جياهاو سون، الرئيس التنفيذي والمؤسس لشركة FLock.io – سلسلة المقابلات

Jiahao Sun, الرئيس التنفيذي والمؤسس لشركة FLock.io، قاد الشركة منذ أبريل 2022. قبل تأسيس FLock.io، قضى سنوات عديدة في أدوار مدفوعة بالذكاء الاصطناعي — بما في ذلك كمدير الذكاء الاصطناعي في شركة مالية كبرى — وعمل زميل بحث في جامعة رائدة يدرس توليد الرسوم البيانية للمعرفة، ومعالجة اللغة الطبيعية، وتعلم الآلة للتنبؤ المالي. خلفيته الواسعة في كل من الذكاء الاصطناعي المؤسسي والبحث الأكاديمي تجعل منه مؤهلاً جيدًا لقيادة مشروع يهدف إلى إعادة اختراع طريقة بناء ونشر الذكاء الاصطناعي.

FLock.io هو منصة ذكاء اصطناعي لامركزية تجمع بين التعلم المتحد والبلوك تشين. بدلاً من تركيز البيانات، تمكّن المجتمعات من بناء وتدريب ونشر نماذج الذكاء الاصطناعي بشكل تعاوني مع الحفاظ على خصوصية المعلومات على الأجهزة المحلية. يقدم النظام حوافز للمساهمين الذين يقدمون الحوسبة أو البيانات أو التحقق، ويوزع الملكية والحكم عبر الشبكة لضمان الشفافية والأمان والمرونة على المدى الطويل.

قمت بتأسيس FLock.io بعد سنوات من العمل في أبحاث الذكاء الاصطناعي المتقدمة وتنبؤات المالية في إمبريال كوليدج وكذلك قيادة الابتكار في الذكاء الاصطناعي في RBC Wealth Management. ما الذي ألهمك أصلاً لبناء منصة ذكاء اصطناعي لامركزية، وما الفجوة التي رأيتها والتي لا تستطيع البُنى التقليدية للذكاء الاصطناعي معالجتها؟

جاءت فكرة FLock من ملاحظة المشكلة نفسها في كل من أبحاثي الأكاديمية وعملِي في المالية. كانت البيانات القيمة محجوزة، ولم تستطع المؤسسات استخدام الذكاء الاصطناعي معًا دون التضحية بالخصوصية أو السيطرة. تُبنى الأنظمة التقليدية للذكاء الاصطناعي حول مزودي مركزيين كبار، وهذا يحد من من يمكنه المشاركة وكيف يمكن مشاركة الفوائد على نطاق واسع. أدركت أن النهج اللامركزي يمكن أن يحل هذه المشكلة. مع أدوات جديدة مثل البلوك تشين، التعلم المتحد، وتقنيات الحفاظ على الخصوصية، يمكن للأشخاص والشركات المساهمة بالبيانات أو قوة الحوسبة بأمان، مع الحفاظ على الملكية. تم إنشاء FLock لجعل الذكاء الاصطناعي أكثر انفتاحًا، أكثر أمانًا، وشيئًا يمكن للجميع المساهمة في بنائه، وليس فقط عددًا قليلًا من اللاعبين الكبار.

تشمل خلفيتك أبحاث الرسوم البيانية للمعرفة وتعلم الصفر للقطات للتنبؤ المالي. كيف شكلت تلك التجربة طريقة FLock.io في تدريب النماذج، والتحقق منها، وضمان سلامة البيانات على السلسلة؟

لقد تعلمت من خلال الخبرة أن التنبؤ المالي هو مجال عالي المخاطر حيث تكون سلامة البيانات، قابلية شرح النموذج، والقدرة على التعميم من مجموعات بيانات محدودة أمرًا أساسيًا. في المالية، المصدر وجودة البيانات هما كل شيء. حولنا هذه الحاجة إلى مصدر موثوق إلى بنية السلسلة لدينا في FLock. نحن نُنشئ شبكة لامركزية من صوامع البيانات، مما يسمح للذكاء الاصطناعي بتعلم المعرفة الجماعية دون تجميع البيانات الخام نفسها مركزيًا. هذا يتيح لنا بناء نماذج قوية في قطاعات حساسة مثل الرعاية الصحية والمالية، حيث يجب أن تظل البيانات موزعة وخاصة.

لقد أنتجت ساحة AI في FLock.io أكثر من 9,000 نموذج تعلم آلي مدرب بالكامل في أقل من عام. ماذا يكشف هذا المستوى من النشاط عن الطلب على الذكاء الاصطناعي اللامركزي، ولماذا تعتقد أن المطورين يختارون التدريب القائم على المجتمع بدلاً من البدائل المركزية؟

يكشف هذا المستوى من النشاط عن رؤيتين حاسمتين حول حالة سوق الذكاء الاصطناعي الحالية. أولاً، يؤكد الطلب الضخم على بنية تحتية للذكاء الاصطناعي اللامركزية. يسعى المطورون بنشاط إلى بدائل للنموذج السحابي المركزي لأنه هش هيكليًا، مكلف، ويخلق نقطة فشل واحدة للبيانات. على عكس المنصات المركزية حيث يمتلك المشاركون النموذج، في ساحة AI، يحتفظ مطورو النموذج والمساهمون بالملكية ويتم مكافأتهم برموز FLOCK عندما تُستخدم نماذجهم.

