بيانات قابلة للتحقق: كيف يحل وولروس أزمة الجودة التي تكلف تريليونات

تواجه الصناعة مشكلة صامتة ولكن مدمرة: عدم القدرة على التحقق مما إذا كانت البيانات التي نعتمد عليها موثوقة حقًا. من التعلم الآلي إلى الإعلان الرقمي، تُبنى أنظمة حيوية على معلومات لا يمكن التحقق من صحتها أبدًا. الحل يتطلب أن تكون البيانات قابلة للتحقق من مصدرها.

في عالم تدير فيه الذكاء الاصطناعي قرارات الائتمان والتوظيف والتشخيص الطبي، يكون الخطر تصاعديًا. 87% من مشاريع الذكاء الاصطناعي لا تصل أبدًا إلى الإنتاج، واللوم لا يقع على الخوارزميات، بل على جودة البيانات الرديئة التي تغذي هذه الأنظمة. بالنسبة لصناعة كانت تتداول بـ200 مليار دولار، فإن هذا الرقم يمثل فشلًا هائلًا.

تتجاوز التأثيرات الذكاء الاصطناعي. يفقد السوق الرقمي، الذي يبلغ حجمه 750 مليار دولار سنويًا، ما يقرب من ثلث استثماراته بسبب الاحتيال وعدم الدقة، ويرجع ذلك أساسًا إلى أن المعاملات لا يمكن تدقيقها بشكل موثوق. حتى عمالقة التكنولوجيا مثل أمازون اضطرت إلى التخلي عن مشاريع كاملة بعد سنوات من التطوير، واكتشفت أن بيانات التدريب كانت تعكس تحيزات تمييزية. عندما يتخذ نظام آلي قرارًا حاسمًا، نادرًا ما توجد طريقة لتتبع والتحقق من سلامة البيانات التي أُنشئ منها.

التكلفة الخفية للبيانات غير القابلة للتحقق في الصناعات الحيوية

البيانات المعيبة لا تكسر الخوارزميات فحسب؛ بل تضاعف عيوبها على نطاق واسع. نموذج مدرب بمعلومات متحيزة أو فاسدة أو غير دقيقة لا يرتكب أخطاء عشوائية، بل يعيد بشكل منهجي تكرار وتضخيم التحيزات في تدريبه.

حالة أمازون توضح هذه الحقيقة. لم تُصمم أداة التوظيف لديها لتمييز، بل “تعلمت” ذلك من خلال تغذيتها بسجلات تاريخية تهيمن عليها التوظيفات الذكورية. لا يوجد خوارزمية متطورة بما يكفي لتجاوز مجموعة بيانات ملوثة أساسًا.

التحدي يتجاوز البيانات غير الصحيحة بحد ذاتها. يتم جمع ومعالجة مجموعات التدريب دون ترك أثر قابل للتحقق من مصدرها، أو التعديلات التي أُجريت عليها، أو التغييرات في سلامتها. عندما تُستخدم هذه البيانات لتدريب أنظمة تصدر أحكامًا بشأن القروض أو التشخيصات أو الترقيات الوظيفية، لا توجد آلية لإثبات من أين جاءت أو إذا تم تعديلها.

التحقق التشفيري كأساس للثقة

بناء ذكاء اصطناعي موثوق يتطلب شيئًا لا يمكن لأي مركز بيانات أكبر أو معالج أسرع توفيره: بيانات يمكن التحقق من صحتها من أول بايت. يطبق Walrus بالضبط هذا، مما يتيح التحقق من البيانات من طرف إلى طرف.

في هذا النموذج، يحصل كل ملف على معرف فريد وقابل للتحقق. يتم تسجيل كل تغيير في سلسلة الحفظ. يمكن للمطورين إثبات بشكل تشفيري من أين تأتي بياناتهم، ومن قام بتعديلها، وما إذا كانت لا تزال سليمة. عندما يشكك جهة تنظيمية في قرار نموذج كشف الاحتيال، يمكن تقديم معرف الكتلة (هاش فريد يتم إنشاؤه من البيانات نفسها)، وعرض كائن Sui الذي يوثق سجل التخزين الخاص به، والتحقق تشفيريًا من أن بيانات التدريب لم تُغير أبدًا.

يتكامل Walrus مع منصة Sui لتنسيق البرامج على السلسلة، مما يرسّخ طبقة من الثقة حيث تكون البيانات موثوقة وقابلة للتحقق من التصميم، وليس فقط من خلال حسن النية.

حالات نجاح: من أمازون إلى Alkimi

الإعلان الرقمي هو قطاع آخر دمرته المعلومات غير القابلة للتحقق. يستثمر المعلنون في سوق بقيمة 750 مليار دولار، لكنهم يواجهون تقارير غير دقيقة، واحتيال منهجي، وظهور إعلانات بواسطة بوتات. المعاملات مجزأة بين منصات متعددة، والأنظمة التي تقيس الأداء هي نفسها التي تستفيد من تقارير الأرقام المبالغ فيها.

تقوم Alkimi بإعادة تصميم مشهد الإعلان البرمجي من خلال جعل جميع البيانات قابلة للتحقق. يتم تخزين كل ظهور، وعرض، ومعاملة في Walrus مع سجلات لا تتغير. تدمج المنصة التشفير للبيانات الحساسة للعملاء وتُعالج التسويات مع التحقق التشفيري من الدقة، مما يجعلها الحل المثالي للصناعات التي يجب أن تكون البيانات فيها، فوق كل شيء، قابلة للتحقق.

مستقبل البيانات القابلة للتحقق في DeFi و AI

ما يبدأ في AdTech لا يخدش سوى سطح التطبيقات الممكنة. يمكن لمطوري الذكاء الاصطناعي القضاء على التحيزات من خلال اختيار مجموعات بيانات يمكن التحقق من مصدرها تشفيريًا. يمكن لبروتوكولات DeFi ترميز البيانات المُتحققة كضمان، مشابهًا لكيفية تحويل إيرادات الإعلانات المثبتة إلى أصول برمجية. يمكن لأسواق البيانات اللامركزية أن تزدهر بينما يربح المستخدمون من معلوماتهم الشخصية مع الحفاظ على الخصوصية المضمونة تشفيريًا.

كل هذا ممكن لأنه، للمرة الأولى، لا تتطلب البيانات ثقة عمياء: يمكن إثباتها رياضيًا. WAL (0.09 دولار في وقت الكتابة) يشكل الأساس الاقتصادي لهذا النظام البيئي، ويحفز المشاركين على الحفاظ على سلامة البيانات داخل شبكة Sui.

عندما تكون البيانات قابلة للتحقق بشكل افتراضي

لقد أوقفت البيانات غير الصحيحة صناعات بأكملها لفترة طويلة جدًا. بدون القدرة على التحقق من موثوقية بياناتنا، لا يمكننا التقدم نحو الابتكارات التي يعد بها هذا القرن: من أنظمة AI المصنفة على أنها موثوقة إلى بروتوكولات DeFi التي تمنع الاحتيال وتستبعد الجهات الخبيثة في الوقت الحقيقي.

يؤسس Walrus للبنية التحتية التي تجعل هذا التغيير ممكنًا. من خلال البناء على منصة حيث تكون البيانات قابلة للتحقق من إنشائها، يمكن للمنظمات أن تثق منذ اليوم الأول في أن أنظمتها تُبنى على أسس قوية وموضوعية. المستقبل لن يكون أسرع أو أكبر، بل أكثر قابلية للتحقق.