ما هي شبكة بيرسيبترون: ريادة البنية التحتية اللامركزية لبيانات الذكاء الاصطناعي

يعتمد تطوير الذكاء الاصطناعي بشكل متزايد على الوصول المستمر إلى بيانات عالية الجودة. وتواجه قنوات البيانات المركزية صعوبة في تلبية هذا الطلب بسبب ضغوط التكلفة، والغموض، ومحدودية التنوع، ومخاطر الحوكمة. في هذا السياق، شبكة بيرسيبترون تُعرّف نفسها بأنها بنية تحتية لامركزية لبيانات الذكاء الاصطناعي مصممة لمواءمة المساهمة البشرية مع الحوافز الاقتصادية.

تم إطلاق شبكة بيرسيبترون كشبكة بيانات ذكاء اصطناعي لامركزية، وهي تُمكّن الأفراد من توفير النطاق الترددي والبيانات المصنفة والتعليقات السياقية مع تلقي مكافآت على سلسلة الكتل. يعمل النظام على الاستلقاء تحت أشعة الشمستم اختيار هذه المنصة نظراً لإنتاجيتها العالية، وانخفاض زمن الاستجابة، وكفاءتها من حيث التكلفة. وبعد اندماجها مع BlockMesh في يونيو 2025، توسعت المنصة لتشمل مساراً متكاملاً يغطي جمع البيانات، والتحقق منها، ومعالجتها على مستوى الوكيل.

تتناول هذه المقالة شبكة بيرسيبترون من منظور البنية التحتية، موضحةً المشكلات التي تعالجها، وهيكليتها، وإطار الحوافز، والتطورات الأخيرة، وآثارها الأوسع على أسواق بيانات الذكاء الاصطناعي. ويعتمد التحليل على وثائق المشروع المنشورة، وأبحاث النظام البيئي، وتعليقات مستقلة من خبراء الصناعة.

المشكلة الهيكلية في أسواق بيانات الذكاء الاصطناعي

تواجه أنظمة الذكاء الاصطناعي الحديثة مشكلة مستمرة تتمثل في نقص البيانات. يتطلب تدريب النماذج الكبيرة كميات هائلة من المعلومات المصنفة والمتنوعة والمحدثة. يعتمد مزودو البيانات المركزيون على مجموعات بيانات ثابتة يتم شراؤها من وسطاء أو جمعها من مصادر عامة. هذه المجموعات من البيانات تتقادم بسرعة، وتعكس وجهات نظر محدودة، وتتضمن تحيزات.

تستمر تكاليف جمع البيانات في الارتفاع. وتزيد أسعار الذاكرة، وتوافر الحوسبة، وتركز الأجهزة من تفاقم المشكلة. كما أن خطوط المعالجة المركزية تُسبب نقاط ضعف، ومخاطر تنظيمية، وصعوبة في التدقيق.

ثمة مشكلة أخرى تتعلق بعدم توافق الحوافز. إذ يقوم المستخدمون بتوليد بيانات سلوكية، وتصحيحات سياقية، وملاحظات حول الحالات الشاذة دون أي تعويض أو شفافية. يقوض نموذج الاستخلاص هذا الثقة، ويقلل من جودة التفاعل، ويشجع على التفاعل السطحي.

مع انخفاض جودة المشاركة، تستوعب النماذج المزيد من التشويش. وتزداد معدلات الهلوسة. وتصبح دورات الضبط الدقيق بطيئة. ويبدو أن النظام يتوسع بينما يستقر مستوى الذكاء.

ما هي شبكة بيرسيبترون؟

تعمل شبكة بيرسيبترون كشبكة بيانات لامركزية تُنسق المدخلات البشرية وموارد الحوسبة غير المستخدمة والتحقق الموزع لتزويد نماذج الذكاء الاصطناعي بمواد تدريب فورية. تتألف الشبكة من أكثر من 700,000 عقدة نشطة موزعة عالميًا بعد دمج BlockMesh.

