المؤلف: أكاديمية Gryphsis المصدر: ترجمة متوسطة: Shan Oppa, Golden Finance
< h2 style="text-align: left;">الملخص:بحلول نهاية عام 2022 ، تجتاح التطبيقات التجارية للذكاء الاصطناعي التوليدي العالم، ولكن مع تلاشي الحداثة، تظهر بعض المشكلات الحالية المتعلقة بالذكاء الاصطناعي التوليدي. يستفيد مجال Web3 المتزايد النمو من الشفافية وإمكانية التحقق والخصائص اللامركزية لـ blockchain لتوفير وجهات نظر جديدة حول حل مشكلات الذكاء الاصطناعي التوليدية هذه.
يعد الذكاء الاصطناعي التوليدي تقنية ناشئة في السنوات الأخيرة، ويعتمد على إطار الشبكة العصبية للتعلم العميق. أظهر تطبيقه في نماذج توليد الصور ونماذج لغة ChatGPT إمكانات تجارية كبيرة.
في Web3، تشتمل بنية تنفيذ الذكاء الاصطناعي التوليدي على البنية التحتية والنماذج والتطبيقات والبيانات. يعد مكون البيانات، خاصة عند دمجه مع Web3، أمرًا بالغ الأهمية ويتمتع بإمكانيات هائلة للنمو. ومن الجدير بالذكر أن نماذج البيانات القائمة على تقنية blockchain ومشاريع وكيل الذكاء الاصطناعي والتطبيقات في المجالات المهنية قد تصبح مجالات رئيسية للتطوير المستقبلي.
يحتوي بروتوكول Web3 AI الموجود حاليًا في السوق على عيوب أساسية وقدرة محدودة على التقاط قيمة الرمز المميز. نتطلع إلى اتجاهات أو تحديثات جديدة في اقتصاد الرمز المميز في المستقبل.
يتمتع الذكاء الاصطناعي التوليدي بإمكانات هائلة في مجال Web3، ومن المتوقع أن يؤدي تكامله مع تقنيات البرامج والأجهزة الأخرى إلى جلب الناس متحمس للتطورات المستقبلية.
يعد عام 2022 نقطة تحول للذكاء الاصطناعي التوليدي، وقبل ذلك، كان الذكاء الاصطناعي التوليدي في الأساس أداة مساعدة للمحترفين. تغير ذلك بشكل كبير مع ظهور DALL-E 2 وStable Diffusion وImagen وMidjourney. وقد دفعت هذه التقنيات المحتوى الناتج عن الذكاء الاصطناعي (AIGC) إلى طليعة اتجاهات التكنولوجيا، مما أدى إلى خلق موجة من المحتوى الشائع على وسائل التواصل الاجتماعي. كان إصدار ChatGPT بعد فترة وجيزة بمثابة تغيير في قواعد اللعبة حيث أخذ هذا الاتجاه إلى القمة.
باعتبارها أول أداة ذكاء اصطناعي يمكنها الإجابة على أي سؤال تقريبًا من خلال مطالبات نصية بسيطة فقط، سرعان ما أصبح ChatGPT مساعدًا للعمل اليومي للعديد من الأشخاص. يمكنه التعامل مع مجموعة متنوعة من المهام مثل كتابة المستندات، والتدريس في الواجبات المنزلية، والمساعدة عبر البريد الإلكتروني، وتحرير المقالات، وحتى الاستشارة العاطفية، مما يثير مناقشات ساخنة عبر الإنترنت حول تحسين النتائج من خلال "النصائح السحرية"، مما يسمح للناس بالشعور حقًا بـ "ذكاء" الذكاء الاصطناعي. .
يظهر تقرير صادر عن فريق Goldman Sachs الكلي أن الذكاء الاصطناعي التوليدي يمكن أن يعزز نمو إنتاجية العمل في الولايات المتحدة، مما قد يؤدي إلى تعزيز الناتج المحلي الإجمالي العالمي في غضون عشر سنوات (أو ما يقرب من 7 سنوات). تريليون) بنسبة 7% وزيادة نمو الإنتاجية بمقدار 1.5 نقطة مئوية.
p>
يشعر مجال Web3 أيضًا بالتأثير الإيجابي لـ AIGC (المحتوى الناتج عن الذكاء الاصطناعي). في يناير 2023، ارتفع قطاع الذكاء الاصطناعي في Web3 في جميع المجالات.
ومع ذلك، مع بدء تلاشي الإثارة الأولية، انخفضت حركة مرور ChatGPT العالمية في يونيو 2023 للمرة الأولى منذ إطلاقه (بيانات من SametimeWeb). يمثل هذا الركود فرصة مناسبة لإعادة التفكير في أهمية الذكاء الاصطناعي التوليدي وقيوده.
