تجربة الذكاء الاصطناعي اللامركزية التي كانت مقتصرة سابقًا على دوائر العملات الرقمية حصلت مؤخرًا على موافقة علنية من الرئيس التنفيذي لشركة Nvidia جينسين هوانغ، مما يشير إلى أن تدريب النماذج الموزعة قد يقترب أكثر من الانتشار الواسع.

زخم الذكاء الاصطناعي مفتوح المصدر يتعزز بتأييد من رئيس Nvidia

سلط تشاماث باليهابيا الضوء على Covenant-72B من Bittensor خلال حلقة من بودكاست All-In، واصفًا إياه كمثال ملموس على تقدم الذكاء الاصطناعي اللامركزي الذي يتجاوز النظرية. يعمل Bittensor كشبكة لامركزية تعتمد على تقنية البلوكشين، وتؤسس سوقًا نظيرًا لند للنماذج التعلم الآلي والحوسبة الذكية، حيث يتم تبادل وتحفيز هذه الموارد.

وصف باليهابيا الجهد بشكل بسيط: نموذج لغة كبير (LLM) تم تدريبه بدون بنية تحتية مركزية، مدعومًا بدلاً من ذلك بشبكة من المساهمين المستقلين. وقال: “تمكنوا من تدريب نموذج LLaMA بــ 4 مليارات معلمة، بشكل كامل موزع، بمساهمة مجموعة من الأشخاص الذين يساهمون بقدرات حوسبة فائضة”، واصفًا ذلك بأنه “إنجاز تقني مذهل”.

وجاءت المقارنة بتشبيه مألوف. وأضاف باليهابيا: “هناك أشخاص عشوائيون، وكل شخص يحصل على حصة صغيرة”، في إشارة إلى مشروع الحوسبة الموزعة المبكر الذي استغل الأجهزة غير المستخدمة حول العالم.

لم يتجاهل هوانغ الفكرة، بل تبنى إطارًا أوسع لسوق الذكاء الاصطناعي، مقترحًا أن النهجين اللامركزي والملكي لا يتعارضان. وقال: “هاتان الطريقتان ليستا A أو B؛ إنها A و B”، مضيفًا: “لا شك في ذلك”.

يعكس هذا الرؤية ذات المسارين تزايد الانقسام والتداخل داخل مجال الذكاء الاصطناعي. من جهة، هناك أنظمة مغلقة ومتقنة مثل ChatGPT وClaude وGemini. ومن جهة أخرى، توجد نماذج ذات أوزان مفتوحة ولامركزية تتيح للمطورين والمنظمات تخصيص الأنظمة وفقًا لاحتياجاتهم الخاصة.

وضح هوانغ أنه يرى كلا المسارين ضروريين. وقال: “النماذج هي تقنية، وليست منتجًا”، مشيرًا إلى أن معظم المستخدمين سيستمرون في الاعتماد على أنظمة مصقولة وعامة بدلاً من بناء أنظمتهم الخاصة من الصفر.

وفي الوقت نفسه، أشار إلى صناعات لا خيار فيها إلا بالتخصيص. وقال: “هناك جميع هذه الصناعات التي يجب أن يتم فيها استيعاب خبراتهم الميدانية بطريقة يمكنهم السيطرة عليها”، مضيفًا أن “ذلك لا يمكن أن يأتي إلا من نماذج مفتوحة”.

تتوافق هذه التصريحات تمامًا مع مجال عمل Bittensor. يمثل Covenant-72B، الذي تم تطويره عبر شبكته الفرعية 3 (Templar)، أحد أكبر عمليات التدريب اللامركزية حتى الآن، حيث ينسق أكثر من 70 مساهمًا عبر اتصالات الإنترنت العادية دون وجود سلطة مركزية.

من الناحية التقنية، يدفع النموذج الحدود. بُني بـ 72 مليار معلمة وتدرب على حوالي تريليون و100 مليار وحدة نصية، ويستخدم ابتكارات مثل بروتوكولات الاتصال المضغوطة والتوازي الموزع للبيانات لجعل التدريب ممكنًا خارج مراكز البيانات التقليدية.

تشير مقاييس الأداء إلى أنه ليس مجرد تجربة. حيث تضع نتائجه في المنافسة مع النماذج المركزية المعروفة، وهو ما يفسر سبب جذب المشروع اهتمامًا من جمهور غير متخصص في العملات الرقمية.

كما لاحظ السوق ذلك. بعد الإعلان، ارتفع رمز المشروع TAO بنسبة 24% منذ تداول فيديو باليهابيا وهوانغ على وسائل التواصل الاجتماعي.

ومع ذلك، تشير تعليقات هوانغ إلى أن القصة الحقيقية ليست اضطرابًا، بل التعايش بين الاثنين. من المرجح أن تظل الأنظمة الذكية الملكية مسيطرة للمستخدمين العامين، بينما تخلق النماذج المفتوحة واللامركزية أدوارًا في التطبيقات المتخصصة، ذات التكاليف المنخفضة أو التي تتطلب سيادة.

بالنسبة للشركات الناشئة، وضع الرئيس التنفيذي لشركة Nvidia خطة عملية: ابدأ مفتوحًا، ثم أضف المزايا الملكية. وقال: “كل شركة ناشئة نستثمر فيها الآن هي مفتوحة المصدر أولاً، ثم تتجه نحو النموذج الملكي”.

بعبارة أخرى، قد لا ينتمي مستقبل الذكاء الاصطناعي إلى بنية أو فلسفة واحدة، بل إلى من يستطيع التنقل بينهما ومعرفة متى يستخدم كل منهما.

الأسئلة الشائعة 🔎

• ما هو Covenant-72B من Bittensor؟

نموذج لغة بــ 72 مليار معلمة تم تدريبه عبر شبكة لامركزية من المساهمين بدون بنية تحتية مركزية.

• ماذا قال جينسين هوانغ عن الذكاء الاصطناعي اللامركزي؟

قال إن النماذج المفتوحة والملكية ستتعايش، ووصف العلاقة بأنها “A و B”، وليست خيارًا بينهما.

• لماذا يعتبر هذا التطور مهمًا؟

يُظهر أن النماذج الكبيرة للذكاء الاصطناعي يمكن تدريبها خارج مراكز البيانات التقليدية، مما يتحدى الافتراضات حول الحاجة للبنية التحتية.

• كيف يؤثر ذلك على صناعة الذكاء الاصطناعي؟

يدعم مستقبلًا هجينًا حيث تخدم المنصات المركزية والنماذج اللامركزية أدوارًا مختلفة عبر الصناعات.