يساهم المشاركون بطريقتين رئيسيتين. يقوم المساهمون السلبيون بتشغيل عُقد على مستوى المتصفح أو الجهاز، والتي تتشارك النطاق الترددي غير المستخدم والبيانات الوصفية. أما المساهمون النشطون فيُكملون مهام البيانات المنظمة، والتي تشمل تصنيف النصوص، ومراجعة المخرجات، وإرسال عينات صوتية، وتحميل الصور، أو مقاطع الفيديو القصيرة. تخضع كل مساهمة للتحقق من قبل النظراء قبل قبولها.

اكتشف المشاريع الواعدة...

مشاريع واعدة...

(إعلان)

تستمر المقالة...

يتجنب النظام الملكية المركزية لمجموعات البيانات. تتدفق البيانات عبر العُقد، وتخضع للتحقق من قبل عدة نظراء، ثم تصبح متاحة لوكلاء الذكاء الاصطناعي للتدريب أو الاستدلال. يعكس هذا التصميم نموذج ذكاء جماعي بدلاً من نموذج مستودع البيانات.

دور رمز PERC

الرمز الأصلي ، MINتُشكّل هذه الطبقة الطبقة الاقتصادية للشبكة. أما PERC، فتُستخدم كآلية مكافأة، ومؤشر سمعة، وبيان اعتماد وصول. ويتلقى المساهمون رموزًا عند إتمام المهام بنجاح أو عند التحقق من استمرارية عمل العقدة.

ترتبط أرصدة الرموز بدرجات الثقة. وتتيح الثقة الأعلى إمكانية الوصول إلى مهام متقدمة، ومهام ذات قيمة أعلى، وسير عمل مميز للوكلاء. كما تمتد السمعة من خلال بيانات اعتماد غير قابلة للاستبدال تشير إلى الخبرة في مجالات تصنيف محددة مثل اللغة والصوت والتصنيف المرئي.

يركز تصميم نظام الحوافز على جودة المساهمات لا على حجمها. وتؤثر مراجعة الأقران وآليات التخزين والأداء التاريخي على معدلات الدفع. ويهدف هذا الهيكل إلى الحد من التشويش مع تعزيز المشاركة المستدامة.

مواءمة الحوافز كبنية تحتية

تتعامل شبكة بيرسيبترون مع ندرة بيانات الذكاء الاصطناعي كمشكلة تحفيزية وليست مشكلة اكتساب مستخدمين. وتُدمج المنصة الحوافز الاقتصادية مباشرةً في عملية توليد البيانات.

تؤثر الحوافز المتوافقة على سلوك المساهمين. يحصل المشاركون على مكافآت مجزية مرتبطة بجودة مخرجاتهم. تُرفض المساهمات الضعيفة. ويؤدي تكرار الأداء المتدني الجودة إلى الإضرار بالسمعة. أما المساهمون ذوو الجودة العالية فيحصلون على أولوية الوصول ومكافآت أعلى.

يعكس هذا الهيكل أنظمة التنسيق الراسخة، مثل تطوير البرمجيات مفتوحة المصدر والأسواق المالية. ويتصرف المشاركون بعقلانية عندما تتدفق القيمة بما يتناسب مع مساهمتهم.

يعزز اللامركزية هذا النهج. فلا توجد سلطة مركزية تتحكم في مجموعات البيانات. ويتم التحقق على حافة الشبكة. وتُسدد جميع المكافآت على سلسلة الكتل، مما يتيح إمكانية التدقيق.

ما هي الميزات الأساسية وبنية البروتوكول؟

عقدة بيرسيبترون

تمثل العُقد الطبقة الأساسية للشبكة. يقوم المستخدمون بنشر العُقد من خلال إضافات متصفح خفيفة الوزن أو تطبيقات محلية على أجهزتهم. تُساهم العُقد في توفير النطاق الترددي والبيانات الوصفية وإشارات التصنيف. تُقلل المعالجة الطرفية زمن الاستجابة مع الحفاظ على الخصوصية.

تضم الشبكة بعد الاندماج أكثر من 700000 ألف عقدة نشطة. يساهم التوزيع الجغرافي في زيادة تنوع البيانات مع تقليل المخاطر النظامية. وكما هو موضح على الموقع الإلكتروني، تتشارك العقد النطاق الترددي غير المستخدم، وتوفر البيانات التي يحتاجها الذكاء الاصطناعي، وتحصل على مكافآت غير مباشرة، وتساعد في تطوير تطبيقات أفضل باستخدام الذكاء الاصطناعي. 