تشمل التحديات الحالية التي يواجهها الذكاء الاصطناعي التوليدي، على سبيل المثال لا الحصر: منصات وسائل التواصل الاجتماعي التي تغمر منصات وسائل التواصل الاجتماعي غير المصرح بها والتي لا يمكن تعقبها؛ والصيانة العالية لتكلفة ChatGPT وأجبرت شركة OpenAI على خفض جودة المخرجات كإجراء لخفض التكاليف وتحسين الكفاءة، في حين أن النماذج العالمية واسعة النطاق مثل ChatGPT لا تزال متحيزة في بعض الجوانب بسبب التوزيع غير المتكافئ للبيانات.
p>
مع تلاشي الحماس الأولي للذكاء الاصطناعي التوليدي مثل ChatGPT، فإن مجال Web3 الناضج والمتنامي، بما يتميز به من اللامركزية والشفافية وإمكانية التحقق، هو التحديات التي تواجهها التوليدية يوفر الذكاء الاصطناعي حلولاً جديدة:
يمكن لشفافية Web3 وإمكانية التتبع التحقق بشكل فعال من مصدر المحتوى وصحته، وبالتالي تحسين الاحتيال في الإنتاج بشكل كبير أو تكلفة انتهاك المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي، مثل حقوق الطبع والنشر- ريمكسات TikTok المبهمة أو مقاطع فيديو DeepFake التي تنتهك الخصوصية. يمكن للعقود الذكية في إدارة المحتوى أن تحل مشكلات حقوق الطبع والنشر وتضمن تعويض المبدعين بشكل عادل.
p>
يتطلب تطوير الذكاء الاصطناعي التوليدي موارد حاسوبية كبيرة. على سبيل المثال، يتكلف تدريب ChatGPT استنادًا إلى GPT-3 أكثر من 2 مليون دولار، مع تكاليف كهرباء يومية تبلغ حوالي 47000 دولار، ومن المتوقع أن تنمو هذه التكاليف بشكل كبير مع تقدم التكنولوجيا والنطاق.
في الوقت الحالي، تتركز موارد الحوسبة بشكل كبير في أيدي الشركات الكبيرة، مما يؤدي إلى ارتفاع تكاليف التطوير والصيانة والتشغيل، ومخاطر المركزية، وصعوبة قيام الشركات الصغيرة تنافس. في حين أن تدريب النماذج الكبيرة قد لا يزال يتطلب المركزية بسبب متطلباتها الحاسوبية الواسعة، فإن تقنية blockchain الخاصة بـ Web3 تتيح الاستدلال النموذجي الموزع، وإدارة التصويت المجتمعي، وترميز النموذج.
إذا أخذنا التبادلات اللامركزية كمثال، يمكننا أن نتخيل نظامًا لامركزيًا للذكاء الاصطناعي يعتمد على المجتمع، حيث يمتلك المجتمع نماذج كبيرة ويديرها.
p>
غالبًا ما تكون الطرق التقليدية لجمع البيانات مقيدة بالجغرافيا والثقافة، مما يؤدي إلى تحيزات ذاتية في المحتوى الذي ينشئه الذكاء الاصطناعي واستجابات ChatGPT، مثل تغيير لون البشرة للمهمة المستهدفة. يعمل نموذج الحوافز الرمزية الخاص بـ Web3 على تحسين عملية جمع البيانات وجمعها وترجيحها من جميع أنحاء العالم. بالإضافة إلى ذلك، تعمل شفافية Web3 وإمكانية التتبع على تعزيز إمكانية تفسير النموذج، مما يشجع المخرجات المتنوعة لإثراء النموذج.
p>
غالبًا ما يتم تصميم نموذج الذكاء الاصطناعي والتدريب عليه حول تنسيق البيانات المستهدفة (النص أو الكلام أو الصورة أو الفيديو). الاتجاه المستقبلي الفريد لتكامل الذكاء الاصطناعي وWeb3 هو تطوير نماذج واسعة النطاق للبيانات الموجودة على السلسلة، على غرار نماذج اللغة الطبيعية.
يمكن أن يوفر هذا النهج رؤى فريدة لا يمكن الحصول عليها من خلال تحليل البيانات التقليدية (مثل تتبع الأموال الذكي، وتدفق تمويل المشاريع)، ويتمتع الذكاء الاصطناعي بالقدرة على معالجة كميات كبيرة من البيانات في وقت واحد.
p>
حاليًا ، تتطلب المشاركة السائدة في مشاريع Web3 فهمًا متعمقًا للمفاهيم المعقدة على السلسلة وعمليات المحفظة، مما يزيد من تكاليف التعلم ومخاطر الأخطاء. في المقابل، تم تصميم تطبيقات Web2 حول "مبدأ الكسل"، مما يسمح للمستخدمين بالبدء بسهولة وأمان.
