هوش در زنجیره: هوش مصنوعی باید به یک دارایی توکن تبدیل شود

رونق فعلی در هوش مصنوعی مشکلی را ایجاد می کند که هنوز حل نشده است: فقدان کامل مالکیت و ساختار اقتصادی قابل تأیید. شرکت ها در حال تولید سیستم های هوش مصنوعی قدرتمند و تخصصی هستند که فقط به عنوان خدمات موقت ارائه می شوند. اما این مدل مبتنی بر خدمات ناپایدار است زیرا مانع از مالکیت باز می‌شود، دانستن خروجی‌های هوش مصنوعی از کجا می‌آیند را دشوار می‌سازد و مسیر مستقیمی برای تأمین مالی و ارزش‌گذاری اطلاعات خصوصی ارائه نمی‌دهد. الگوریتم های بهتر به تنهایی مشکل را حل نمی کنند. در عوض، یک ساختار مالکیت جدید مورد نیاز است. این بدان معنی است که هوش مصنوعی باید از یک سرویس به یک دارایی توکنیزه شده روی زنجیره تبدیل شود. همگرایی زیرساخت های بلاک چین با پیشرفت های قابل توجه در هوش مصنوعی این تغییر را از نظر فنی امکان پذیر کرده است.

از ERC-7007 برای محتوای قابل تأیید هوش مصنوعی، محاسبات محرمانه برای داده‌های خصوصی و چارچوب‌های دارایی دیجیتال سازگار استفاده کنید. پشته در دسترس است. اکنون می‌توانید یک عامل هوش مصنوعی، از جمله قابلیت‌ها، خروجی‌ها و درآمد آن را در زنجیره مالک، تجارت و کنترل کنید.

اصول اولیه یک عامل هوش مصنوعی توکن شده

تبدیل هوش مصنوعی به یک دارایی واقعی مستلزم ترکیب سه عنصر فنی است که به آن اعتماد، حریم خصوصی و ارزش می بخشد. ابتدا، عامل هوش مصنوعی باید با استفاده از معماری Alma-Augmented Generation ساخته شود. این امکان آموزش مدل زیربنایی هوش مصنوعی را بر روی یک پایگاه دانش محرمانه و اختصاصی، مانند پرونده‌های پرونده یک شرکت حقوقی یا تحقیقات یک مرکز پزشکی، بدون اجازه دادن به ارائه‌دهنده مدل‌های هوش مصنوعی اساسی به داده‌ها، ممکن می‌سازد.

داده ها در یک پایگاه داده برداری ایزوله، ایمن و نشانه گذاری شده که توسط مالک عامل کنترل می شود، باقی می ماند و مسئله حیاتی حاکمیت داده ها را حل می کند و امکان تخصصی شدن واقعی را فراهم می کند.

دوم، تمام خروجی های این عامل باید از نظر رمزنگاری قابل تأیید باشند. استانداردهایی مانند ERC-7007 برای همین است. این امکان را فراهم می کند که پاسخ هوش مصنوعی را به صورت ریاضی به داده هایی که به آن دسترسی دارد و مدل خود متصل کند. این بدان معنی است که یک بند قانونی یا توصیه تشخیصی دیگر فقط متن نیست. اکنون یک مصنوع دیجیتال تایید شده با منشأ روشن است.

در نهایت، آژانس باید یک مدل اقتصادی بومی داشته باشد که بتوان آن را از طریق یک پیشنهاد امنیتی دیجیتال سازگار که به عنوان Agent Token Offering (ATO) شناخته می‌شود، فعال کرد. با استفاده از این، سازندگان می‌توانند با انتشار توکن‌هایی که به دارندگان حق خدمات عامل، سهمی از درآمد یا کنترل توسعه آن را می‌دهد، پول جمع‌آوری کنند.

این امکان همسویی مستقیم بین توسعه‌دهندگان، سرمایه‌گذاران و کاربران را با حرکت فراتر از یارانه‌های سرمایه‌گذاری خطرپذیر به مدلی فراهم می‌کند که در آن بازار به طور مستقیم بودجه را تأمین می‌کند و سود را ارزش‌گذاری می‌کند.

از تئوری تا عمل

اهمیت عملی این چارچوب به‌ویژه در بخش‌هایی که اتوماسیون غیرقابل محاسبه قبلاً منجر به هزینه‌های قانونی و اجتماعی می‌شود قابل توجه است. در چنین محیط‌هایی، تداوم یکپارچه‌سازی هوش مصنوعی غیرتوکنیزه‌شده مربوط به محدودیت‌های فنی نیست، بلکه به شکست در حکمرانی مربوط می‌شود. این امر سازمان ها را در موقعیتی قرار می دهد که نمی توانند نحوه حل و فصل تصمیمات حیاتی یا تامین مالی آنها را توجیه کنند.

به عنوان مثال، مورد دستیار تشخیصی را در نظر بگیرید که در یک مرکز تحقیقات پزشکی استخدام شده است. یک Agent Token Offering همه چیز را مستند می کند: داده های آموزشی، مجموعه داده های مورد استفاده و چارچوب نظارتی. نتایج تأیید ERC-7007 را انجام می دهند. وقتی یک نماینده را از این طریق تأمین مالی می‌کنید، یک مسیر حسابرسی دریافت می‌کنید: چه کسی او را آموزش داده، چه چیزی یاد گرفته و چگونه عمل کرده است. اکثر سیستم‌های هوش مصنوعی این موضوع را کاملاً نادیده می‌گیرند.

