تصعيد الجيل التالي من الذكاء الاصطناعي يزيد من المخاطر، وليس الفوائد

لطالما تم تعريف الذكاء الاصطناعي منذ فترة طويلة على أساس الحجم—نماذج أكبر، معالجة أسرع، ومراكز بيانات واسعة الانتشار. ومع ذلك، يقترح عدد متزايد من الباحثين والمستثمرين والممارسين أن مسار النمو التقليدي يواجه سقفًا. فالذكاء الاصطناعي أصبح أكثر اعتمادًا على رأس المال ومقيدًا بالحدود الفيزيائية، مع ظهور عوائد متناقصة في وقت أقرب مما توقع الكثيرون. وتؤكد البيانات الأخيرة هذا التحول: من المتوقع أن يتجاوز الطلب على الكهرباء من مراكز البيانات العالمية الضعف بحلول عام 2030، وهو ارتفاع يقارن بتوسيع قطاعات صناعية كاملة؛ وفي الولايات المتحدة، من المتوقع أن يرتفع استهلاك الطاقة في مراكز البيانات بأكثر من 100% بحلول نهاية العقد. ومع تشديد اقتصاديات الذكاء الاصطناعي، تلوح استثمارات جديدة بقيمة تريليونات الدولارات وترقيات كبيرة للشبكة، متزامنة مع تداخل التكنولوجيا في مجالات التمويل والقانون والعملات الرقمية.

نقاط رئيسية

يتسارع الطلب على الطاقة المرتبط بالذكاء الاصطناعي، حيث تتوقع الوكالة الدولية للطاقة أن يتضاعف استهلاك الكهرباء لمراكز البيانات بحلول 2030، مما يبرز قيدًا أساسيًا في نموذج التوسع الحالي.

قد تشهد الولايات المتحدة ارتفاعًا في استهلاك الطاقة لمراكز البيانات بأكثر من 100% قبل عقد 2030، مما يشكل تحديًا كبيرًا للموارد والبنية التحتية للقطاعات المدعومة بالذكاء الاصطناعي.

تكاليف تدريب نماذج الذكاء الاصطناعي المتقدمة تتصاعد بشكل كبير، مع تقديرات تشير إلى أن عمليات التدريب الفردية قد تتجاوز مليار دولار، مما يجعل الاستنتاج والتشغيل المستمر هو النفقات السائدة على المدى الطويل.

يزداد عبء التحقق مع التوسع: مع انتشار مخرجات الذكاء الاصطناعي، يصبح الرقابة البشرية أكثر أهمية لمنع الأخطاء من الانتشار، مثل الإيجابيات الكاذبة في عمليات الكشف الآلي عن غسيل الأموال.

التحولات المعمارية نحو أنظمة معرفية أو عصبية رمزية—تؤكد على التفكير، والتحقق، والنشر المحلي—توفر مسارًا لتقليل استهلاك الطاقة وتحسين الاعتمادية مقارنةً بالتوسع القسري.

قد تساهم مفاهيم الذكاء الاصطناعي اللامركزية المدعومة بالبلوكتشين في توزيع البيانات والنماذج والموارد الحاسوبية بشكل أوسع، مما يقلل من مخاطر التركيز ويجعل النشر يتوافق مع الاحتياجات المحلية.

مشاعر: محايد

سياق السوق: يتداخل دمج الذكاء الاصطناعي مع تحليلات العملات الرقمية وأدوات التمويل اللامركزي مع أسئلة أوسع حول استهلاك الطاقة، والتنظيم، وحوكمة القرارات الآلية. ومع تزايد استخدام أدوات الذكاء الاصطناعي لمراقبة النشاط على السلسلة، وتقييم المشاعر، والمساعدة في تطوير العقود الذكية، يواجه القطاع ارتباطًا أكثر إحكامًا بين الأداء، والتحقق، والمساءلة.