يمكن للذكاء الاصطناعي التوليدي أن يساعد المشاريع التي تركز على النوايا من خلال العمل "كمساعد ذكي" بين المستخدمين والبروتوكولات في Web3، مما يعمل على تمكين تجربة المستخدمين بشكل كبير.
p>
منذ أن تم اقتراح مفهوم الذكاء الاصطناعي في الخمسينيات من القرن الماضي، شهد العديد من القمم والقيعان، وكان كل ابتكار تكنولوجي رئيسي يثير موجة جديدة.
لقد تم استخدام الذكاء الاصطناعي التوليدي (Generative AI)، باعتباره مفهومًا ناشئًا تم اقتراحه في العقد الماضي، على نطاق واسع في العديد من تطبيقات الذكاء الاصطناعي بفضل تقنيته الرائعة وأداء المنتج. لقد برز اتجاه البحث واجتذب الاهتمام العالمي بين عشية وضحاها. قبل الخوض في البنية التقنية للذكاء الاصطناعي التوليدي، من الضروري أولاً تحديد معنى الذكاء الاصطناعي التوليدي في هذه المقالة ومراجعة بإيجاز التقنيات الأساسية للذكاء الاصطناعي التوليدي الذي أصبح شائعًا مؤخرًا.
الذكاء الاصطناعي التوليدي هو نوع من الذكاء الاصطناعي يُستخدم لإنشاء محتوى وأفكار جديدة، بما في ذلك المحادثات والقصص والصور ومقاطع الفيديو والموسيقى. إنه مبني على إطار عمل الشبكة العصبية للتعلم العميق ويتم تدريبه باستخدام مجموعات بيانات كبيرة تحتوي على عدد كبير من المعلمات.
يمكن تقسيم منتجات الذكاء الاصطناعي التوليدية التي دخلت مؤخرًا إلى نظر الجمهور تقريبًا إلى فئتين: الأولى هي إنشاء الصور (الفيديو) استنادًا إلى إدخال النص أو النمط، والآخر هو إنشاء الصور (الفيديو) بناءً على إدخال النص أو النمط، إحدى الفئات هي المنتجات المشابهة لـ ChatGPT بناءً على إدخال النص. تعتمد كلتا الفئتين على نفس التقنية الأساسية: نماذج اللغات الكبيرة المدربة مسبقًا (LLMs) استنادًا إلى بنية المحولات.
تجمع الفئة الأولى بين إدخال النص ونموذج الانتشار لإنشاء صور أو مقاطع فيديو عالية الجودة، بينما يستخدم الأخير التعلم المعزز مع التعليقات البشرية (RLHF) لإنشاء الإخراج مشابه جدًا للمنطق البشري.
هناك العديد من المقالات الممتازة من مختلف المجالات تتم مناقشة تأثير الذكاء الاصطناعي التوليدي على بنية التكنولوجيا الحالية من منظور على سبيل المثال، تلخص مقالة A16z الشاملة بعنوان "من يملك منصة الذكاء الاصطناعي التوليدي" بشكل شامل البنية التقنية الحالية للذكاء الاصطناعي التوليدي.
p>
وفقًا لهذا البحث، تنقسم بنية الذكاء الاصطناعي التوليدية الحالية في عصر Web2 إلى ثلاثة مستويات: البنية التحتية (قوة الحوسبة)، والنموذج، والتطبيق. توفر المقالة أيضًا نظرة ثاقبة للتطورات الحالية على هذه المستويات الثلاثة.
البنية التحتية: في الوقت الحاضر، لا يزال التركيز ينصب بشكل أساسي على منطق البنية التحتية لـ Web2، وهناك عدد قليل من المشاريع التي تدمج Web3 والذكاء الاصطناعي بشكل حقيقي. البنية التحتية تحصل على أكبر قيمة في هذه المرحلة. حققت عملاقة Web2، التي تعمل في مجال التخزين والحوسبة منذ عقود، أرباحا ضخمة من خلال "بيع المجارف" خلال مرحلة استكشاف الذكاء الاصطناعي.
النموذج: من الناحية المثالية، يجب أن يكون النموذج هو المنشئ الحقيقي والمالك الحقيقي للذكاء الاصطناعي. ومع ذلك، يوجد حاليًا عدد قليل من نماذج الأعمال التي تمكن مؤلفي هذه النماذج من الحصول على قيمة الأعمال المقابلة.
التطبيقات: حققت التطبيقات التي تم تطويرها عبر قطاعات متعددة عائدات تزيد عن مئات الملايين من الدولارات. ومع ذلك، فإن تكاليف الصيانة المرتفعة وانخفاض معدلات الاحتفاظ بالمستخدمين تشكل تحديات أمام الحفاظ على هذه التطبيقات كنماذج أعمال قابلة للحياة على المدى الطويل.
