طرحی محلی برای حفظ حریم خصوصی هوش مصنوعی و بلاکچین

هم‌بنیانگذار اتریوم VitalikButerin به‌روزرسانی دقیقی در مورد تنظیمات هوش مصنوعی شخصی خود، که برای اجرا کاملاً بدون سرورهای ابری شخص ثالث طراحی شده است، به اشتراک گذاشته است. این پست که در آوریل ۲۰۲۶ منتشر شد، آنچه بوترین رویکرد خودگردان، محلی، خصوصی و امن برای مدل‌های زبانی بزرگ می‌نامد را تشریح می‌کند و خط مستقیمی بین این فلسفه و آینده‌ی ... ترسیم می‌کند. $ ETH زیرساخت حریم خصوصی

بوترین مدل‌های وزن باز از جمله DeepSeek را به عنوان بخشی از مجموعه محلی خود برجسته کرد. سخت‌افزار مورد علاقه او، یک لپ‌تاپ با پردازنده گرافیکی Nvidia RTX 5090، حدود ۹۰ توکن در ثانیه پردازش می‌کند که به نظر او برای استفاده روزمره کافی است. او همچنین پیکربندی‌های AMD و DGX Spark را آزمایش کرد. سیستم عامل مورد نظر NixOS است که به دلیل ساخت‌های قابل تکرار آن ارزشمند است و از sandboxing bubblewrap برای جداسازی فرآیندهای هوش مصنوعی و محدود کردن دسترسی آنها به فایل‌ها و منابع شبکه استفاده می‌شود.

انگیزه سرراست است. بوترین صراحتاً در مورد نگرانی‌ها مبنی بر اینکه پذیرش عمومی هوش مصنوعی، کاربران را به سمت سرویس‌های ابری سوق می‌دهد که داده‌های حساس شخصی و مالی را در معرض سرورهای خارجی قرار می‌دهند، صحبت کرده است. او استدلال می‌کند که زیرساخت واقعی هوش مصنوعی غیرمتمرکز باید از اکوسیستم‌های سخت‌افزاری متعدد، نه فقط دستگاه‌های اپل، پشتیبانی کند و باید کنترل کاربر را بر راحتی اولویت دهد.

اثبات‌های دانش صفر به عنوان پلی به سوی حریم خصوصی RPC اتریوم

این به‌روزرسانی پیامدهای گسترده‌تری برای اتریوم دارد. بوترین به سیستم‌های دانش صفر به عنوان مکانیسمی برای تماس‌های هوش مصنوعی از راه دور خصوصی اشاره کرد، رویکردی که او و دیوید کراپیس، مدیر هوش مصنوعی بنیاد اتریوم، در تحقیقات قبلی بررسی کرده‌اند. این پیشنهاد قبلی، اعتبارات استفاده از API ZK را که بر اساس محدودکننده‌های نرخ ساخته شده است، معرفی کرد و به کاربران اجازه می‌دهد بدون پیوند دادن درخواست‌ها به هویت خود، تماس‌های ناشناس با سرویس‌های هوش مصنوعی برقرار کنند. بوترین استدلال کرده است که همین اصول اولیه می‌تواند برای بهبود حریم خصوصی RPC در اتریوم اعمال شود، به این معنی که کاربرانی که از شبکه اتریوم پرس‌وجو می‌کنند، نیازی به افشای فعالیت خود برای اپراتورهای گره یا زیرساخت‌های صدور صورتحساب نخواهند داشت.

بوترین همچنین به مدل‌های هوش مصنوعی تخصصی و تنظیم‌شده به عنوان ابزاری برای توسعه‌دهندگان اتریوم اشاره کرد. او حسابرسی قراردادهای هوشمند و تأیید تراکنش‌های محلی را به عنوان موارد استفاده خاصی معرفی کرده است که در آن‌ها مدل‌های هدفمند می‌توانند به طور معناداری خطرات امنیتی را کاهش دهند، نه اینکه به هوش مصنوعی ابری عمومی و بدون درک زمینه اتریوم متکی باشند.

این پست، این تنظیمات را به عنوان یک نقطه شروع و نه یک محصول نهایی معرفی می‌کند و بوترین اذعان داشت که مدل‌های محلی هنوز در وظایف کدنویسی پیچیده از مدل‌های ابری پیشرو عقب هستند. برای مواردی که استنتاج از راه دور اجتناب‌ناپذیر است، او لایه‌هایی از محافظت‌های رمزنگاری شامل اثبات دانش صفر، محیط‌های اجرایی قابل اعتماد و پرداخت‌های هر پرس‌وجو را در نظر می‌گیرد تا تعاملات را به حداقل و قابل حسابرسی نگه دارد.

منابع:
خلاصه اخبار کریپتو: ویتالیک بوترین در مورد راه‌اندازی LLM خودگردان به‌روزرسانی‌هایی ارائه داد
اخبار کریپتو: ویتالیک بوترین در مورد خطرات امنیتی هوش مصنوعی هشدار می‌دهد و بر سیستم‌های محلی تأکید می‌کند
CryptoSlate: ویتالیک بوترین، اتریوم را به عنوان لایه تسویه حساب هوش مصنوعی معرفی می‌کند