وقتی بلاک چین و هوش مصنوعی ( AI) به هم می‌رسند!وقتی بلاک چین و هوش مصنوعی ( AI) به هم می‌رسند!

وقتی بلاک چین و هوش مصنوعی ( AI) به هم می‌رسند!

نویسنده: الهام قادری

دسته بندی: هوش تجاری
12 زمان مطالعه
۱۴۰۰/۰۸/۲۵
0 نظر
امتیاز 0 از 5

 در قرن 21 ام، بسیاری از تکنولوژی‌ها به کمک هم آمدند تا مسائل پیچیده را در صنایع مختلف حل کنند. این ترکیب‌ها به حضور فناوری‌های پر قدرتی انجامید که روندهای نوینی را ایجاد کرده است. بلاک‌چین و هوش مصنوعی در کنار هم یکی از روندهای تحول ساز آینده خواهد بود. 

در این مقاله می‌خواهیم ماهیت کلی این دو تکنولوژی را بررسی کرده و جایگاه عینی آن‌ها را دربرنامه‌های یکی از بزرگترین لیدرهای فناوری دنبال کنیم.

همگرایی Blockchain و AI می‌تواند ماشین لرنینگ را تقویت کرده و AI را قادر به ساخت و ترید محصولات مالی کند. پیش‌بینی می‌شود راه حل‌های هوش مصنوعی به زودی بر روی بلاک چین (Blockchain) اجرا شده و قابلیت‌های  یادگیری ماشین (machine learning) را افزایش دهد و حتی محصولات مالی جدیدی ایجاد کند.

بلاک چین امکان ذخیره و به اشتراک گذاری امن داده‌ها یا هر چیز با ارزشی را فراهم می‌کند و کار هوش مصنوعی تجزیه و تحلیل و تولید بینش از داده‌ها برای ایجاد ارزش است.

همگرایی این دو تکنولوژی با هم، کاربردهای زیادی در حوزه‌های متفاوت ایجاد می‌کند که در ادامه بر روی دو حوزه متمرکز می‌شویم.

  1. بهبود مدل‌های یادگیری ماشین در بلاک‌چین
  2. چگونگی ایجاد ابزارهای مالی جدید و مبادله روی بلاک‌چین توسط عامل هوش مصنوعی مستقل 

 مایکروسافت به عنوان یکی از بزرگترین لیدرهای این حوزه، در حال کار بر روی بهبود مدل‌های یادگیری ماشین در بلاکچین است و در آینده‌ای نزدیک شاهد آن خواهیم بود که چطور این سازمان‌ها می‌توانند جایگاه خود را برای استفاده از این همگرایی پیدا کنند، این موضوع می‌تواند بسیار جالب توجه باشد.   

استارپ‌های فعال در حوزه بلاک چین و هوش مصنوعی

تاکنون در مورد استارتاپ‌هایی که از ترکیب هوش مصنوعی (AI ) و بلاک چین استفاده کرده‌اند، تبلیغات زیادی شده است. اما بیش‌تر این استارتاپ‌ها نوپا هستند، مشتریان کمی دارند و اغلب تجاری‌سازی نشده‌اند. پس باید در این مورد واقع بین باشیم.

بسیاری از این شرکت‌ها از طریق initial coin offerings (ICO) (جذب سرمایه از طریق ارز دیجیتال و خلق کوین یا توکن و فروش آن) سرمایه جمع‌آوری کرده‌اند. به این معنا که ممکن است راهکار‌های آن‌ها متناسب با سرمایه‌ای که جذب کرده‌اند، بررسی و ارزش‌گذاری نشده باشد. بعضی از این شرکت‌های کوچک ممکن است موفق شوند و موارد استفاده محصولی که آن‌ها روی آن کار می‌کنند، نیز بسیار مهم است. امکان این که در سال‌های آینده بیشتر درباره آن‌ها بشنویم زیاد است اما تمرکز ما  در این مقاله روی آن‌ها نیست.

تعریف بلاک چین و هوش مصنوعی

مبانی بلاک چین و هوش مصنوعی

در ادامه یک تعریف ساده از بلاک چین و هوش مصنوعی را با هم مرور می‌کنیم.

بلاک چین

بلاک چین یک دفتر کل دیجیتالی است که نه تنها تراکنش‌های اقتصادی، بلکه  به طور کلی ارزش هر چیزی را ثبت کند.

بلاک چین‌های عمومی مانند اتریوم برای همه قابل استفاده هستند. در بلاک چین‌های خصوصی باید از طریق یک مجوز به شبکه بلاک چین پیوست و بیش‌تر در محیط‌های شرکتی و حقوقی استفاده می‌شوند. بلاک‌چین‌های خصوصی سریع‌تر از بلاک‌چین‌های عمومی هستند، زیرا شرکت‌کنندگان شناخته شده و قابل اعتماد هستند و تراکنش‌ها سریع‌تر تایید می‌شوند.

