تتزايد الحاجة إلى تطوير أطر حوكمة الذكاء الاصطناعي المتقدم (Frontier AI) التي تعتمد على كمية التدريب كمعيار رئيسي لتحديد النماذج ذات التأثير الكبير. ومع ذلك، فإن القدرة على تأكيد هذا التدريب تعتمد حتى الآن على الإبلاغ الذاتي، حيث لا توجد تقنيات للتحقق الفني من عملية التدريب. وهذا يطرح تحديات كبيرة أمام الاتفاقيات الدولية المستقبلية حول الذكاء الاصطناعي المتقدم، حيث أن التنظيم المنسق للتقنيات ذات التأثيرات الخارجية يتطلب تاريخياً تحقيقات فنية، مما يجعل الاتفاقيات بدون أساس فعلي.

في هذا السياق، تشير تحليلات الحوكمة الأخيرة إلى أن براهين المعرفة الصفرية (Zero-Knowledge Proofs) تبدو كمرشح واعد، لكن استخدامها فعلياً على نطاق واسع في الذكاء الاصطناعي المتقدم لا يزال غير عملي.

ومع ذلك، تم اقتراح هيكل تحقق (Verification Architecture) جديد يجمع بين مواصفات التدريب الملتزم بها، وملاحظات الشبكة بين العقد، وعمليات الالتزام المتجدد لمراحل الحساب خلال التدريب، والتي يتم التحقق منها من خلال آلة افتراضية تعتمد على المعرفة الصفرية (zkVM).

هذا النظام يعد بأن يوفر الشفافية لعمليات التدريب، حيث تتحقق من الحسابات الفعلية التي أجراها معالج الرسوميات (GPU) بدلاً من التقديرات الثابتة، مما يضمن الحفاظ على سرية تفاصيل النموذج من خلال مواصفات تدريب خاصة.

يتضمن البروتوكول ثلاثة أنواع من البراهين: إثبات الجذور عند الإطلاق، براهين للخطوات خلال التدريب، وشهادات مسبقة تضمن الالتزام بالمطالب ذات الصلة، مما يحول سجلات التدريب إلى عناصر قابلة للتنفيذ في الحوكمة.

يُقدَّر أن بروتوكول إثبات المفهوم سيكون قابلاً للتطبيق خلال حوالي 36 شهراً مع تحمل تكاليف إضافية طفيفة، مما يعكس دور البحث والمساهمة الخارجية في مواجهة 13 مشكلة بحثية وهندسية مفتوحة.

في النهاية، هل تعتقد أن هذه الابتكارات ستسهم في تحقيق تنظيم فعّال لنماذج الذكاء الاصطناعي المتقدم؟ شاركونا آراءكم في التعليقات!