يعتمد الذكاء الاصطناعي اللامركزي بشكل كبير على الحوافز لجذب المدققين، المفوضين، ومشغلي العقد. كيف يتماشى تصميم رمز FLOCK مع الحوافز عبر النظام البيئي، وما السلوكيات الاقتصادية التي لاحظتها الآن بعد أن تجاوز عدد حاملي الرموز 55,000؟

رمز FLOCK هو محرك الحوكمة والفائدة لدينا الذي يساعدنا على ضمان أن تكون حوافز كل مشارك متوافقة تمامًا مع صحة الشبكة على المدى الطويل وجودة النماذج المنتجة. تم بناء تصميمنا على مبدأ واضح يكافئ المساهمات الإنتاجية والقابلة للتحقق التي تدفع التعاون بين مالكي البيانات، مزودي الحوسبة، المدققين، والمفوضين. على سبيل المثال، يكسب مزودو الحوسبة ومشغلو العقد رموز FLOCK مقابل تقديم مواردهم الحاسوبية لتدريب النماذج. يُكافأ المدققون لضمان أمان ودقة تحديثات النماذج، بينما يكسب المفوضون، الذين يضعون رموز FLOCK لدعمهم، حصة من تلك المكافآت. نلاحظ التزامًا مستمرًا من مجتمعنا، مع نسبة استثمار عالية تشير إلى تفضيل المشاركة في الشبكة على المدى الطويل على التداول قصير الأجل.

قامت FLock.io بتأمين شراكات مع برنامج الأمم المتحدة الإنمائي، علي بابا، NHS، ومؤسسات كبرى أخرى. ما الذي أقنع هذه المؤسسات باعتماد إطار عمل ذكاء اصطناعي لامركزي بدلاً من التدريب السحابي التقليدي؟

ساعدتنا هذه الشراكات على تنفيذ حلول للتحديات التي لا يستطيع التدريب السحابي التقليدي معالجتها. يتيح إطارنا، الذي يجمع بين التعلم المتحد والبلوك تشين، تدريب نماذج الذكاء الاصطناعي مباشرة على الخوادم المحلية. يتم مشاركة رؤى النموذج المجمعة والمجهولة فقط على البلوك تشين. جميع الاختراقات التحويلية في الذكاء الاصطناعي تتطلب تجميع رؤى البيانات عبر مؤسسات لن تثق أبدًا في وسيط مركزي. عملنا مع UNDP هو مثال رئيسي، حيث نبني مع المنظمات غير الحكومية نماذج ذكاء اصطناعي لتحقيق أهداف التنمية المستدامة. يوفر إطارنا المُحكَم بالبلوك تشين الشفافية وإجماع المجتمع الضروريين لتطوير ذكاء اصطناعي أخلاقي على نطاق عالمي.

أصبح الذكاء الاصطناعي الحافظ على الخصوصية أمرًا أساسيًا في قطاعات مثل الرعاية الصحية، الحوكمة العامة، والبحث العلمي. كيف يضمن FLock.io أن البيانات الحساسة يمكن استخدامها لتدريب نماذج ذات قيمة عالية دون أن تتعرض للانكشاف أو التجميع المركزي؟

تجمع تقنية FLock الأساسية بين أفضل ما في التعلم المتحد وتكنولوجيا البلوك تشين، مما يضمن أن البيانات الحساسة يمكن استخدامها لتدريب نماذج ذات قيمة عالية دون أن تتعرض للانكشاف أو التجميع المركزي. بدلاً من جمع كميات هائلة من البيانات الحساسة في موقع مركزي واحد، يسمح التعلم المتحد لعدة كيانات بتدريب نموذج بشكل تعاوني من خلال جلب عملية التدريب مباشرة إلى البيانات — ثم جمع التحديثات فقط، وليس البيانات الخام. إضافة البلوك تشين يجعل الأمر أكثر حفظًا للخصوصية وقابلية للتوسع من خلال نظام حوافز تشفيرية.

على سبيل المثال، نمكّن الاختراقات في مجالات مثل اكتشاف الأدوية والصحة العامة من خلال السماح للباحثين بالوصول إلى مجموعة واسعة من البيانات الواقعية، مع الحفاظ على السيطرة الكاملة على البيانات والامتثال.