استقصاءات البيانات

تُحدد مهام البيانات مهام المساهمة المنظمة. تشمل المهام الأساسية تصنيف النصوص، وتقييم الملاحظات، وتقييم الطلبات. أما المهام المتقدمة فتشمل تسجيل الصوت، والتعليق على الصور، ووضع علامات على مقاطع الفيديو القصيرة.

تخضع كل مهمة للتحقق من قبل النظراء. يقوم العديد من المدققين بتقييم المشاركات. ويتم تحديد القبول بناءً على الإجماع. تُوزع المكافآت فور التأكيد.

طبقة الثقة والتحقق

تنتشر إشارات الثقة عبر الشبكة. ويراهن المدققون على سمعتهم بناءً على دقة المراجعات. وتؤدي الموافقات الكاذبة إلى انخفاض مستوى الثقة. هذه الآلية تثبط التواطؤ وتشجع في الوقت نفسه على التقييم الدقيق.

يدمج نموذج "اكسب وتحقق" الحوافز مع المساءلة. وتضمن تسوية البلوك تشين الشفافية.

طبقة الوكيل وواجهات برمجة التطبيقات

يدعم نظام بيرسيبترون وكلاء الذكاء الاصطناعي الذين يطلبون البيانات، ويبدأون المهام، ويوزعون المكافآت بشكل مستقل. وتصل المؤسسات إلى الشبكة من خلال واجهات برمجة التطبيقات التي تربط عمليات الذكاء الاصطناعي الداخلية بمصادر البيانات اللامركزية.

يُمكّن نظام مخزن البيانات من إعادة استخدام البيانات الوصفية عبر النماذج دون تكرار المدخلات الأولية. وتدعم المهام الاصطناعية ضمان الجودة، والاختبارات التنافسية، وتقييم النماذج.

مصادر البيانات الأخلاقية وحوكمتها

تُركز شبكة بيرسيبترون على المشاركة الاختيارية. يختار المساهمون المهام، ويفهمون سياق الاستخدام، ويتلقون مكافآت. يتناقض هذا النموذج مع ممارسات استخراج البيانات المبهمة الشائعة في تطوير الذكاء الاصطناعي المركزي.

تُتيح السجلات الموجودة على سلسلة الكتل إمكانية التتبع. وتتحقق المؤسسات من مصدر البيانات. ويُراجع المساهمون تدفقات المكافآت. وتدعم هذه الشفافية الامتثال التنظيمي والاستعداد للتدقيق.

تُقلل البيانات المُتوافقة مع البشر من مخاطر التحيز. ويُتيح تنوع الأقران وجهات نظر متعددة. وتُساهم حلقات التغذية الراجعة المستمرة في تعديل مجموعات البيانات في الوقت الفعلي تقريبًا.

التطورات الأخيرة وخارطة الطريق

بعد الاندماج مع بلوك ميش في يونيو 2025أكملت شركة بيرسيبترون عملية دمج البنية التحتية بحلول أواخر عام 2025. وتحسن استقرار العقدة. وزادت قابلية التوسع في طبقة الوكيل.

في أوائل عام 2026، أعلنت الشبكة عن التعاون مع OpenLedger لتعزيز مسارات اتخاذ القرارات القابلة للتحقق في مجال الذكاء الاصطناعي. هذا التكامل يعزز إمكانية التدقيق في عمليات النشر المؤسسية.

تتضمن خارطة الطريق لعام 2026 إطلاق منصة ألفا لوب في الربع الأول من العام. وقد شهد هذا الإصدار إطلاق النسخة الأولى من ميزة البحث عن البيانات، وتوسيع نطاق تنسيق العقد، وإضافة تغذية بيانات الذكاء الاصطناعي المباشرة. ويركز الربع الثاني على مهام الوسائط المتعددة والمشاركة في الأسواق الخارجية.

تسارع نمو المجتمع بفضل حملات تحفيزية مثل حملة دمج العملات الرقمية. ويمكن للمستخدمين التحقق من أهليتهم من خلال التحقق من محافظهم على البوابات الرسمية. ولا يزال من المقرر إقامة فعالية إصدار رموز PERC في الربع الأول من عام 2026. وتُخصص لوحات المتصدرين جوائز بقيمة 150 ألف دولار تقريبًا.