اینها دیگر پیشنهادهای مبهم نیستند. آنها اقدامات پزشکی قابل ثبت و ردیابی با منشأ و جهت هستند که می توانند برای تأیید ادعاها مورد بررسی قرار گیرند. با این حال، این در نهایت فرآیندی برای فرار از عدم قطعیت بالینی نیست. اما به طور قابل توجهی شکنندگی سازمانی را با جایگزینی مفروضات غیرقابل تأیید با تأیید مستند کاهش می دهد، در حالی که سرمایه را به سمت ابزارهایی هدایت می کند که ارزش آنها از طریق استفاده تنظیم شده به جای نوآوری فرضی ثابت شده است.

دست اندرکاران حقوقی با همین مشکل ساختاری روبرو هستند. اکثر ابزارهای مشروع هوش مصنوعی امروزه هنگام بررسی در برابر استانداردهای حرفه ای شکست می خورند زیرا تجزیه و تحلیل هایی را تولید می کنند که قابل ردیابی یا مستندسازی نیستند و در طول ارزیابی قابل اثبات نیستند. در عوض، تبدیل سابقه پرونده خصوصی یک شرکت حقوقی به یک عامل هوش مصنوعی نشانه‌گذاری شده، پایگاه دانشی را حفظ می‌کند که شرکت می‌تواند بر اساس شرایط تعریف‌شده برای در دسترس بودن آن را مدیریت کند. با این کار، هر بررسی قرارداد و پاسخ قانونی قابل ردیابی می شود و به شرکت اجازه می دهد قوانین اساسی حقوقی و الزامات حرفه ای را حفظ کند.

به طور مشابه، شرکت های مهندسی با مشکل مشابهی روبرو هستند، اما با خطرات بالاتری روبرو هستند زیرا اشتباهات اغلب سال ها بعد بررسی می شوند. اگر یک سیستم هوش مصنوعی نتواند نشان دهد یا ثابت کند که چگونه به یک تصمیم خاص رسیده است، دفاع علمی از چنین تصمیماتی دشوار است، به ویژه زمانی که در دنیای واقعی اعمال شود. یک نماینده توکن شده که در مورد طراحی های داخلی، خرابی های گذشته و قوانین ایمنی آموزش دیده است، نه تنها کار خود را نشان می دهد، بلکه توصیه های اثبات شده و مبتنی بر داده را نیز ارائه می دهد که می تواند به عنوان یک مطالعه موردی بررسی و توضیح داده شود. به این ترتیب، شرکت ها می توانند عملیات را برای ایجاد استانداردهای قابل دفاع نظارت کنند. شرکت‌هایی که از هوش مصنوعی بدون استفاده از این سطح از شواهد استفاده می‌کنند، ناگزیر در معرض خطراتی قرار می‌گیرند که ممکن است قادر به افشای آن نباشند.

بازار برای هوش مصنوعی کلاس دارایی ضروری است

اکنون ثابت شده است که گذار به توکن سازی هوش مصنوعی یک ضرورت برای اقتصاد است و دیگر فقط یک پیشرفت تکنولوژیک چشمگیر نیست. مدل کلاسیک SaaS برای هوش مصنوعی در حال حاضر در حال خراب شدن است زیرا کنترل متمرکز، داده‌های آموزشی نامشخص و قطع ارتباط بین سازندگان، سرمایه‌گذاران و کاربران نهایی ارزش ایجاد می‌کند.

حتی مجمع جهانی اقتصاد گفته است که برای اطمینان از اینکه توسعه هوش مصنوعی منصفانه و پایدار است، به مدل‌های اقتصادی جدید نیاز است. توکن سازی سرمایه را به گونه ای متفاوت هدایت می کند. سرمایه‌گذاران به جای شرط‌بندی روی آزمایشگاه‌ها از طریق دورهای سرمایه‌گذاری، در آژانس‌های خاصی با سابقه خرید می‌کنند. مالکیت زنجیره ای است، بنابراین می توانید تأیید کنید که چه کسی چه چیزی را کنترل می کند و بدون واسطه موقعیت ها را معامله کنید.

مهمتر از همه، هر تعاملی را می توان نظارت کرد و هوش مصنوعی را از یک “جعبه سیاه” به یک “جعبه تمیز” تبدیل کرد. این به معنای قابل معامله کردن هیجان هوش مصنوعی نیست. این در مورد اعمال نظم و انضباط موجودیت های قابل تأیید در مهم ترین فناوری زمان ما است.

امروزه، زیرساخت‌های ساخت این آینده از قبل وجود دارد، مانند پلتفرم‌های دارایی دیجیتال امن، استانداردهای راستی‌آزمایی، و هوش مصنوعی حفظ حریم خصوصی. حال سؤال این است: “چرا ما هوش را نشانه گذاری نمی کنیم؟” “می توانیم؟” در جای خود

صنایعی که هوش مصنوعی تخصصی خود را به‌عنوان دارایی توکن‌شده در ترازنامه‌های خود به‌جای مرکز هزینه‌ها در نظر می‌گیرند، مراحل بعدی نوآوری را تعریف می‌کنند. آنها صاحب هوش خود خواهند شد، اثربخشی آن را نشان خواهند داد و آینده خود را از طریق یک بازار باز و جهانی تامین مالی خواهند کرد.