a16z: ۱۱ سناریوی همگرایی هوش مصنوعی و ارز دیجیتال

عنوان مقاله اصلی: هم‌پوشانی‌های هوش مصنوعی و کریپتو

نویسندگان مقاله اصلی: Scott Duke Kominers، Sam Broner، Jay Drain، Guy Wuollet، Elizabeth Harkavy، Carra Wu، Matt Gleason، a16z crypto

ترجمه مقاله اصلی: Wu Shuo بلاک‌چین

ساختار اقتصادی اینترنت در حال تغییر است. با فروپاشی تدریجی شبکه باز و تبدیل‌شدن آن به یک «نوار پرامپت»، باید این پرسش را مطرح کنیم: آیا هوش مصنوعی اینترنتی بازتر به ارمغان می‌آورد یا ما را به هزارتویی از دیوارهای پرداخت جدید می‌کشاند؟ و چه کسی اینترنت آینده را کنترل خواهد کرد؛ شرکت‌های بزرگ و متمرکز یا جامعه‌ای گسترده از کاربران؟

فناوری رمزنگاری اینجا وارد میدان می‌شود. پیش‌تر بارها درباره محل تلاقی هوش مصنوعی و فناوری رمزنگاری گفت‌وگو کرده‌ایم؛ اما در اصل، بلاک‌چین روشی برای بازطراحی خدمات اینترنتی و معماری شبکه است که سامانه‌هایی غیرمتمرکز و بی‌طرف از نظر اعتماد می‌سازد و مالکیت آن‌ها را در اختیار کاربران قرار می‌دهد. بلاک‌چین با تغییر مشوق‌های اقتصادی پشت سامانه‌های امروزی، در برابر روند فزاینده تمرکزگرایی در سامانه‌های هوش مصنوعی موازنه ایجاد می‌کند و اینترنتی بازتر و تاب‌آورتر را پیش می‌برد.

این ایده که «فناوری رمزنگاری می‌تواند به ساخت سامانه‌های هوش مصنوعی بهتر کمک کند و برعکس» تازه نیست، اما مدت‌ها تعریف روشنی نداشته است. بعضی از حوزه‌های هم‌پوشانی، مانند احراز «هویت انسانی» در شرایط گسترش سامانه‌های هوش مصنوعی ارزان‌قیمت، توجه شمار زیادی از توسعه‌دهندگان و کاربران را جلب کرده‌اند. بااین‌حال، تحقق برخی سناریوهای کاربردی دیگر ممکن است چند سال یا حتی چند دهه زمان ببرد. بنابراین، در این مقاله ۱۱ سناریوی کاربردی در محل تلاقی هوش مصنوعی و فناوری رمزنگاری را بررسی می‌کنیم تا گفت‌وگوهای بیشتری را در صنعت برانگیزیم: کدام سناریوها شدنی‌اند، چه چالش‌هایی هنوز باید برطرف شوند و آینده چگونه ممکن است شکل بگیرد.

این سناریوها همگی بر فناوری‌هایی تکیه دارند که اکنون در حال توسعه‌اند؛ از مدیریت پرداخت‌های خرد در مقیاس بزرگ تا تضمین مالکیت انسان در تعاملات آینده با هوش مصنوعی.

۱. افزودن داده‌ها و زمینه پایدار به تعاملات هوش مصنوعی

Scott Duke Kominers: هوش مصنوعی مولد به‌شدت به داده وابسته است؛ اما در بسیاری از کاربردها، «زمینه» — یعنی وضعیت و اطلاعات پیش‌زمینه مرتبط با تعامل — اغلب به همان اندازه داده اهمیت دارد و گاهی حتی مهم‌تر از آن است.

در حالت ایده‌آل، یک عامل هوشمند، رابط یک مدل زبانی بزرگ (LLM) یا هر نوع برنامه هوش مصنوعی دیگر باید بتواند حجم زیادی از اطلاعات شخصی‌سازی‌شده را به خاطر بسپارد؛ ازجمله نوع پروژه‌ای که روی آن کار می‌کنید، عادت‌های ارتباطی شما، زبان برنامه‌نویسی موردعلاقه‌تان و موارد دیگر. اما در عمل، کاربران اغلب ناچارند این زمینه را بارها از نو بسازند؛ نه‌فقط هنگام آغاز نشست‌های جدید در همان برنامه، مثلاً وقتی پنجره جدیدی در ChatGPT یا Claude باز می‌کنند، بلکه هنگام جابه‌جایی میان سامانه‌های مختلف هوش مصنوعی نیز.

در حال حاضر، انتقال زمینه درون یک برنامه هوش مصنوعی مولد به برنامه‌ای دیگر تقریباً ناممکن است.

با استفاده از بلاک‌چین، سامانه‌های هوش مصنوعی می‌توانند عناصر کلیدی زمینه را به‌صورت دارایی‌های دیجیتال پایدار ذخیره کنند تا این اطلاعات در آغاز هر نشست بارگذاری و به‌راحتی میان پلتفرم‌های هوش مصنوعی مختلف منتقل شوند. افزون بر این، به‌دلیل ویژگی‌های اصلی پروتکل‌های بلاک‌چین، مانند «سازگاری رو به جلو» و «تعهد به تعامل‌پذیری»، بلاک‌چین شاید تنها مسیر فناورانه‌ای باشد که می‌تواند این مسئله را به‌شکلی نظام‌مند حل کند.

یکی از کاربردهای روشن این فناوری در بخش بازی‌ها و رسانه‌های مبتنی بر هوش مصنوعی است؛ جایی که ترجیحات کاربران، مانند سطح دشواری و چیدمان کلیدها، می‌تواند در بازی‌ها و محیط‌های مختلف حفظ شود. بااین‌حال، کاربردهای واقعاً ارزشمند در برنامه‌های دانش‌محور قرار دارند؛ برنامه‌هایی که در آن‌ها هوش مصنوعی باید نظام دانشی، سبک یادگیری و توانایی‌های کاربر را درک کند. کاربردهای تخصصی‌تر، مانند دستیار برنامه‌نویسی، نیز در همین دسته قرار می‌گیرند. برخی شرکت‌ها ابزارهای هوش مصنوعی سفارشی با «زمینه جهانی» برای نیازهای کسب‌وکار خود ساخته‌اند، اما این زمینه‌ها هنوز نمی‌توانند به‌طور مؤثر میان سامانه‌های مختلف هوش مصنوعی مورد استفاده در سازمان منتقل شوند.

سازمان‌های مختلف تازه در حال درک واقعی این مسئله هستند و در حال حاضر، نزدیک‌ترین گزینه به یک راهکار فراگیر، بات‌های سفارشی با زمینه ثابت و پایدار است. بااین‌حال، قابلیت انتقال زمینه خارج از زنجیره میان کاربران پلتفرم‌ها به‌تدریج در حال شکل‌گیری است؛ برای مثال، در پلتفرم Poe کاربران می‌توانند بات‌های سفارشی‌ای را که ساخته‌اند به کاربران دیگر اجاره دهند.

