هذه تدوينة ضيف ورأي من فيليكس شو (Felix Xu)، مؤسس شبكة ARPA (ARPA Network).

الوثوق بالعشوائية: لماذا العشوائية القابلة للتحقق حاسمة للذكاء الاصطناعي، التشفير، والتكنولوجيا اللامركزية

عندما تزور أيًا من المكاتب العالمية لشركة كلاودفلير (Cloudflare)، ستجد بعض الديكورات غير العادية التي تلفت الانتباه. في مكتبهم في سان فرانسيسكو، يزين المكان جدار كامل يمتد من الأرض إلى السقف مليء بمصابيح الحمم (lava lamps)، وهو ما يُعرف لديهم بـ “جدار الإنتروبيا”. أما في مكتب لندن، فتجد مجموعة من “البندولات غير المتوقعة” التي تتحرك بطرق لا يمكن التنبؤ بها. هذه العناصر ليست مجرد زينة جميلة لإضفاء جو مميز على المكان؛ بل هي في الواقع بمثابة مادة خام أساسية لعملية توليد العشوائية. إنها تجسد بوضوح السباق الإبداعي والهندسي المستمر الذي تخوضه الشركات والمطورون لتحقيق العشوائية الحقيقية والموثوقة.

إن العشوائية هي حقًا البطل المجهول والعمود الفقري للإنترنت الحديث والتقنيات التي تعتمد عليه. إنها حجر الزاوية الذي تبنى عليه أنظمة التشفير القوية التي تحمي بياناتنا ومعاملاتنا. وهي أيضًا أساس أنظمة الألعاب العادلة، سواء كانت ألعاب الكازينو عبر الإنترنت أو الألعاب التنافسية، حيث تضمن أن النتائج غير متحيزة ولا يمكن التلاعب بها. وبشكل متزايد، أصبحت العشوائية مكونًا حاسمًا ولا غنى عنه في عمليات التحقق من الذكاء الاصطناعي لضمان سلامته وشفافيته. ومع ذلك، بينما نسير بخطى متسارعة نحو مستقبل تلعب فيه العملات المشفرة دورًا متناميًا في الاقتصاد العالمي، وتكتسب وكلاء الذكاء الاصطناعي قدرات أكبر واستقلالية أوسع – لا سيما عندما يتعلق الأمر بالتحكم في العمليات المالية المعقدة – فإن مسألة سلامة ونزاهة العشوائية لم تعد مجرد اهتمام تقني بحت. لقد أصبحت قضية وجودية تتعلق بالثقة والاستقرار في أنظمتنا الرقمية والمجتمعية.

أسطورة العشوائية المثالية وقيود الأنظمة التقليدية

لطالما كان تحقيق العشوائية المثالية هدفًا بعيد المنال لعلماء الكمبيوتر. لقد تصوروا نموذجًا نظريًا يُعرف بـ “عراف العشوائية” (random oracle)، وهو مفهوم تجريدي لصندوق أسود قادر على إنتاج مخرجات عشوائية حقيقية وغير متوقعة لكل مدخل يتم تقديمه إليه. لسوء الحظ، على أرض الواقع وفي الممارسة العملية، العشوائية المثالية بهذا المعنى غير قابلة للتحقيق باستخدام الحواسيب التقليدية. بدلاً من ذلك، تعتمد الأنظمة الرقمية الحديثة بشكل أساسي على ما يُعرف بالدوال شبه العشوائية (pseudorandom functions). هذه الدوال عبارة عن خوارزميات حسابية معقدة ومصممة بعناية فائقة لمحاكاة سلوك العشوائية بشكل مقنع، ولكنها في جوهرها حتمية (deterministic)؛ أي أن نفس المدخل سيؤدي دائمًا إلى نفس المخرج إذا بدأت من نفس الحالة الأولية (البذرة). ولإدخال عنصر عدم التنبؤ الحقيقي، يتم استخدام مصادر الإنتروبيا الفيزيائية – مثل مصابيح الحمم التي شاهدناها في مكاتب كلاودفلير أو البندولات المتحركة – كبذور أو نقاط بداية أساسية لهذه الدوال شبه العشوائية. هذه المصادر تستمد عشوائيتها من الظواهر الطبيعية المعقدة التي يصعب أو يستحيل التنبؤ بها، مثل الضوضاء الحرارية، التحلل الإشعاعي، أو حتى حركات الفأرة ولوحة المفاتيح للمستخدم. بهذه الطريقة، يتم دمج عدم قابلية التنبؤ الأصيلة من العالم المادي في العمليات التشفيرية والرقمية.

