أمان الذكاء الاصطناعي يصبح أكثر بروزًا، وقد يصبح التشفير المتماثل بالكامل أفضل حل

مؤخراً، حقق نظام الذكاء الاصطناعي الذي يحمل اسم Manus نتائج بارزة في اختبار GAIA، حيث تفوق أداؤه على نماذج اللغة الكبيرة من نفس الفئة. أظهر Manus قدرة قوية على معالجة المهام المستقلة، قادراً على التعامل مع مفاوضات الأعمال الدولية المعقدة، بما في ذلك تحليل بنود العقود، وضع الاستراتيجيات، وتوليد الحلول. بالمقارنة مع الأنظمة التقليدية، يتمتع Manus بميزات واضحة في تفكيك الأهداف الديناميكية، والاستدلال عبر الأنماط، وتعزيز التعلم بالذاكرة.

ظهور Manus أثار مرة أخرى نقاشًا داخل الصناعة حول مسارات تطوير الذكاء الاصطناعي: هل يجب أن نتجه نحو نموذج موحد للذكاء الاصطناعي العام (AGI) أم نحو نموذج التعاون بين الأنظمة المتعددة (MAS)؟ في الواقع، تعكس هذه المناقشة مسألة التوازن بين الكفاءة والأمان في تطوير الذكاء الاصطناعي. مع اقتراب أنظمة الذكاء الفردية تدريجياً من مستوى AGI، تزداد أيضًا مخاطر عدم شفافية عملية اتخاذ القرار. بينما يمكن أن يخفف التعاون بين الأنظمة المتعددة من المخاطر، إلا أنه قد يفوت اللحظات الحاسمة في اتخاذ القرار بسبب تأخير الاتصالات.

تقدم Manus يبرز أيضًا المخاطر المحتملة في تطوير الذكاء الاصطناعي، مثل خصوصية البيانات، وتحامل الخوارزميات، والهجمات العدائية. على سبيل المثال، في السيناريوهات الطبية، تحتاج أنظمة الذكاء الاصطناعي إلى الوصول إلى بيانات الجينوم الحساسة للمرضى؛ في المفاوضات المالية، قد تتضمن معلومات مالية غير معلنة عن الشركات. علاوة على ذلك، قد تؤدي أنظمة الذكاء الاصطناعي إلى تحيز ضد مجموعات معينة خلال عمليات التوظيف، أو قد تُخطئ في تقييم الشروط المتعلقة بالصناعات الناشئة أثناء مراجعة الوثائق القانونية. وما هو أكثر خطورة، أن القراصنة يمكن أن يزرعوا إشارات صوتية معينة، مما يؤدي إلى اتخاذ أنظمة الذكاء الاصطناعي قرارات خاطئة أثناء المفاوضات.

面对这些 التحديات، قد توفر تقنيات الأمان في مجال Web3 حلولاً. من بينها، يُعتبر التشفير المتماثل بالكامل (التشفير المتماثل بالكامل، FHE) أداة قوية لمواجهة مشكلات الأمان في عصر الذكاء الاصطناعي. يسمح FHE بإجراء الحسابات على البيانات في حالة التشفير، مما يعني أنه يمكن معالجة المعلومات الحساسة دون فك التشفير.

على المستوى البياني، يمكن أن يضمن التشفير المتماثل بالكامل (FHE) معالجة جميع المعلومات المدخلة من قبل المستخدم (بما في ذلك الخصائص البيولوجية، الصوت، إلخ) في حالة مشفرة، حتى أن نظام الذكاء الاصطناعي نفسه لا يمكنه فك تشفير البيانات الأصلية. على المستوى الخوارزمي، يجعل "تدريب نموذج التشفير" الذي يحققه التشفير المتماثل بالكامل من المستحيل حتى على المطورين رؤية عملية اتخاذ قرارات الذكاء الاصطناعي بشكل مباشر. في مجال التعاون بين الوكلاء المتعددين، يمكن أن تمنع تقنية التشفير بالعتبة تسرب البيانات العالمية نتيجة اختراق عقدة واحدة.

على الرغم من أن تقنيات أمان Web3 قد لا تكون مرتبطة مباشرة بالمستخدمين العاديين، إلا أن أهميتها لا يمكن تجاهلها. في هذا المجال المليء بالتحديات، إذا لم يتم اتخاذ تدابير وقائية بشكل نشط، فقد لا يتمكن المستخدمون أبدًا من التخلص من مخاطر أمان المعلومات.

في الوقت الحالي، هناك بعض المشاريع التي تستكشف مجال أمان Web3. على سبيل المثال، حققت بعض المشاريع تقدمًا في هويات لامركزية (DID) ونموذج الأمان بدون ثقة. وفي مجال التشفير المتماثل بالكامل، أطلقت إحدى المشاريع أولاً على الشبكة الرئيسية وتعاونت مع العديد من المؤسسات المعروفة.

مع اقتراب تكنولوجيا الذكاء الاصطناعي من مستوى الذكاء البشري، أصبحت أنظمة الدفاع غير التقليدية أكثر أهمية. لا يمكن أن يحل التشفير المتماثل بالكامل المشاكل الأمنية الحالية فحسب، بل يؤسس أيضًا لحقبة الذكاء الاصطناعي الأقوى في المستقبل. على طريق الوصول إلى الذكاء الاصطناعي العام، لم يعد التشفير المتماثل بالكامل خيارًا، بل أصبح شرطًا ضروريًا لضمان تطوير أمان الذكاء الاصطناعي.