2.3.1 استخدام الذكاء الاصطناعي لتحليل بيانات Web3 الضخمة
البيانات هي حجر الزاوية في بناء الحواجز التقنية أمام تطوير الذكاء الاصطناعي في المستقبل. لفهم أهميته، ننظر أولاً إلى البحث حول مصادر الأداء في نماذج الذكاء الاصطناعي الكبيرة.
توضح هذه الدراسة القوة الناشئة الفريدة لنماذج الذكاء الاصطناعي الكبيرة: عندما يتجاوز حجم النموذج حدًا معينًا، ترتفع دقة النموذج فجأة. كما هو موضح، يمثل كل رسم بياني مهمة تدريبية، ويمثل كل سطر أداء (دقة) نموذج كبير.
توصلت التجارب التي أجريت على العديد من النماذج واسعة النطاق باستمرار إلى أنه بعد تجاوز حد معين، سيشهد أداء النموذج نموًا مذهلاً في المهام المختلفة.
p>
في الأساس، ستؤدي التغييرات الكمية في حجم النموذج إلى تغييرات نوعية في أداء النموذج. ويرتبط هذا الحجم بعدد معلمات النموذج ومدة التدريب وجودة بيانات التدريب. في الوقت الحالي، بدون وجود اختلافات كبيرة في معلمات النموذج (المصمم بواسطة أفضل فرق البحث في كل شركة) ووقت التدريب (يتم شراء معظم أجهزة الكمبيوتر من NVIDIA)، هناك طريقان رئيسيان لتطوير المنتجات الرائدة.
الأول هو تحديد وحل نقاط الألم المحددة في المنطقة المتخصصة، الأمر الذي يتطلب فهمًا عميقًا ونظرة ثاقبة للمنطقة المستهدفة. ثانياً، من العملي جمع بيانات أكثر شمولاً من منافسيك.
يفتح هذا نقطة دخول ممتازة لنماذج الذكاء الاصطناعي التوليدية واسعة النطاق لدخول مجال Web3. يتم تدريب نماذج الذكاء الاصطناعي الكبيرة أو النماذج الأساسية الحالية على بيانات ضخمة من مجالات مختلفة، كما أن تفرد البيانات الموجودة على السلسلة في Web3 يجعل نماذج البيانات الموجودة على السلسلة نهجًا مثيرًا وممكنًا.
في Web3، يوجد حاليًا منطقان للمنتج على مستوى البيانات: الأول هو تحفيز موفري البيانات وتشجيع المستخدمين على مشاركة حقوق استخدام البيانات مع حماية الخصوصية. البيانات والملكية. يوفر بروتوكول المحيط نموذجًا فعالًا لتبادل البيانات في هذا الصدد. يتضمن النهج الثاني المشاريع التي تدمج البيانات والتطبيقات لتوفير خدمات خاصة بمهمة محددة للمستخدمين. على سبيل المثال، تقوم Trusta Lab بجمع وتحليل بيانات المستخدمين على السلسلة وتوفر خدمات مثل تحليل حساب الساحرة وتحليل مخاطر الأصول على السلسلة من خلال نظام تسجيل الوسائط الفريد الخاص بها.
2.3.2 تطبيق وكيل الذكاء الاصطناعي في Web3
كما ذكرنا سابقًا، فإن تطبيق عملاء الذكاء الاصطناعي على السلسلة يزدهر. من خلال الاستفادة من نماذج اللغات الكبيرة وإعطاء الأولوية لخصوصية المستخدم، فإنها توفر خدمات قابلة للقياس الكمي على السلسلة. وفقًا لمنشور مدونة بواسطة Lilian Weng، كبير باحثي الذكاء الاصطناعي في OpenAI، يمكن تقسيم وكيل الذكاء الاصطناعي إلى أربعة أجزاء: الوكيل = LLM (نموذج اللغة الكبيرة) + التخطيط + الذاكرة + استخدام الأداة.
يتعامل LLM، باعتباره جوهر AI Agent، مع التفاعلات الخارجية، ويتعلم من كميات كبيرة من البيانات، ويستخدم اللغة الطبيعية للتعبير المنطقي. يشبه جانب التخطيط والذاكرة مفاهيم العمل والاستراتيجية والمكافأة في تقنيات التعلم المعزز المستخدمة لتدريب AlphaGo.
يتضمن تقسيم المهام إلى أهداف أصغر وتعلم الحلول المثلى من خلال التدريب المتكرر والملاحظات، وتخزين المعلومات في أنواع مختلفة بناءً على الوظيفة في الذاكرة. يشير استخدام الأداة إلى قدرة الوكيل على استخدام أدوات مثل الأدوات المعيارية واسترجاع معلومات الإنترنت والوصول إلى مصادر المعلومات الخاصة أو واجهات برمجة التطبيقات. ومن الجدير بالذكر أن معظم هذه المعلومات يصعب تعديلها بعد التدريب المسبق.
p>
بالنظر إلى منطق AI Agent، يمكننا أن نتخيل الإمكانيات اللانهائية للجمع بين Web3 وAI Agent. على سبيل المثال:
في تطبيقات التداول الحالية، يمكن أن يوفر دمج نماذج وكيل الذكاء الاصطناعي للعملاء معلومات طبيعية توفر واجهة اللغة مجموعة متنوعة من وظائف التداول بما في ذلك التنبؤ بالأسعار، واستراتيجية التداول، واستراتيجية وقف الخسارة، والتعديل الديناميكي للرافعة المالية، ومتابعة قادة الرأي الذكي، والاقتراض والإقراض، وما إلى ذلك.