ولكن حتى هذا المزيج الذكي الذي يجمع بين الإنتروبيا الفيزيائية لإنتاج البذرة والخوارزميات شبه العشوائية لتوليد سلسلة من الأرقام العشوائية ليس خاليًا من الثغرات أو مضمونًا بشكل كامل. كما أشار الأستاذ ستيف وارد (Steve Ward)، وهو خبير في علوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا (MIT)، فإن معرفة الخوارزمية المستخدمة لتوليد الأرقام شبه العشوائية، بالإضافة إلى معرفة البذرة الأولية التي بدأت بها الخوارزمية عملها، يمكن أن يمكّن المهاجم من التنبؤ بالنتائج التي يُفترض أنها عشوائية. تخيل السيناريو في لعبة بوكر عبر الإنترنت: إذا تمكن شخص ما من معرفة الخوارزمية المستخدمة والبذرة التي بدأت بها توزيع الأوراق، فإنه يمكنه التنبؤ بالبطاقة التالية التي سيتم توزيعها، مما يمنحه ميزة غير عادلة ويدمر عدالة اللعبة. تؤكد نقاط الضعف الجوهرية هذه على الأهمية البالغة للحصول على عشوائية ليست فقط غير متوقعة حقًا، ولكن الأهم من ذلك، يمكن التحقق منها والتأكد من نزاهتها بشكل مستقل. هذا الأمر حيوي في جميع السياقات التي تعتمد بشكل كبير على التكنولوجيا، بدءًا من الألعاب الرقمية الترفيهية وصولًا إلى التطبيقات الحرجة التي تتعلق بالأمن المالي والمعاملات المصرفية الحساسة.

العشوائية القابلة للتحقق ودورها المحوري في الذكاء الاصطناعي

تعتمد أنظمة الذكاء الاصطناعي بشكل متزايد على العشوائية لتحقيق مجموعة واسعة من الأهداف الهامة وضمان أن تكون نتائجها عادلة، غير متحيزة، وقوية في مواجهة المدخلات المتنوعة. تلعب العشوائية دورًا لا غنى عنه عبر تطبيقات الذكاء الاصطناعي المتنوعة، بدءًا من أنظمة التشخيص الطبي المتقدمة في قطاع الرعاية الصحية وصولًا إلى خوارزميات اتخاذ القرارات المعقدة في القطاع المالي. على سبيل المثال، تساعد العشوائية نماذج الذكاء الاصطناعي في مرحلة التدريب على تجنب ظاهرة الانحياز الزائد (overfitting)، وهي حالة يصبح فيها النموذج دقيقًا جدًا على بيانات التدريب ولكنه يفشل في التعميم على بيانات جديدة غير مألوفة. يتم ذلك عن طريق إدخال قدر ضروري من التباين والعشوائية في عمليات التدريب، مما يجعل التنبؤات والقرارات التي يتخذها النموذج في النهاية أكثر مرونة وقابلية للتكيف وتعكس بشكل أفضل تعقيدات سيناريوهات العالم الحقيقي وتباينه. ومع ذلك، عندما تكون العشوائية المستخدمة في هذه الأنظمة غير قابلة للتحقق، يصبح من المستحيل عمليًا التأكد من أن النتائج التي يولدها الذكاء الاصطناعي غير متحيزة حقًا ومقاومة لأي تحيزات خفية قد تكون كامنة في البيانات أو الخوارزميات.

خذ على سبيل المثال خوارزميات التداول المالي التي تعمل بالذكاء الاصطناعي. تستخدم هذه الأنظمة العشوائية لاستكشاف مجموعة واسعة من سيناريوهات الاستثمار المحتملة واكتشاف الفرص، وكذلك لمنع الاستغلال المتوقع أو التلاعب من قبل أطراف خارجية. ومع ذلك، بدون وجود آلية شفافة وقابلة للتحقق للعشوائية المستخدمة، لا يمكن للمؤسسات المالية نفسها، ولا الهيئات التنظيمية المشرفة على الأسواق، التأكد بشكل قاطع من أن القرارات التي يتخذها النموذج التداولي غير متحيزة حقًا وعادلة لجميع الأطراف. تؤثر سلامة العشوائية بشكل مباشر وعميق على عدالة السوق المالية؛ إذ أن أي تحيزات خفية في توليد الأرقام العشوائية المستخدمة يمكن أن تؤدي إلى تفضيل غير متناسب لبعض الأصول المالية أو بعض المشاركين في السوق على حساب الآخرين، مما يقوض مبادئ المساواة والشفافية في السوق.

