قرار می دهد. از سوی دیگر، هوش مصنوعی قوی می تواند به جای یک کار خاص، طیف وسیعی از وظایف را انجام دهد. این به طور بالقوه می تواند شناختی در سطح انسانی داشته باشد و می تواند هر وظیفه فکری را که یک فرد می تواند تکمیل کند.
هوش مصنوعی باریک امروزه وجود دارد، در حالی که هوش مصنوعی قوی هنوز ظهور نکرده است – در واقع، بسیاری از کارشناسان این سوال را دارند که آیا این امکان وجود دارد یا خیر. پیش بینی اثرات بالقوه هوش مصنوعی قوی غیرممکن است، اما بسیاری معتقدند آینده بلاکچین و هوش مصنوعی احتمالاً در هم تنیده خواهند شد. میتوان استدلال کرد که آنها از مهمترین فناوریهای دهههای آینده خواهند بود. به همین دلیل، مهم است که نگاهی دقیقتر به نحوه تعامل آنها در آینده داشته باشیم.
همافزایی هوش مصنوعی و بلاکچین
بهبود هوش مصنوعی برای بلاکچین
استخراج به توان محاسباتی و انرژی زیادی نیاز دارد. دفتر کل توزیع شده کارایی را فدای ویژگیهایی مانند تغییر ناپذیری و مقاومت در برابر سانسور می کند. هوش مصنوعی میتواند در بهینهسازی مصرف انرژی بسیار کارآمد باشد، که میتواند برای بهبود الگوریتمهای استخراج مفید باشد.
یکی از مخالفتهای اصلی علیه استفاده از سیستمهای بلاکچین، نیاز به انرژی بسیار بالا است. ویژگیهای ارز دیجیتال و امنیتی مورد نظر، وظایف محاسباتی را معرفی میکنند که در غیر این صورت ضروری نیستند. کاهش مصرف بلاکچینهای Proof of Work به نفع کل صنعت است و میتواند پذیرش جریان اصلی بلاکچینها را تقویت کند.
هوش مصنوعی همچنین میتواند نیازهای ذخیره سازی بلاکچینها را بهینه کند. از آنجایی که تاریخچه تراکنش در همه گرهها ذخیره میشود، اندازه دفتر کل توزیع شده میتواند به سرعت به مقدار زیادی اضافه شود. اگر نیازهای ذخیره سازی زیاد باشد، مانع ورود نیز بیشتر است که به طور بالقوه تمرکززدایی شبکه را کاهش میدهد. هوش مصنوعی میتواند تکنیکهای اشتراکگذاری پایگاه داده جدیدی را معرفی کند که اندازه بلاکچین را کوچکتر کرده و دادهها را روی آن ذخیره میکند.
اقتصاد داده غیرمتمرکز
دادهها دارایی با ارزش فزایندهای هستند که نه تنها باید به صورت ایمن ذخیره شوند، بلکه باید مبادله شوند. سیستمهای هوش مصنوعی مؤثر به شدت به دادهها وابسته هستند، چیزی که بلاکچین میتواند با درجه بالایی از قابلیت اطمینان ذخیره کند. یک بلاکچین اساسا یک پایگاه داده ایمن و توزیع شده است که توسط همه شرکت کنندگان در شبکه به اشتراک گذاشته میشود. دادههای آن در بلوکها ذخیره میشود و هر بلوک به صورت رمزنگاری به بلوک قبلی پیوند داده میشود. این امر تغییر اطلاعات ذخیره شده بدون ربودن اجماع شبکه را به نحوی باور نکردنی دشوار میکند،
به عنوان مثال، از طریق یک حمله 51٪ هدف تبادل داده های غیرمتمرکز ایجاد یک اقتصاد داده جدید است که بر روی بلاکچینها اجرا میشود. این مبادلات دادهها و ذخیرهسازی را در دسترس هر کسی (یا هر چیزی) قرار میدهد تا به راحتی و ایمن به آن دسترسی داشته باشد. در اتصال به این اقتصاد داده، الگوریتمهای هوش مصنوعی میتوانند از مجموعه بزرگتری از ورودیهای خارجی استفاده کنند و سریعتر یاد بگیرند. علاوه بر این، خود الگوریتمها نیز میتوانند در این بازارها مبادله شوند.
