به گزارش زوم ارز، هوش مصنوعی (AI) در دهه‌های اخیر پیشرفت‌های چشم‌گیری داشته است و در زمینه‌های مختلفی همچون بهداشت و درمان، تجارت، مالی و حتی سیاست به کار گرفته شده است. اما با وجود تمامی مزایای آن، چالش‌های بزرگی مانند کمبود شفافیت، سوگیری داده‌ها و تهدیدات امنیتی نیز وجود دارد که می‌توانند اعتماد عمومی به این تکنولوژی را کاهش دهند. در این راستا، فناوری دفتر کل توزیع‌شده (DLT) می‌تواند به عنوان راه‌حلی مؤثر، اعتماد به هوش مصنوعی را بازسازی کند.
چالش‌های اعتماد به هوش مصنوعی
یکی از بزرگ‌ترین مشکلات هوش مصنوعی، عدم شفافیت است. در بسیاری از مواقع، مدل‌های هوش مصنوعی عمل می‌کنند مانند یک “جعبه سیاه” که دلیل تصمیمات اتخاذ شده را برای کاربران توضیح نمی‌دهد. این فقدان شفافیت در صنایعی مانند بهداشت و درمان و مالی، جایی که تصمیمات بحرانی باید با دقت و وضوح اتخاذ شوند، می‌تواند منجر به ایجاد مشکلات جدی شود. به عنوان مثال، در دوران مبارزات انتخاباتی ۲۰۲۴ ایالات متحده، یک ویدیوی جعلی (دیپ فیک) در رسانه‌های اجتماعی پخش شد که به دروغ ادعای تقلب در رأی‌دهندگان را داشت، که این خود نتیجه خطرات استفاده نادرست از هوش مصنوعی در رسانه‌ها است.
علاوه بر این، داده‌های جانبدارانه در الگوریتم‌های هوش مصنوعی می‌توانند باعث ایجاد نتایج مخدوش و نادرست شوند که اعتماد عمومی را از بین می‌برد. این موضوع به‌ویژه در زمینه مراقبت‌های بهداشتی بسیار نگران‌کننده است، جایی که اشتباهات در تشخیص و درمان می‌تواند عواقب جدی به همراه داشته باشد.
DLT: راه‌حلی برای شفافیت و اعتماد
در این شرایط، فناوری دفتر کل توزیع‌شده (DLT) می‌تواند به عنوان یک راه‌حل کلیدی وارد میدان شود. DLT یک سیستم غیرمتمرکز است که اطلاعات را در گره‌های مختلف ثبت و تأیید می‌کند، به طوری که هیچ مرکزی برای کنترل داده‌ها وجود ندارد. این فناوری از طریق ثبت تغییرات در یک دفتر کل دیجیتال تغییرناپذیر و شفاف، باعث افزایش مسئولیت‌پذیری و شفافیت در داده‌ها می‌شود.
به عنوان مثال، شرکت ProveAI از DLT برای ایمن‌سازی و ردیابی داده‌های آموزشی هوش مصنوعی استفاده می‌کند. این شرکت با استفاده از این فناوری، اطمینان حاصل می‌کند که هوش مصنوعی از داده‌های تایید شده و بدون سوگیری استفاده می‌کند و مطابق با مقررات اخلاقی مانند قانون هوش مصنوعی اتحادیه اروپا عمل می‌کند. این شیوه نه تنها به افزایش اعتماد به هوش مصنوعی کمک می‌کند بلکه مسئولیت‌پذیری و انصاف در نتایج آن را نیز تضمین می‌نماید.
بهبود کیفیت داده با DLT
یکی از چالش‌های دیگر در توسعه هوش مصنوعی، کیفیت داده‌ها است. داده‌های نادرست یا مغرضانه می‌تواند به مدل‌های هوش مصنوعی آسیب برساند و نتایج نادرستی تولید کند. طبق یک نظرسنجی در سال ۲۰۲۴، ۶۴ درصد از کسب‌وکارها اعلام کرده‌اند که به دلیل عدم اعتبار داده‌ها، نمی‌توانند به هوش مصنوعی اعتماد کنند. DLT این مشکل را از طریق ثبت و تأیید داده‌های بی‌درنگ در شبکه‌های غیرمتمرکز حل می‌کند. این فرآیند تضمین می‌کند که داده‌ها دقیق، شفاف و تغییرناپذیر باقی بمانند.
