اليوم نقف على أعتاب "الانقسام الكبير" للذكاء الاصطناعي. من جهة، هناك شركات التقنية الكبرى (Google, Microsoft, OpenAI) التي تبني "حدائق رقمية" مغلقة مع رقابة صارمة واحتكار للبيانات. ومن جهة أخرى، حركة DeAI (الذكاء الاصطناعي اللامركزي)، التي تهدف لنقل الشبكات العصبية إلى مسار البلوكشين.
في هذا المقال، سنوضح لماذا الذكاء الاصطناعي المركزي هش وخطير، وكيف أن البنى التحتية الفيزيائية اللامركزية (DePIN) تخلق بديلًا لا يمكن إيقافه.
1. مشكلة "الصندوق الأسود" والسيطرة المؤسسية
نماذج اللغة الكبيرة المركزية (LLM) لديها ثلاثة عيوب أساسية:
- الرقابة والتحيز: الشركات تضبط الفلاتر وفق سياساتها أو متطلبات الدولة.
- الخصوصية: كل استفسار تقوم به على ChatGPT يصبح ملكًا لـ OpenAI. بالنسبة للشركات، هذا يمثل خطر تسريب أسرار تجارية.
- نقطة فشل واحدة: إذا توقفت سيرفرات Azure أو AWS، سيتوقف آلاف الخدمات حول العالم.
البلوكشين يحل هذه المشكلة من خلال الشفافية. في الشبكة اللامركزية، قواعد عمل النموذج مذكورة في العقد الذكي، ويمكن تخزين أوزان النموذج على IPFS (نظام الملفات بين الكواكب)، مما يمنع تعديل الكود لصالح الجهات المنظمة.
2. بنية DeAI: كيف تعمل عمليًا؟
على عكس السحابة التقليدية حيث تستأجر جهازًا افتراضيًا، يعمل الذكاء الاصطناعي اللامركزي مثل "Airbnb للـ GPU".
أبرز المشاريع في 2026:
- Bittensor (TAO): سوق "الذكاء". يقوم المنقبون بتدريب النماذج والتنافس على جودة الإجابات. الأفضل يحصل على رموز. إنها منظومة تتعلم نفسها، حيث تتعلم النماذج من بعضها البعض حرفيًا.
- Gensyn: بروتوكول من الطبقة الأولى (L1) يجمع مليارات الأجهزة (من أجهزة الألعاب إلى الهواتف) في حاسوب عملاق واحد. الميزة الرئيسية هي الإثبات التشفيري للحسابات. يمكنك التأكد أن العقدة قامت بتدريب النموذج فعليًا ولم تزيف النتيجة.
- Akash Network: سحابة لامركزية يمكنك من خلالها استئجار NVIDIA H100 أرخص 3-5 مرات من Amazon بفضل المنافسة بين مزودي الخدمة المستقلين.
3. الجزء العملي: تشغيل LLM في شبكة لامركزية
اليوم يمكن لأي شخص تشغيل نموذج بعيدًا عن الرقابة والشركات. لنأخذ مثال استخدام Akash أو Petals (مكتبة للاستنتاج الموزع).
مثال: تشغيل Llama-3 موزع عبر Petals
إذا لم يكن لديك 80 جيجابايت من ذاكرة الفيديو لتشغيل نموذج قوي، يمكنك الانضمام إلى "سرب" حيث يحتفظ كل مشارك بجزء فقط من طبقات الشبكة العصبية.
كود Python:
from transformers import AutoTokenizer
from petals import DistributedLlamaForCausalLM
# استخدام سرب عام لنموذج Llama-3
model_name = "enoch/Llama-3-70b-petals"
# تحميل التوكنيزر محليًا
tokenizer = AutoTokenizer.from_pretrained(model_name)
# الاتصال بالشبكة اللامركزية (يتم تحميل جزء فقط من الطبقات)
model = DistributedLlamaForCausalLM.from_pretrained(model_name)
inputs = tokenizer("مستقبل الذكاء الاصطناعي يكمن في", return_tensors="pt")["input_ids"]
outputs = model.generate(inputs, max_new_tokens=50)
print(tokenizer.decode(outputs[0]))
في هذا السيناريو، بطاقة الرسوميات الخاصة بك تعالج 2-3 طبقات فقط، والبقية على أجهزة متطوعين حول العالم.
