بیت پورت: هوش مصنوعی (AI) به تازگی به یکی از جبهههای اصلی در نبرد بین تمرکزگرایی و عدم تمرکز تبدیل شده است. همانطور که بیتکوین و اتریوم برای مقاومت در برابر کنترل دولتها و شرکتها ساخته شدهاند، پروژههای هوش مصنوعی در حوزه رمزارزها نیز در حال مقابله با سلطه فزاینده شرکتهای بزرگ فناوری بر مدلهای هوش مصنوعی هستند.
سوال اینجاست: آیا این پروژهها میتوانند رقابت کنند، یا اینکه صرفاً لایهای دیگر بر روی همان زیرساختهای متمرکزی هستند که ادعای مختل کردن آنها را دارند؟
هوش مصنوعی، رمزارزها و معمای عدم تمرکز
یکی از اصول اصلی که طرفداران سنتی رمزارزها را به حرکت وا میدارد، مفهوم عدم تمرکز است. این مفهوم مستقیماً در تقابل با آزمون هوی (Howey) کمیسیون بورس و اوراق بهادار آمریکا (SEC) قرار دارد که قراردادهای سرمایهگذاری را به عنوان ابزارهایی تعریف میکند که برای سودآوری به یک «شرکت مشترک» و «تلاش دیگران» وابسته هستند. بیشتر اوراق بهادار به شرکتهای متمرکز گره خوردهاند، اما بیتکوین، اتریوم و سایر شبکههای بهاندازهکافی غیرمتمرکز، به گونهای طراحی شدهاند که بدون نیاز به یک نهاد مرکزی عمل کنند.
چرا این موضوع اهمیت دارد؟ به دلیل مسئله کنترل. وایتپیپر بیتکوین به طور مشهوری یک سیستم «کاملاً همتا به همتا» را توصیف میکند که امکان انجام تراکنشها بدون نیاز به عبور از یک مؤسسه مالی را فراهم میکند. این ایدهآل لیبرتارین (دو طرف که بدون دخالت آزادانه معامله میکنند) به پیشرفت رمزارزها کمک کرده است.
گسترش ایدههای عدم تمرکز به حوزه هوش مصنوعی
با افزایش محبوبیت و همهگیر شدن هوش مصنوعی، ایدههای عدم تمرکز نیز به این حوزه راه یافتهاند. طرفداران رمزارزها نگران هستند که اگر هوش مصنوعی در دستان چند غول فناوری باقی بماند، به باغهای محصور دیگری تبدیل خواهد شد که توسط شرکتهایی مانند گوگل، مایکروسافت و OpenAI کنترل میشوند.
تلاشهای رمزارزها در حوزه هوش مصنوعی
برای مقابله با این مسئله، پروژههای هوش مصنوعی مبتنی بر بلاکچین در حال ظهور هستند. پروژههایی مانند Tao، Virtuals (روی Base) و AI16Z (روی سولانا) مدلهای هوش مصنوعی غیرمتمرکز را راهاندازی کردهاند و امیدوارند قبل از اینکه غولهای فناوری به طور کامل این صنعت را در اختیار بگیرند، آن را متحول کنند. برخی از این پروژهها در حال ساخت مدلهای زبانی بزرگ (LLMs) خود از پایه هستند و آنها را مستقل از شرکتهای بزرگ هوش مصنوعی آموزش میدهند.
چالش اصلی: دادهها
آموزش یک مدل هوش مصنوعی به حجم عظیمی از دادههای باکیفیت نیاز دارد. در حالی که تیمهای هوش مصنوعی در حوزه رمزارزها میتوانند از دادههای موجود در وب آزاد استفاده کنند، همچنان به مجموعهدادههای اختصاصی شرکتها دسترسی ندارند. با توجه به ادغام عمیق غولهای فناوری در فرآیندهای کاری شرکتها، آنها در این زمینه مزیت قابل توجهی دارند. این بدان معناست که تیمهای کاملاً غیرمتمرکز هوش مصنوعی به طور ذاتی با چالشهایی مانند پیشرفت کندتر، مدلهای ضعیفتر و پذیرش کمتر مواجه هستند.
