SoK: A Systematic Bidirectional Literature Review of AI & DLT Convergence
تُحلل هذه المراجعة المنهجية للأدبيات ثنائية الاتجاه (2020–2025) التقارب بين الذكاء الاصطناعي وتقنية السجلات الموزعة عبر خمس طبقات معمارية في كلا الاتجاهين، كاشفةً عن أن الأبحاث الحالية تركز بشكل ضيق على طبقات محددة، وتفتقر إلى التحقق على نطاق الإنتاج، وتتطلب تصميماً مشتركاً عبر الطبقات لمعالجة التحديات الجوهرية في القابلية للتوسع والتشغيل البيني.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل تقنيتين قويتين تحاولان بناء منزل معاً: الذكاء الاصطناعي (AI) وتقنية السجلات الموزعة (DLT)، وهي عائلة التقنيات التي تكمن خلف "البلوكشين".
- الذكاء الاصطناعي (AI) يشبه المهندس المعماري العبقري والسريع التفكير، الذي يمكنه التعلم من المخططات واتخاذ القرارات في اللحظة ذاتها. ومع ذلك، غالباً ما يكون هذا المهندس بمثابة "صندوق أسود" — فأنت لا تعرف دائماً كيف اتخذ قراراً معيناً، وقد يكون عرضة للأخطاء أو التحيزات الخفية.
- تقنية السجلات الموزعة (DLT) تشبه دفتراً عاماً غير قابل للكسر، حيث يتم تسجيل كل طوبة توضع في البناء للأبد. إنها شفافة وموثوقة، لكنها بطيئة، جامدة، وغير قادرة على اتخاذ قرارات معقدة بمفردها.
هذه الورقة هي مراجعة منهجية (بحث منظم وشامل) لـ 53 دراسة بحثية نُشرت بين عامي 2020 و2025. أراد المؤلفون معرفة كيف تساعد هاتان التقنيتان بعضهما البعض. لقد نظروا إلى العلاقة في اتجاهين: الذكاء الاصطناعي يساعد تقنية السجلات الموزعة وتقنية السجلات الموزعة تساعد الذكاء الاصطناعي.
إليك تفصيل لما وجدوه، باستخدام تشبيهات بسيطة:
1. الطريق ذو الاتجاهين
نظم الباحثون نتائجهم في مسارين لحركة المر traffic:
المسار (أ): الذكاء الاصطناعي يساعد تقنية السجلات الموزعة (المهندس الذكي يصلح الدفتر)
في هذا الاتجاه، يستخدم الباحثون الذكاء الاصطناعي لجعل "البلوكشين" أسرع، وأكثر أماناً، وأكثر ذكاءً.
- ماذا يفعلون: يستخدمون الذكاء الاصطناعي ليعمل كحارس أمن، وشرطي مرور، وميكانيكي للبلوكشين.
- أين يحدث ذلك: يتركز معظم العمل في طبقة "التنفيذ" (Execution) (التحقق من قواعد العقود الذكية) وطبقة "الإجماع" (Consensus) (اتخاذ القرار بشأن من يحق له الكتابة في الدفتر).
- تشبيه: تخيل الذكاء الاصطناعي وهو يمسح الدفتر العام ليكتشف فوراً ما إذا كان شخص ما يحاول تزوير صفحة (أمن)، أو يستخدم خوارزمية ذكية لتحديد أفضل ترتيب لكتابة المدخلات حتى يتحرك الطابور بشكل أسرع (إجماع).
- الأدوات: يستخدمون "التعلم التعزيزي" (ذكاء اصطناعي يتعلم من خلال التجربة والخطأ) لضبط النظام، و"النماذج اللغوية الكبيرة" (مثل الذكاء الاصطناعي الذي تدردش معه) لقراءة وفهم الأكواد المعقدة.
- النتيجة: يعمل هذا جيداً في عمليات المحاكاة، ولكن لم يقم أحد ببناء مصنع ضخم وحقيقي باستخدام هذا بعد. إنه لا يزال في الغالب في مرحلة "الاختبار المختبري".
المسار (ب): تقنية السجلات الموزعة تساعد الذكاء الاصطناعي (الدفتر يساعد المهندس)
في هذا الاتجاه، يستخدم الباحثون الدفتر غير القابل للكسر لإثبات مصدر البيانات، ومن قام بتدريب الذكاء الاصطناعي، وللتأكد من أن الجميع يلعبون بنزاهة.
- ماذا يفعلون: يستخدمون الدفتر لإثبات مصدر البيانات، ومن درب الذكاء الاصطناعي، ومن المرجح أن يضمنوا أن الجميع يتصرف بصدق.
