در حال حاضر ما در میانه انقلاب دنیای هوش مصنوعی که با تحقیقات جدید و برنامههای کاربردی در حال رشد بسیاری جلا یافته، هستیم. پیشرفت در حوزههای هوش مصنوعی، مانند یادگیری عمیق (Deep Learning)، موجب تغییرات زیادی در دنیای اطراف ما شده است، از جمله میتوان به ویدیوهای پیشنهادی در حساب اینستاگرام شما و روش پیشگیری دکترها در درمان شما قبل از بیمار شدن اشاره کرد. این مقاله که توسط پاول پیام عباسی نوشته شده، به تعامل سازندهای که بین فناوری بلاک چین و هوش مصنوعی میتواند پدید آید، میپردازد. بهنظر میرسد هر روز توسعهها و وظایف جدیدی توسط رباتها انجام میشود که قبلاً بهدست انسانها انجام میشد. چندی پیش هوش مصنوعی بیشتر شبیه یک رمان علمی-تخیلی بود، ولی امروزه در اطرافمان شاهد حضور فراگیر آن هستیم. حتی باوجود تمامی کاربردهای هوش مصنوعی در دنیای اطرافمان، باید در آیندهی نه چندان دور شاهد تحقق موارد بیشتری در این حوزه باشیم. به هر حال ظهور این دست از فناوریهای جدید، انتظارات زیادی را به ارمغان میآورد. در آخرین مثال از هوش مصنوعی، میتوان به یادگیری ماشین (Machine Learning) اشاره کرد. برای بسیاری از مردم اهمیت دارد که پایان تبلیغات و هیجان گسترده پیرامون یادگیری ماشین را به همراه اینکه چه زمانی کاربرد واقعی آن تحقق مییابد، بدانند. برای ما بلاک چین، فناوریای هست که در تحقق بخشیدن زیرساختهای یادگیری ماشین، بهمنظور رسیدن به پتانسیل واقعیاش، کمک میکند.
در چند سال آینده، بدون شک دنیای ما بهوضوح تحت تاثیر توسعه هوش مصنوعی خواهد بود. زندگی در این دنیا شگفتانگیر است ولی چنین دنیایی نیاز به سختافزار و قدرت محاسباتی زیادی دارد. هوش مصنوعی برای رسیدن به این چشمانداز گسترده و تحقق وعدههای خود، نیاز به سرعت بخشیدن به محاسبات پیشرفتهی مقیاسپذیر، در وظایف یادگیری ماشین دارد. امروزه هزینههای هنگفتی برای مراکز داده به منظور اختصاص قدرت محاسباتی واحد پردازش مرکزی یا CPU، برای انجام وظایف یادگیری ماشین، اختصاص داده میشود. یک واحد CPU، بهطور معمولی با داشتن ۶ تا ۱۴ هسته، توانایی اجرای ۱۲ تا ۲۸ رشته وظایف مختلف را دارد. معمولاْ این رشتههای اجرایی هر یک توانایی اجرای یک بلاک داده را دارند؛ پس میتوان گفت که ساخت مراکز داده CPUی بیشتر ، نمیتواند پاسخگوی رشد تقاضا از سوی هوش مصنوعی باشد.
بههرحال نوع خاصی از پردازندههای محاسباتی بر مبنای واحد پردازش گرافیکی یا GPU وجود دارد که بهتر میتواند به تقاضای هوش مصنوعی پاسخ دهد. یک ایستگاهکاری GPU، میتواند ۲۰۰۰ تا ۳۰۰۰ هسته و اجرای ۱۰۰ یا بیشتر فرمان رشتهی اجرایی را به ازای هر رشتهی اجرایی دارد. بهطور معمول هر یک از این رشتههای اجرایی ۳۰ بلاک اطلاعاتی را اجرا میکنند. این نوع از قدرت محاسباتی منجر به افزایش سرعت و مصرف انرژی کمتر میشود؛ از آنجایی که پردازشهای توزیع شده برای انجام اعمال یادگیری ماشین بیکموکاست هستند. بلاک چین یا فناوری دفتر توزیع شده (DLT)، میتواند قدرت محاسباتی هوش مصنوعی را از طریق GPUهایی که استفاده نشده است، تامین کنند. به بیان دیگر، این همان امری است که پروتکل بیت کوین برای آن طراحی شده است. بخشی از پروتکل بیت کوین این است که ماینرها مسائل پیچیدهی ریاضی را که یک کامپیوتر قادر به حل آن نیست حل کنند تا از این طریق اعتبار یک تراکنش را در بلاک چین تایید کنند. با رشد این فناوری، ارزهای دیجیتال جدیدی به وجود آمدند؛ اگر ما میتوانیم از طریق بلاک چین توکن بسازیم چرا نتوانیم خود قدرت محاسباتی را توکنسازی کنیم؟ امروزه، پروژههای بر بستر بلاک چین از طریق اتصال کامپیوترها بهصورت همتابههمتا (Peer-to-Peer) به کاربران، امکان تبادل میان یکدیگر میدهند. از این منابع کامپیوتری میتوان بهمنظور وظایف پیچیده با هر مقدار محاسبات زمانی و ظرفیتی، استفاده کرد. امروزه این منابع کامپیوتری از طریق سرویسدهندگان خدمات ابری متمرکز فراهم میشوند که توسط شبکههای بسته، سیستمهای پرداختی اختصاصی و عملیاتهای تامین سختافزاری محدود میشوند.
