باختصار (TL;DR): تقنية التعلم الآلي مع إثبات المعرفة المعدومة (ZK-ML) تترجم عمليات الاستدلال للشبكات العصبية إلى دوائر حسابية فوق حقول منتهية (Finite Fields). يتيح هذا الأمر إمكانية إثبات داخل بيئة EVM أن نتيجة مخرجات معينة y هي بالفعل ناتج تشغيل النموذج M(x) على المدخلات x، مع الحفاظ على سرية أوزان النموذج W، أو البيانات الخاصة x، أو كلاهما في نفس الوقت.
معضلة الثقة في الذكاء الاصطناعي داخل الأنظمة اللامركزية
الطبيعة الحتمية (Deterministic) للجهاز الافتراضي لإيثريوم (EVM) غير قادرة على معالجة عمليات الفاصلة العائمة (Floating-point)، أو ضرب المصفوفات بحجم 1024 × 1024، أو الدوال غير الخطية. أي استدعاء لعملية استدلال أصلية داخل EVM يصطدم فوراً بحد غاز البلوك (30M gas) ويجبر المدققين على إهدار الوقت في إعادة تنفيذ الحسابات، مما يدمر القابلية للتوسع (Scalability).
لماذا يعاني الذكاء الاصطناعي التقليدي في Web3 من مشاكل "الصندوق الأسود"؟
دمج الذكاء الاصطناعي في العقود الذكية بدون إثباتات تشفيرية يختزل الحل في حلين بديلين خطيرين: أما التبعية لعرافين مركزيين خارج السلسلة (Centralized Off-chain Oracles) أو بيئات التنفيذ الموثوقة (TEEs مثل Intel SGX وTDX). في كلتا الحالتين، يضطر العقد الذكي إلى الوثوق بخدمة طرف ثالث بشكل أعمى.
نظام العرافين (Oracles) ينهار تماماً عند التعرض لأي هجوم مالي: فرشووة مشغل عقدة (Node Operator) أو اعتراض طلب API للخلفية أرخص بكثير من اختراق العقد الذكي نفسه. أما تجمعات TEE فتعاني باستمرار من هجمات القنوات الجانبية (Side-Channel Attacks مثل Spectre وMeltdown وForeshadow)، حيث يستخرج المهاجم مفاتيح التشفير السرية مباشرة من مسجلات المعالج عبر تسربات الحالة الدقيقة للبنية المعمارية. النتيجة النهائية؟ تحصّل بروتوكولات Web3 على ذكاء اصطناعي هش وغير مركزي، بل مجرد عكاز ضعيف يبقي أموال المستخدمين رهينة لديه.
دور الإثباتات التشفيرية (zk-SNARKs/zk-STARKs) في التحقق من الاستدلال
تؤسس رياضيات المعرفة المعدومة (Zero-Knowledge) حاجزاً لا يقبل المساومة: يتم نقل العمل الشاق لتنفيذ النموذج خارج السلسلة (Off-chain) على خوادم قوية مزودة بوحدات GPU/NPU، بينما يتم إرسال شهادة تشفيرية موجزة (Attestation) داخل السلسلة (On-chain).
يتوقف العقد الذكي عن إجراء الحسابات ليتحول إلى قاضٍ صارم؛ فهو لا يحتاج لتخزين غيغابايتات من الأوزان، بل يكفيه بايتكود المتحقق وثوابت التهيئة الموثوقة (Proving/Verifying Keys).
إذا أكدت الرياضيات غير المتناظرة لـ zk-SNARK (مثل Groth16 أو PlonKy2 أو UltraPLONK) صلاحية الإثبات في غضون بضعة مللي ثانية، يسجل العقد حالة "صحيح" (True). ولا يمكن لأي مشغل مخادع تزوير الحجة: فالفرصة الرياضية لتوليد إثبات مزيف دون معرفة القيم الوسيطة الصحيحة (wire values) تقترب من الصفر رياضياً (بمستوى متانة من رتبة 1/2128).
ZK-ML: هيكلية خط الإنتاج (Pipeline)
إن تحويل نموذج تعلم عميق من PyTorch إلى عقد ذكي ليس مجرد تصدير بسيط إلى تنسيق ONNX، بل هو عملية جراحية متكاملة في البنية الرياضية للشبكة العصبية.