وبالمثل، في تطبيقات الذكاء الاصطناعي التوليدي، التي تشمل نماذج اللغات الكبيرة التي تكتب النصوص، أو الأنظمة التي تولد الصور الفنية، أو خوارزميات التوصيات المخصصة التي تقترح المنتجات أو المحتوى، يوجد معيار يُعرف باسم “درجة الحرارة” (temperature). يؤثر هذا المعيار، الذي يتحكم في درجة العشوائية في مخرجات النموذج، بشكل عميق على جودة وتنوع المخرجات. درجة الحرارة المنخفضة تميل إلى توليد مخرجات متسقة ويمكن التنبؤ بها ولكنها قد تكون متكررة ومملة. على العكس من ذلك، ت引入 درجات الحرارة الأعلى تباينًا أكبر وإبداعًا في المخرجات، ولكنها تزيد أيضًا من خطر توليد استجابات غير متوقعة، غير منطقية، أو غير موثوقة. بدون وجود عشوائية قابلة للتحقق تدعم هذا المعيار، لا يمكن للمستخدمين، المطورين، أو أصحاب المصلحة الآخرين التأكد من أن إعدادات درجة الحرارة التي يزعم النموذج استخدامها تعكس بدقة ظروف التشغيل الفعلية. هذا يخلق فرصة للتلاعب الخفي، حيث يمكن تعديل العشوائية بشكل سري لإدخال تحيزات دقيقة أو توجيه المخرجات بطرق تخدم مصالح معينة.

الأهم من ذلك، أن أنظمة الذكاء الاصطناعي المستخدمة في سيناريوهات اتخاذ القرارات الحرجة، مثل أنظمة القيادة الذاتية للمركبات التي يجب أن تتخذ قرارات لحظية لضمان السلامة، أو أنظمة التشخيص الطبي المدعومة بالذكاء الاصطناعي التي تؤثر مباشرة على حياة المرضى، يجب أن تكون قادرة على إنتاج نتائج موثوقة، غير متحيزة، وعادلة لجميع الأفراد. العشوائية القابلة للتحقق تضمن أن أصحاب المصلحة، سواء كانوا مستخدمين عاديين، مشرفين تقنيين، أو هيئات تنظيمية، يمكنهم التحقق بشكل مستقل من عدالة ونزاهة هذه الأنظمة وتأكيد أنها تعمل وفقًا للمبادئ المعلنة. هذا التحقق المستقل يعزز ثقة الجمهور بشكل كبير في هذه التقنيات المتقدمة ويسهل الامتثال للمتطلبات واللوائح التنظيمية المتزايدة التي تحكم استخدام الذكاء الاصطناعي في المجالات الحساسة.

أهمية دوال العشوائية القابلة للتحقق (VRFs)

في جوهرها، تسعى العشوائية القابلة للتحقق إلى حل مفارقة أساسية ومستعصية في تصميم أنظمتنا الرقمية المتقدمة: كيف يمكننا توليد عدم قابلية للتنبؤ أصيلة (عشوائية حقيقية قدر الإمكان) وفي نفس الوقت بناء الثقة الكاملة في هذه العشوائية؟ تستند العشوائية القابلة للتحقق، وتحديداً عند تطبيقها من خلال دوال العشوائية القابلة للتحقق (Verifiable Random Functions – VRFs)، على ثلاث ركائز أساسية ومتكاملة:

• عدم قابلية التنبؤ (Unpredictability): يجب أن تكون القيم العشوائية التي يتم توليدها غير قابلة للتوقع على الإطلاق مسبقًا. هذا يعني أنه حتى لو كان لدى شخص ما معرفة كاملة بكيفية عمل النظام أو البروتوكول الذي يولد العشوائية، وحتى لو كان لديه معلومات جزئية عن الخطوات السابقة في عملية التوليد، فلا يجب أن يكون قادرًا على التنبؤ بالقيمة العشوائية التالية قبل أن يتم توليدها والإعلان عنها. هذا يحمي من هجمات التنبؤ والاستغلال المسبق.
• مقاومة التحيز (Bias-resistance): يجب أن يكون توزيع القيم العشوائية الناتجة عن النظام خاليًا من أي أنماط قابلة للكشف أو انحرافات إحصائية يمكن للمهاجمين اكتشافها واستغلالها للتأثير على النتائج. بمعنى آخر، يجب أن تكون النتائج موزعة بشكل متساوٍ وعادل على نطاق القيم الممكنة، دون تفضيل قيمة على أخرى بطريقة ممنهجة. هذا يضمن العدالة ويمنع التلاعب الإحصائي.
• قابلية التحقق العام (Public verifiability): هذه هي السمة الفارقة التي تميز العشوائية القابلة للتحقق عن الأساليب التقليدية لتوليد الأرقام العشوائية. تعني قابلية التحقق العام أنه يمكن لأي شخص، باستخدام المعلومات المتاحة للعامة (مثل البذرة المستخدمة والبروتوكول)، أن يؤكد بشكل مستقل وصحيح أن القيم العشوائية التي تم الإعلان عنها قد تم توليدها بالفعل وفقًا للقواعد والبروتوكول المحدد مسبقًا. لا يتطلب هذا التحقق الوصول إلى أي معلومات سرية خاصة بالجهة التي قامت بالتوليد.

قابلية التحقق العام هي الركن الذي يبني الجسر الضروري بين الفوضى الطبيعية المطلوبة للعشوائية الحقيقية والشفافية الكاملة اللازمة لبناء الثقة في الأنظمة الرقمية. إنها تمكن أي طرف معني من التدقيق في عملية التوليد والتأكد من أنها لم تتعرض لأي تلاعب أو تحيز. قد يبدو الأمر مثيرًا أو حتى دراماتيكيًا، ولكن بدون وجود آلية قوية مثل قابلية التحقق هذه لبناء الثقة في العشوائية، يصبح من السهل جدًا على المطلعين أو الأطراف الخبيثة التلاعب بخوارزميات الذكاء الاصطناعي أو منصات العملات المشفرة لصالحهم الخاص. مثل هذا التلاعب الواسع النطاق يمكن أن يقوض أسس هذه التقنيات بالكامل ويدفع بحضارتنا نحو عصر مظلم تكنولوجيًا حيث تسود الشكوك وعدم الثقة.

نحو عشوائية لامركزية وقابلة للتحقق في عالم البلوك تشين

بالمثل، في أنظمة البلوك تشين (سلسلة الكتل) والتقنيات اللامركزية، تلعب العشوائية دورًا أساسيًا في دعم مجموعة من الوظائف الحرجة التي تضمن استقرار وأمن وعدالة الشبكة. تشمل هذه الوظائف اختيار المدققين (validators) أو عمال المناجم (miners) الذين سيقومون بإنتاج الكتل الجديدة وإضافتها إلى السلسلة، وتحديد ترتيب المعاملات داخل الكتلة، وكذلك توزيع الأصول الرقمية أو تحديد سمات الرموز غير القابلة للاستبدال (NFTs). على سبيل المثال، عندما تقوم شبكة إيثيريوم (Ethereum) باختيار المدققين الذين سيحق لهم اقتراح كتل جديدة في نظام إثبات الحصة (Proof-of-Stake)، أو عندما تحدد منصات إصدار الرموز غير القابلة للاستبدال توزيع السمات النادرة التي تمنح NFT قيمة عالية، فإن العشوائية هي التي تقرر هذه النتائج التي قد تساوي مليارات الدولارات في القيمة الإجمالية. إن أي تلاعب في هذه العمليات العشوائية يمكن أن يسمح للجهات الخبيثة باكتساب مزايا غير عادلة، مثل السيطرة على إنتاج الكتل أو الحصول على رموز نادرة بطرق غير مشروعة، مما قد يقوض سلامة ومصداقية الصناعة بأكملها.

الرهانات (وهنا لا أقصد “رهانات” بمعنى القمار، بل بمعنى المخاطر والعوائد) تكون عالية بشكل خاص في أنظمة إثبات الحصة (Proof-of-Stake)، حيث يتم اختيار المدققين الذين يمتلكون كمية معينة من العملة المشفرة (الحصة) بشكل احتمالي للمشاركة في عملية التوافق وإنتاج الكتل. إذا أصبحت عملية اختيار المدققين قابلة للتنبؤ بها أو التلاعب بها من قبل مجموعة معينة، يمكن للمهاجمين السيطرة على جزء كبير من الشبكة أو تنفيذ هجمات مثل التقديم المسبق (front-running)، حيث يستفيدون من معرفة مسبقة بترتيب المعاملات قبل تأكيدها، مما يؤدي إلى إفساد الشبكة وتعطيلها. وبالمثل، في مجال التمويل اللامركزي (DeFi)، تتيح العشوائية التي يمكن التنبؤ بها أو التلاعب بها للمهاجمين تنفيذ هجمات معقدة مثل هجمات القروض السريعة (flash loan attacks)، والتي يمكن أن تستنزف مجمعات السيولة وتسبب خسائر فادحة للمستخدمين والمنصات.

