تقاطع AI و blockchain در دفاع از تقلب و ردیابی حسابرسی
این تحلیل به پیشبینی بازار ۱.۱ میلیارد تا ۷.۵ میلیارد دلار و افزایش پذیرش حاکمیت هوش مصنوعی اشاره میکند، اما هیچ استقرار فعالی را نام نمیبرد.
تحلیلی از Tech Insider که در تاریخ ۱۳ اوت منتشر شده، استدلال میکند که AI و blockchain به طور فزایندهای با هم ترکیب میشوند تا خروجیهای AI قابل ردیابی شوند و تشخیص تقلب به صورت مقیاسپذیر خودکار گردد. این مقاله به اندازهگیریهای بازار و معیارهای حکمرانی از طرف سوم تکیه دارد و در عین حال، معاملهگران را بدون پروژهها، پروتکلها یا نقاط اثبات زنجیرهای نامگذاری شده رها میکند.
استدلال Tech Insider برای AI + Blockchain: قابلیت حسابرسی با اتوماسیون ملاقات میکند
مکانیسم اصلی در استدلال Tech Insider تقسیم کار است. هوش مصنوعی به عنوان سیستمی که به سرعت در برابر ورودیهای نامنظم و با حجم بالا تصمیمگیری میکند، قرار داده شده است، در حالی که بلاکچین به عنوان سیستمی که این تصمیمات را از طریق سوابق مقاوم در برابر دستکاری قابل بررسی میسازد، معرفی شده است.
در سمت هوش مصنوعی، این مطلب مشکل قابلیت اعتماد را به زبان ساده بیان میکند: "زباله وارد، زباله خارج." اگر دادههای آموزشی یا ورودیهای زنده دستکاری شوند، مدل خطا را مقیاس میدهد. در سمت بلاکچین، راهحل پیشنهادی، منشأ دادهها است، به این معنی که یک رکورد از اینکه دادهها از کجا آمدهاند، چه زمانی ایجاد شدهاند و چگونه در طول زمان تغییر کردهاند، توسط شبکهای که بهطور یکجانبه سخت است بازنویسی شود، حفظ میشود.
همان ثبتنگاری به عنوان ابزاری برای حاکمیت هوش مصنوعی نیز مطرح شده است. حاکمیت هوش مصنوعی در اینجا یک شعار نیست، بلکه شامل نقشها، سیاستها و کنترلهایی است که به یک کسبوکار اجازه میدهد توضیح دهد وحسابرسیمدل چه کاری انجام داد.
مثال مشخص مقاله نسخهبندی است: یک لاگ مبتنی بر بلاکچین میتواند ثبت کند که کدام مجموعه داده و کدام نسخه مدل یک خروجی خاص را تولید کرده و چه زمانی تولید شده است، که حداقل مسیر کاغذی قابل قبولی برای هوش مصنوعی قابل توضیح یا قابل حسابرسی در جریانهای کاری تنظیمشده است.
این قطعه همچنین این جفت را به اتوماسیون بومی کریپتو گسترش میدهد.قراردادهای هوشمندکدی که زمانی که شرایط برآورده میشود، در زنجیره اجرا میشود، به طور پیشفرض به عنوان سخت توصیف میشود. مقاله پیشنهاد میکند که هوش مصنوعی میتواند آنها را نسبت به سیگنالهای دنیای واقعی پاسخگوتر کند، از جمله یک مثال DeFi که در آن یکعامل خودمختاربه طور مداوم سیگنالهای ریسک را نظارت کرده و تعادل مجدد زنجیرهای را فعال میکند.
اعداد محرک روایت: اندازه بازار، پذیرش حاکمیت و فشار تقلب
تحلیل به شدت به اعداد شخص ثالث تکیه دارد تا استدلال کند که این موضوع از یک روایت به یک نیاز عملیاتی در حال حرکت است. Fortune Business Insights به عنوان منبعی ذکر شده است که تخمین میزند بازار جهانی بلاکچین-هوش مصنوعی میتواند از ۱.۱ میلیارد دلار در سال ۲۰۲۶ به بیش از ۷.۵ میلیارد دلار تا سال ۲۰۳۴ رشد کند، دامنهای که نشاندهنده هزینههای چندساله برای ابزارها به جای یک دوره اپلیکیشن واحد است.
در سمت «چرا اکنون»، مقاله به ادعای شبکه Tech Talks اشاره میکند که تنها حدود ۱ از ۱۰ کسبوکار به دادههای هوش مصنوعی خود اعتماد دارند. این آمار برای توجیه مسیرهای حسابرسی به سبک بلاکچین به عنوان یک لایه کنترل برای ورودیهای هوش مصنوعی، نه فقط یک انتخاب ذخیرهسازی، استفاده میشود.
پذیرش حاکمیت به عنوان نیروی دیگری که فشار وارد میکند، چارچوببندی شده است. اعداد Stanford HAI که در این مقاله ذکر شدهاند، رشد نقشهای حاکمیتی خاص هوش مصنوعی را در سال ۲۰۲۵ به ۱۷٪ تخمین میزنند، در حالی که سهم کسبوکارهایی که سیاستهای هوش مصنوعی مسئولانه ندارند از ۲۴٪ به ۱۱٪ کاهش یافته است.
