بنية شبكة Gonka: Sprint ،Transfer Agents ،DiLoCo

وكلاء النقل (Transfer Agents) هم المكون الرئيسي لبنية Gonka، حيث يعملون كبوابة ذكية بين العملاء وعقد ML-node. عندما يرسل المستخدم طلبًا للذكاء الاصطناعي، فإنه لا يصل مباشرة إلى وحدة معالجة الرسوميات (GPU)، بل إلى Transfer Agent - وهي عقدة وسيطة متخصصة تقرر أي وحدة معالجة رسوميات (GPU) ستعالج هذا الطلب.

تتم العملية على النحو التالي: يقوم العميل بإجراء طلب POST /v1/chat/completions قياسي عبر واجهة برمجة تطبيقات متوافقة مع OpenAI. يتحقق Transfer Agent من التوقيع التشفيري للطلب، ويحدد النموذج المطلوب، ويعثر على عقدة MLNode حرة ذات خصائص مناسبة. تنشر كل عقدة MLNode عند التسجيل معاييرها: النماذج التي تدعمها، وحجم VRAM، ومعدل نقل البيانات الحالي، والحمل. يستخدم Transfer Agent هذه البيانات لموازنة الحمل - يتم توزيع المهام بالتساوي، ولا تتراكم على عقدة واحدة.

لضمان التسامح مع الأخطاء، تعمل عدة وكلاء تحويل (Transfer Agents) في الشبكة في نفس الوقت. إذا تعطل أحدهم، يتحول العميل تلقائيًا إلى وكيل آخر. ينشر كل وكيل تحويل عنوانه عبر نقطة النهاية /v1/identity، مما يسمح للعقد والعملاء بالتعرف على بعضهم البعض ديناميكيًا. يدير وكلاء التحويل أيضًا قوائم انتظار الطلبات: إذا كانت جميع العقد مشغولة، يوضع الطلب في قائمة الانتظار مع أولوية بناءً على الرسوم. هذه البنية تشبه CDN، ولكن لحسابات الذكاء الاصطناعي - موزعة، متسامحة مع الأخطاء، وبدون نقطة تحكم واحدة.

Sprint هي محول PoW 2.0، وهي توافق Gonka الفريد الذي يختلف جوهريًا عن جميع بروتوكولات البلوك تشين الموجودة. في Bitcoin، ينفق عمال التعدين 26 غيغاواط من الطاقة لحساب تجزئات SHA-256 عديمة الجدوى - والهدف الوحيد منها هو إثبات أن الطاقة قد تم إنفاقها. في Ethereum Proof of Stake، تم التخلي تمامًا عن العمليات الحاسوبية - يقوم المدققون ببساطة بحبس الرموز، والتضحية باللامركزية من أجل كفاءة الطاقة. تقدم Sprint طريقًا ثالثًا.

في Sprint، كل عملية حسابية هي طلب AI حقيقي. يرسل المستخدم طلبًا «اكتب دالة Python» → تقوم وحدة معالجة الرسوميات (GPU) بإنشاء استجابة عبر شبكة عصبية Qwen3-235B → هذا الاستدلال (inference) يخدم المستخدم ويؤكد الكتلة في البلوك تشين في نفس الوقت. النتيجة: 99% من موارد الشبكة تذهب للعمل المفيد (AI inference)، وفقط 1% للتأمين التشفيري. للمقارنة: في Bitcoin، 100% من الطاقة تذهب للأمان، و0% للعمل المفيد.

يتم تنظيم عمل الشبكة في عصور. في كل عصر، تقوم وكلاء التحويل (Transfer Agents) بتوزيع مهام AI بين عقد ML. عند الانتهاء من العصر، يتم إنشاء كتلة تحتوي على إثباتات العمل المنجز. يتم توزيع المكافآت بشكل متناسب مع مساهمة كل عقدة - كلما زاد عدد الطلبات التي عالجتها وحدة معالجة الرسوميات (GPU)، زادت GNK التي تحصل عليها. وهذا يخلق حافزًا سوقيًا: تتنافس المضيفات على المهام، وتحسين الأداء وتقليل تكلفة الاستدلال (inference) للمستخدمين.