الحل الأمثل لمواجهة هذه التحديات في البيئات اللامركزية يكمن في الجمع بين العشوائية الحقيقية (المستمدة من مصادر يصعب التنبؤ بها) وقابلية التحقق اللامركزي. هذا يتطلب استخدام شبكات موزعة من المشاركين لتوليد العشوائية بشكل جماعي ومشترك، بحيث لا يمتلك كيان واحد أو مجموعة صغيرة من الكيانات السيطرة الكاملة على عملية توليد العشوائية أو نتائجها. في الوقت نفسه، يجب أن يتم تصميم البروتوكول بحيث يمكن لأي مشارك في الشبكة أو حتى طرف خارجي التحقق بشكل مستقل من أن العشوائية التي تم توليدها كانت نزيهة وغير متحيزة، دون الحاجة للثقة بأي سلطة مركزية. هذا النموذج اللامركزي والقابل للتحقق هو السبيل لبناء أنظمة بلوك تشين وتطبيقات لامركزية تكون عادلة، مقاومة للتلاعب، وموثوقة حقًا.

المسار إلى الأمام: تبني العشوائية القابلة للتحقق كضرورة

بينما نتقدم في تطوير أنظمة الذكاء الاصطناعي ونعهد إليها بقدر متزايد من الاستقلالية والمسؤولية في مجالات حيوية، وتستمر العملات المشفرة والتقنيات اللامركزية في اكتساب الزخم وتبنيها على نطاق أوسع، تصبح العشوائية القابلة للتحقق ليست مجرد تحدٍ تقني إضافي يجب حله، بل متطلبًا أساسيًا وشرطًا مسبقًا لبناء أنظمة موثوقة ومستدامة. يجب على المنظمات والشركات التي تعمل على تطوير وكلاء الذكاء الاصطناعي أو بناء تطبيقات لامركزية أن تعطي الأولوية القصوى لدمج آليات العشوائية القابلة للتحقق في صلب تصميمها وتطويرها قبل طرح أي كود أو منتج في السوق. إن الفشل في القيام بذلك والمضي قدمًا باستخدام آليات عشوائية تقليدية أو غير قابلة للتحقق ينطوي على مخاطرة كبيرة قد تؤدي إلى كوارث تقنية أو مالية.

تقف صناعة التكنولوجيا بأكملها اليوم عند مفترق طرق حاسم. لدينا خياران واضحان. يمكننا الاستمرار في بناء أنظمة الذكاء الاصطناعي المعقدة وتكديس المزيد والمزيد من رؤوس الأموال والأصول في أنظمة التشفير اللامركزية على أساس هش يعتمد على العشوائية التقليدية غير الموثوقة وعمليات اتخاذ القرار المبهمة وغير الشفافة. هذا المسار محفوف بالمخاطر ويمكن أن يؤدي إلى انهيارات مفاجئة وتقويض للثقة العامة. أو يمكننا اختيار المسار الآخر: تبني العشوائية القابلة للتحقق كجزء لا يتجزأ من التزام أوسع بالشفافية الكاملة والثقة المطلقة في تقنياتنا. هذا يعني الاستثمار في البحث والتطوير، اعتماد المعايير المفتوحة، وبناء البنية التحتية اللازمة لتوليد والتحقق من العشوائية بطرق لامركزية ومقاومة للتلاعب.

ببساطة شديدة، بدون العشوائية القابلة للتحقق، فإننا نبني مستقبلنا الرقمي على ما يشبه الرمال المتحركة الرقمية التي قد تنهار تحت أقدامنا في أي لحظة. أما مع تبني العشوائية القابلة للتحقق وتضمينها كعنصر أساسي، فإننا نضع الأسس المتينة والضرورية لتهيئة الظروف التي تسمح بظهور مستقبل تكنولوجي مزدهر وعادل. مستقبل حيث تعمل قوانا التكنولوجية الخارقة التي خلقناها لصالحنا جميعًا، لبناء عالم أفضل وأكثر ثقة، وليس لتكون أدوات للقليلين ضد الكثيرين.

“`