Fetch.ai و Ocean Protocol از پیشگامان استفاده از DLT برای بهبود کیفیت داده‌ها هستند. Fetch.ai با استفاده از اوراکل‌ها، داده‌های بلادرنگ خارجی را برای بهینه‌سازی لجستیک و بهره‌وری انرژی در اکوسیستم Web3 به کار می‌برد. Ocean Protocol نیز به اشتراک‌گذاری داده‌های توکن‌شده می‌پردازد و سیستم‌های هوش مصنوعی را قادر می‌سازد تا به مجموعه داده‌های با کیفیت بالا دسترسی داشته باشند، در حالی که از حریم خصوصی کاربران محافظت می‌شود.
مقابله با اطلاعات غلط با DLT
در دنیای امروز، اطلاعات غلط یکی از بزرگ‌ترین تهدیدات به حساب می‌آید. دیپ فیک‌ها و اخبار جعلی می‌توانند به سرعت در رسانه‌ها پخش شوند و اعتماد عمومی را کاهش دهند. پلتفرم‌های مبتنی بر بلاک‌چین مانند Truepic با استفاده از DLT توانسته‌اند مشکل اطلاعات غلط را حل کنند. این پلتفرم‌ها از احراز هویت تصویر، مهر زمانی و تأیید رسانه در لحظه استفاده می‌کنند تا صحت داده‌ها و رسانه‌ها را تضمین کنند. این ویژگی‌ها به سیستم‌های هوش مصنوعی کمک می‌کند تا خروجی‌های دقیق‌تری تولید کنند و اعتماد به اطلاعاتی که تولید می‌کنند، افزایش یابد.
حاکمیت غیرمتمرکز برای هوش مصنوعی اخلاقی
یکی از بزرگ‌ترین چالش‌ها در مدیریت هوش مصنوعی، حاکمیت متمرکز است. مدل‌های حاکمیت متمرکز قادر به مدیریت پیچیدگی‌های توسعه هوش مصنوعی و چالش‌های اخلاقی آن نیستند. از طرفی، سازمان‌های مستقل غیرمتمرکز (DAO) که توسط DLT پشتیبانی می‌شوند، می‌توانند به عنوان راه‌حل در این زمینه عمل کنند. DAOها از طریق قراردادهای هوشمند، فرآیندهای حکومتی را به صورت خودکار و شفاف انجام می‌دهند. این سیستم‌ها از تصمیمات یکجانبه جلوگیری کرده و اطمینان می‌دهند که تصمیمات با منافع جمعی هم‌راستا هستند.
SingularityNET یک نمونه موفق از استفاده از DAOها در هوش مصنوعی است. این پلتفرم از DAO برای هماهنگ‌سازی پروژه‌های هوش مصنوعی با اصول اخلاقی استفاده می‌کند. این رویکرد غیرمتمرکز، علاوه بر تقویت فراگیری، باعث می‌شود که حاکمیت به منافع عمومی خدمت کند و از توسعه هوش مصنوعی اخلاقی و مقیاس‌پذیر پشتیبانی کند.
استانداردهای جهانی و مسیر رو به جلو
با توجه به جهانی بودن استفاده از هوش مصنوعی و وابستگی آن به داده‌های فرامرزی، سیستم‌های امن و شفاف مانند DLT برای ایجاد اعتماد در مقیاس جهانی ضروری هستند. پروژه‌هایی مانند MediLedger و EBSI از DLT برای حل مشکلات مختلف استفاده کرده‌اند و می‌توانند به ایجاد استانداردهای جهانی در حوزه هوش مصنوعی کمک کنند.
با این حال، هنوز هم نیاز به همکاری بیشتر بین دولت‌ها، شرکت‌ها و جامعه مدنی برای ایجاد چارچوب‌های حکومتی که منافع عمومی را در اولویت قرار دهند، احساس می‌شود. DAOها باید تکامل یابند تا نظارت جمعی و انعطاف‌پذیری بیشتری را در آینده فراهم کنند.
در نهایت، اگر امروز اقدامی برای اصلاح هوش مصنوعی انجام نشود، خطرات ناشی از توسعه کنترل‌نشده آن به طور فزاینده‌ای افزایش خواهد یافت. آینده هوش مصنوعی اخلاقی به تصمیمات جسورانه‌ای که امروز اتخاذ می‌کنیم، بستگی دارد و DLT می‌تواند نقش اساسی در ساختن این آینده داشته باشد — آینده‌ای شفاف، پاسخگو و همسو با منافع بشریت.
منبع: Bitcoin News
source