عند تنفيذ إستراتيجية كمية، يمكن تقسيم الإستراتيجية إلى مهام فرعية وتعيينها إلى وكلاء الذكاء الاصطناعي المختلفين للتنفيذ. يمكن لوكلاء الذكاء الاصطناعي التعاوني تعزيز الخصوصية وتمكين المراقبة في الوقت الفعلي لمنع استغلال الخصوم.
تتوافق العديد من الشخصيات غير القابلة للعب في الألعاب القائمة على blockchain بشكل طبيعي مع عملاء الذكاء الاصطناعي. توجد بالفعل مشاريع تستخدم GPT لإنشاء حوار شخصيات اللعبة ديناميكيًا. قد تتجاوز التطورات المستقبلية النص المحدد مسبقًا لإنشاء تفاعلات أكثر واقعية في الوقت الفعلي بين الشخصيات غير القابلة للعب (أو حتى التفاعلات البشرية الرقمية) التي تعمل بشكل مستقل عن تدخل اللاعب. وتعد "المدينة الافتراضية" التابعة لجامعة ستانفورد مثالا جيدا على مثل هذا التطبيق.
على الرغم من أن مشروع Web3+AI Agent الحالي يركز بشكل أساسي على السوق الأولية أو البنية التحتية للذكاء الاصطناعي، إلا أنه لم يتم حتى الآن إنشاء تطبيق استهلاكي قاتل ولكن إمكانات مشروع Web3+AI التي ستغير قواعد اللعبة هائلة. من خلال دمج ميزات blockchain المختلفة مثل الحوكمة الموزعة على السلسلة، واستدلال إثبات المعرفة الصفرية، وتوزيع النماذج، وتحسين قابلية التفسير، تتمتع هذه المشاريع بآفاق كبيرة في المستقبل.
2.3.3 تطبيقات المجال الرأسي المحتملة لـ Web3+AI
أ. التطبيق في مجال التعليم
يبشر التكامل بين Web3 والذكاء الاصطناعي تطوير مجال التعليم ثورة تعتبر فيها فصول الواقع الافتراضي التوليدية ابتكارًا جديرًا بالملاحظة. ومن خلال دمج تكنولوجيا الذكاء الاصطناعي في منصات التعلم عبر الإنترنت، يمكن للطلاب الحصول على تجربة تعليمية مخصصة. يقوم النظام بإنشاء محتوى تعليمي مخصص بناءً على تاريخ التعلم واهتمامات كل طالب. ومن المتوقع أن يؤدي هذا النهج الشخصي إلى تحسين دافعية التعلم لدى الطلاب وكفاءتهم، مما يجعل التعليم أكثر تخصيصًا.
p>
بالإضافة إلى ذلك، تمثل الحوافز الائتمانية القائمة على الرموز ممارسات مبتكرة في مجال التعليم. باستخدام تقنية blockchain، يمكن تشفير اعتمادات الطلاب ودرجاتهم إلى رموز مميزة لتشكيل نظام ائتمان رقمي. تشجع آلية الحوافز هذه على المشاركة الفعالة في أنشطة التعلم وتخلق بيئة تعليمية أكثر جاذبية وتحفيزًا.
مستوحاة من مشروع SocialFi الشهير مؤخرًا FriendTech، يمكن تطبيق منطق تسعير رئيسي مماثل لإنشاء نظام مراجعة الأقران بين الطلاب لإضافة المزيد من التنشئة الاجتماعية إلى عنصر التعليم. ومن خلال الاستفادة من ثبات تقنية blockchain، تصبح تقييمات الأقران أكثر عدالة وشفافية. ولا تساعد آلية مراجعة الأقران هذه على تنمية مهارات العمل الجماعي لدى الطلاب فحسب، بل تسمح أيضًا بإجراء تقييم أكثر شمولاً ومتعدد الأبعاد لأداء الطلاب، وإدخال طريقة تقييم متنوعة وشاملة في نظام التعليم.