لماذا يهم الأمر

النقاش حول توسع الذكاء الاصطناعي ليس نظريًا فحسب—بل يتصل بجوهر كيفية وأماكن نشر الذكاء الاصطناعي في القطاعات ذات المخاطر العالية. نماذج اللغة الكبيرة (LLMs) تطورت بطلاقة عبر مطابقة الأنماط من خلال كميات هائلة من النصوص، مما أتاح قدرات مذهلة ولكن ليس دائمًا تفكيرًا قويًا وموثوقًا. ومع تداخل هذه الأنظمة في سير العمل القانوني، وإدارة المخاطر المالية، وعمليات العملات الرقمية، تصبح نتائج الأخطاء أقل احتمالًا وأكثر تكلفة.

لا تزال تكلفة تدريب نماذج الذكاء الاصطناعي المتقدمة مهمة حاسمة ومكلفة، حيث تشير تحليلات موثوقة إلى أن التكلفة الإجمالية قد تتجاوز مليار دولار لكل عملية تدريب. والأهم من ذلك، هو التكلفة المستمرة للاستنتاج—تشغيل النماذج على نطاق واسع بسرعة منخفضة، مع توافر عالي، ومتطلبات تحقق صارمة. كل استعلام يستهلك طاقة، وكل نشر يتطلب بنية تحتية. ومع توسع الاستخدام، تتضاعف استهلاك الطاقة، مما يضغط على المشغلين والشبكات على حد سواء. في سياقات العملات الرقمية، يراقب أنظمة الذكاء الاصطناعي بشكل متزايد النشاط على السلسلة، ويحلل المشاعر، ويولد رموز العقود الذكية، ويحدد المعاملات المشبوهة، ويؤتمت القرارات؛ وأي خطأ هنا يمكن أن يحول رأس المال ويقوض الثقة في الأسواق.

بدأ القطاع يدرك أن الطلاقة وحدها غير كافية. عندما يمكن للذكاء الاصطناعي إنتاج استنتاجات مقنعة ولكن غير صحيحة، يزداد عبء التحقق. على سبيل المثال، تم توثيق الإيجابيات الكاذبة في عمليات الكشف عن غسيل الأموال، مما يستهلك الموارد ويشتت المحققين عن الأنشطة الحقيقية. هذا الديناميكي يبرز أهمية التحول نحو بنى معمارية تدمج التفكير السببي، والقواعد الصريحة، وآليات الفحص الذاتي. إن النهج المعرفي والرمزي العصبي—حيث يتم تنظيم المعرفة ضمن مفاهيم مترابطة ويمكن مراجعة واستعراض عمليات التفكير—توعد بمزيد من الاعتمادية مع استهلاك أقل للطاقة مقارنةً بالتوسع القسري.

إلى جانب ذلك، هناك اتجاه أوسع نحو اللامركزية في تطوير الذكاء الاصطناعي نفسه. تستكشف بعض المنصات نماذج تعتمد على البلوكتشين للمساهمة بالبيانات، والنماذج، والموارد الحاسوبية، مما يقلل من مخاطر التركيز ويجعل النشر يتوافق مع الاحتياجات المحلية. في هذا المجال، حيث يكون هامش الخطأ صغيرًا والمخاطر عالية، فإن القدرة على التفتيش، والتدقيق، وتشكيل أنظمة الذكاء الاصطناعي مهمة بقدر أهمية النتائج التي تنتجها. نقطة التحول واضحة: التوسع من أجل التوسع قد لا يكون كافيًا بعد الآن. يجب على القطاع الاستثمار في بنى معمارية تجعل الذكاء أكثر موثوقية، وقابلية للتحقق، ومسيطرًا عليها من قبل المجتمعات بدلاً من البنى التحتية المركزية البعيدة.