یکی از ویژگی‌های کلیدی بلاک چین این است که به طرف‌های غیرمرتبط این امکان را می‌دهد تا با یکدیگر دادوستد کرده و داده‌ها را با هم به اشتراک بگذارند. تراکنش‌ها با استفاده از رمزنگاری و مکانیسم‌های تجمیعی مانند اثبات کار تأیید می شوند این امر مهم است زیرا شرکت‌کنندگان مجبور نیستند به یکدیگر اعتماد کنند یا برای انجام معاملات با یکدیگر، متکی به شخص ثالث باشند تا تراکنش آن‌ها را تایید کند. 

بلاک چین یک مفهوم بسیار قدرتمند در تراکنش‌های مالی (به عنوان مثال بیت کوین) و حتی به اشتراک گذاشتن داده‌های حساس و مهم در بین سازمان‌ها است.افراد این اطمینان را دارند که داده‌ها در یک بلاک چین قابل اعتماد هستند حتی اگر نتوانند داده‌های اساسی آن را ببینند.

بلاک چین از رمزنگاری استفاده می‌کند تا مطمئن شود که داده‌ها، تراکنش‌ها و هویت افراد بتواند مطابق اصول زیر باقی بماند.

  • آن‌ها از بین نمی‌روند، امنیت داشته و قابلیت ثبت غیر قابل برگشت دارند.
  • داده‌ها در عین حال که قابل اطمینان هستند، خصوصی می‌مانند. شرکت‌کنندگان می‌توانند صحت داده‌ها را بدون نیاز به نگاه کردن به آن‌ها بسنجند و فقط به داده‌هایی دسترسی داشته باشند که اجازه‌اش را دارند.
  • به راحتی به اشتراک گذاشته می‌شوند تا همه افراد در شبکه بلاک چین یک کپی یکسان از تمام دفتر کل، از جمله بروزرسانی‌ها را در زمان انجام آن داشته باشند.

هوش مصنوعی  ( AI )

هوش مصنوعی در حقیقت استفاده از کامپیوتر برای انجام کارهایی است که به هوش انسانی نیاز دارد. مدل‌های هوش مصنوعی می‌توانند برای تحلیل، طبقه‌بندی وپیش‌بینی با کمک داده‌ها استفاده شوند. برخلاف نرم‌افزارهای سنتی، مدل‌های هوش مصنوعی با گذشت زمان و اضافه شدن داده‌های جدید، آموزش دیده و بهتر یاد می‌گیرند.

ماشین لرنینگ، زیر مجموعه‌ای از هوش مصنوعی است که با یادگیری از داده‌های دریافتی، به بینش و شناخت در مورد آن داده می‌رسد. به طور کلی، مجموعه داده‌های بزرگ‌تر به ایجاد مدل‌های یادگیری ماشینی بهتر کمک می‌کنند. کیفیت داده‌ها نیز به همان اندازه مهم است. از آن‌جایی که روند یادگیری می‌تواند مستمر باشد و تکامل پیدا کند، دیتابیس باید با داده‌های جدید و مرتبط بروزرسانی شود تا مدل‌ها بتوانند اثرگذاری خود را حفظ کنند.

داده‌ها در اثربخشی هوش مصنوعی نقش اساسی دارند و بلاک چین همکاری و به اشتراک‌گذاری امن داده‌ها را امکان‌پذیر می‌کند. 

مایکروسافت و بهبود مدل‌های ماشین لرنینگ در بلاک چین

مایکروسافت و بهبود مدل‌های ماشین لرنینگ در بلاک چین

محققان مایکروسافت در حال کار بر روی راه‌هایی برای بهبود مدل‌های ماشین لرنینگ هستند که روی بلاک چین‌های عمومی میزبانی می‌شوند. تا جایی که برای بهبود مدل‌ها در شبکه‌های بلاکچین پاداش داده می‌شود، این همکاری ارزشش را دارد.  

در حالی که پیشرفت‌های عظیمی در یادگیری ماشینی در حال انجام است اما مزایای آن به طور گسترده و برای همه قابل دسترسی نیست. افرادی که منابع محدودی دارند، همیشه نمی‌توانند به سیستم‌های ماشین لرنینگ پیشرفته دسترسی داشته باشند. این منابع متمرکز بوده وتا جایی که برای بهبود مدل‌ها در شبکه‌های بلاکچین پاداش داده می‌شود، این همکاری ارزشش را دارد و از مجموعه داده‌های اختصاصی استفاده می‌کنند که بازآفرینی آن‌ها پرهزینه است. علاوه بر این، حتی بهترین مدل‌ها نیز اگر به صورت مرتب بروزرسانی نشود، قدیمی می‌شوند. 