اگر این فعالیت‌ها به بلاک‌چین منتقل شوند، سامانه‌های هوش مصنوعی‌ای که با آن‌ها تعامل داریم می‌توانند لایه‌ای مشترک از زمینه بسازند که از عناصر کلیدی تمام رفتارهای دیجیتال ما تشکیل شده است. هوش مصنوعی قادر خواهد بود ترجیحات ما را فوراً درک کند و درنتیجه، تنظیم دقیق‌تر و بهینه‌سازی تجربه را ممکن سازد. از سوی دیگر، اگر به هوش مصنوعی اجازه داده شود به زمینه‌های پایدار ثبت‌شده روی زنجیره ارجاع دهد، مشابه سازوکارهایی مانند سامانه ثبت مالکیت فکری روی زنجیره، می‌توان مدل جدید و دقیق‌تری از تعاملات بازار پیرامون پرامپت‌ها و ماژول‌های اطلاعاتی ایجاد کرد؛ برای مثال، کاربران می‌توانند مهارت‌های تخصصی خود را از راه‌های مجاز مستقیماً به درآمد تبدیل کنند و درعین‌حال حاکمیت داده‌هایشان را حفظ کنند.

البته با بهبود قابلیت اشتراک‌گذاری زمینه، موارد استفاده و فرصت‌های جدید و پیش‌بینی‌نشده بسیاری نیز پدیدار خواهند شد.

۲. سامانه هویت فراگیر برای عامل‌های هوشمند

Sam Broner: هویت — به‌طور مشخص، سابقه‌ای استاندارد از اینکه یک شیء چه کسی یا چه چیزی است — زیرساختی بنیادی است که سامانه‌های امروزی کشف دیجیتال، تجمیع و پرداخت را پشتیبانی می‌کند. بااین‌حال، چون پلتفرم‌ها معمولاً این «خط لوله زیربنایی» را در سامانه‌های خود محصور می‌کنند، کاربران اغلب فقط با رابط محصولی بسته‌بندی‌شده، سامانه هویت را تجربه می‌کنند. برای نمونه، آمازون به محصولات شناسه‌هایی مانند ASIN یا FNSKU اختصاص می‌دهد، آن‌ها را برای نمایش در یک رابط یکپارچه کنار هم قرار می‌دهد و به کاربران در کشف و پرداخت کمک می‌کند. فیس‌بوک نیز سازوکاری مشابه دارد: هویت کاربر محتوای فید خبری او را تعیین می‌کند و مبنای کشف انواع محتوا در برنامه است؛ از فهرست محصولات Marketplace گرفته تا محتوای عادی و جایگاه‌های تبلیغاتی.

با تکامل سریع عامل‌های هوش مصنوعی، این چشم‌انداز در آستانه تغییر است. شرکت‌های بیشتری برای خدمات مشتری، لجستیک، پرداخت و کاربردهای دیگر از عامل‌های هوشمند استفاده می‌کنند. پلتفرم آن‌ها دیگر یک «برنامه با رابط واحد» سنتی نخواهد بود، بلکه در چندین کانال و پلتفرم توزیع می‌شود، پیوسته شناخت عمیق‌تری از زمینه به دست می‌آورد و کارهای بیشتری را به نمایندگی از کاربران انجام می‌دهد. بااین‌حال، اگر هویت یک عامل هوشمند فقط به یک پلتفرم یا بازار واحد گره خورده باشد، فعالیت آن در محیط‌های مهم دیگر — مانند رشته‌های ایمیل، کانال‌های Slack یا محصولات دیگر — دشوار خواهد بود.

بنابراین، عامل‌های هوشمند به یک «گذرنامه دیجیتال» یکپارچه و قابل‌انتقال نیاز دارند. بدون آن، نمی‌توان مشخص کرد چگونه باید به عامل هوشمند پرداخت کرد، نسخه آن را تأیید کرد، قابلیت‌هایش را پرس‌وجو کرد، فهمید به نمایندگی از چه کسی وظایف را انجام می‌دهد یا اعتبارش را در برنامه‌ها و پلتفرم‌های مختلف دنبال کرد. سامانه هویت عامل‌های هوشمند باید هم‌زمان قابلیت کیف پول، فهرست API، گزارش تغییرات و گواهی اجتماعی را در بر بگیرد تا هر رابطی — چه ایمیل باشد، چه Slack یا عامل هوشمند دیگری — بتواند به‌شکلی یکسان آن را پردازش کند و با آن ارتباط بگیرد.

بدون این «عنصر بنیادی هویت» مشترک، برای هر یکپارچه‌سازی سامانه‌ها باید این خط لوله از ابتدا بازسازی شود؛ کشف محتوا همچنان به‌شکل موردی و پراکنده انجام خواهد شد و کاربران هنگام جابه‌جایی میان کانال‌ها و پلتفرم‌های مختلف پیوسته زمینه‌های مهم خود را از دست خواهند داد.

اکنون فرصتی داریم تا زیرساخت عامل‌های هوشمند را بر پایه «اصول نخستین» طراحی کنیم. پرسش این است: چگونه می‌توان لایه هویتی غنی‌تر و بی‌طرفانه‌تری ساخت که بتوان به آن بیش از سوابق DNS اعتماد کرد؟ به‌جای بازسازی پلتفرمی یکپارچه و متمرکز که هویت، کشف، تجمیع، پرداخت و قابلیت‌های دیگر را یکجا ارائه می‌دهد، بهتر است به عامل‌های هوشمند اجازه دهیم مستقلانه پرداخت دریافت کنند، فهرست قابلیت‌های خود را در دسترس بگذارند و بدون نگرانی از قفل‌شدن در یک پلتفرم، در چندین اکوسیستم حضور داشته باشند.

اینجاست که همگرایی فناوری رمزنگاری و هوش مصنوعی می‌تواند نقش‌آفرین باشد؛ شبکه‌های بلاک‌چین قابلیت ترکیب‌پذیری بدون نیاز به مجوز را فراهم می‌کنند و به توسعه‌دهندگان اجازه می‌دهند عامل‌های هوشمند قدرتمندتر و تجربه‌ای کاربرپسندتر بسازند.

درمجموع، راهکارهای یکپارچه عمودی مانند فیس‌بوک و آمازون در حال حاضر تجربه کاربری بهتری ارائه می‌دهند؛ بخشی از این مزیت به این دلیل است که یکی از پیچیدگی‌های ساخت محصولات عالی، اطمینان از هماهنگی طبیعی همه اجزا از بالا به پایین است. بااین‌حال، هزینه این راحتی به‌سرعت در حال افزایش است؛ به‌ویژه با کاهش هزینه‌های نرم‌افزاری لازم برای ساخت، تجمیع، ترویج، درآمدزایی و توزیع عامل‌های هوشمند و گسترش دامنه کاربردهای آن‌ها.