رویکردهای متفاوت در پروژههای هوش مصنوعی رمزارزها
برخی از تیمهای هوش مصنوعی در حوزه رمزارزها رویکرد متفاوتی را در پیش گرفتهاند: به جای ساخت مدلهای خود، از زیرساختهای متمرکز هوش مصنوعی موجود استفاده میکنند. آنها از APIهای ارائهشده توسط OpenAI، Microsoft Copilot یا Google Gemini استفاده میکنند و در واقع به عنوان یک رابط غیرمتمرکز برای backendهای متمرکز هوش مصنوعی عمل میکنند. اگرچه این رویکرد به آنها اجازه میدهد به سرعت راهاندازی شوند، اما این سوال را به وجود میآورد: آیا آنها واقعاً غیرمتمرکز هستند یا فقط لایهای دیگر از وابستگی به غولهای فناوری محسوب میشوند؟
مسئله هزینه
فراتر از بحث عدم تمرکز، مسئله هزینه نیز مطرح است. توسعهدهندگان موافق هستند که تا حدی خطاهای هوش مصنوعی قابل تحمل است، به شرطی که انجام آزمایشها و تکرار آنها به صورت مقرونبهصرفه امکانپذیر باشد. اما با استفاده از ارائهدهندگان هوش مصنوعی مستقر در ایالات متحده، هزینهها به سرعت افزایش مییابد. مدلهای متنبسته مانند OpenAI توسعهدهندگان را مجبور به پذیرش ساختار «پرداخت برای بازی» میکنند بدون توجه به کیفیت خروجی.
ورود DeepSeek
در اواخر ژانویه ۲۰۲۵، این استارتآپ هوش مصنوعی مستقر در چین، با معرفی یک مدل زبانی کوچکتر و بسیار کارآمد، فضای رقابتی را متحول کرد. گزارشها حاکی از آن است که این مدل عملکردی مشابه ChatGPT دارد، در حالی که از منابع محاسباتی بسیار کمتری استفاده میکند. برخلاف رقابتهای میلیاردی در ایالات متحده (جایی که پروژه ۵۰۰ میلیارد دلاری Stargate OpenAI سرخط خبرهاست)، DeepSeek مدل خود را با بودجهای تنها ۶ میلیون دلار ساخته است تضادی چشمگیر که موجهایی از شوک را در بازارهای هوش مصنوعی و رمزارزها ایجاد کرد.
معنای DeepSeek برای هوش مصنوعی در حوزه رمزارزها
برخی از تیمهای هوش مصنوعی در حوزه رمزارزها شروع به ادغام DeepSeek به عنوان جایگزینی برای مدلهای هوش مصنوعی مستقر در ایالات متحده کردهاند. اگر DeepSeek رویکردی واقعاً متنباز را حفظ کند، میتواند هزینهها را برای تیمهای هوش مصنوعی کاهش داده و امکان نوآوری سریعتر را فراهم کند. با این حال، طرفداران افراطی عدم تمرکز با یک دوراهی مواجه هستند. در حالی که DeepSeek ممکن است وابستگی به غولهای فناوری ایالات متحده را کاهش دهد، وابستگی جدیدی به چین ایجاد میکند کشوری که به نظارت شدید دولت بر توسعه هوش مصنوعی معروف است.
این موضوع نگرانیهایی فراتر از هزینه را به وجود میآورد. آیا DeepSeek به اندازهای که طرفداران هوش مصنوعی رمزارزها امیدوارند، در برابر سانسور مقاوم خواهد بود؟ یا اینکه محدودیتهای آن در محتوا و پاسخها، کاربران سازمانی بالقوه را دلسرد خواهد کرد؟ یک مدل هوش مصنوعی غیرمتمرکز که آنچه میتواند بگوید را محدود میکند، همچنان عناصری از کنترل متمرکز را در خود دارد، حتی اگر این کنترل از سوی مرجعی متفاوت اعمال شود.
چه چیزی در پیش است؟
DeepSeek نشاندهنده تغییر قابل توجهی در دسترسی به هوش مصنوعی است، اما راهحل نهایی نیست. سوالاتی درباره دادههای آموزشی آن، ثبات عملکرد و قابلیت بلندمدت آن باقی مانده است. با این حال، نشانههای اولیه حاکی از آن است که DeepSeek میتواند به عنوان یک جایگزین ضروری برای استارتآپهای نوظهور هوش مصنوعی، از جمله آنهایی که در حوزه رمزارزها فعالیت میکنند، مطرح شود.
نبرد برای عدم تمرکز در هوش مصنوعی هنوز به پایان نرسیده است
در حالی که تیمهای هوش مصنوعی مبتنی بر بلاکچین برای دستیابی به استقلال بیشتر تلاش میکنند، باید میان ایدهآلها و مصالحههای دنیای واقعی تعادل برقرار کنند. هوش مصنوعی کاملاً غیرمتمرکز هنوز در مراحل اولیه خود است و این سوال باقی است که آیا واقعاً میتواند با غولهای فناوری رقابت کند یا خیر.