ب. التطبيق في المجال الطبي
في المجال الطبي المجال الطبي في هذا المجال، يؤدي تكامل Web3 والذكاء الاصطناعي إلى تعزيز التعلم الموحد والتفكير الموزع. ومن خلال الجمع بين الحوسبة الموزعة والتعلم الآلي، يمكن للمهنيين الطبيين مشاركة البيانات على نطاق واسع، مما يتيح تعلمًا جماعيًا أعمق وأكثر شمولاً. يمكن لنهج الذكاء الجماعي هذا تسريع تشخيص الأمراض وخطط العلاج، مما يدفع التقدم في المجال الطبي.
تعد حماية الخصوصية أيضًا جانبًا مهمًا من التطبيقات في المجال الطبي. مع لامركزية Web3 وثبات blockchain، يمكن تخزين البيانات الطبية للمرضى ونقلها بشكل أكثر أمانًا. يمكن للعقود الذكية أن تحقق تحكمًا دقيقًا وإدارة الأذونات للبيانات الطبية، مما يضمن أن الموظفين المصرح لهم فقط هم من يمكنهم الوصول إلى معلومات المريض الحساسة، وبالتالي الحفاظ على خصوصية البيانات الطبية.
ج. التطبيق في مجال التأمين
في صناعة التأمين، من المتوقع أن يؤدي تكامل Web3 والذكاء الاصطناعي إلى توفير حلول أكثر كفاءة وذكاء للعمليات التقليدية. على سبيل المثال، في التأمين على السيارات والمنازل، يساعد تطبيق تقنية الرؤية الحاسوبية شركات التأمين على تقييم قيم الممتلكات ومستويات المخاطر بشكل أكثر فعالية من خلال تحليل الصور وتقييمها. وهذا يوفر لشركات التأمين استراتيجيات تسعير أكثر دقة وتخصيصًا ويعزز إدارة المخاطر في صناعة التأمين.
p>
وفي الوقت نفسه، تعد المعالجة الآلية للمطالبات على السلسلة تقدمًا مبتكرًا في صناعة التأمين. باستخدام العقود الذكية وتقنية blockchain، تصبح عملية المطالبات أكثر شفافية وكفاءة، مما يقلل من الإجراءات المرهقة وإمكانية التدخل البشري. وهذا لا يؤدي إلى تسريع عملية المطالبات فحسب، بل يقلل أيضًا من تكاليف التشغيل ويوفر تجربة أفضل لكل من شركات التأمين والعملاء.
يعد التعديل الديناميكي المتميز مجالًا آخر من مجالات الابتكار. ومن خلال تحليل البيانات في الوقت الفعلي وخوارزميات التعلم الآلي، يمكن لشركات التأمين تعديل أقساط التأمين بشكل أكثر دقة وفي الوقت المناسب، وإجراء تسعير شخصي بناءً على ملف تعريف المخاطر الفعلي للمؤمن له. هذا النهج لا يجعل أقساط التأمين أكثر عدالة فحسب، بل يشجع أيضًا السلوكيات الصحية والأكثر أمانًا بين المؤمن عليهم ويعزز إدارة المخاطر والتدابير الوقائية في جميع أنحاء المجتمع.
د. التطبيق في مجال حقوق الطبع والنشر
في في مجال حقوق الطبع والنشر، يقدم الجمع بين Web3 والذكاء الاصطناعي نموذجًا جديدًا لإنشاء المحتوى الرقمي وإدارته وتطوير التعليمات البرمجية. ومن خلال العقود الذكية والتخزين اللامركزي، يمكن حماية معلومات حقوق النشر الخاصة بالمحتوى الرقمي بشكل أفضل، مما يسهل على المبدعين تتبع وإدارة حقوق الملكية الفكرية الخاصة بهم. يمكن لتقنية Blockchain أيضًا إنشاء سجل إبداعي شفاف وغير قابل للتغيير، مما يوفر وسيلة أكثر موثوقية لتتبع الأعمال والتحقق منها.
يمثل الابتكار في نماذج العمل أيضًا تغييرًا كبيرًا في مجال حقوق الطبع والنشر. يجمع العمل التعاوني المحفز بالرمز المميز بين مساهمات العمل والمكافآت الرمزية لتشجيع المبدعين والقيمين والمطورين على المشاركة في المشاريع معًا. وهذا لا يعزز التعاون بين الفرق الإبداعية فحسب، بل يمنح المشاركين أيضًا الفرصة للاستفادة بشكل مباشر من نجاح المشروع، مما يؤدي إلى المزيد من العمل الرائع.
من ناحية أخرى، أدى استخدام الرموز المميزة كدليل على حقوق الطبع والنشر إلى إعادة تشكيل نموذج توزيع الأرباح. ومن خلال آلية توزيع الأرباح التي يتم تنفيذها تلقائيًا بواسطة العقود الذكية، يمكن لجميع المشاركين في العمل الحصول على حصتهم من الأرباح في الوقت الفعلي عند استخدام العمل أو بيعه أو نقله. يعمل نموذج توزيع المنافع اللامركزي هذا على حل مشكلات التعتيم والتأخير بشكل فعال في نموذج حقوق النشر التقليدي ويوفر للمبدعين آلية توزيع منافع أكثر عدالة وكفاءة.