برای رسیدن به تجربه کاربری پلتفرم‌های یکپارچه عمودی هنوز باید تلاش کرد؛ اما پس از ایجاد یک لایه هویتی قابل‌اعتماد و بی‌طرف برای عامل‌های هوشمند، کارآفرینان واقعاً می‌توانند گذرنامه خود را داشته باشند. این امر آزمایش و نوآوری گسترده در الگوهای توزیع و طراحی تعامل را نیز پیش خواهد برد.

۳. «اثبات انسان‌بودن» (PoP) با نگاهی به آینده

Jay Drain Jr. و Scott Duke Kominers: با گسترش هوش مصنوعی — چه در قالب بات‌ها و آواتارهایی که تعاملات مختلف وب را انجام می‌دهند و چه در قالب دیپ‌فیک‌ها و دست‌کاری شبکه‌های اجتماعی — تشخیص اینکه موجودیت‌هایی که در فضای آنلاین با آن‌ها تعامل داریم واقعاً انسان هستند یا نه، برایمان هر روز دشوارتر می‌شود. این فرسایش اعتماد نگرانی مربوط به آینده نیست، بلکه واقعیتی امروزین است. از گروه‌های سازمان‌یافته برای ارسال نظر در پلتفرم X گرفته تا حساب‌های خودکار در برنامه‌های دوست‌یابی، مرز میان واقعی و جعلی هر روز مبهم‌تر می‌شود. در چنین فضایی، «اثبات انسان‌بودن» به‌تدریج به زیرساختی حیاتی برای اینترنت تبدیل می‌شود.

یکی از راه‌های تأیید «انسان‌بودن شما» استفاده از هویت دیجیتال است؛ ازجمله سامانه‌های احراز هویت متمرکزی که نهادهایی مانند TSA به کار می‌گیرند. شناسه‌های دیجیتال شامل تمام اطلاعاتی می‌شوند که کاربر می‌تواند برای اثبات هویتش ارائه کند؛ نام کاربری، پین، گذرواژه و تأییدیه‌های اشخاص ثالث، مانند تابعیت، اعتبار یا شایستگی اعتباری. ارزش تمرکززدایی در اینجا کاملاً روشن است: وقتی داده‌های هویتی در سامانه‌های متمرکز ذخیره می‌شوند، صادرکنندگان می‌توانند دسترسی را لغو کنند، کارمزد بگیرند یا حتی در نظارت مشارکت کنند. تمرکززدایی این ساختار را برهم می‌زند: کاربران، نه دروازه‌بانان پلتفرم‌ها، هویت خود را کنترل می‌کنند و این هویت امن‌تر و مقاوم‌تر در برابر سانسور می‌شود.

برخلاف سامانه‌های هویتی سنتی، سازوکار غیرمتمرکز اثبات انسان‌بودن، مانند Proof of Human شرکت Worldcoin که World معرفی کرده، به کاربران اجازه می‌دهد داده‌های هویتی خود را مستقلانه مدیریت کنند و با حفظ حریم خصوصی، به‌شکلی قابل‌اعتماد و بی‌طرف، انسان‌بودن خود را ثابت کنند. همان‌طور که گواهینامه رانندگی را می‌توان در هر زمان و مکانی صادر کرد و در هر موقعیتی به کار برد، PoP غیرمتمرکز نیز می‌تواند به‌عنوان یک بلوک زیربنایی و فراگیر عمل کند که در هر پلتفرمی، حتی پلتفرم‌هایی که هنوز وجود ندارند، قابل استفاده مجدد باشد. به‌عبارت دیگر، PoP مبتنی بر بلاک‌چین دارای «سازگاری رو به جلو» است و این ویژگی‌ها را ارائه می‌دهد:

قابلیت انتقال: پروتکل یک استاندارد باز است که هر پلتفرمی می‌تواند آن را یکپارچه کند. PoP غیرمتمرکز از طریق زیرساخت عمومی قابل مدیریت است و کنترل کامل آن در اختیار کاربران قرار دارد. بنابراین، PoP ذاتاً قابل‌انتقال است و اکنون یا در آینده می‌تواند با هر پلتفرمی سازگار باشد.

دسترسی بدون نیاز به مجوز: پلتفرم‌ها می‌توانند مستقلانه تصمیم بگیرند که از هویت PoP پشتیبانی کنند یا نه؛ بدون آنکه به تأیید API متمرکز نیاز داشته باشند، تأییدیه‌ای که ممکن است برای کاربردهای مختلف محدودیت‌های تبعیض‌آمیز اعمال کند.

چالش اصلی این حوزه «پذیرش» است. در حال حاضر، «اثبات انسان‌بودن» (PoP) هنوز در دنیای واقعی به‌طور گسترده اجرا نشده است؛ اما پیش‌بینی می‌کنیم با رسیدن شمار کاربران به حد نصاب، حضور چند شریک اولیه و ظهور یک «برنامه برنده» که تقاضای کاربران را افزایش دهد، پذیرش PoP به‌طور چشمگیری شتاب بگیرد. هر برنامه‌ای که یک استاندارد شناسه دیجیتال را بپذیرد، ارزش آن نوع شناسه را برای کاربران افزایش می‌دهد و کاربران بیشتری را به دریافت آن ترغیب می‌کند. این موضوع نیز به‌نوبه خود، یکپارچه‌سازی استاندارد شناسه در برنامه‌ها را برای تأیید «جذابیت انسان‌بودن» پیش می‌برد. (افزون بر این، به‌دلیل تعامل‌پذیری ذاتی شناسه‌های روی زنجیره، این اثر شبکه‌ای می‌تواند به‌سرعت گسترش یابد.)

پیش‌تر شاهد بوده‌ایم که برنامه‌های مصرفی جریان اصلی در حوزه‌هایی مانند بازی، معاشرت و شبکه‌های اجتماعی، از همکاری با World ID خبر داده‌اند تا اطمینان حاصل کنند کاربران هنگام بازی، گفت‌وگو یا انجام تراکنش واقعاً با انسان‌های واقعی تعامل دارند — حتی با طرف مقابل مشخصی که انتظارش را دارند. هم‌زمان، پروتکل‌های هویتی جدیدی نیز امسال پدیدار شده‌اند؛ ازجمله سرویس گواهی‌دهی Solana (SAS). هرچند SAS خود صادرکننده اثبات انسان‌بودن (PoP) نیست، به کاربران اجازه می‌دهد داده‌های خارج از زنجیره را به‌شکلی خصوصی — مانند نتایج KYC موردنیاز برای رعایت مقررات یا صلاحیت‌های تأییدشده سرمایه‌گذاران — به یک کیف پول Solana پیوند دهند و به این ترتیب، هویتی غیرمتمرکز برای کاربر بسازند. همه این نشانه‌ها حاکی از آن‌اند که نقطه عطف PoP غیرمتمرکز ممکن است نزدیک باشد.

