آزمایش بلاک چین منجر به ایجاد انبوهی از ربات های یادگیری غیرمتمرکز می شود

تیمی از دانشمندان در بلژیک ممکن است یکی از بزرگترین چالش‌ها در زمینه هوش مصنوعی را با استفاده از روش آموزشی غیرمتمرکز مبتنی بر بلاک چین حل کرده باشند. در حالی که این تحقیق هنوز در مراحل اولیه خود است، پیامدهای بالقوه آن می تواند از ایجاد تحول در اکتشاف فضای بیرونی تا ایجاد یک تهدید وجودی برای بشریت باشد.

در یک محیط شبیه سازی شده، محققان راهی برای هماهنگی یادگیری بین عوامل هوش مصنوعی فردی و مستقل ایجاد کردند. این تیم از فناوری بلاک چین برای تسهیل و ایمن سازی ارتباطات نمایندگان استفاده کرد و در نتیجه یک "ازدحام" غیرمتمرکز از مدل های یادگیری ایجاد کرد.

سپس نتایج آموزش فردی برای هر عامل در ازدحام برای توسعه یک مدل هوش مصنوعی بزرگتر مورد استفاده قرار گرفت. از آنجایی که داده‌ها از طریق بلاک چین مدیریت می‌شد، این سیستم بزرگ‌تر از هوش جمعی ازدحام بدون دسترسی به هیچ یک از داده‌های عاملان منفرد بهره می‌برد.

هوش مصنوعی ازدحام می کند

یادگیری ماشینی، مفهومی که ارتباط نزدیکی با هوش مصنوعی دارد، به اشکال مختلفی ارائه می شود. برای مثال، چت بات معمولی، مانند ChatGPT OpenAI یا Anthropic's Claude، با استفاده از تکنیک های متعدد توسعه داده می شود. این الگو با استفاده از پارادایمی به نام «یادگیری بدون نظارت» از قبل آموزش داده شده و سپس با الگوی دیگری که «یادگیری تقویتی از بازخورد انسانی» نامیده می شود، تنظیم شده است.

یکی از بزرگترین چالش‌های این رویکرد این است که معمولاً نیاز است که داده‌های آموزشی سیستم در یک پایگاه داده متمرکز قرار داده شوند. این امر آن را برای برنامه هایی که نیاز به یادگیری مستقل مستمر دارند یا هر جا که حفظ حریم خصوصی مهم است غیر عملی می کند.

تیم تحقیقاتی تحقیقات بلاک چین خود را با استفاده از یک الگوی یادگیری به نام «یادگیری غیرمتمرکز فدرال» انجام دادند. با انجام این کار، آنها دریافتند که می توانند با موفقیت مدل ها را هماهنگ کنند و در عین حال تمرکززدایی داده ها را حفظ کنند.

بیشتر تحقیقات این تیم شامل مطالعه انعطاف پذیری ازدحام در برابر روش های مختلف حمله بود. از آنجایی که فناوری بلاک چین یک دفتر کل مشترک است و شبکه آموزشی مورد استفاده در آزمایش خود غیرمتمرکز بود، تیم توانست در برابر حملات هک سنتی استحکام خود را نشان دهد.

با این حال، آنها یک آستانه قطعی برای اینکه این گروه دقیقاً چند ربات سرکش را تحمل کند، پیدا کردند. محققان سناریوهایی را توسعه دادند که شامل ربات هایی بود که عمداً برای آسیب رساندن به شبکه طراحی شده بودند. اینها شامل عواملی با برنامه‌های پلید، عواملی با اطلاعات قدیمی و روبات‌هایی بود که با دستورالعمل‌های ساده اختلال کدگذاری شده بودند.

در حالی که دفاع در برابر عوامل ساده و قدیمی نسبتاً آسان بود، تیم دریافت که ماموران هوشمند با برنامه‌های پلید می‌توانند در نهایت اگر به اندازه کافی بتوانند به آن نفوذ کنند، می‌توانند هوش ازدحام را مختل کنند.

این تحقیق تجربی است و فقط از طریق شبیه سازی انجام شده است. اما به زودی زمانی فرا خواهد رسید که انبوه ربات‌ها را می‌توان به صورت غیرمتمرکز هماهنگ کرد. این ممکن است روزی به تیم‌هایی از عوامل هوش مصنوعی از شرکت‌ها یا کشورهای مختلف اجازه دهد تا با هم کار کنند تا یک عامل بزرگ‌تر را بدون قربانی کردن حریم خصوصی داده‌ها آموزش دهند.