جهتگیری بیشتر از درصدهای دقیق اهمیت دارد: استدلال این است که سازمانها برای پاسخگویی نیروی انسانی استخدام میکنند، که تقاضا برای سیستمهایی که میتوانند در صورت درخواست یک مسیر حسابرسی تولید کنند را افزایش میدهد.
تقلب به عنوان شکاف کوتاهمدت معرفی میشود که در آن هوش مصنوعی «حق خود را به دست میآورد». Mastercard ذکر شده است که میگوید تشخیص تقلب مبتنی بر هوش مصنوعی به ۴۲٪ از صادرکنندگان و ۲۶٪ از خریداران کمک کرده است تا بیش از ۵ میلیون دلار در برابر تلاشهای تقلب صرفهجویی کنند. مکمل بلاکچین تشخیص نیست، بلکه قابلیت ردیابی پس از وقوع است: تاریخچه تراکنش غیرقابل تغییر که محققان و ناظران میتوانند هنگام چالش یک تراکنش بررسی کنند.
اعداد مربوط به ضررهای خود کریپتو برای افزایش فوریت استفاده میشوند. Business News Nigeria ذکر شده است که ادعا میکند بازیگران مخرب بیش از ۹۷۰ میلیون دلار ارز دیجیتال را بین ژانویه و ژوئن ۲۰۲۶ دزدیدهاند. نتیجهگیری مقاله این است که بررسی دستی به اندازهای که حجم کار افزایش مییابد، مقیاسپذیر نیست، بنابراین دفاعهای مقیاس ماشینی به عنوان شرط لازم تبدیل میشوند.
این مقاله همچنین به چارچوب پرداختها و زیرساختها اشاره میکند. ریچارد تنگ، مدیرعامل بایننس، نقل قول شده است که میگوید: «کریپتو ارز هوش مصنوعی است.» در این بسته، این جمله بیشتر به عنوان یک کاتالیزور روایت عمل میکند تا یک سیگنال تقاضای اثبات شده، زیرا مقاله آن را به جریانهای تراکنش خاص، پروتکلها یا توکنها مرتبط نمیکند.
سیگنالهایی که معاملهگران میتوانند برای تأیید تجارت همگرایی دنبال کنند
اولین سیگنال تأیید به نام استقرارهای قابل تأیید شناخته میشود. این به معنای افشاگریهایی از سوی شرکتها یا پروتکلهای بزرگ کریپتو است که نشان میدهد آنها در واقع خط سیر دادهها و خروجیهای نسخه مدل را در یک زنجیره تأیید مبتنی بر بلاکچین ثبت میکنند، با جزئیات پیادهسازی کافی برای تأیید اینکه بیشتر از یک نمودار است.
دومین سیگنال شواهد زنجیرهای از فعالیت عامل است که شبیه به اجرای عامل به نظر میرسد، نه ترافیک عمومی رباتها. معاملهگران میتوانند به دنبال ویژگیهای پروتکل باشند که بهطور خاص برای عوامل خودکار ساخته شدهاند و رشد قابل اندازهگیری در الگوهای تراکنش که با حلقههای اجرای خودکار سازگار است.
سومین سیگنال پذیرش ابزارهای امنیت و تقلب است که میتوان آن را فراتر از یک نوشتار واحد تأیید کرد. معیارهای فروشنده، مطالعات موردی مشتری، یا گزارشهای مستقل که کاهشهای بزرگ در ضررهای تقلب از سیستمهای هوش مصنوعی در پرداختها یا زمینههای مرتبط با کریپتو را تأیید میکنند، این را از "به نظر درست میرسد" به "بودجهبندی و پیادهسازی شده" منتقل میکند.
آخرین سیگنال پیگیری منابع در مورد اعداد اصلی است. تأیید مستقل از اندازهگیری بازار Fortune Business Insights، ادعای اعتماد "1 در 10" Tech Talks، درصدهای صرفهجویی Mastercard، و مجموع سرقت Business News Nigeria میتواند دامنه نتایج ممکن برای روایت را تنگتر کند.
خوانش من: این را به عنوان یک سبد روایت در نظر بگیرید تا زمانی که استقرارهای واقعی ظاهر شوند.
بخشی که این معامله را تعیین میکند، نمودار اندازه بازار نیست، بلکه این است که آیا قابلیت حسابرسی به یک لایه کنترل ارسال شده برای سیستمهای هوش مصنوعی تبدیل میشود یا خیر، نه یک اسلاید انطباق. قویترین ادعای مقاله مکانیکی است، نه تبلیغاتی: اگر نتوانید ثابت کنید که کدام مجموعه داده و نسخه مدل خروجی را تولید کرده است، نمیتوانید بهطور قابل اعتمادی آن خروجی را به یک نهاد نظارتی، یک مشتری، یا کمیته ریسک خود دفاع کنید.
در حال حاضر، بسته هیچ پروژهای نامگذاری نشده، هیچ تیکری ندارد و هیچ معیار زنجیرهای که تئوری را به جریانهای نقدی یا استفاده مرتبط کند، وجود ندارد و هر عدد کلیدی یک ارجاع شخص ثالث در یک تحلیل واحد است.
اگر استقرارهای واقعی شروع به انتشار پیادهسازیهای قابل تأیید زنجیره تأیید کنند و فعالیت زنجیرهای خاص عامل به گونهای افزایش یابد که سخت باشد جعل شود، همگرایی دیگر یک سبد روایت نخواهد بود و به یک دسته هزینه عملیاتی با تقاضای قابل اندازهگیری تبدیل میشود.