اهمیت اثبات انسان‌بودن بسیار فراتر از صرفاً «جلوگیری از بات‌ها» است. هدف این است که مرزهای روشنی میان عامل‌های هوش مصنوعی و شبکه‌های انسانی ایجاد شود تا کاربران و برنامه‌ها بتوانند تعاملات «انسان در برابر ماشین» را از هم تشخیص دهند و شرایط را برای تجربه‌ای دیجیتال ممتازتر، امن‌تر و واقعی‌تر فراهم کنند.

۴. زیرساخت فیزیکی غیرمتمرکز مبتنی بر هوش مصنوعی (DePIN)

Guy Wuollet: با اینکه هوش مصنوعی یک خدمت دیجیتال است، توسعه آن هرچه بیشتر به زیرساخت فیزیکی وابسته می‌شود. شبکه زیرساخت فیزیکی غیرمتمرکز (DePIN) — پارادایمی جدید برای ساخت و راه‌اندازی سامانه‌های دنیای واقعی — آماده است تا زیرساخت توان محاسباتی پشتیبان نوآوری در هوش مصنوعی را مردمی‌تر کند و آن را مقرون‌به‌صرفه‌تر، تاب‌آورتر و مقاوم‌تر در برابر سانسور سازد.

چرا؟ دو مانع اصلی توسعه هوش مصنوعی، انرژی و دسترسی به تراشه است. سامانه انرژی غیرمتمرکز می‌تواند برق بیشتری فراهم کند و توسعه‌دهندگان نیز از DePIN برای یکپارچه‌سازی تراشه‌های بلااستفاده در رایانه‌های بازی، مراکز داده و منابع دیگر بهره می‌برند. این دستگاه‌های محاسباتی می‌توانند در کنار هم یک بازار محاسباتی بدون نیاز به مجوز تشکیل دهند و شرایطی برابر برای ساخت محصولات جدید هوش مصنوعی فراهم کنند.

کاربردهای دیگر شامل آموزش و تنظیم دقیق توزیع‌شده مدل‌های زبانی بزرگ (LLM) و ساخت شبکه استنتاج توزیع‌شده (استنتاج مدل) هستند. ظرفیت چشمگیر کاهش هزینه در آموزش و استنتاج غیرمتمرکز از به‌کارگیری منابع محاسباتی بلااستفاده‌ای ناشی می‌شود که پیش‌تر به کار گرفته نمی‌شدند. افزون بر این، معماری‌های این‌چنینی ذاتاً از مقاومت در برابر سانسور برخوردارند و تضمین می‌کنند که توسعه‌دهندگان به‌دلیل اتکا به ابرمقیاس‌گران — ارائه‌دهندگان زیرساخت ابری متمرکز با منابع محاسباتی عظیم و مقیاس‌پذیر — از پلتفرم حذف نشوند یا دسترسی‌شان محدود نشود.

تمرکز مدل‌های هوش مصنوعی در دست چند شرکت، مدت‌هاست که نگرانی‌هایی ایجاد کرده است؛ بااین‌حال، شبکه‌های غیرمتمرکز می‌توانند به ساخت اکوسیستم هوش مصنوعی کم‌هزینه‌تر، مقاوم‌تر در برابر سانسور و مقیاس‌پذیرتر کمک کنند.

۵. ایجاد زیرساخت و سازوکارهای امنیتی برای تعامل عامل‌های هوش مصنوعی با ارائه‌دهندگان خدمات و کاربران

Scott Duke Kominers: با افزایش توانایی ابزارهای هوش مصنوعی در رسیدگی به وظایف پیچیده و اجرای زنجیره‌های چندمرحله‌ای تعامل، هوش مصنوعی برای همکاری با دیگر سامانه‌های هوش مصنوعی، بدون کنترل مستقیم انسان، بیش‌ازپیش به استقلال نیاز خواهد داشت.

برای مثال، ممکن است یک عامل هوشمند هوش مصنوعی به داده‌های خاصی برای انجام محاسبات نیاز داشته باشد یا لازم باشد عامل‌های هوش مصنوعی دیگری را که توانایی‌های تخصصی دارند برای انجام وظایف به کار گیرد؛ مانند سپردن ساخت و اجرای شبیه‌سازی مدل به عامل تحلیل آماری یا فراخوانی عامل تولید تصویر برای کمک به ساخت محتوای بازاریابی. عامل‌های هوش مصنوعی همچنین می‌توانند با اجرای کامل تراکنش‌ها ارزش چشمگیری ایجاد کنند؛ مثلاً کاربر را کاملاً از فرایند انجام معامله بی‌نیاز کنند: پروازی متناسب با ترجیحات او پیدا و رزرو کنند یا کتاب تازه‌ای را که با علایقش سازگار است به‌طور خودکار پیدا و خریداری کنند.

در حال حاضر، «بازار عمومی عامل‌به‌عامل» وجود ندارد. این نوع درخواست‌های میان عامل‌ها معمولاً فقط از طریق فراخوانی صریح API امکان‌پذیرند یا به استفاده درون‌سازمانی در اکوسیستم‌های بسته و مشخص عامل‌های هوش مصنوعی محدود می‌شوند.

به‌طور کلی‌تر، بیشتر عامل‌های هوش مصنوعی در حال حاضر در اکوسیستم‌هایی جدا از یکدیگر فعالیت می‌کنند: APIها نسبتاً بسته‌اند و استانداردهای معماری یکپارچه‌ای وجود ندارد. فناوری بلاک‌چین می‌تواند به ایجاد استانداردهای باز برای پروتکل‌ها کمک کند؛ موضوعی که برای پذیرش کوتاه‌مدت اهمیت دارد و در بلندمدت نیز سازگاری رو به جلو را امکان‌پذیر می‌کند: با ظهور گونه‌های تازه عامل‌ها، همگی می‌توانند به همان شبکه زیربنایی متصل شوند. معماری بلاک‌چین به‌دلیل تعامل‌پذیری، متن‌بازبودن، تمرکززدایی و معمولاً امکان ارتقای آسان‌تر، با تغییراتی که نوآوری‌های آینده هوش مصنوعی به همراه می‌آورند سازگاری بیشتری دارد.

چندین شرکت هم‌اکنون در حال ساخت زیرساخت روی زنجیره برای تعامل عامل‌ها هستند. برای نمونه، Halliday به‌تازگی پروتکلی راه‌اندازی کرده که معماری استانداردی میان‌زنجیره‌ای برای گردش‌کارها و تعاملات هوش مصنوعی فراهم می‌کند و هم‌زمان سازوکارهای حفاظتی را در سطح پروتکل به کار می‌گیرد تا هوش مصنوعی برخلاف خواسته کاربر عمل نکند. از سوی دیگر، پروژه‌هایی مانند Catena، Skyfire و Nevermind از بلاک‌چین برای تسویه خودکار میان عامل‌ها استفاده می‌کنند و پرداخت‌های هوش مصنوعی به هوش مصنوعی را بدون دخالت دستی امکان‌پذیر می‌سازند. سامانه‌های مشابه پیوسته در حال ظهورند و Coinbase نیز پشتیبانی زیرساختی از چنین تحولاتی را آغاز کرده است.