DiLoCo - تقنية التعلم الموزع لنماذج الذكاء الاصطناعي، والتي تحل مشكلة أساسية: كيفية تدريب شبكة عصبية على مليارات المعلمات، عندما تكون وحدات معالجة الرسوميات (GPU) موجودة في بلدان مختلفة ومتصلة بالإنترنت العادي، وليس بشبكة NVLink عالية السرعة داخل مركز بيانات واحد؟

يتطلب النهج التقليدي للتدريب مزامنة المعلمات بعد كل خطوة - وهذا ممكن فقط بسرعة اتصال تبلغ مئات الجيجابت في الثانية، أي داخل مجموعة واحدة من NVIDIA. تعيد DiLoCo صياغة العملية: تقوم العقد بمزامنة المعلمات مرة كل حوالي 1000 خطوة، وليس بعد كل خطوة. بين عمليات المزامنة، تتعلم كل عقدة محليًا على مجموعة فرعية من بياناتها. وهذا يقلل من متطلبات عرض النطاق الترددي بثلاثة أوامر من حيث الحجم، مما يجعل التدريب عبر الإنترنت ممكنًا عمليًا.

يعمل التحسين على مستويين: على المستوى المحلي، تستخدم كل عقدة AdamW - وهو مُحسن قياسي للمحولات. على المستوى العالمي، عند المزامنة، يتم استخدام زخم نيستروف (Nesterov momentum) - وهي خوارزمية "تتنبأ" باتجاه التحديث وتسرع التقارب. النتيجة: يمكن تدريب نماذج تتراوح بين 30 و 50 مليار معلمة على مجموعات تتكون من 8x H100، موزعة عبر الكوكب، بدون خادم مركزي. للمقارنة: تطلب تدريب GPT-4 آلاف وحدات معالجة الرسوميات (GPU) في مركز بيانات واحد باستثمارات بمليارات الدولارات. تسمح DiLoCo لـ Gonka بتحقيق نتيجة مماثلة على البنية التحتية الموزعة لـ Gonka.

لماذا هذا مهم؟ التدريب هو أغلى جزء في الذكاء الاصطناعي. تنفق شركات مثل OpenAI مئات الملايين على دورة تدريب واحدة. يسمح DiLoCo لـ Gonka مع مرور الوقت بتدريب نماذجها الخاصة بقوة الشبكة - دون الحاجة إلى بناء مراكز بيانات بمليارات الدولارات. وهذا يجعل Gonka ليست مجرد شبكة استدلال، بل منصة ذكاء اصطناعي مكتملة مع تكامل رأسي.

PoC V2 - هي آلية تحقق تضمن أن كل عقدة MLNode قد نفذت فعليًا عملية الحساب، ولم تُعد بيانات عشوائية. هذا أمر بالغ الأهمية: بدون التحقق، يمكن لمهاجم أن يسجل "عقدة" تعطي إجابات مزيفة وتتلقى مكافآت دون استهلاك أي طاقة على وحدة معالجة الرسوميات (GPU).

تعتمد الآلية على التحقق المتقاطع. تختار الشبكة عشوائياً 1-10% من المهام وترسلها لإعادة التنفيذ بواسطة عقدة أخرى. إذا تطابقت النتائج - تحصل كلتا العقدتين على مكافأة. إذا اختلفت النتائج - تبدأ عملية التحكيم (dispute). تفقد العقدة الخاسرة 20% من ضمانها (stake)، والذي يتم توزيعه بين المشاركين النزيهين. هذا العقاب يجعل الاحتيال غير مجدٍ اقتصاديًا: الدخل المحتمل من الإجابات المزيفة أقل بكثير من خطر فقدان الضمان.

يتم تحقيق سرعة التحقق بواسطة توقيعات BLS - وهي بدائية تشفيرية تسمح بجمع العديد من التوقيعات في توقيع واحد والتحقق منها في أقل من 10 مللي ثانية. وهذا يعني أن التحقق من النزاهة لا يبطئ عمل الشبكة - حيث يتلقى المستخدم الإجابة دون تأخير، ويتم التحقق بالتوازي.

بالنسبة لمهام تدريب النماذج (عبر DiLoCo)، يتم استخدام آلية إضافية - Proof-of-Learning. تسجل كل عقدة في البلوك تشين تجزئات أوزان النموذج وحالة المُحسِّن عند كل نقطة تفتيش. وهذا يخلق مسار تدقيق غير قابل للتغيير: يمكن لأي شخص التحقق من أن التدريب قد حدث بالفعل وأن الأوزان لم يتم استبدالها. هذه الآلية ذات المستويين للتحقق - PoC V2 للاستنتاج، Proof-of-Learning للتدريب - تجعل Gonka واحدة من أكثر شبكات الذكاء الاصطناعي اللامركزية أمانًا، وقد خضعت لتدقيق CertiK.