مایکروسافت در تلاش است تا با استفاده ��ز بلاک چین، هوش مصنوعی را غیرمتمرکز و مشارکتی کند. در این آینده، افراد به راحتی و با هزینه کم می‌توانند مدل‌های پیشرفته ماشین لرنینگ را بر روی دستگاه‌ها و اپلیکیشن‌های روزمره (مانند لپ‌تاپ، مرورگر، تلفن‌ همراه) خود اجرا کرده و به جمع‌آوری داده‌ها و بهبود مدل‌ها کمک کنند.

اجازه دادن به مدل های پیشرفته هوش مصنوعی و مجموعه داده های بزرگ برای به اشتراک‌گذاری، بروزرسانی و آموزش گسترده می‌تواند میزان پذیرش و اثربخشی هوش مصنوعی را افزایش دهد.

برنامه مایکروسافت برای توسعه در حوزه AI و بلاک چین

مایکروسافت در این پروژه،  در حال توسعه یک هوش مصنوعی غیرمتمرکز و مشارکتی در چارچوب بلاک چین است تا جامعه فعال در حوزه هوش مصنوعی بتوانند به طور مشترک مدل‌ها را آموزش داده و مجموعه‌ای از داده‌ها را بر روی بلاک چین‌های عمومی بسازد. نکته قابل توجه در این است که افراد می‌توانند به صورت رایگان از مدل‌های ماشین لرنینگ استفاده کنند.

مدل‌هایی که در بسیاری از برنامه‌های کاربردی مانند توسعه دستیار مجازی (virtual assistant) و یا سیستم‌های پیشنهاد دهنده استفاده می‌شود. همانطور که نت فلیکس از اتریوم برای پیشنهاد به فیلم‌ها و نمایش‌ها به کاربر استفاده کرد.

استفاده از بلاک چین منطقی است زیرا به شرکت‌کنندگان اعتماد و امنیت می‌دهد. شما می‌توانید 100% مطمئن باشید که با چه کدی در حال تعامل هستید. چارچوب مایکروسافت به جای نیاز به خدمات ابری تخصصی، مدل‌های عمومی را در قراردادهای هوشمند قرار می‌دهد که مشخصات مدل را ثبت کنند. مدل‌ها را می‌توان در بلاک چین بروزرسانی کرد یا بدون هزینه تراکنش، از خارج از زنجیره و در دستگاه محلی کاربر استفاده کرد. ماهیت تغییرناپذیر بلاک چین و قراردادهای هوشمند به این معنی است که مدل همیشه مطابق با مشخصات عمل می‌کند. هنگامی که مدل بروزرسانی و اعتبارسنجی شد، هر کاربر آن را به عنوان «یک نسخه واقعی» می‌بیند.

بلاک چین همچنین یک سیستم انگیزشی است که شرکت کنندگان را تشویق می‌کند تا در آماده کردن داده‌هایی که باعث بهتر شدن مدل‌ها می‌شوند، مشارکت کنند. توانایی تأیید و ردیابی تغییرات به ما این امکان را می‌دهد که به‌ طور دقیق پاداش‌ها را (به صورت توکن) برای افرادی که همکاری کرده مدل‌های هوش مصنوعی را ارتقا دادند، محاسبه و پرداخت کنیم.

 محققان مایکروسافت ادعا کردند که هزینه آپدیت یک مدل پرسپترون هوش مصنوعی در شبکه اتریوم معادل 0.25 دلار است. در آینده آن‌ها امیدوارند به این هزینه نیز نیاز نباشد. از طرفی بسته به این که مشارکت شرکت‌کنندگان چقدر به بهبود مدل کمک کرده است، پاداش خود را از شبکه دریافت می‌کنند. مشارکت‌کنندگان خوب پاداش گرفته و مشارکت‌کنندگان بد و یا مخرب با دریافت مبالغی جریمه می‌شوند.

در حالی که چارچوب‌های مایکروسافت هنوز در مقیاس بزرگ عمل نمی‌کنند، اما چشم‌انداز آن‌ها می‌تواند به زودی به یک معیار تبدیل شود. اجازه اشتراک، بروزرسانی و آموزش مدل‌های پیشرفته هوش مصنوعی و مجموعه داده‌های بزرگ به طور گسترده، می‌تواند میزان پذیرش و اثربخشی هوش مصنوعی را افزایش دهد.

جمع‌بندی

آن چه در این مقاله مهم است تغییر پارادایم از فناوری‌های برتر متمرکز به فناوری‌های غیر متمرکز و با هزینه‌های پایین‌تر و در دسترس عموم است. قدرتی که ترکیب تکنولوژی‌های نوین برتر در اختیار کسب‌وکارها و جوامع قرار می‌دهد. این مباحث بسیار بحث برانگیز هستند و قابلیت این را دارند که چشم‌انداز آینده شرکت‌ها، بازارهای مالی و حتی انسان‌ها را تغییر دهند. در مقالات بعدی همراه ما باشید تا بیش‌تر در درباره این مباحث صحبت کنی