مع تطور كل من العملات المشفرة والذكاء الاصطناعي بسرعة، كيف ترى تقاطع البنية التحتية القائمة على البلوك تشين وتعلم الآلة يتطور خلال السنوات الخمس القادمة، وما الدور الذي ستلعبه أسواق النماذج اللامركزية مثل FLock.io؟

لن تستمر احتكارات شركات الذكاء الاصطناعي المركزية إلى الأبد، حيث يدرك العالم الإمكانات القوية للذكاء الاصطناعي التعاوني والذاتي السيادة. ستصبح الأطر اللامركزية البنية التحتية الافتراضية لأي تطبيق ذكاء اصطناعي حساس، لتدريب محلي والتحكم في البيانات. مع تزايد توزيع قوة الحوسبة وتصبح سلعة من خلال الشبكات اللامركزية، سيتحول القيمة الحقيقية إلى البيانات والنماذج نفسها. نحن نبني البنية التحتية لمستقبل الذكاء الاصطناعي حيث تكون الخصوصية ضمانًا، لا مقايضة، وستكون البلوك تشين التقنية المفضلة لضمان ذلك.

تستخدم ساحة AI هيكلًا قائمًا على المهام حيث تتعاون المجتمعات لتدريب النماذج والتحقق منها. كيف يحسن هذا البيئة التنافسية-التعاونية أداء النموذج، وما هي حالات الاستخدام الجديدة التي تظهر منها؟

العنصر التنافسي يحفز شبكة مهندسي تعلم الآلة لدينا لتقديم أفضل مهام النماذج، مكافأةً على الدقة والكفاءة في تقديماتهم. في الوقت نفسه، يحسن آلية التوافق التعاونية الشفافية من خلال تصفية الانحيازات من الكيانات المركزية. تم تصميمه لإنتاج نماذج ذكاء اصطناعي أكثر صلابة وتخصصًا بكفاءة أعلى من النماذج المركزية التقليدية.

من خلال هذا النهج، تمكّن FLock المجتمعات المتنوعة من تطوير نماذج ذكاء اصطناعي مخصصة، تقدم حلولًا مفصلة لتلبية احتياجات محددة. وجدنا أن هذا الهيكل يتفوق حقًا في المجالات المتنوعة والعالمية والمتخصصة حيث تكون خصوصية البيانات أمرًا حاسمًا. يشمل ذلك الرعاية الصحية، الخدمات المالية، ولوجستيات سلاسل الإمداد، حيث يمكن تحليل البيانات الحساسة محليًا دون تجميع المعلومات الخام في قاعدة بيانات مركزية، مما يضمن أقصى درجات الأمان.

قمت سابقًا ببناء NORA في RBC — أحد الأنظمة الذكاء الاصطناعي الرائدة لإدارة الثروات. كيف يختلف تطوير الذكاء الاصطناعي في بيئة مالية منظمة مقارنةً ببناء بنية تحتية للذكاء الاصطناعي اللامركزية حيث الشفافية والانفتاح مدمجان في الجوهر؟

المثير للدهشة أن الأسس التقنية ليست مختلفة كثيرًا. كل نموذج يحتاج إلى التحقق والتدقيق للانحيازات الكامنة ويتطلب جهدًا هائلًا من مهندسين مهرة. الاختلاف، مع ذلك، يكمن في العقلية الثقافية التي تغذي العمل نفسه.

في إدارة الثروات، يتركز التركيز على نموذج واحد عالي التحكم يضمن الامتثال التنظيمي لكنه يفتقر إلى المرونة. تخضع مخاطر التخفيف والامتثال للواجهة الأمامية لكل نشاط، بينما ينعكس الذكاء الاصطناعي اللامركزي، بطبيعة الحال، على عكس ذلك. بدلاً من ذلك، تُعتبر الشفافية والانفتاح مبادئ تصميم أساسية وليس مجرد أفكار لاحقة. يجذب هذا الانفتاح مجتمعًا أكثر تنوعًا من المساهمين، مما يجعل النماذج النهائية أكثر صمودًا ضد الانحيازات ونقاط الفشل الوحيدة التي قد تعاني منها النماذج التي يبنيها فريق مركزي واحد.

كانت FLock.io المشروع الوحيد لتدريب الذكاء الاصطناعي اللامركزي الذي تم تسميته في قائمة CB Insights AI 100. ما الذي تعتقد أنه يميز الذكاء الاصطناعي اللامركزي عن موجة تسارع الذكاء الاصطناعي الأوسع التي تحدث اليوم؟

ما يميز الذكاء الاصطناعي اللامركزي عن موجة الابتكار الحالية التي تركز على حجم الحوسبة هو التحول إلى التركيز على الحوكمة، الخصوصية، والملاءمة الاقتصادية. المبادئ الأساسية للامركزية، الشفافية والانفتاح تتحدى مباشرة هيمنة عدد قليل من اللاعبين المركزيين الذين يهيمنون حاليًا على مساحة الذكاء الاصطناعي لضمان فرص اقتصادية أكثر عدلاً، تعاونًا عالميًا أكبر، وسيادة وخصوصية حقيقية للبيانات.

كونه المشروع الوحيد لتدريب الذكاء الاصطناعي اللامركزي الذي تم تسميته في قائمة CB Insights AI 100 يؤكد تمامًا قيمة عرضنا الأساسي وفكرتنا الجوهرية. يظهر أن اللامركزية هي الخطوة التالية والضرورية لتسهيل الابتكار الذي سيمكن الذكاء الاصطناعي من الاستخدام للخير.

شكرًا لكم على هذه المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب عليهم زيارة FLock.io.