تصعيد الجيل التالي من الذكاء الاصطناعي يزيد من المخاطر، وليس الفوائد

(MENAFN- كريبتو بريكينغ) لطالما عُرّفت الذكاء الاصطناعي على أنه نماذج أكبر، ومعالجة أسرع، ومراكز بيانات واسعة النطاق. ومع ذلك، يقترح عدد متزايد من الباحثين والمستثمرين والممارسين أن مسار النمو التقليدي يواجه سقفًا. أصبح الذكاء الاصطناعي أكثر كثافة رأس مال ومرتبطًا بالحدود الفيزيائية، مع تراجع العوائد المبكر عن توقعات الكثيرين. تؤكد البيانات الأخيرة على هذا التحول: من المتوقع أن يتجاوز الطلب على الكهرباء من مراكز البيانات العالمية الضعف بحلول عام 2030، وهو ارتفاع يقارن بتوسيع قطاعات صناعية كاملة؛ في الولايات المتحدة، من المتوقع أن يرتفع استهلاك الطاقة لمراكز البيانات بأكثر من 100% بحلول نهاية العقد. مع تشديد اقتصاديات الذكاء الاصطناعي، تلوح استثمارات جديدة بقيمة تريليونات الدولارات وترقيات كبيرة للشبكة، متزامنة مع تداخل التكنولوجيا في مجالات التمويل والقانون والعملات الرقمية.

نقاط رئيسية

يتسارع الطلب على الطاقة المرتبط بالذكاء الاصطناعي، حيث تتوقع الوكالة الدولية للطاقة أن يتضاعف استهلاك الكهرباء لمراكز البيانات بحلول 2030، مما يبرز قيدًا أساسيًا في نموذج التوسع الحالي. قد يشهد الولايات المتحدة ارتفاع استهلاك الطاقة لمراكز البيانات بأكثر من 100% قبل عقد 2030، مما يشكل تحديًا كبيرًا للموارد والبنية التحتية للقطاعات المدعومة بالذكاء الاصطناعي. تتصاعد تكاليف تدريب نماذج الذكاء الاصطناعي المتقدمة، مع تقديرات تشير إلى أن عمليات التدريب الفردية قد تتجاوز مليار دولار، مما يجعل الاستنتاج والتشغيل المستمر هو النفقات السائدة على المدى الطويل. يزداد عبء التحقق مع التوسع: مع انتشار مخرجات الذكاء الاصطناعي، يصبح الرقابة البشرية أكثر أهمية لمنع الأخطاء من الانتشار، مثل الإيجابيات الكاذبة في تصنيف مكافحة غسيل الأموال الآلي. توفر التحولات المعمارية نحو أنظمة معرفية أو عصبية رمزية - التي تركز على التفكير، والتحقق، والنشر المحلي - مسارًا لتقليل استهلاك الطاقة وتحسين الاعتمادية مقارنةً بالتوسع القسري. قد تساهم مفاهيم الذكاء الاصطناعي اللامركزية المدعومة بالبلوكتشين في توزيع البيانات والنماذج والموارد الحاسوبية بشكل أوسع، مما يقلل من مخاطر التركيز ويجعل النشر يتوافق مع الاحتياجات المحلية.

** المزاج:** محايد

** سياق السوق:** يتداخل دمج الذكاء الاصطناعي مع تحليلات العملات الرقمية وأدوات التمويل اللامركزي مع أسئلة أوسع حول استهلاك الطاقة، والتنظيم، وحوكمة القرارات الآلية. مع تزايد استخدام أدوات الذكاء الاصطناعي لمراقبة النشاط على السلسلة، وتقييم المشاعر، والمساعدة في تطوير العقود الذكية، يواجه القطاع ارتباطًا أكثر إحكامًا بين الأداء، والتحقق، والمساءلة.

لماذا يهم الأمر

النقاش حول توسع الذكاء الاصطناعي ليس نظريًا - بل يتصل بجوهر كيفية وأين يُنشر الذكاء الاصطناعي في القطاعات ذات المخاطر العالية. لقد تطورت نماذج اللغة الكبيرة (LLMs) بطلاقة من خلال مطابقة الأنماط عبر مجموعات نصوص ضخمة، مما مكن من قدرات مذهلة ولكن ليس دائمًا تفكيرًا قويًا وموثوقًا. مع تداخل هذه الأنظمة في سير العمل القانوني، وإدارة المخاطر المالية، وعمليات العملات الرقمية، تصبح نتائج الأخطاء أقل احتمالًا وأكثر تكلفة.