+------------------------+ | PyTorch / ONNX Model | | (FP32 Tensors) | +------------------------+ | v +------------------------+ | Quantization Engine | | (Fixed-Point / INT8) | +------------------------+ | v +------------------------+ | Circuit Compilation | | (R1CS / Plonkish) | +------------------------+ | v +------------------------+ | Prover (Halo2 / EZKL) | ----> Generates ZK Proof (π) +------------------------+ | v +------------------------+ | EVM Verifier Contract | ----> Validates Proof via Pairing Check +------------------------+
تحضير النموذج (Quantization & Circuit Compilation)
تستخدم مصفوفات الأوزان في PyTorch نوع البيانات FP32 (أرقام بفاصلة عائمة 32-bit). أما حقول التشفير في ZK فتعمل حصرياً على أعداد صحيحة بمقياس عدد أولي ضخم p (على سبيل المثال، p = 21888242871839275222246405745257275088548364400416034343698204186575808495617 للمنحنى الإهليلجي BN254).
يُلزم المهندس بتطبيق عملية التكميم (Quantization)، حيث تحول القيم الكسرية إلى أعداد صحيحة بمعامل تحجيم محدد:
xquant = ⌊x · 2S⌋
حيث S هو عامل القياس (Scale Factor). حتمية فقدان الدقة في هذه المرحلة أمر لا مفر منه، ولهذا السبب يتم إعادة تدريب الشبكة العصبية مع مراعاة التكميم (Quantization-Aware Training).
بعد ذلك، يتم ترجمة الرسم البياني للحسابات إلى دائرة حسابية. وكل عملية (جمع، ضرب) تتحول إلى بوابة نظام قيود من الرتبة الأولى R1CS (Rank-1 Constraint System) بالشكل التالي:
(A · Z) ∘ (B · Z) = C · Z
تمثل دوال التنشيط غير الخطية (ReLU, GELU, Sigmoid) كابوساً حقيقياً لدوائر ZK. فنشاط مثل ReLU (حيث f(x) = max(0, x)) يتطلب تحليلاً ثنائياً (Bit Decomposition) أو جداول بحث (Lookup Arguments) في أدوات الإثبات من نوع Plonkish، مما يؤدي فوراً إلى تضخيم حجم الدائرة بأضعاف هائلة.
مرحلة توليد الإثبات (Prover Mechanics) >
يأخذ المُثبِت (Prover) الدائرة المجمعة، المدخلات/المخرجات العامة، والشاهد الخاص (Witness — مثل أوزان النموذج أو بيانات المستخدم). تتضمن عملية حساب الإثبات حساب كثيرات الحدود عالية الدرجة وتنفيذ تحويلات فورييه السريعة (FFT) على كثيرات الحدود للحقول المنتهية.
العبء على المعالجات ووحدات معالجة الرسوميات (GPUs) هنا هائل للغاية. بالنسبة لنموذج ResNet-50، قد تستغرق عملية توليد الإثبات على وحدة معالجة رسوميات فائقة (مثل Nvidia A100) وقتاً يتراوح بين عشرات الثواني إلى دقائق، وتتطلب ما يصل إلى 128 جيجابايت من الذاكرة العشوائية (RAM) لمجرد الاحتفاظ بمتجهات الشهود (Witness Vectors).
التحقق على مستوى العقود الذكية لـ EVM (Verifier Contract Gas Costs)
على جانب إيثريوم، يقتصر التحقق على فحص الاقتران على المنحنى الإهليلجي (Elliptic Curve Pairing Check). ويوفر الجهاز الافتراضي EVM وظائف مسبقة التحويل أصلية للمنحنى BN254 وتشمل: ecAdd (0x06)، وecMul (0x07)، وecPairing (0x08).
جدول استهلاك الغاز وبارامترات الإثبات لعقود التحقق المنشورة:
| النظام / الواجهة الخلفية (Backend) | دقة المنحنى | حجم الإثبات (Bytes) | استهلاك الغاز للتحقق (EVM Gas) | متطلبات الإعداد الموثوق (Trusted Setup) |
|---|---|---|---|---|
| Groth16 (EZKL) | BN254 | ~256-384 | ~190,000 – 230,000 | نعم (Per-circuit Ceremony) |
| UltraPLONK (Halo2) | BN254 / KZG | ~512-1024 | ~300,000 – 450,000 | نعم (Universal SRS) |
| STARK (Fri / Winterfell) | None (Hash-based) | ~80,000 – 200,000 | > 1,500,000 (غير مجدٍ اقتصادياً في EVM) | لا (Transparent) |
| Nova (Folding Scheme) | BN254 / Grumpkin | ~1024 (Recursive) | ~280,000 | نعم (Universal) |
يتفوق Groth16 في استهلاك الغاز بفارق ساحق، ولكنه يتطلب مراسم إعداد موثوق (Trusted Setup) إجرائية فردية لكل هيكل فريد للشبكة العصبية. إذا قمت بتغيير طبقة واحدة فقط، فسيتعين عليك إعادة إجراء الإعداد من جديد.