4. حقيقة غير معروفة: "إثبات العمل المفيد" (PoUW)
كثيرون ينتقدون البيتكوين لإهداره الكهرباء بلا فائدة. الذكاء الاصطناعي اللامركزي يحوّل التعدين إلى عمل مفيد. بدلًا من اختيار أرقام عشوائية، يقوم المنقبون في شبكات مثل Gensyn أو Ritual بالانحدار التدريجي وتحسين الأوزان.
هذا يغير اقتصاد العالم: الطاقة المستخدمة لتأمين البلوكشين تخلق منتجًا ذكيًا بشكل مباشر.
5. مقارنة: الشركات vs البلوكشين
| الخاصية | مركزي (OpenAI/Google) | لامركزي (Bittensor/Akash) |
|---|---|---|
| التكلفة | عالية (اشتراك ثابت) | منخفضة (سعر السوق) |
| الوصول | من أي جهاز (VPN مطلوب في بعض الدول) | بدون قيود (Permissionless، بدون KYC) |
| الملكية | النموذج ملك الشركة | النموذج ملك المجتمع/DAO |
| السرعة | سريعة جدًا | تعتمد على تأخيرات الشبكة |
لماذا هذا أمر حتمي؟
الشركات دائمًا ستقيد الذكاء الاصطناعي لتجنب الدعاوى القضائية. لكن الذكاء الاصطناعي "الحر" القادر على التفكير بلا رقابة سيكون دائمًا أكثر فعالية في العلم والبرمجة والتحليل. البلوكشين هو الوسيلة الوحيدة لمنح هذا الذكاء الاصطناعي "جسم" (معدات) و"دم" (رموز لدفع الموارد) لا يمكن مصادرتها.
6. الخصوصية عبر ZK-Proofs: كيفية تدريب الذكاء الاصطناعي باستخدام بيانات خاصة
واحدة من أكبر التحديات في الذكاء الاصطناعي "المؤسسي" هي الحاجة إلى إرسال البيانات إلى خادم الشركة. إذا أراد بنك تدريب نموذج باستخدام معاملات العملاء، فإنه يخاطر بانتهاك القانون. تحل الشبكات اللامركزية هذه المشكلة عبر ZK-ML (التعلم الآلي بدون معرفة).
جوهر التقنية: يمكنك إثبات أن الشبكة العصبية أعطت نتيجة معينة بناءً على بيانات محددة، دون الكشف عن هذه البيانات نفسها.
مثال: تؤكد للذكاء الاصطناعي أن تصنيفك الائتماني أعلى من 700 عن طريق إرسال كشوفات مشفرة. تتحقق الشبكة منها داخل "معزل" (TEE — بيئة تنفيذ موثوقة) أو عبر بروتوكول ZK، وتصدر النتيجة "موافق"، لكن لا أحد — حتى مالكو العقد في الشبكة — يمكنه رؤية مصاريفك.
المشروع الرائد: Ritual. هو أول معالج مساعد للذكاء الاصطناعي على البلوكشين في العالم. يتيح للعقود الذكية "طلب" نتائج الذكاء الاصطناعي بنفس سهولة طلب سعر رمز من المصادر (Oracles).
7. تحويل أوزان النماذج إلى رموز (ملكية النموذج)
في العالم التقليدي، "أوزان" النموذج (معرفته) هي مجرد ملف على الخادم. في DeAI يمكن ترميز الأوزان.
تخيل أنك أنشأت نموذجًا مصغرًا فريدًا لتحليل المستندات القانونية. يمكنك إطلاقه على الشبكة كـ NFT أو من خلال تجمع سيولة.
- في كل مرة يستخدم فيها شخص ما نموذجك، تحصل على عمولة بالرموز.