هر سهونیم ماه، تقاضای محاسبات هوش مصنوعی دو برابر میشود که بهنظر میرسد هزینهها هم به همین نسبت زیاد میشوند. خدماتدهندگانی همچون مایکروسافت و آمازون از افزایش هزینهها بهمنظور اهرم فشار استفاده میکنند که این امر نوآوری را محدود میکند. راهحلهای مبتنی بر بلاک چین در حال کار بر روی یک بازار غیرمتمرکز بهمنظور ارائهی قدرت GPU، چیزی که یادگیری ماشین نیاز دارد، هستند. هدف این پروژهها تطابق افرادی است که قصد اشتراکگذاری قدرت محاسباتی سیستم خود با پروژههایی که شدیداً به قدرت محاسباتی نیاز دارند، است. از طریق دفترکل توزیعشده (بلاک چین)، هزینه پروژههای هوش مصنوعی بهطور شگفتانگیزی از طریق دسترسی به GPUهای جهانی، که ماینرها بهمنظور استفاده استخراج ارزهای دیجیتال استفاده میکنند، کاهش پیدا میکند. در حال حاضر، سیستمهای ابری ارائهدهنده خدمات ابری GPU در هر ساعت 0.5 دلار و سرویسهای CPU حدود ۰.۰۱ تا ۰.۰۵ دلار هزینه دارند. علیرغم هزینهی بیشتر GPU نسبت به CPU، اما بهدلیل کاهش زمان محاسبات، استفاده از این سیستمها ۵ تا ۱۰ برابر بهصرفهتر است. با استفاده از پروژههای مبتنی بر بلاک چین و ایجاد بازارهای قدرت پردازشی، این نرخها نسبت به گذشته کاهش بسیار زیادی خواهند داشت.
برای هر مدلِ هوش مصنوعی، ارائه دادههای دقیق و قابل اطمینان، در رفتار هوشمندانهای که مدل تولید میکند، بهصورت مرکزی است. این امر به معنای یکپارچگی دادهها و برنامهها به حساب میآید؛ برنامههایی که تفاوت توصیفنشدنی میان دادههای موجود در یک مدل و اسناد اصلی که توسط مهندس نگهداری میشود، وجود دارد. ذات تکنولوژی بلاک چینِ عمومی، تکیه به وظایف اصلی خود همچون یکپارچگی دادهها است. بلاک چین جوی را ایجاد میکند که دادهها بهصورت خصوصی، غیرقابل تغییر، شفاف، غیرمتمرکز و آزادانه بدون اعمال جهت از یک نهاد مستقل، عمل میکنند. درنهایت، بلاک چینهای قابل استخراج، ابربزرگراهی برای هوش مصنوعی خواهند بود، اما نه فقط از طریق قدرت محاسباتی. بلاک چین از طریق ارائهی دادهها به مدلهای هوش مصنوعی عمل خواهد کرد، که برای حفظ اعتبار مدل امری ضروری است. فناوری بلاک چین، وعدهی اضافه کردن ساختار و پاسخگویی به الگوریتمهای هوش مصنوعی، علاوهبر کیفیت و سودمندی اطلاعاتی را که تولید میکنند، را میدهد.
فناوری بلاک چین، پتانسیل عمل بهعنوان زیرساخت و ستون فقرات هوش مصنوعی، از طریق مقرون بهصرفه بودن و تقسیم قدرت پردازش محاسباتی و توسعهی هوش مصنوعی را دارد. هر فردی که دسترسی به GPU را دارد، توانایی توسعهی هوش مصنوعی را میتواند داشته باشد. این امر به معنای کاهش وابستگی به آمازون مایکروسافت است که با فارمهای CPU خود و قیمت، باعث کاهش نوآوری در این زمینه هستند. اگر تیمهایی که در حال توسعهی فضای بلاک چین هستند بتوانند وعدههای خود را عملی کنند، توسعهدهندگان و مهندسان قادر خواهند بود که پتانسیل واقعی هوش مصنوعی را در زندگی ما گسترش دهند.
The post بلاک چین چگونه به توسعه هوش مصنوعی کمک میکند؟ appeared first on ارزدیجیتال.