فناوری‌های غیرمتمرکز حفظ حریم خصوصی می‌توانند کسری اعتماد نسبت به هوش مصنوعی را برطرف کنند. این فناوری‌ها با ارائه قابلیت تأیید و حفاظت قوی‌تر از داده‌ها، رشد هوش مصنوعی را به خطر نمی‌اندازند. از سال 2024، هوش مصنوعی به یکی از موضوعات غالب تبدیل شده است، اما کاربران و شرکت‌ها هنوز نمی‌توانند به طور کامل به آن اعتماد کنند. مشکلات مالی، نگرانی‌های مربوط به داده‌های شخصی یا تصمیمات در حوزه مراقبت‌های بهداشتی، تردید در مورد قابلیت اطمینان و یکپارچگی هوش مصنوعی را افزایش داده است.
کسری اعتماد هوش مصنوعی
هوش مصنوعی در سال 2024 دومین موضوع پرطرفدار بین سرمایه‌گذاران بوده است. استارت‌آپ‌ها و شرکت‌های بزرگ منابع قابل توجهی را به این فناوری اختصاص داده‌اند تا آن را در بخش‌های مختلفی مانند امور مالی، سلامت و غیره به کار ببرند. به عنوان مثال، بخش نوظهور DeFi x AI (DeFAI) در اوایل سال 2025 بیش از 7000 پروژه با حداکثر ارزش بازار 7 میلیارد دلار ایجاد کرده بود. این روند نشان‌دهنده پتانسیل تحول‌آفرین هوش مصنوعی در بهبود امور مالی غیرمتمرکز (DeFi) است.
چالش‌های اعتماد به هوش مصنوعی: توهم، دستکاری و نگرانی‌های حریم خصوصی
اما نوآوری‌های جدید نتوانسته‌اند مشکلات اساسی هوش مصنوعی را حل کنند؛ مشکلاتی مانند توهم، دستکاری و نگرانی‌های مربوط به حفظ حریم خصوصی. در نوامبر 2024، یک کاربر هوش مصنوعی را متقاعد کرد که عملیات مالی به ارزش 47,000 دلار را به تعویق بیندازد، که این موضوع سوالات جدی را در خصوص اعتماد به هوش مصنوعی ایجاد کرد. آیا می‌توان به عوامل هوش مصنوعی در عملیات مالی اعتماد کرد؟
مطالعات نشان می‌دهند که 61 درصد از مردم هنوز به هوش مصنوعی اعتماد ندارند. حتی تحلیلگران صنعت نیز در این زمینه تردید دارند. نظرسنجی‌ها نشان می‌دهند که 25 درصد از تحلیلگران، عدم اعتماد را بزرگترین مانع در پذیرش هوش مصنوعی می‌دانند. این تردید در صنایعی مانند مراقبت‌های بهداشتی بیشتر احساس می‌شود، جایی که اشتراک‌گذاری سوابق سلامت بدون محافظت از حریم خصوصی می‌تواند مشکلات قانونی و اخلاقی ایجاد کند.
زیرساخت غیرمتمرکز و حفظ حریم خصوصی
اعتماد برای هوش مصنوعی حیاتی است. بدون اعتماد، پیش‌بینی سود اقتصادی 15.7 تریلیون دلاری هوش مصنوعی تا سال 2030 ممکن نیست. سیستم‌های رمزنگاری غیرمتمرکز مانند ZK-SNARKs (Zero-Knowledge Succinct Non-Interactive Arguments of Knowledge) می‌توانند راه‌حل‌های جدیدی ارائه دهند. این فناوری‌ها به کاربران اجازه می‌دهند تا تصمیمات هوش مصنوعی را تأیید کنند بدون اینکه داده‌های شخصی خود را فاش کنند.
تأثیر فناوری‌های رمزنگاری بر هوش مصنوعی
در این راستا، با استفاده از رمزنگاری حفظ حریم خصوصی، هوش مصنوعی می‌تواند قابل ممیزی و قابل اعتماد باشد. ZK-SNARKs از سیستم‌های اثبات رمزنگاری پیشرفته استفاده می‌کنند تا صحت یک مدل هوش مصنوعی را تأیید کنند بدون اینکه داده‌های آموزشی یا منطق داخلی مدل را فاش کنند.
ما وارد مرحله‌ای از هوش مصنوعی می‌شویم که در آن تنها مدل‌های بهتر کافی نیستند. کاربران خواستار شفافیت هستند و شرکت‌ها به انعطاف پذیری نیاز دارند. در این راستا، فناوری‌های غیرمتمرکز مانند ZK-SNARKs، محاسبات چند جانبه آستانه‌ای، و سیستم‌های تأیید مبتنی بر BLS می‌توانند پایه‌های قابل اعتماد هوش مصنوعی را شکل دهند.
این فناوری‌ها، همراه با شفافیت بلاک چین، پلتفرم‌های هوش مصنوعی را به‌طور قابل توجهی قابل حسابرسی و احترام به حریم خصوصی می‌سازند. گارتنر پیش‌بینی کرده که تا سال 2026، 80 درصد از شرکت‌ها از هوش مصنوعی استفاده خواهند کرد. این امر تنها با ساخت سیستم‌های هوش مصنوعی قابل اعتماد ممکن است.