التحديات التقنية الرئيسية والاختناقات (Bottlenecks)
إن تقنية ZK-ML هي عالم التنازلات الهندسية المستمرة، حيث تدفع ثمن الضمانات التشفيرية من خلال استهلاك الموارد الحسابية.
تظل التعقيدية الحسابية لتوليد الإثبات (Proving Overhead) العائق الأكبر أمام الصناعة؛ فنسبة وقت توليد الإثبات إلى وقت تنفيذ النموذج العادي (Native Inference) تبلغ حوالي 105 إلى 106. إن تنفيذ استدلال نموذج تصنيف بسيط يستغرق ملي ثانية واحدة على المعالج (CPU)، بينما سيؤدي بناء إثبات ZK لنفس النموذج إلى إجهاد الخادم وحرقه لمدة 30 ثانية كاملة.
الذاكرة: التنسورات متعددة الأبعاد المحولة إلى قيود R1CS تلتهم الذاكرة العشوائية (RAM) بشكل أسرع بكثير من الألعاب الثقيلة (AAA Games). جرب تجميع نموذج لغة كبير (LLM) بـ 7 مليارات معامل في دائرة ZK، وستحتاج حينها إلى مركز بيانات كامل مزود ببيتابايتات من الذاكرة العشوائية ومسرعات ASIC متخصصة غير متوفرة بعد في الأسواق للإنتاج التجاري الواسع.
حالات الاستخدام العملية في التمويل اللامركزي (DeFi) والأمان
تقييم الائتمان الخاص (Private Credit Scoring) دون الكشف عن البيانات الشخصية ينقل عمليات الإقراض في عالم Web3 إلى مستوى غير مسبوق. يجمع المقترض كشوفات الحسابات البنكية، وتاريخ ملكية العقارات، وسجل المعاملات على السلسلة، والإقرارات الضريبية. يتم تشغيل نموذج التقييم محلياً في المتصفح أو على الجهاز المحمول عبر وحدة WebAssembly الخاصة بـ EZKL. ليتم إرسال النتيجة الصافية وحدها إلى عقد Aave أو Compound الذكي: «Credit Score = 780» مرفقة بإثبات ZK. يصدر البروتوكول القرض بضمان مخفض. لا تسريب للبيانات الشخصية، ولا أي مخاطر على قاعدة بيانات مزود الخدمة.
وكلاء التداول المستقلون ذوو الاستراتيجيات القابلة لل اثبات نزاهتهم يقضون نهائياً على مشكلة الثقة في صناديق التحوط (Hedge Funds). تخيل صندوقاً كمياً يدير أصولاً بقيمة 50 مليون دولار في DeFi، حيث تعتمد استراتيجية الصندوق على نموذج ذكاء اصطناعي مغلق وخاص. يريد المستثمرون التأكد من أن المدير لا يقوم بتسريب الودائع عبر بوتات MEV أو صفقات وهمية. يقوم صندوق التحوط بتوليد إثبات ZK لكل عملية إعادة موازنة للمحفظة الاستثمارية. ويتحقق العقد الذكي من ذلك: الصفقة تمت حقاً استناداً إلى الاستنتاج الرياضي للنموذج المحدد، وليس بناءً على رغبة شخصية للمتداول.
الخاتمة ومستقبل الذكاء الاصطناعي اللامركزي
تقوم تقنية ZK-ML بتحويل الثقة من البعد الاجتماعي والقانوني إلى رياضيات بحتاً. بمجرد أن ينخفض العبء الحسابي لتوليد الإثباتات بمقدار 100 ضعف إضافية بفضل تطور مخططات الطي التكراري (Folding Schemes) ومسرعات الأجهزة الأصلية (Hardware Accelerators)، ستتوقف العقود الذكية عن كونها مجرد حاسبات بسيطة لتتحول إلى وكلاء مستقلين وقابلين للتحقق في النظام المالي الجديد.