لا تزال تكلفة تدريب نماذج الذكاء الاصطناعي المتقدمة مهمة حاسمة ومكلفة. تشير تحليلات مستقلة إلى أن التكلفة التراكمية للتدريب يمكن أن تكون هائلة، مع تقديرات موثوقة تشير إلى أن عملية تدريب واحدة قد تتجاوز مليار دولار في المستقبل القريب. ومع ذلك، فإن الأهم هو التكلفة المستمرة للاستنتاج - تشغيل النماذج على نطاق واسع بسرعة منخفضة، وبتوافر عالي، ومتطلبات تحقق صارمة. كل استعلام يستهلك طاقة، وكل نشر يتطلب بنية تحتية. مع توسع الاستخدام، تتراكم استهلاك الطاقة، مما يضغط على المشغلين والشبكات على حد سواء. في سياقات العملات الرقمية، يراقب أنظمة الذكاء الاصطناعي بشكل متزايد النشاط على السلسلة، ويحلل المشاعر، ويولد رموز العقود الذكية، ويحدد المعاملات المشبوهة، ويؤتمت القرارات؛ ويمكن أن تؤدي الأخطاء هنا إلى تحريك رأس المال وتقويض الثقة عبر الأسواق.

بدأ القطاع يدرك أن الطلاقة وحدها غير كافية. عندما يمكن للذكاء الاصطناعي إنتاج استنتاجات مقنعة ولكن غير صحيحة، يزداد عبء التحقق. على سبيل المثال، تم توثيق الإيجابيات الكاذبة في تصنيف مكافحة غسيل الأموال، مما يستهلك الموارد ويشتت المحققين عن الأنشطة الحقيقية. يبرز هذا أن التحول نحو بنى تتضمن التفكير السببي، والقواعد الصريحة، وآليات الفحص الذاتي يكتسب زخمًا. تعد الأساليب المعرفية والرمزية العصبية - حيث يتم تنظيم المعرفة في مفاهيم مترابطة ويمكن مراجعة واستعراض التفكير فيها - بوعود أعلى في الاعتمادية مع استهلاك أقل للطاقة مقارنةً بالتوسع القسري.

إلى جانب الهندسة المعمارية، هناك اتجاه أوسع نحو اللامركزية في تطوير الذكاء الاصطناعي نفسه. تستكشف بعض المنصات نماذج مدعومة بالبلوكتشين للمساهمة بالبيانات، والنماذج، والموارد الحاسوبية، مما يقلل من مخاطر التركيز ويجعل النشر يتوافق مع الاحتياجات المحلية. في مجال يتطلب دقة عالية ومخاطر منخفضة، تظل القدرة على التفتيش، والتدقيق، وتشكيل أنظمة الذكاء الاصطناعي مهمة بقدر أهمية النتائج التي تنتجها. نقطة التحول واضحة: قد لا يكون التوسع من أجل التوسع كافيًا بعد الآن. يجب على القطاع الاستثمار في بنى تجعل الذكاء أكثر موثوقية، وقابلًا للتحقق، ومتحكمًا فيه من قبل المجتمعات بدلاً من البنى التحتية المركزية البعيدة.

مع تداخل اعتبارات الذكاء الاصطناعي في سير عمل العملات الرقمية، تزداد المخاطر. ستؤثر مراقبة السلسلة، وتحليل المشاعر لإشارات السوق، وتوليد الكود التلقائي للعقود الذكية، وأتمتة إدارة المخاطر على ثقة المستثمرين ونزاهة السوق. الطريق إلى الأمام يتطلب ليس فقط نماذج أكبر، بل أنظمة أذكى - أنظمة يمكن فحص عملها الداخلي، وتحديها، وتحسينها من قبل مجتمع واسع. لم يعد النقاش حول ما إذا كان ينبغي للذكاء الاصطناعي أن ينمو، بل كيف ينمو بطريقة يمكن تدقيقها، وثقة، ومتوافقة مع احتياجات التمويل اللامركزي والأسواق الرقمية الأوسع.

** ملاحظة المخاطر والارتباط:** الأصول المشفرة متقلبة ورأس المال معرض للخطر. قد يحتوي هذا المقال على روابط تابعة.

MENAFN11032026008006017065ID1110847161