۶. همگام نگه‌داشتن برنامه‌های «کدنویسی با حال‌وهوا» مبتنی بر هوش مصنوعی

Sam Broner و Scott Duke Kominers: انقلاب هوش مصنوعی مولد، ساخت نرم‌افزار را به‌شکلی بی‌سابقه آسان کرده است. سرعت کدنویسی چندین مرتبه بزرگی افزایش یافته و مهم‌تر از آن، می‌توان مستقیماً با زبان طبیعی کدنویسی کرد؛ درنتیجه توسعه‌دهندگان کم‌تجربه می‌توانند برنامه‌های موجود را بازسازی کنند یا حتی برنامه‌های جدیدی را از صفر بسازند.

بااین‌حال، کدنویسی با کمک هوش مصنوعی در کنار فرصت‌های تازه، «آنتروپی» چشمگیری را درون برنامه‌ها و میان آن‌ها به وجود آورده است. اصطلاح «کدنویسی با حال‌وهوا» وابستگی‌های پیچیده پشت نرم‌افزار را پنهان می‌کند؛ اما همین مسئله باعث می‌شود وقتی کتابخانه کد منبع یا ورودی‌های زیربنایی تغییر می‌کنند، برنامه از نظر کارکرد و امنیت در معرض خطر قرار گیرد. همچنین، هرچه افراد با هوش مصنوعی برنامه‌ها و گردش‌کارهای بسیار شخصی‌سازی‌شده‌تری می‌سازند، اتصال به سامانه‌های دیگران نیز دشوارتر می‌شود. درواقع، حتی اگر دو برنامه‌ای که با کدنویسی مبتنی بر حال‌وهوا ساخته شده‌اند تقریباً وظیفه یکسانی را انجام دهند، منطق عملیاتی و ساختار خروجی آن‌ها ممکن است کاملاً متفاوت باشد.

در گذشته، استانداردسازی برای تضمین سازگاری و یکپارچگی از طریق قالب‌های فایل، سیستم‌عامل‌ها و سپس نرم‌افزارهای مشترک و یکپارچه‌سازی API انجام می‌شد. اما در جهانی که نرم‌افزارها به‌صورت لحظه‌ای تکامل می‌یابند، تغییر شکل می‌دهند و منشعب می‌شوند، لایه استانداردسازی باید دسترسی گسترده و قابلیت ارتقای پیوسته داشته باشد و درعین‌حال اعتماد کاربران را جلب کند. افزون بر این، اتکای صرف به هوش مصنوعی نمی‌تواند مشکل سازوکار مشوق‌ها را حل کند؛ یعنی اینکه چگونه توسعه‌دهندگان را به ساخت و نگهداری پیوندهای میان سامانه‌ها ترغیب کنیم.

بلاک‌چین می‌تواند هر دو چالش را هم‌زمان حل کند: با فراهم‌کردن یک لایه همگام‌سازی مبتنی بر پروتکل که در ساختار نرم‌افزارهای سفارشی کاربران تعبیه شده و می‌تواند همگام با تغییرات محیط به‌طور پویا به‌روز شود تا سازگاری میان سامانه‌ها را تضمین کند.

در گذشته، شرکت‌های بزرگ ممکن بود برای سفارشی‌سازی یک نمونه Salesforce میلیون‌ها دلار به شرکت‌های یکپارچه‌ساز سامانه، مانند Deloitte، بپردازند. امروزه ممکن است یک مهندس فقط به آخر هفته‌ای برای ساخت رابط سفارشی «نمای داده‌های فروش» نیاز داشته باشد. بااین‌حال، با رشد مداوم نرم‌افزارهای سفارشی، توسعه‌دهندگان برای اطمینان از همگام و در دسترس ماندن این برنامه‌ها به کمک نیاز خواهند داشت.

این مدل به شیوه امروزی توسعه کتابخانه‌های نرم‌افزار متن‌باز شباهت دارد؛ اما تفاوتش این است که لایه همگام‌سازی به انتشار نسخه‌های دوره‌ای متکی نیست و به‌جای آن، پیوسته به‌روزرسانی می‌شود و سازوکار مشوق نیز دارد. هر دو ویژگی را می‌توان با فناوری رمزنگاری آسان‌تر محقق کرد. مانند پروتکل‌های دیگر مبتنی بر بلاک‌چین، ذی‌نفعانی که مالکیت لایه همگام‌سازی را به اشتراک می‌گذارند می‌توانند همه طرف‌ها را به مشارکت مستمر منابع برای بهبود آن ترغیب کنند. توسعه‌دهندگان، کاربران و عامل‌های هوش مصنوعی آن‌ها، و همچنین سایر پذیرندگان، همگی می‌توانند برای معرفی، استفاده یا تکرار ویژگی‌های جدید و راهکارهای یکپارچه‌سازی پاداش بگیرند.

از سوی دیگر، مالکیت مشترک باعث می‌شود همه کاربران در موفقیت کلی پروتکل سهم داشته باشند و سازوکاری برای بازداشتن از رفتارهای انحرافی شکل بگیرد. همان‌طور که مایکروسافت به‌راحتی استاندارد قالب فایل .docx را برهم نمی‌زند، چون این کار پیامدهای منفی گسترده‌ای برای کاربران و برند آن خواهد داشت، مالکان مشترک لایه همگام‌سازی نیز به‌دلیل آسیب به منافع خود تمایلی به افزودن کد نامناسب یا مخرب به پروتکل نخواهند داشت.

همانند تمام معماری‌های استانداردسازی نرم‌افزار در گذشته، اینجا نیز ظرفیت بالایی برای اثر شبکه‌ای وجود دارد. با آغاز «انفجار کامبرین» نرم‌افزارهای تولیدشده با هوش مصنوعی، نیاز سامانه‌های متنوع و ناهمگون به ارتباط با یکدیگر به‌صورت تصاعدی افزایش خواهد یافت. خلاصه اینکه برای همگام نگه‌داشتن کدنویسی محیطی نمی‌توان فقط به خود محیط متکی بود؛ فناوری رمزنگاری راهکار است.

۷. سامانه پرداخت خرد با پشتیبانی از تقسیم درآمد

Liz Harkavy: عامل‌های هوش مصنوعی و ابزارهایی مانند ChatGPT، Claude و Copilot راهی آسان‌تر برای دسترسی مردم به اطلاعات در دنیای دیجیتال فراهم کرده‌اند. اما چه خوب و چه بد، این ابزارها ساختار اقتصادی اینترنت باز را نیز متزلزل می‌کنند. نشانه‌های این روند همین حالا دیده می‌شود؛ برای نمونه، با افزایش استفاده دانش‌آموزان از ابزارهای هوش مصنوعی، ترافیک پلتفرم‌های آموزشی به‌طور چشمگیری کاهش یافته است. هم‌زمان، چند رسانه آمریکایی از OpenAI به‌دلیل نقض حق نشر شکایت کرده‌اند. اگر سامانه مشوق‌ها دوباره تنظیم نشود، ممکن است شاهد بسته‌ترشدن اینترنت، دیوارهای پرداخت بیشتر و کاهش پیوسته شمار تولیدکنندگان محتوا باشیم.