- يمكن للمستثمرين "شراء حصة" في نموذج واعد، مما يوفر سيولة للمطور للتدريب المستقبلي.
هذا يخلق مصدر مفتوح معزز: يحصل المطورون على تحقيق أرباح مباشرة من كودهم دون الحاجة لبيعها لشركات مثل Google أو Microsoft.
8. حالة تقنية: إنشاء وكيل ذكاء اصطناعي يعتمد على الاستدلال اللامركزي
للتطبيق العملي، غالبًا ما يُستخدم اليوم Olas (Autonolas). وهو إطار عمل لإنشاء وكلاء مستقلين يعيشون "خارج" الخوادم المركزية.
مثال على منطق الوكيل (Pseudo-code):
# وكيل يستأجر GPU في شبكة Akash عند الحاجة
class DeAI_Agent:
def __init__(self, wallet_balance):
self.wallet = wallet_balance
self.model_endpoint = "https://provider-on-akash.net/v1"
def perform_task(self, prompt):
if self.wallet > 0.01: # الدفع برموز AKT أو USDC
response = requests.post(self.model_endpoint, json={"prompt": prompt})
return response.json()
else:
return "قم بإعادة شحن محفظة الوكيل على البلوكشين"
# الوكيل يعمل بشكل مستقل ويتنقل بين المزودين إذا أصبح أحدهم غير متصل
9. مفهوم غير معروف: "النماذج الطفيلية" والتعدين التنافسي
في شبكة Bittensor يوجد ظاهرة فريدة. لا يكتفي المعدنون بالإجابة على الأسئلة. يستخدمون Distillation (التقطير). إذا بدأ نموذج واحد في الشبكة بالإجابة بشكل أفضل، يبدأ المعدنون الآخرون تلقائيًا بالتعلم من إجاباته، "ينسخون" ذكاءه في نماذجهم الأصغر.
هذا يخلق تأثير الذكاء الجماعي: المعرفة لا تبقى في نموذج واحد، بل تُوزع فورًا على كامل الشبكة، مما يجعل الذكاء الاصطناعي اللامركزي عمليًا محصنًا ضد "الركود الفكري".
10. المخاطر والتحديات (نظرة صادقة)
سيكون من الخطأ القول إن الذكاء الاصطناعي على البلوكشين قد انتصر بالفعل. هناك حواجز حرجة:
- الكمون: نقل البيانات بين العقد في دول مختلفة أبطأ من داخل مركز بيانات Nvidia واحد. لذلك، DeAI اليوم أكثر ملاءمة للتدريب والمهام غير المتزامنة من الدردشة اللحظية.
- التحقق من الحسابات: إثبات أن العقدة عالجت البيانات عبر النموذج بشكل صحيح ولم تنتج نصًا عشوائيًا مكلف حسابيًا (تساعد Optimistic Proofs في التحقق فقط عند الشك في الاحتيال).
11. كيف تدخل هذا المجال اليوم؟ (نصائح عملية)
- للمطورين: تعلّم المكتبات مثل Vanna.ai أو LangChain بالاقتران مع واجهات برمجة التطبيقات اللامركزية (مثل Together AI أو Venice.ai التي تهدف إلى اللامركزية).
- للمستثمرين والهواة: تابعوا قطاع DePIN (شبكات البنية التحتية المادية اللامركزية). إنها الأساس. بدون قدرات GPU، لا تعمل أي رموز.
- للمستخدمين: ابدأ باستخدام واجهات مثل Venice.ai (استدلال بدون رقابة ودون حفظ سجلات) أو Hugging Face Spaces على بنية مستقلة.
12. اقتصاد "جنة الوكلاء": عندما تصبح IA كيانًا قانونيًا وماليًا
التغيير الأكثر جذرية الذي يجلبه البلوكشين لعالم LLM هو منح الشبكات العصبية السيادة المالية. في النموذج المركزي، IA هي أداة؛ في النموذج اللامركزي، هي وكيل اقتصادي.