هـ. التطبيق في مجال الكون الافتراضي
في Yuan In the Universe، يفتح تكامل Web3 وAI إمكانيات جديدة لإنشاء AIGC منخفض التكلفة لإثراء محتوى الألعاب المستندة إلى blockchain. يمكن للبيئات والشخصيات الافتراضية التي تم إنشاؤها بواسطة الذكاء الاصطناعي إثراء محتوى اللعبة، وتزويد المستخدمين بتجربة أكثر حيوية وتنوعًا، مع تقليل تكاليف العمالة والوقت في الإنتاج.
يعد إنشاء أشخاص رقميين مفعمين بالحيوية ابتكارًا في تطبيقات Metaverse. يمتلك البشر الرقميون مظاهر جسدية مفصلة وصولاً إلى الشعر والمنطق النفسي المبني على نماذج لغوية كبيرة، ويمكنهم لعب أدوار مختلفة في Metaverse. يمكنهم التفاعل مع المستخدمين وحتى المشاركة في التوائم الرقمية لسيناريوهات العالم الحقيقي. وهذا يوفر تجربة أكثر واقعية وعمقًا للواقع الافتراضي ويعزز التطبيق الواسع النطاق للتكنولوجيا البشرية الرقمية في مجال الترفيه والتعليم وغيرها من المجالات.
يعد إنشاء محتوى إعلاني تلقائيًا استنادًا إلى صور مستخدمي blockchain تطبيقًا إعلانيًا ذكيًا في Metaverse. من خلال تحليل سلوك المستخدم وتفضيلاته داخل Metaverse، يمكن لخوارزميات الذكاء الاصطناعي إنشاء إعلانات أكثر تخصيصًا وجاذبية، وبالتالي زيادة معدلات النقر إلى الظهور ومشاركة المستخدم. لا تتوافق طريقة إنشاء الإعلانات هذه مع اهتمامات المستخدم فحسب، بل توفر أيضًا للمعلنين قناة ترويج أكثر كفاءة.
تعد NFTs التفاعلية التوليدية تقنية مقنعة في Metaverse. من خلال الجمع بين NFT والتصميم التوليدي، يمكن للمستخدمين المشاركة في إنشاء أعمال NFT الفنية الخاصة بهم في Metaverse، مما يمنحها التفاعلية والتفرد. وهذا يفتح إمكانيات جديدة لإنشاء الأصول الرقمية وتداولها ويعزز تطوير الفن الرقمي والاقتصاد الافتراضي في العالم الافتراضي.
في هذا القسم، يختار المؤلف خمسة بروتوكولات تمثيلية للحصول على فهم متعمق للحالة الحالية للذكاء الاصطناعي التوليدي في مجال Web3: Render تم تسليط الضوء على Network وAkash Network كبروتوكول عالمي للبنية التحتية للذكاء الاصطناعي ورائد في فئة الذكاء الاصطناعي في Web3؛ وتم تحديد Bittensor كمشروع ساخن في مجال التدريب النموذجي الحالي؛ وتم اختيار Alethea.ai لارتباطه الوثيق بالذكاء الاصطناعي التوليدي التطبيقات؛ يوضح Fetch.ai إمكانات عملاء الذكاء الاصطناعي في عالم Web3 اللامركزي.
تأسست شبكة Render على يد مؤسس شبكة Render. الشركة الأم OTOY تأسست عام 2017 على يد جولز أورباخ. OTOY، التي يتمثل عملها الأساسي في عرض الرسومات السحابية، تتلقى المشورة من مؤسسي Google وMozilla، وقد ساهمت في مشاريع الأفلام الحائزة على جائزة الأوسكار، وتعاونت في مشاريع مع Apple.
Render Network هي خطوة OTOY إلى مجال Web3. وتهدف إلى استخدام الخصائص الموزعة لـ blockchain للجمع بين العرض على نطاق صغير واحتياجات الذكاء الاصطناعي مع اللامركزية. الموارد متصلة. تهدف هذه المبادرة إلى توفير التكاليف للاستوديوهات الصغيرة التي قد تقوم بتأجير موارد حوسبة مركزية باهظة الثمن (مثل AWS وMS Azure وAlibaba Cloud)، وتوفير فرص توليد الإيرادات لأولئك الذين لديهم موارد حوسبة خاملة.
بدعم من OTOY، التي أصدرت العارض الخاص بها Octane Render، تم إطلاق Render Network بطلب متأصل ونموذج عمل قوي وسرعان ما تم الاعتراف به كمشروع Web3 مع أساس متين وإمكانات.