مع تداخل اعتبارات الذكاء الاصطناعي مع سير عمل العملات الرقمية، تزداد المخاطر حدة. مراقبة السلسلة، وتحليل المشاعر لإشارات السوق، وتوليد الكود التلقائي للعقود الذكية، وأتمتة إدارة المخاطر—all أصبحت تعتمد بشكل متزايد على الذكاء الاصطناعي، لكنها تتطلب مستوى أعلى من الثقة. التوتر بين السرعة والدقة—بين قرارات سريعة وآلية وبين التفكير القابل للتحقق—سيشكل الموجة القادمة من أدوات الحوكمة والعملات الرقمية. النتيجة ليست مجرد نماذج أكبر، بل أنظمة أفضل يمكنها التفكير في خطواتها، وشرح استنتاجاتها، والعمل ضمن قيود واضحة.

في النهاية، يواجه القطاع نقطة انعطاف. إذا أعطت البنى المعمارية والتفكير الأولوية على الحجم فقط، قد يصبح تشغيل الذكاء الاصطناعي أكثر تكلفة وأمانًا وأكثر قابلية للتحكم. قد تتراجع مرحلة النمو على حساب التمحيص والتدقيق، حيث يرتبط خلق الثروة في الذكاء الاصطناعي والعملات الرقمية بالشفافية في التحقق، والتصميم المرن، والتعاون اللامركزي. يجادل الكاتب أن الطريق للمستقبل يكمن في إعادة التفكير في كيفية بناء ونشر الذكاء—مع التركيز على التفكير القوي والحوكمة بدلاً من الزيادات التدريجية في عدد المعلمات.

ما الذي يجب مراقبته بعد ذلك

التطورات التنظيمية والسياسية حول سلامة الذكاء الاصطناعي، والتدقيق، والمساءلة في التمويل والعملات الرقمية.

التقدم في الذكاء الاصطناعي المعرفي والبنى الرمزية العصبية، بما يشمل النشر العملي على الأجهزة الطرفية والخوادم المحلية.

المبادرات اللامركزية للذكاء الاصطناعي التي تستخدم نماذج مستوحاة من البلوكتشين لتوزيع البيانات، والنماذج، والموارد الحاسوبية.

التغيرات في قدرة مراكز البيانات، وأسعار الطاقة، والبنية التحتية للشبكة المرتبطة بالطلب الناتج عن الذكاء الاصطناعي.

مؤشرات جديدة أو دراسات حالة توضح التوازن بين الحجم، والتفكير، والتحقق في تطبيقات العملات الرقمية الواقعية.

المصادر والتحقق

طلب الطاقة من الذكاء الاصطناعي: الوكالة الدولية للطاقة، الطاقة والذكاء الاصطناعي — طلب الطاقة من الذكاء الاصطناعي.

توقعات استهلاك الطاقة في مراكز البيانات الأمريكية: مركز بيو للأبحاث / استهلاك الطاقة في مراكز البيانات الأمريكية وسط ازدهار الذكاء الاصطناعي.

ملاحظة تحذيرية قانونية بريطانية حول الذكاء الاصطناعي: مقال في الجارديان عن تحذير المحكمة العليا من التشريعات المزيفة التي يُنتجها الذكاء الاصطناعي في الملفات القانونية (يونيو 2025).

إيجابيات كاذبة في الكشف عن غسيل الأموال ومخاطر الذكاء الاصطناعي: مواضيع في IBM Think حول اكتشاف الاحتيال في البنوك وقضايا الكشف عن غسيل الأموال ذات الصلة.

تكاليف تدريب نماذج الذكاء الاصطناعي المتقدمة وتكاليف الاستنتاج المستمرة: مدونة Epoch AI وتحليلات Digital Experience Live.

تطبيقات الذكاء الاصطناعي على السلسلة والعملات الرقمية: الجهود حول إيثيريوم والأدوات على السلسلة التي تستفيد من إشارات الذكاء الاصطناعي (كما هو مذكور في التغطية الإعلامية).

إعادة التفكير في توسع الذكاء الاصطناعي: الطاقة، والتفكير، وواجهة العملات الرقمية