IA بمحفظة خاصة
بفضل التكامل مع شبكات مثل Base و Solana و Ethereum (L2)، يمكن للوكلاء المستقلين الآن:
- توظيف شبكات عصبية أخرى: على سبيل المثال، يمكن لكاتب LLM إرسال دفعات صغيرة لنموذج متخصص لإنشاء صور (عبر بروتوكول Render) أو لمراجعة الكود.
- دفع تكاليف البنية التحتية الخاصة به: يستأجر الوكيل طاقة حوسبة على Akash أو Livepeer عند نفاد موارده الخاصة.
- تجميع رأس المال: إذا قدم الوكيل خدمات مفيدة، يكسب رموزًا يمكنه إنفاقها على تحسين تدريبه الخاص (Fine-tuning).
13. الحوكمة عبر DAO: من يقرر ما يتعلمه الذكاء الاصطناعي؟
في العالم المؤسسي، يقرر المجلس "أخلاقية" الإجابات. في LLM اللامركزية، هذا يقع على عاتق DAO (المنظمات المستقلة اللامركزية).
- التصويت على مجموعات البيانات: يقرر حاملو الرموز أي البيانات ستدرج في التحديث التالي للنموذج.
- المراهنة على الجودة: يمكن للمستخدمين "التصويت" باستخدام رموزهم على أكثر الإجابات فائدة أو على نسخ الأوزان. هذا يخلق فلتر سوق للحقيقة بدلًا من الرقابة المؤسسية.
14. مثال عملي: استخدام Python للتفاعل مع وكيل IA عبر البلوكشين
لجعل كودك يتفاعل مع وكيل IA لامركزي لديه ميزانية خاصة، تُستخدم مكتبات العقود الذكية (مثل web3.py).
مثال على منطق دفع الاستدلال عبر العقد الذكي:
from web3 import Web3
# الاتصال بالشبكة (مثال: Polygon أو Arbitrum)
w3 = Web3(Web3.HTTPProvider('https://your-rpc-node.com'))
contract_address = '0xAI_ORACLE_CONTRACT_ADDRESS'
abi = [...] # ABI لعقد IA اللامركزي
def ask_decentralized_ai(prompt, user_private_key):
# إنشاء المعاملة لدفع الطلب
account = w3.eth.account.from_key(user_private_key)
# استدعاء وظيفة العقد التي ترسل الطلب إلى شبكة المعدنين (مثال: Bittensor)
tx = contract.functions.requestInference(prompt).build_transaction({
'from': account.address,
'nonce': w3.eth.get_transaction_count(account.address),
'value': w3.to_wei(0.1, 'ether') # الدفع مقابل الحساب
})
signed_tx = w3.eth.account.sign_transaction(tx, user_private_key)
tx_hash = w3.eth.send_raw_transaction(signed_tx.rawTransaction)
return f"تم إرسال الطلب إلى البلوكشين. Hash: {tx_hash.hex()}"
15. المستقبل: دمج الذكاء البيولوجي والرقمي عبر DeAI
نتجه نحو مفهوم “إنترنت الذكاء”، حيث تختفي الحدود بين النماذج الفردية.
- التكوينية: لا تستخدم فقط "Llama-4"، بل مجموعة ديناميكية من آلاف النماذج المصغرة يجمعها بروتوكول البلوكشين في الوقت الفعلي لمهمتك المحددة.
- عدم القابلية للتدمير: طالما يوجد بعض العقد في الشبكة، يظل الذكاء متاحًا. لا يمكن "حظره" عن طريق IP أو العقوبات.
الخاتمة: لماذا هذا مهم الآن؟
الذكاء الاصطناعي المركزي هو ذروة الراحة، لكن الذكاء الاصطناعي اللامركزي هو أساس الحرية. في 2026، سيكون اختيار أحدهما مثل اختيارك بين الاحتفاظ بأموالك في البنك أو في محفظة باردة خاصة بك.
نصيحة عملية: ابدأ اليوم باستكشاف DePIN و Web3-SDK للذكاء الاصطناعي. من يتعلم إنشاء وكلاء قادرين على إدارة الموارد في البلوكشين بشكل مستقل سيكون في صدارة السلسلة التكنولوجية الجديدة.