يتكامل نظام بيرسيبترون أيضاً مع مشاريع الذكاء الاصطناعي اللامركزية المجاورة، بما في ذلك DeepNodeAI لأحمال عمل الاستدلال وContinuum لتوجيه البيانات عبر السلاسل. تدعم عمليات التكامل هذه قابلية التشغيل البيني على نطاق أوسع.

لماذا تُعدّ الحوافز أهم من الحجم؟

لطالما أولى تطوير الذكاء الاصطناعي الأولوية لنمو قاعدة المستخدمين، متجاهلاً بذلك جودة المشاركة. فقاعدة المستخدمين الكبيرة لا تحقق عوائد مجزية عندما تبقى الحوافز غير متوافقة.

تواجه الأنظمة الاستخراجية تراجعاً في جودة البيانات، وإرهاقاً لدى المشاركين، وارتفاعاً في تكاليف الحصول عليها. ولا تتراكم المعلومات الاستخباراتية عندما ينفصل المساهمون عاطفياً أو اقتصادياً.

تعمل الأنظمة القائمة على الحوافز على عكس هذا الاتجاه. يتصرف المساهمون كأصحاب مصلحة. تتحسن جودة البيانات. تتعزز حلقات التغذية الراجعة. تتكيف الأنظمة بشكل أسرع.

تعكس شبكة بيرسيبترون هذا التحول. إذ تتعامل المنصة مع المستخدمين كمساهمين لا كمصادر بيانات سلبية. وتعزز المشاركة الاقتصادية التفاعل طويل الأمد.

الآثار الأوسع نطاقاً على البنية التحتية للذكاء الاصطناعي

تُشكّل شبكات البيانات اللامركزية تحدياً لسلاسل التوريد المركزية للذكاء الاصطناعي. وتُقلّل العُقد الموزّعة من الاعتماد على مجموعات البيانات الاحتكارية. كما تُساهم الحوافز الموجودة على السلسلة في مواءمة المدخلات البشرية مع أهداف النظام.

يدعم هذا النموذج خفض التكاليف. وتشير تقارير شركة بيرسيبترون إلى أن تكاليف الحصول على البيانات أقل بنسبة تصل إلى 90% من تكاليف مزودي الخدمات التقليديين، وذلك بفضل الاستخدام الأمثل للموارد غير المستخدمة.

تعزز الشفافية الثقة. ويتزايد الضغط التنظيمي على مصادر بيانات الذكاء الاصطناعي عالميًا. وتكتسب الأنظمة التي توثق الموافقة والمصدر والتعويض ميزة استراتيجية.

الخاتمة

تمثل شبكة البيرسيبترون استجابة عملية لنقاط الضعف الهيكلية في أسواق بيانات الذكاء الاصطناعي الحالية. تجمع المنصة بين البنية التحتية اللامركزية والحوافز الاقتصادية والتحقق من الأقران لتقديم بيانات في الوقت الفعلي ومتوافقة مع البشر على نطاق واسع.

بدلاً من السعي لتحقيق النمو من خلال الاستغلال، تُدمج الشبكة المشاركة مباشرةً في بنيتها. ويحصل المساهمون على مكافآت قابلة للقياس. وتصل الشركات إلى مجموعات بيانات قابلة للتحقق. وتعمل وكلاء الذكاء الاصطناعي ضمن قيود اقتصادية شفافة.

مع تزايد طلب أنظمة الذكاء الاصطناعي على مدخلات عالية الجودة، باتت البنية التحتية للبيانات المتوافقة مع الحوافز ضرورية. تُبيّن شبكة بيرسيبترون كيف يمكن للتنسيق اللامركزي أن يدعم تطوير الذكاء المستدام دون الاعتماد على قنوات مركزية مبهمة.

مصادر:

• الموقع الإلكترونيما هي شبكة بيرسيبترون، وخارطة الطريق، والمزيد؟
• حساب X:التحديثات الأخيرة 
• 
متوسط7 توقعات للذكاء الاصطناعي في عام 2026
• ديلي هودلاندماج بيربترون مع بلوك ميش