Walrus: عندما تصبح البيانات القابلة للتحقق ضرورية

تواجه الصناعة أزمة صامتة لا يذكرها أحد بما يكفي. بينما يتم الاستثمار في شرائح أسرع ونماذج ذكاء اصطناعي أكبر، هناك ضعف أساسي يعوق موثوقية هذه الأنظمة: جودة البيانات. يظهر Walrus كحل تشفيري يُغير طريقة التحقق من سلامة وأصل المعلومات التي تغذي قراراتنا الأكثر حيوية.

التكلفة الحقيقية للبيانات المعيبة في الذكاء الاصطناعي والإعلان

يبدو الأمر متناقضًا، لكن 87% من مشاريع الذكاء الاصطناعي تفشل قبل الوصول إلى الإنتاج. ليس لأن الخوارزميات مصممة بشكل سيء أو تفتقر إلى القدرة الحاسوبية، بل بسبب عدو أكثر بساطة: بيانات تدريب ضعيفة. بالنسبة لصناعة تقدر قيمتها بـ 200 مليار دولار، فإن هذا يمثل انهيارًا اقتصاديًا هائلًا.

يعاني الإعلان الرقمي بشكل أكبر. مع سوق تبلغ 750 مليار دولار في الإنفاق السنوي، يُفقد تقريبًا ثلثه في الاحتيال وعدم الكفاءة. سجلات المعاملات مبعثرة بين منصات متعددة، ويمكن أن تأتي الانطباعات من بوتات آلية، ولا أحد يمكنه التحقق من مصدر هذه الأرقام بدقة.

التحيز، الاحتيال، ونقص الشفافية: الأعداء الصامتون الثلاثة

أنفقت أمازون سنوات في تطوير نظام اختيار تلقائي للموظفين. كان مشروعًا طموحًا، مدعومًا بهندسة من الطراز العالمي. ثم اكتشفوا شيئًا مقلقًا: كان النظام يميز ضد المرشحات الإناث. لكن المهم هنا: لم يتخذ الخوارزمية هذا القرار بمفردها. تعلمت من مجموعة بيانات توظيف كانت تهيمن عليها الرجال تاريخيًا ونسخت هذا التحيز على نطاق واسع.

هذه ليست مشكلة برمجة سيئة. إنها مشكلة أن أنظمة الذكاء الاصطناعي تعزز التحيزات الموجودة في بيانات تدريبها. إذا غذيت شبكة عصبية بمعلومات متحيزة أو غير دقيقة أو فاسدة، فستحصل على نفس التحيز مضاعفًا بشكل أسي.

لكن هناك مشكلة أعمق: مجموعات بيانات التدريب تُجمع، وتُعدل، وتُخزن بدون سجل قابل للتحقق من مصدرها، أو من قام بتعديلها، أو إذا تم اختراقها. عندما يوافق نموذج ذكاء اصطناعي على قرض، أو يشخص مرضًا، أو يوصي بتوظيف شخص، لا توجد طريقة لإثبات أن البيانات الأساسية دقيقة أو لم يتم التلاعب بها.

كيف يغير Walrus و Sui من قابلية التحقق من البيانات

يوفر Walrus الحل: كل ملف يحصل على معرف تشفير فريد وقابل للتحقق. كل تغيير في البيانات يُسجل. إذا سأل أحد عن مصدر معلوماتك أو ما حدث لها، لديك القدرة على إثبات ذلك بشكل تشفيري.

يعمل الهيكل على النحو التالي: عند تخزين البيانات في Walrus، تحصل على معرف blob (يُولد مباشرة من محتوى البيانات). ثم، تتبع منصة Sui، منصة البلوكتشين المنسقة، التاريخ الكامل لتخزين تلك البيانات في كائن غير قابل للتغيير. إذا تعرضت بيانات التدريب لأي تعديل، فإن الإثبات التشفيري يكشف ذلك على الفور.

بالنسبة للمنظمين الذين يسألون عن قرارات نموذج كشف الاحتيال، هناك الآن شفافية جذرية: “إليك معرف الـ blob، وإليك كائن Sui الذي يتتبع تاريخه، وإليك الإثبات التشفيري على أن هذه البيانات لم يتم التلاعب بها منذ منشئها”.

Alkimi ومستقبل تقنية الإعلان الموثوقة

في قطاع الإعلان الرقمي، تعتبر قابلية التحقق هذه ثورية. تقوم Alkimi بإعادة تصميم صناعة AdTech من خلال دمج Walrus. كل عرض إعلان، وكل عرض، وكل معاملة تُخزن بسجل مقاوم للتلاعب. يمكن للمعلنين الذين يستثمرون مليارات الدولارات في الحملات الرقمية أخيرًا التحقق من أن الأرقام حقيقية.

كما تقدم المنصة تشفيرًا للمعلومات الحساسة للعملاء، مما يسمح بإجراء عمليات التسوية مع إثبات تشفيري بالدقة. هذا مثالي للحالات التي يجب أن تكون البيانات فيها موثوقة وقابلة للتدقيق في آن واحد.

وهذا مجرد بداية. يمكن لمطوري الذكاء الاصطناعي بناء مجموعات بيانات ذات أصول قابلة للتحقق تشفيرياً لإزالة التحيزات. يمكن لبروتوكولات DeFi أن توكن البيانات المُتحققة كضمان، وهو المفهوم الذي بدأ تطبيقه بالفعل في AdFi لتحويل إيرادات الإعلانات المثبتة إلى أصول قابلة للبرمجة. يمكن لأسواق البيانات أن تتوسع عندما تمكّن المؤسسات المستخدمين من تحقيق أرباح من بياناتهم مع الحفاظ على الخصوصية.

كل هذا ممكن لأن البيانات يمكن إثباتها أخيرًا بدلاً من الاعتماد عليها بشكل أعمى.

من الثقة العمياء إلى البيانات التي تروي الحقيقة

لقد حدت البيانات المعيبة من تقدم صناعات كاملة لفترة طويلة جدًا. بدون القدرة على الاعتماد على بياناتنا، لا يمكننا التقدم حقًا نحو الابتكارات التي يعد بها القرن الحادي والعشرون: ذكاء اصطناعي موثوق، أنظمة DeFi تمنع الاحتيال في الوقت الحقيقي، وتستبعد الجهات الخبيثة قبل أن تتسبب في ضرر.

يشكل Walrus الطبقة الأساسية لهذه البنية التحتية للثقة. من خلال البناء على منصة تمكّن البيانات القابلة للتحقق، يعلم المطورون منذ اليوم الأول أن بياناتهم تروي قصة كاملة وموضوعية. مع تداول WAL عند سعر 0.08 دولار، يستمر البروتوكول في التطور كأداة أساسية لأي نظام يتطلب سلامة البيانات.

انتهت حقبة الاعتماد الأعمى على البيانات هنا. الآن تبدأ حقبة إثباتها.