تجربة مبتكرة لتعزيز الخصوصية في عصر البيانات الرقمية
أطلق مؤسس شبكة Ethereum، البرمجيات الشهير فيتاليك بوترين، تجربة شخصية جديدة تهدف إلى الاستفادة من تقنيات الذكاء الاصطناعي دون المساس بخصوصية البيانات الشخصية. ويسعى بوترين من خلال هذه التجربة إلى الحصول على توصيات مخصصة لللياقة البدنية والنظام الغذائي بناءً على بياناته الصحية وتنقلاته، مع منع تسرب هذه المعلومات الحساسة إلى النماذج المتقدمة والمزودة للخدمة.
وتعتمد الفكرة الأساسية للتجربة، التي أعلن عنها في الرابع من أكتوبر، على استخدام نموذج محلي يُدعى نموذج Qwen3.8-Flash-Next لإعادة صياغة الأسئلة وتنقيحها محليًا قبل إرسال الأجزاء الضرورية فقط إلى النماذج السحابية الأكثر قوة لتقديم التحليلات المعقدة.
ثلاث طبقات محكمة لحماية هوية المستخدم
يوضح بوترين أن نظام الخصوصية الذي اختبره يستند إلى ثلاث طبقات متكاملة تُؤمن محتوى الطلبات، ومعلومات الدفع، وحركة المرور عبر الإنترنت:
- حماية المحتوى: يتولى نموذج Qwen المحلي بناء الاستفسارات وحذف أي تفاصيل قد تكشف هوية المستخدم أو أسلوب كتابته، بدلاً من إرسال السياق الكامل إلى أنظمة الذكاء الاصطناعي الخارجية.
- فصل بيانات الدفع: تُستخدم تقنية zkAPI لتوفير نظام دفع غير قابل للربط بالهوية. وقد أطلقت مؤسسة Ethereum هذه التقنية بالتعاون مع مشروع Open Anonymity Project على شبكة Ethereum الرئيسية في الأول من أكتوبر، حيث تسمح للمستخدم بإثبات وجود رصيد كافٍ دون ربط عملية الدفع بالطلب المُرسل.
- إخفاء عنوان الشبكة: تعمل شبكة Tor على إخفاء عنوان IP الخاص بالمستخدم منعًا لتتبع موقعه الجغرافي من قبل مزودي الخدمة.
وأكد بوترين أن الدمج بين هذه الطبقات الثلاث يُعد أمرًا ضروريًا؛ لأن حماية بيانات الدفع وحدها لا تمنع الشركات الموفرة للخدمة من التعرف على هوية المستخدم من خلال محتوى الأسئلة أو بيانات الشبكة.
التحديات التقنية وسرعة المعالجة
رغم النجاح الأول للتجربة في تقديم توصيات رياضية وغذائية تحسنت بفضل ردود النماذج السحابية، أشار بوترين إلى وجود عقبات تقنية تقف أمام سلاسة الاستخدام. وتُعد شبكة Tor إحدى نقاط ضعف التجربة حاليًا، إذ تسببت في زمن استجابة أبطأ بمقدار 10 إلى 100 مرة مقارنة بالسرعة المطلوبة.
ولمعالجة هذه المشكلة، أظهرت التحديثات على منصة GitHub إمكانية إنشاء عميل Tor مؤقت جديد لكل طلب عبر طلب السحب رقم 16 الخاص بتقنية zkAPI، مما تطلب تعديل مهل الاستجابة لتصل إلى 60 ثانية لبعض العمليات بدلاً من 15 ثانية.
أداء النماذج المحلية والتوازن المطلوب
على صعيد المعالجة المحلية، أوضح بوترين أن نموذج Qwen المحلي يُعالج نحو 20 إلى 30 رمزًا في الثانية (TPS)، في حين يتطلب أداء الخدمة بشكل مريح سرعة تتجاوز 100 رمز في الثانية. ويعود تاريخ إطلاق هذا النموذج المفتوح المصدر من قبل فريق تطوير Qwen التابع لشركة Alibaba إلى 26 أغسطس الماضي.
ويستمر بوترين في تطوير قواعد صياغة الطلبات، مشيرًا إلى وجود توازن دقيق؛ حيث إن الحرص المفرط في إزالة البيانات الشخصية قد يقلل من قدرة أنظمة الذكاء الاصطناعي الخارجية على تقديم إجابات دقيقة ومفيدة، وهو ما يتوافق مع الرؤية العامة لتحديثات شبكة Ethereum المستمرة لتعزيز الخصوصية والأمان.