قطعاً سازوکارهای سیاست‌گذاری وجود دارند، اما در طول روند قضایی، راهکارهای فناورانه‌ای نیز در حال ظهورند. امیدوارکننده‌ترین راهکار — و درعین‌حال دشوارترین راهکار از نظر فنی — گنجاندن «سازوکار تقسیم درآمد» در معماری زیربنایی اینترنت است. وقتی یک عملیات مبتنی بر هوش مصنوعی در نهایت به فروش منجر می‌شود، تولیدکننده محتوایی که منبع اطلاعاتی آن تصمیم را فراهم کرده است باید سهمی از درآمد دریافت کند. اکوسیستم بازاریابی همکاری در فروش هم‌اکنون ردیابی انتساب و تقسیم درآمد مشابهی انجام می‌دهد؛ سامانه‌های پیشرفته‌تر می‌توانند به‌طور خودکار همه مشارکت‌کنندگان در زنجیره اطلاعات را ردیابی و به آن‌ها پاداش دهند. بلاک‌چین می‌تواند نقشی کلیدی در ردیابی «زنجیره منبع» اطلاعات ایفا کند.

بااین‌حال، اجرای چنین سامانه‌ای به زیرساخت‌های جدیدی نیاز دارد؛ به‌ویژه یک سامانه پرداخت خرد که بتواند مبالغ ناچیز میان چندین منبع را مدیریت کند، یک پروتکل انتساب که ارزش مشارکت‌های مختلف را منصفانه ارزیابی کند و یک مدل حاکمیتی شفاف و عادلانه.

بسیاری از ابزارهای بلاک‌چینی موجود ظرفیت بالقوه‌ای دارند؛ ازجمله انواع رول‌آپ‌ها، شبکه‌های L2، نهاد مالی بومی هوش مصنوعی Catena Labs و پروتکل زیرساخت مالی 0xSplits. همه این موارد می‌توانند تراکنش‌هایی با هزینه نزدیک به صفر و تقسیم پرداخت با جزئیات بیشتر را امکان‌پذیر کنند.

بلاک‌چین می‌تواند از راه سازوکارهای مختلف، سامانه‌های پرداخت پیشرفته تحت سلطه هوش مصنوعی را ممکن کند:

پرداخت‌های نانو: پرداخت‌ها را می‌توان میان چندین ارائه‌دهنده داده تقسیم کرد تا یک تعامل کاربر به‌طور خودکار پرداخت‌های خرد را برای همه منابع مشارکت‌کننده فعال کند؛ این پرداخت‌ها با قراردادهای هوشمند اجرا می‌شوند.

قراردادهای هوشمند: این قراردادها می‌توانند پس از تکمیل تراکنش، «پرداخت پسینی» الزام‌آوری را به‌طور خودکار فعال کنند و جبران خسارتی شفاف و قابل‌ردیابی برای منابع محتوایی فراهم آورند که بر تصمیم خرید تأثیر گذاشته‌اند.

تقسیم پرداخت برنامه‌پذیر: توزیع درآمد را می‌توان از طریق کد اجرایی کرد، نه با اتکا به نهادهای متمرکز؛ به این ترتیب، روابط مالی بدون نیاز به اعتماد میان عامل‌های خودکار شکل می‌گیرد.

با بلوغ این فناوری‌های نوظهور، مدل اقتصادی رسانه‌ای جدیدی شکل خواهد گرفت که کل زنجیره خلق ارزش را از تولیدکنندگان گرفته تا پلتفرم‌ها و کاربران در بر می‌گیرد.

۸. استفاده از بلاک‌چین به‌عنوان سامانه ثبت مالکیت فکری و ردیابی

Scott Duke Kominers: ظهور هوش مصنوعی مولد، ایجاد سامانه‌ای کارآمد و برنامه‌پذیر برای ثبت و ردیابی مالکیت فکری (IP) را ضروری کرده است؛ سامانه‌ای که هم دقت ردیابی را تضمین کند و هم از مدل‌های کسب‌وکار جدیدی پشتیبانی کند که حول دسترسی، اشتراک‌گذاری و خلق آثار مشتق‌شده از مالکیت فکری شکل می‌گیرند. چارچوب‌های کنونی مالکیت فکری به واسطه‌های پرهزینه و سازوکارهای اجرایی پس از تخلف متکی‌اند و در دورانی که هوش مصنوعی می‌تواند محتوا را فوراً مصرف کند و با فشردن یک دکمه گونه‌های تازه‌ای از آن بسازد، آشکارا کافی نیستند.

آنچه نیاز داریم، سامانه‌ای عمومی و باز برای ثبت است که مدرکی روشن از مالکیت در اختیار تولیدکنندگان قرار دهد، کاربرپسند و کارآمد باشد و به هوش مصنوعی و دیگر برنامه‌های وب اجازه دهد مستقیماً با آن تعامل کنند. بلاک‌چین برای ایفای این نقش مناسب است: تولیدکنندگان می‌توانند بدون اتکا به واسطه‌ها مالکیت فکری خود را ثبت کنند و ردیابی دست‌کاری‌ناپذیری داشته باشند؛ همچنین برنامه‌های شخص ثالث می‌توانند این دارایی‌های مالکیت فکری را به‌آسانی شناسایی کنند، برایشان مجوز بگیرند و با آن‌ها تعامل داشته باشند.

البته هنوز درباره اینکه آیا فناوری می‌تواند واقعاً از مالکیت فکری به‌عنوان یک مفهوم کلی محافظت کند یا نه تردید وجود دارد. به‌هرحال، دو دوره نخست اینترنت — ازجمله انقلاب فعلی هوش مصنوعی — اغلب با تضعیف حمایت از مالکیت فکری همراه دانسته می‌شوند. یکی از دلایل این وضعیت آن است که بسیاری از مدل‌های کسب‌وکار کنونی مالکیت فکری به‌جای ایجاد انگیزه و درآمدزایی از آثار مشتق‌شده، بر «ممانعت از آثار مشتق‌شده» تأکید می‌کنند. زیرساخت مالکیت فکری برنامه‌پذیر نه‌تنها به تولیدکنندگان، دارندگان مجوز و برندها اجازه می‌دهد مالکیت فکری خود را در فضای دیجیتال به‌روشنی تثبیت کنند، بلکه مدل‌های کسب‌وکار جدیدی را نیز حول «اشتراک‌گذاری مالکیت فکری برای هوش مصنوعی مولد و برنامه‌های دیجیتال» گسترش می‌دهد. از این نظر، یکی از تهدیدهای هوش مصنوعی مولد برای آثار خلاقانه به فرصتی جدید تبدیل می‌شود.