- أين يحدث ذلك: يتركز معظم العمل في طبقة "البيانات" (Data) (للتأكد من جودة مكونات الذكاء الاصطناعي) وطبقة "النموذج" (Model) (لإدارة كيفية تعلم الذكاء الاصطناعي).
- تشبيه: تخيل مجموعة من الطهاة (مطوري الذكاء الاصطناعي) يحاولون طهي وجبة معاً دون وجود مدير مركزي. يسجل الدفتر بالضبط من أضاف أي مكون ومتى. هذا يمنع أي شخص من تسلل مكونات سيئة (تسميم البيانات) ويضمن حصول الجميع على مكافآتهم بشكل عادل مقابل مساهمتهم.
- الأدوات: يستخدمون "العقود الذكية" (قواعد تلقائية) لإدارة المكافآات و"التعلم الاتحادي" (تدريب الذكاء الاصطناعي على أجهزة كمبيوتر مختلفة دون مشاركة البيانات الخام).
- النتيجة: مرة أخرى، هذا يعمل نظرياً وفي اختبارات صغيرة، ولكن لم يقم أحد بنشره على نطاق صناعي واسع بعد.
2. عدم التوازن الكبير (الخريطة "المائلة")
لاحظ المؤلفون أن البحث غير متوازن للغاية، مثل خريطة حيث تكون بعض المدن مزدحمة بينما تكون مدن أخرى صحاري فارغة.
- المدن المزدحمة:
- بالنسبة لـ الذكاء الاصطناعي يساعد تقنية السجلات الموزعة: الجميع مهووس بطبقات "الإجماع" (التصويت) و**"التنفيذ"** (تشغيل الكود).
- بالنسبة لـ تقنية السجلات الموزعة تساعد الذكاء الاصطناعي: الجميع مهووس بـ "البيانات" (المكونات) و**"النموذج"** (الوصفة).
- الصحاري الفارغة:
- عدد قليل جداً من الناس ينظرون إلى طبقات "الشبكة" (كيف تتواصل أجهزة الكمبيوتر مع بعضها البعض) أو "البنية التحتية" (الأجهزة الفعلية/الطاقة).
- تشبيه: الأمر يشبه الجميع وهم يتجادلون حول أفضل ألوان الطلاء للمنزل (التطبيق) وأفضل الأقفال للباب (الأمن)، ولكن لا أحد منهم يتحقق فعلياً مما إذا كانت الأساسات (البنية التحتية) أو السباكة (الشبكة) يمكنها تحمل وزن المنزل.
3. الحقائق الصعبة (الفجوات)
على الرغم من كل هذه الأفكار المثيرة، تشير الورقة إلى بعض المشكلات الخطيرة:
- لا يوجد إثبات في العالم الحقيقي: كل دراسة تقريباً هي "نموذج أولي" أو "محاكاة". إنه يشبه بناء نموذج سيارة مثالي في مرآب، لكنك لا تقودها أبداً على طريق سريع. لم يثبت أحد أن هذا يعمل على نطاق إنتاج ضخم.
- مشكلة "الصندوق الأسود": من المفترض أن يكون الذكاء الاصطناعي ذكياً، ولكن إذا ارتكب الذكاء الاصطناعي خطأً، فمن الصعب إثبات لماذا حدث ذلك على البلوكشين. تشير الورقة إلى أننا لا نملك حتى الآن طريقة مثالية لجعل قرارات الذكاء الاصطناعي "قابلة للتحقق" (أي يمكن إثباتها) على البلوكشين.
- عقبة السرعة: البلوكشين بطيء، والذكاء الاصطناعي يحتاج إلى السرعة. دمج الاثنين معاً غالباً ما يجعل الأمور أبطأ أو أكثر تكلفة.
- حاجز اللغة: تستخدم المشاريع المختلفة قواعد ومعايير مختلفة، مما يجعل من الصعب عليها التواصل مع بعضها البعض (التوافق التشغيلي).
الملخص
تخلص الورقة إلى أنه بينما يبدو الذكاء الاصطناعي وتقنية السجلات الموزعة ثنائياً مثالياً على الورق (أحدهما ذكي والآخر موثوق)، إلا أنهما حالياً عالقان في "المختبر".
- الذكاء الاصطناعي يجعل البلوكشين أكثر ذكاءً وأماناً.
- البلوكشين يجعل الذكاء الاصطناعي أكثر موثوقية وشفافية.
ومع ذلك، نحن لا نزال في الأيام الأولى. لدينا مخططات رائعة ونماذج صغيرة، لكننا لم نبنِ ناطحة السحاب بعد. يقول المؤلفون إننا بحاجة إلى التوقف عن مجرد الحديث عن النظرية والبدء في اختبار هذه الأنظمة في العالم الحقيقي لمعرفة ما إذا كانت تستطيع تحمل الضغط.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.