من Attention Is All You Need مفتاح اختراق الذكاء الاصطناعي

في مؤتمر GTC لعام 2024 حدث شيء مثير للاهتمام: ناقش مؤسس إنفيديا هوانغ رن تشون مع 8 مهندسي Google، وكان أحدهم مؤسس NEAR. هؤلاء المهندسون الثمانية أصدروا قبل 7 سنوات ورقة بحثية بعنوان “Attention Is All You Need”، والتي تم الاستشهاد بها أكثر من 110,000 مرة حتى الآن. ربما لم يتوقعوا أن هذا البحث الذي نُشر في 12 يونيو 2017، سيعيد تشكيل صناعة الذكاء الاصطناعي بشكل عميق.

كيف أحدثت Transformer ثورة في طريقة تعلم الذكاء الاصطناعي

تخيل أن دماغ الإنسان يشبه غابة الأمازون — مليء بمناطق وظيفية مختلفة، مرتبطة عبر مسارات كثيفة. الخلايا العصبية تشبه رسل هذه المسارات، قادرة على إرسال واستقبال الإشارات إلى أي جزء من الدماغ. هذا الهيكل يمنح الدماغ البشري قدرات تعلم وتعرف قوية.

هيكل Transformer هو شبكة عصبية تحاول تقليد هذا الآلية. من خلال إدخال آلية الانتباه الذاتي، تخطت عنق الزجاجة في الشبكات العصبية التكرارية (RNN) — التي كانت تتعامل مع البيانات التسلسلية بشكل تدريجي فقط — حيث يمكن لـ Transformer تحليل جميع أجزاء السلسلة في وقت واحد، مما يمكنه من التقاط الاعتمادات طويلة المدى والسياقات. بالطبع، لا تزال التقنية الحالية بعيدة عن مستوى الدماغ البشري بنسبة صغيرة جدًا.

من تطبيقات التعرف على الصوت مثل Siri إلى ChatGPT اليوم، فإن تطور الذكاء الاصطناعي هو تكرار نماذج سلسلة Transformer: XLNet، BERT، GPT وغيرها من النسخ المشتقة تظهر بشكل متكرر. من بينها GPT هو الأكثر شهرة، لكنه لا يزال يعاني من نقص واضح في قدرته على التنبؤ بالأحداث.

المفتاح التالي لنماذج اللغة الكبيرة — القدرة على دمج الزمن

المساهمة الأساسية لـ Attention Is All You Need كانت في آلية الانتباه، والطفرة التالية في الذكاء الاصطناعي ستأتي من محول دمج الزمن (TFT). عندما تتمكن نماذج اللغة الكبيرة (LLM) من التنبؤ بالأحداث المستقبلية استنادًا إلى البيانات والنماذج التاريخية، فإن ذلك يمثل خطوة كبيرة نحو الذكاء الاصطناعي العام (AGI).

TFT لا يقتصر على التنبؤ بالقيم المستقبلية فحسب، بل يفسر أيضًا منطق تنبؤاته. هذه القدرة لها قيمة فريدة في مجال blockchain. من خلال تحديد القواعد داخل النموذج، يمكن لـ TFT إدارة عملية التوافق بشكل تلقائي، وزيادة سرعة إنتاج الكتل، ومكافأة المدققين الصادقين ومعاقبة المفسدين.

إمكانيات جديدة لآليات التوافق في blockchain

جوهر آلية التوافق في الشبكات العامة هو لعبة بين المدققين — حيث يلزم أكثر من ثلثي المدققين لاتخاذ قرار بشأن من ينشئ الكتلة التالية. هذه العملية مليئة بالخلافات، مما يؤدي إلى ضعف كفاءة شبكات مثل إيثريوم.

إدخال TFT يوفر أفكارًا جديدة. يمكن للشبكة العامة بناء نظام سمعة استنادًا إلى سجل تصويت المدققين، وتسجيلات اقتراحات الكتل، وسجلات Slash، ومبالغ Staking، ومستوى النشاط، وغيرها من المعايير. المدققون ذوو السمعة العالية يحصلون على مكافآت أكبر، مما يعزز كفاءة إنتاج الكتل.

مشروع BasedAI يجرب هذا النهج، ويخطط لاستخدام نموذج TFT في توزيع الرموز بين المدققين والمشاركين في الشبكة. كما يدمج تقنية التشفير التام (FHE)، مما يسمح للمطورين بنشر نماذج لغة كبيرة (Zk-LLMs) على بنيتهم التحتية اللامركزية للذكاء الاصطناعي “Brains” مع حماية الخصوصية.

التشفير والخصوصية: خطوة حاسمة نحو AGI

ميزة تقنية FHE هي أن المستخدم يمكنه تفعيل خدمات الذكاء الاصطناعي المخصصة مع بقاء البيانات مشفرة تمامًا. تقنيات حماية الخصوصية مثل التعلم الآلي بدون معرفة (ZkML)، والحوسبة العمياء، والتشفير التام تملأ هذا الفراغ.

عندما يثق الناس في أن بياناتهم محمية بالتشفير، ويكونون على استعداد للمساهمة ببياناتهم في ظل حماية الخصوصية الكاملة، فإننا نقترب من اختراق الـ AGI. ذلك لأن تحقيق الـ AGI يتطلب كميات هائلة من البيانات متعددة الأبعاد، والتي يحد من تدفقها حالياً مخاوف المستخدمين على أمن البيانات.

لكن التحديات لا تزال قائمة — فكل هذه التقنيات تتطلب استهلاك موارد حسابية هائلة، مما يجعلها لا تزال في مراحلها المبكرة، وتحتاج إلى وقت قبل أن تصل إلى النشر على نطاق واسع. لكن الاتجاه واضح: الباب الذي فتحه Attention Is All You Need سيدفعه دمج الخصوصية والحوسبة والتوافق نحو عصر جديد.