در روزهای آغازین NFTها، شاهد بودیم که تولیدکنندگان الگوهای جدیدی را آزمودند؛ مانند ایجاد اثر شبکه‌ای برند از طریق روش CC0 در اتریوم برای جذب ارزش. اخیراً نیز ارائه‌دهندگان زیرساخت ساخت پروتکل‌های استاندارد و ترکیب‌پذیر برای ثبت و صدور مجوز مالکیت فکری را آغاز کرده‌اند و حتی بلاک‌چین‌های اختصاصی، مانند Story Protocol، راه‌اندازی کرده‌اند. برخی هنرمندان برای صدور مجوز سبک و آثارشان و پشتیبانی از بازآفرینی خلاقانه، استفاده از پروتکل‌هایی مانند Alias، Neura و Titles را آغاز کرده‌اند. در همین حال، مجموعه علمی‌تخیلی Emergence از شرکت Incention به طرفداران اجازه می‌دهد در خلق مشترک جهان داستانی و طراحی شخصیت‌ها مشارکت کنند و هر مشارکت خلاقانه را از طریق سامانه ثبت Story روی زنجیره ثبت می‌کند.

۹. خزنده‌های وبی که به تولیدکنندگان محتوا غرامت می‌پردازند

Carra Wu: در حال حاضر، عاملی از هوش مصنوعی که بیشترین تناسب محصول با بازار را دارد، نه عامل‌های برنامه‌نویسی یا سرگرمی، بلکه خزنده‌های وب هستند؛ آن‌ها می‌توانند مستقلانه در اینترنت بگردند، داده جمع‌آوری کنند و درباره پیوندهایی که باید دنبال کنند تصمیم بگیرند.

برخی برآوردها نشان می‌دهند که تقریباً نیمی از ترافیک اینترنت امروزی از منابع غیرانسانی می‌آید. ربات‌ها اغلب فایل robots.txt را نادیده می‌گیرند؛ این فایل استانداردی است که باید به خزنده‌های خودکار اطلاع دهد آیا وب‌سایتی اجازه دسترسی آن‌ها را می‌دهد یا نه، اما در عمل اجرای چندانی ندارد یا اصلاً اجرا نمی‌شود. ربات‌ها سپس از داده‌های استخراج‌شده برای تقویت مزیت‌های رقابتی اصلی بزرگ‌ترین شرکت‌های فناوری جهان استفاده می‌کنند. بدتر از آن، وب‌سایت‌ها در نهایت هزینه این «مهمانان ناخوانده» را می‌پردازند و برای مقابله با جریان بی‌پایان خزنده‌های ناشناس، پهنای باند و منابع CPU مصرف می‌کنند. در واکنش به این وضعیت، شرکت‌هایی مانند Cloudflare و دیگر شبکه‌های توزیع محتوا (CDN) خدمات مسدودسازی ارائه می‌دهند. همه این‌ها سامانه‌ای وصله‌پینه‌ای را تشکیل می‌دهند که اساساً نباید وجود داشته باشد.

پیش‌تر گفته‌ایم که قرارداد اولیه اینترنت — تولید محتوا از سوی تولیدکنندگان و هماهنگی اقتصادی توزیع آن از سوی پلتفرم‌ها — به‌تدریج در حال فرسایش است. داده‌ها نیز این روند را نشان می‌دهند: در دوازده ماه گذشته، مدیران وب‌سایت‌ها مسدودکردن خزنده‌های روبه‌روی هوش مصنوعی را در مقیاسی گسترده آغاز کرده‌اند. در ⁦07/2024⁩، فقط حدود ⁦%9⁩ از ۱۰٬۰۰۰ وب‌سایت برتر جهان، خزنده‌های هوش مصنوعی را مسدود می‌کردند؛ اما امروز این درصد به ⁦%37⁩ رسیده است. هرچه فناوری مدیران وب‌سایت‌ها پیشرفته‌تر شود و نارضایتی کاربران افزایش یابد، این درصد نیز به رشد خود ادامه خواهد داد.

پس به‌جای پرداخت پول به CDNها برای «مسدودسازی» یکسان ربات‌های مشکوک، چه می‌شود اگر راهی میانه را امتحان کنیم؟ یعنی خزنده‌های هوش مصنوعی دیگر «سواری مجانی» نگیرند و برای دسترسی به داده‌ها پول بپردازند. اینجا بلاک‌چین می‌تواند وارد عمل شود: در چنین سناریویی، هر عامل خزنده وب مقدار مشخصی دارایی رمزنگاری‌شده در اختیار دارد و از طریق پروتکل x402 با «عامل دروازه‌بان» هر وب‌سایت یا پروتکل دیوار پرداخت، روی زنجیره مذاکره می‌کند. (البته چالش اصلی فایل robots.txt یا «استاندارد منع ربات‌ها» است که از دهه ۱۹۹۰ عمیقاً در مدل عملیاتی شرکت‌های اینترنتی جا افتاده است. تغییر این وضعیت به همکاری گسترده یا پشتیبانی CDNهایی مانند Cloudflare نیاز دارد.)

در همین حال، کاربران انسانی می‌توانند با استفاده از World ID انسان‌بودن خود را ثابت کنند (به بخش پیشین مراجعه کنید) و درنتیجه به دسترسی رایگان دست یابند. به این ترتیب، هنگامی که هوش مصنوعی داده‌ها را جمع‌آوری می‌کند، تولیدکنندگان محتوا و مدیران وب‌سایت‌ها غرامت دریافت می‌کنند و کاربران انسانی همچنان می‌توانند از جریان آزاد اطلاعات در اینترنت بهره‌مند شوند.

۱۰. تبلیغات دقیق اما بدون حس «ترسناک» و با حفظ حریم خصوصی

Matt Gleason: هوش مصنوعی از همین حالا بر شیوه خرید آنلاین ما تأثیر گذاشته است؛ اما اگر تبلیغاتی که هر روز می‌بینیم واقعاً «مفید» باشند چه؟ مردم به دلایل زیادی از تبلیغات خوششان نمی‌آید: تبلیغات نامرتبط صرفاً سروصدا هستند و درعین‌حال، هر نوع «شخصی‌سازی» هم خوب نیست. تبلیغات بسیار هدفمندی که با استفاده از حجم زیادی از داده‌های مصرف‌کنندگان ارائه می‌شوند، می‌توانند حس دخالت و نقض حریم خصوصی ایجاد کنند. برخی برنامه‌های دیگر نیز می‌کوشند از راه روش‌هایی مانند «وادارکردن کاربران به تماشای تبلیغ» درآمدزایی کنند؛ مثلاً تبلیغات غیرقابل‌ردکردن در پلتفرم‌های پخش یا مراحل بازی.

فناوری رمزنگاری می‌تواند به حل این مسائل کمک کند و فرصتی برای بازنگری در اکوسیستم تبلیغات فراهم آورد. وقتی عامل‌های هوش مصنوعی با بلاک‌چین ترکیب شوند، می‌توانند بر پایه ترجیحات تعیین‌شده از سوی کاربر تبلیغات را شخصی‌سازی کنند؛ به‌طوری‌که تبلیغ هم مرتبط باشد و هم بیش‌ازحد «ترسناک» به نظر نرسد. مهم‌تر از آن، در این فرایند داده‌های کاربران در سطح جهانی افشا نمی‌شود و به کاربرانی که تمایل دارند داده‌های خود را به اشتراک بگذارند یا با تبلیغات تعامل کنند، می‌توان غرامت پرداخت کرد.

