تخيل أنك رسخت في امتحان لأن إجابتك كانت صحيحة، لكنك لم تستخدم الكلمات الدقيقة المذكورة في مخطط التصحيح. يبدو سخيفًا، أليس كذلك؟ الآن تخيل نظامًا ماليًا بأكمله يعمل تحت قيد مشابه. هذا تقريبًا هو المشكلة التي تواجهها الذكاء الاصطناعي مع توافق سلسلة الكتل التقليدية. تعمل سلسلة الكتل لأن أجهزة الكمبيوتر المستقلة يمكنها التحقق من نفس الحساب والوصول إلى نتائج متطابقة. إذا أنتجت واحدة نتيجة مختلفة، لا يمكن للشبكة ببساطة افتراض أنها صحيحة. وهذا يعمل بشكل رائع للحسابات. لكن اسأل نموذجين للذكاء الاصطناعي ما إذا كانت شركة قد وفّت بالتزاماتها التعاقدية، وقد تحصل على: النموذج أ: "فشل المورد في التسليم ضمن الإطار الزمني المتفق عليه." النموذج ب: "تم انتهاك موعد التسليم من قبل المورد." جمل مختلفة. نفس الاستنتاج. في نظام يطلب نتائج متطابقة، تصبح هذه الاختلافات مشكلة، حتى لو وصل كلا النموذجين إلى حكم مكافئ. هذا ما يجعل مبدأ التكافؤ الخاص بـ @GenLayer مثيرًا للاهتمام. بدلًا من إجبار الذكاء الاصطناعي على أن يصبح قابلًا للتنبؤ تمامًا، يسمح GenLayer لعقد ذكي بتعريف ما يُعد نتيجة مقبولة. يُقترح قائد إجابة. يقوم المدققون المستقلون بفحصها وفقًا لمعايير العقد، إما عن طريق إعادة العمل أو تقييم النتيجة المقترحة مقابل الأدلة. لا يتعين عليهم إنتاج جمل متطابقة. بل يجب أن يتفقوا على أن النتيجة تلبي القواعد. ويمكن أن تتغير هذه القواعد حسب المهمة. إذا احتاج العقد إلى سعر دقيق، يجب أن يتطابق الرقم. وإذا احتاج إلى حكم حول ما إذا كان موعد التسليم قد انتُهك، يمكن قبول الاستنتاجات المكافئة رغم اختلاف الصياغة. ما يهمني أكثر هو أن هذا لا يلغي الحاجة إلى التوافق. بل يجعل التوافق أكثر فائدة. لأن في العالم الحقيقي، أن تكون صحيحًا وأن تقول نفس الشيء تمامًا ليسا دائمًا متطلبين متماثلين. إليك سؤالًا أود حقًا أن يناقش الناس حوله: إذا وصل ثلاثة ذكاءات اصطناعية مستقلة إلى نفس الحكم باستخدام استدلالات مختلفة، هل يجب على سلسلة الكتل قبول توافقهم، أم يجب أن تطلب منهم أيضًا الاتفاق على الاستدلال؟ وإذا كنت تضع أموالك الخاصة خلف هذا الحكم، هل سيتغير إجابتك؟