این باعث میشود که آنها برای مخاطبان وسیعتری در دسترس باشند و توسعه آنها را سرعت بخشد. مبادلات غیرمتمرکز داده این پتانسیل را دارند که فضای ذخیرهسازی داده را متحول کنند. اساساً، هر کسی میتواند فضای ذخیرهسازی محلی خود را با هزینه (که به صورت توکن پرداخت میشود) اجاره کند. به نوبه خود، ارائه دهندگان خدمات ذخیره سازی داده موجود باید خدمات خود را بهبود بخشند تا رقابتی باقی بمانند.
برخی از این بازارهای داده در حال حاضر راه اندازی شدهاند، اگرچه در مراحل اولیه بلوغ خود هستند. با تشویق ارائه دهندگان داده و ذخیره سازی برای حفظ یکپارچگی دادهها، سیستمهای هوش مصنوعی نیز سود خواهند برد.
ابرکامپیوترهای غیرمتمرکز
آموزش هوش مصنوعی نه تنها به دادههای با کیفیتی نیاز دارد که الگوریتمها بتوانند از آن یاد بگیرند، بلکه به قدرت محاسباتی زیادی نیز نیاز دارد. الگوریتمهای هوش مصنوعی اغلب از نوعی سیستم محاسباتی به نام شبکه عصبی مصنوعی (ANN) استفاده میکنند.
شبکههای عصبی مصنوعی با در نظر گرفتن مثال های زیادی انجام وظایف را یاد میگیرند. این شبکههای عصبی مصنوعی اغلب به توان محاسباتی جدی نیاز دارند تا میلیونها پارامتر را برای انجام یک کار تعیینشده بررسی کنند. اگر دادهها را میتوان در یک شبکه بلاکچین به اشتراک گذاشت، چرا نمیتوان قدرت را محاسبه کرد؟
در برخی از پیادهسازیهای زنجیره بلوکی، کاربران میتوانند بهطور مؤثری قدرت محاسباتی ماشینهای خود را در یک بازار همتا به همتا (P2P) برای کسانی که به دنبال اجرای محاسبات پیچیده هستند، قرض دهند. کاربران تشویق میشوند تا با گرفتن توکن در ازای آن، قدرت محاسباتی را فراهم کنند. سیستمهای هوش مصنوعی را میتوان بر روی این پلتفرمهای محاسباتی بسیار مؤثرتر و با کاهش هزینه آموزش داد.
در حالی که موارد استفاده اولیه در درجه اول با رندر گرافیک کامپیوتری سه بعدی سروکار دارند، ممکن است تمرکز به آرامی به سمت هوش مصنوعی تغییر کند. همانطور که این برنامههای غیرمتمرکز (DApps) توسعه مییابند، شرکتهایی که قدرت محاسباتی را ارائه میدهند ممکن است شاهد هجوم رقابت باشند.
با اجازه دادن به کاربران برای کسب درآمد از طریق اجاره قدرت محاسباتی بیکار خود، مقادیر زیادی از آن به طور موثرتری استفاده میشود. در تئوری، وقتی استفاده نمیشود، هر CPU یا GPU در جهان میتواند به عنوان یک گره در یک ابر رایانه غیرمتمرکز کار کند.
قابلیت ممیزی بهتر تصمیمات هوش مصنوعی
درک تصمیمات سیستمهای هوش مصنوعی برای انسان دشوار است. این الگوریتمها میتوانند با چنان دادههای فراوانی کار کنند که عملاً برای هر انسانی غیرممکن است که فرآیند تصمیمگیری خود را ممیزی و تکرار کند. اگر تصمیمات بر اساس هر نقطه داده ثبت شود، یک مسیر حسابرسی واضح برای انسان وجود دارد که میتواند اعتماد به تصمیمات اتخاذ شده توسط الگوریتمهای هوش مصنوعی را افزایش دهد.
جمعبندی
اگر این دو فناوری بتوانند از پتانسیل خود استفاده کنند، بدون شک تاثیری ماندگار خواهند داشت. در حالی که بسیاری از شرکتها از آنها به طور جداگانه استفاده میکنند، موارد استفاده جالبی وجود دارد که میتوان آنها را با هم ترکیب کرد.
با توسعه بیشتر هر دو فناوری، ممکن است نوآوری بیشتری از طریق استفاده همزمان از فناوری بلاکچین و هوش مصنوعی کشف شود. ارزیابی نتایج بالقوه دشوار است، اما کاملاً مطمئن است که آنها به بهبود در بسیاری از جنبههای اقتصاد ما منجر خواهند شد.
نظرات کاربران