برای تحقق این مدل، به چند زیربنای فناورانه نیاز است:

سامانه پرداخت دیجیتال کم‌هزینه: برای جبران هزینه تعامل کاربران با تبلیغات، مانند مشاهده، کلیک و تبدیل، شرکت‌ها باید شمار زیادی پرداخت کوچک انجام دهند. برای مقیاس‌پذیری، این کار به سامانه‌ای سریع و پرتراکنش با کارمزد تقریباً صفر نیاز دارد.

اعتبارسنجی داده با حفظ حریم خصوصی: عامل‌های هوش مصنوعی باید بررسی کنند که آیا مصرف‌کنندگان ویژگی‌های جمعیت‌شناختی خاصی دارند یا نه. اثبات‌های دانش صفر (ZKPها) می‌توانند چنین اعتبارسنجی‌هایی را بدون افشای اطلاعات مشخص و خصوصی انجام دهند.

مدل‌های مشوق جدید: اگر اینترنت مدل درآمدزایی مبتنی بر پرداخت خرد را بپذیرد — برای مثال، هر تعامل کمتر از ⁦$0.05⁩ باشد — کاربران می‌توانند برای دریافت غرامت، تماشای تبلیغات را انتخاب کنند و «مدل استخراج داده» امروزی را به «مدل مشارکت کاربر» تبدیل کنند.

مردم دهه‌هاست که می‌کوشند تبلیغات را چه در فضای آنلاین و چه آفلاین «مرتبط‌تر» کنند. بازنگری در تبلیغات از دیدگاه فناوری رمزنگاری و هوش مصنوعی می‌تواند واقعاً تبلیغات را مفید، قابل‌کنترل و اختیاری کند. برای سازندگان و تبلیغ‌کنندگان، این به معنای ساختاری از مشوق‌هاست که پایدارتر و منسجم‌تر است؛ برای کاربران نیز راهی غنی‌تر برای کشف اطلاعات و کاوش در دنیای دیجیتال فراهم می‌کند.

در نهایت، این تحول نه‌تنها فضای تبلیغات را ارزشمندتر می‌کند، بلکه ممکن است مدل اقتصادی تبلیغات امروزی را که عمیقاً به «بهره‌کشی» گره خورده است متزلزل کند و آن را با سامانه‌ای انسان‌محورتر جایگزین سازد؛ سامانه‌ای که در آن کاربران دیگر «محصولی برای فروش» نیستند، بلکه مشارکت‌کنندگانی واقعی‌اند.

۱۱. همراه هوش مصنوعی تحت مالکیت و کنترل کاربران

Guy Wuollet: امروزه بسیاری از مردم بیش از تعاملات حضوری، وقت خود را با دستگاه‌ها می‌گذرانند و بخش فزاینده‌ای از این زمان آنلاین صرف تعامل با مدل‌های هوش مصنوعی یا محتوای مبتنی بر هوش مصنوعی می‌شود. این مدل‌ها هم‌اکنون نوعی «همراهی» فراهم کرده‌اند؛ چه برای سرگرمی، بازیابی اطلاعات، برآورده‌کردن علایق خاص یا به‌عنوان ابزاری آموزشی برای کودکان. تصور اینکه در آینده‌ای نزدیک، همراهان هوش مصنوعی برای آموزش، مراقبت‌های پزشکی، مشاوره حقوقی یا حتی پشتیبانی عاطفی روزمره به یکی از اصلی‌ترین روش‌های تعامل انسان‌ها تبدیل شوند، دشوار نیست.

همراهان هوش مصنوعی آینده صبری بی‌پایان خواهند داشت و برای هر فرد و کاربردهایش به‌شدت شخصی‌سازی خواهند شد. آن‌ها فقط دستیار یا «خدمتکار رباتیک» نخواهند بود، بلکه ممکن است به موجودیت‌هایی ارتباطی و بسیار ارزشمند برای کاربران تبدیل شوند. بنابراین این پرسش مطرح می‌شود: چه کسی واقعاً مالک این روابط است و آن‌ها را کنترل می‌کند؛ کاربران یا شرکت‌ها و دیگر واسطه‌ها؟ اگر در دهه گذشته نگران مسائل گزینش و نظارت بر محتوا در شبکه‌های اجتماعی بوده‌اید، این پرسش در آینده به‌طرزی تصاعدی پیچیده‌تر و شخصی‌تر خواهد شد.

این ایده که «پلتفرم‌های میزبانی مبتنی بر بلاک‌چین یا فناوری‌های مشابهِ مقاوم در برابر سانسور، شاید بهترین مسیر برای ساخت هوش مصنوعی سانسورنشدنی و تحت کنترل کاربران باشند» به‌طور گسترده مطرح شده است. کاربران می‌توانند مدل‌های محلی را اجرا و خودشان GPU بخرند، اما برای بیشتر مردم این کار یا بیش‌ازحد پرهزینه است یا از نظر فنی دشوار.

هرچند پذیرش گسترده همراهان هوش مصنوعی هنوز با ما فاصله دارد، فناوری‌های مرتبط به‌سرعت در حال بلوغ‌اند: گفت‌وگوی متنی با هوش مصنوعی هم‌اکنون بسیار شبیه تعامل واقعی است؛ آواتارهای مجازی بصری نیز در حال پیشرفت‌اند و عملکرد بلاک‌چین پیوسته بهبود می‌یابد. برای آنکه یک «همراه هوش مصنوعی سانسورنشدنی» واقعاً کاربرپسند باشد، باید به تجربه کاربری (UX) بهتر در برنامه‌های رمزنگاری تکیه کنیم. خوشبختانه، کیف پول‌هایی مانند Phantom تعامل با بلاک‌چین را آسان‌تر کرده‌اند و فناوری‌هایی مانند کیف پول‌های تعبیه‌شده، کلیدهای عبور و انتزاع حساب به کاربران اجازه می‌دهند بدون مدیریت عبارت بازیابی خود، به‌سادگی حضانت دارایی‌هایشان را برعهده بگیرند. افزون بر این، سامانه‌های محاسباتی پرتراکنش و بدون نیاز به اعتماد که بر پایه هم‌پردازنده‌های خوش‌بینانه و ZK ساخته شده‌اند، به ما اجازه می‌دهند روابط بلندمدت معنادار و پایداری با همراهان دیجیتال ایجاد کنیم.

در آینده‌ای نزدیک، محور گفت‌وگوهای عمومی از این پرسش که «همراهان دیجیتال و آواتارهای مجازی واقع‌نما چه زمانی پدیدار می‌شوند؟» به این پرسش تغییر خواهد کرد که «چه کسی آن‌ها را کنترل خواهد کرد و چگونه؟»

پیوند مقاله اصلی