ویتالیک بوترین و رویکردی متفاوت به هوش مصنوعی
ویتالیک بوترین، همبنیانگذار اتریوم، خواستار مسیری متفاوت در هوش مصنوعی است؛ مسیری که «مسابقه کورکورانه به سمت هوش مصنوعی عمومی (AGI)» را رد میکند و در عوض بر عدم تمرکز، تأیید و حفظ حریم خصوصی به سبک اتریوم به عنوان محافظهای عصر هوش مصنوعی تکیه دارد.
بوترین در پستی در X در روز دوشنبه نوشت: «چارچوب ‘کار بر روی AGI’ خود حاوی یک اشتباه است»، و خاطرنشان کرد که این هدف اغلب به عنوان یک مسابقه تمایزناپذیر در نظر گرفته میشود که در آن تمایز اصلی صرفاً این است که «شما در صدر قرار میگیرید».
او این عبارت را با توصیف مبهم اتریوم به عنوان «کار در امور مالی» یا «کار بر روی محاسبات» مقایسه کرد و گفت که این امر سؤالات مهمتری در مورد جهتگیری و ارزشها را پنهان میکند.
بوترین گفت که به هوش مصنوعی و رمزنگاری اغلب از «دیدگاههای فلسفی کاملاً جداگانه» نزدیک میشوند و از سازندگان خواست تا آنها را ادغام کنند.
بوترین نوشت، به جای شتابدهی خام، توسعه هوش مصنوعی باید بر سیستمهایی متمرکز شود که «آزادی و توانمندسازی انسان را تقویت میکنند» و اطمینان حاصل میکنند که «جهان منفجر نمیشود»، و این سخنان بازتابی از چارچوب شتابدهی دفاعی یا d/acc او بود.
جونی پیروویچ، بنیانگذار و مدیرعامل Crystal aOS، به Decrypt گفت: «تبدیل شدن اتریوم به لایه تسویه حساب پیشفرض برای تعاملات هوش مصنوعی با هوش مصنوعی واقعبینانه است. این بیشتر به جای ‘شتابدهی به AGI’ در مورد ارائه ریلها و محافظهای لازم برای تجارت، معاملات و سرمایهگذاری عاملی است. اعتماد و هماهنگی، بهویژه در سطوح زیرساختهای فناوری و زیرساختهای انطباق، اکنون بیش از هر زمان دیگری اهمیت دارد.»
این نظرات در حالی مطرح میشود که شرکتهای بزرگ هوش مصنوعی همچنان به طور علنی به سمت AGI و ابرهوش پیش میروند و آزمایشگاههای پیشرو پیشرفتهای سریعی را در زمینه عوامل خودمختار و مدلهای پیشرفته توصیف میکنند.
بوترین ادعا میکند که جایگزین او بر زیرساختهای ایمنتر و قابل تأییدتر متمرکز است تا مدلهای بزرگتر، و یک نقشه راه عملی را ترسیم میکند که در آن اتریوم نقشی محوری، اگرچه نه انحصاری، ایفا میکند.
این شامل ابزارهای LLM محلی، پرداختهای دانش صفر است که به کاربران اجازه میدهد بدون پیوند دادن هویت در درخواستها، APIهای هوش مصنوعی را فراخوانی کنند، حریم خصوصی رمزنگاری قویتر و تأیید خدمات و گواهیهای هوش مصنوعی در سمت مشتری.
میدون کریشنا M، همبنیانگذار و مدیرعامل TknOps.io، ردیاب هزینه LLM، به Decrypt گفت: «استفاده از اتریوم به عنوان یک لایه اقتصادی برای تعامل هوش مصنوعی با هوش مصنوعی نیز از نظر جهتگیری صحیح است، اما بیشتر در رولآپها و L2های مخصوص برنامه زندگی خواهد کرد.»
کریشنا گفت که اقتصادهای عامل غیرمتمرکز به سپردههای قابل برنامهریزی، پرداختهای مبتنی بر استفاده و حل اختلاف در زنجیره نیاز دارند و افزود که حاکمیت تقویتشده با هوش مصنوعی به «هویت، شهرت و پاسخگویی وزندهی شده به سهام، نه فقط رابطهای بهتر» نیاز دارد.
ویتالیک فضای طراحی اتریوم–هوش مصنوعی را به یک چارچوب چهار قسمتی تقسیم کرد که به صورت یک نمودار 2×2 نشان داده شده است و زیرساختها را در مقابل تأثیر و نتایج بقا در مقابل شکوفایی در بر میگیرد.
یک ربع بر ابزارهایی برای تعاملات هوش مصنوعی بدون اعتماد و خصوصی متمرکز است، از جمله LLMهای محلی، پرداختهای دانش صفر برای تماسهای API ناشناس، ارتقاء حریم خصوصی رمزنگاری و تأیید خدمات هوش مصنوعی در سمت مشتری، گواهیهای TEE و اثباتها.
ربع دیگر اتریوم را به عنوان یک لایه اقتصادی برای فعالیتهای هوش مصنوعی قرار میدهد و از پرداختهای API، استخدام ربات به ربات، سپردههای امنیتی، حل اختلاف در زنجیره و استانداردهای شهرت هوش مصنوعی، مانند مدلهای پیشنهادی مبتنی بر ERC، با هدف فعال کردن هماهنگی عامل غیرمتمرکز به جای کنترل پلتفرم داخلی، پشتیبانی میکند.
یک تمرکز سوم، دیدگاه «اعتماد نکنید، تأیید کنید» سایفرپانک را از طریق دستیارهای LLM محلی که میتوانند تراکنشها را پیشنهاد دهند، قراردادهای هوشمند را حسابرسی کنند، اثباتهای تأیید رسمی را تفسیر کنند و بدون تکیه بر رابطهای متمرکز با برنامهها تعامل داشته باشند، احیا میکند.
چهارمین هدف، بازارهای پیشبینی ارتقا یافته، رأیگیری درجه دوم و سیستمهای حاکمیتی است.
این نظرات بازتابی از شکافی است که سال گذشته بین بوترین و سم آلتمن، مدیرعامل OpenAI، آشکار شد، که گفت شرکتش اطمینان دارد که میداند چگونه AGI را بسازد و عوامل هوش مصنوعی به زودی میتوانند «به نیروی کار بپیوندند»، در حالی که بوترین از ریلهای ایمنی مبتنی بر رمزنگاری و مکانیسمهای کنترل هماهنگ حمایت میکرد.

Leave a Reply