مع ظهور الذكاء الاصطناعي التوليدي، يستمر الطلب على مهام التحقق والاستدلال الموزعة في الزيادة، وهو ما يتناسب تمامًا مع البنية التقنية لـ Render، مما يجعله تطورًا مستقبليًا اتجاه واعد. كان Render يقود دائرة الذكاء الاصطناعي في مساحة Web3، وتطور إلى كيان يشبه الميم إلى حد ما، وقد استفاد من الاتجاه التصاعدي وأظهر تنوعه في كل مرة يسخن فيها السرد حول الذكاء الاصطناعي، والحوسبة الموزعة.
في فبراير 2023، أعلنت شبكة Render عن خارطة طريق لتحديث نظام مستويات التسعير الخاص بها وتقديم آلية تثبيت الأسعار التي يصوت عليها المجتمع لـ RNDR $ (على الرغم من أن تاريخ الإصدار قد تم تحديده) لم يتم الإعلان عنها بعد). أعلن المشروع أيضًا عن الترحيل من Polygon إلى Solana (ترقية رمز $RNDR المميز إلى رمز $RENDER المستند إلى Solana SPL، والذي تم الانتهاء منه في نوفمبر 2023).
يقسم نظام التسعير الجديد لشبكة Rendering Network الخدمات الموجودة على السلسلة إلى ثلاثة مستويات، من الأعلى إلى الأدنى، حيث يتوافق كل مستوى مع نقطة سعر مختلفة ويقدم جودة الخدمة. . توفر هذه الطبقات للعملاء خيارات بناءً على احتياجات العرض الخاصة بهم.
p>
لقد تم تحويل آلية تثبيت الأسعار التي صوّت عليها المجتمع $RNDR من عمليات إعادة الشراء غير المنتظمة إلى نموذج "Burn and Mint Equilibrium (BME)". يؤكد هذا التغيير على أن RNDR $ هي عملة مستقرة للتداول بدلاً من كونها أصلًا محتفظًا به على المدى الطويل. تكون عملية الأعمال المحددة لعصر BME كما يلي:
إنشاء المنتج: منشئ المنتج على يقوم Render، أي موفر موارد العرض، بحزم موارد العرض الخاملة في المنتجات (العقد) ووضعها على الإنترنت في انتظار استخدامها.
شراء المنتجات: يمكن للعملاء ذوي احتياجات العرض تدمير رموز $RNDR المميزة مباشرةً كرسوم خدمة. إذا لم يكن لديهم رموز $RNDR، فإنهم يشترونها أولاً على DEX بالعملة الورقية ثم يحرقون الرموز. يتم تسجيل السعر المدفوع مقابل الخدمة علنًا على blockchain.
سك الرموز المميزة: سك الرموز المميزة الجديدة وفقًا لقواعد محددة مسبقًا.
ملاحظة: تتقاضى Render Network 5% من رسوم معاملات تشغيل المشروع التي يدفعها مشتري المنتج.
p>
في كل عصر BME، يتم سك عدد محدد مسبقًا من الرموز الجديدة (يتناقص العدد بمرور الوقت). يتم توزيع هذه الرموز الجديدة على ثلاثة أطراف:
منشئو المنتجات: المكافآت التي يتلقونها هي:
أ. إكمال المهمة: سيتم منح المكافآت بناءً على عدد مهام العرض المكتملة بواسطة كل عقدة منتج.
ب. المكافآت عبر الإنترنت: شجع موفري الموارد على إكمال المهام عبر الإنترنت ومنح المكافآت بناءً على وقت الاستعداد في السوق.
2. مشتري المنتج: على غرار خصومات قسيمة المنتج في مراكز التسوق، يمكن للمشترين الحصول على خصم يصل إلى 100% على رمز RNDR المميز لتشجيع استخدام Render Network في المستقبل.
3. مزود سيولة DEX: مزود في DEX التعاوني لضمان توفير رموز $RNDR المميزة بسعر معقول للتدمير الضروري، والذي سيعتمد على المبلغ تتم مكافأة مبلغ RNDR المتراكم.
p>
انطلاقًا من اتجاه السعر البالغ $RNDR في العام الماضي، باعتباره مشروع مسار الذكاء الاصطناعي الرائد في Web3، سيستفيد $RNDR من الشعبية التي يقودها ChatGPT في نهاية عام 2022 وأوائل عام 2023. جنون الذكاء الاصطناعي. ومع إدخال آلية الرمز المميز الجديدة، سيصل سعر RNDR إلى ذروته في النصف الأول من عام 2023.
بعد فترة من الاستقرار، مع عودة ظهور الذكاء الاصطناعي الناتج عن الإصدار الجديد من OpenAI، وترحيل Render Network إلى Solana، والتنفيذ المتوقع لـ آلية رمزية جديدة، $ وصل سعر RNDR إلى أعلى مستوياته الأخيرة. نظرًا لأن أساسيات $RNDR لم تتغير إلا قليلاً، فإن الاستثمارات المستقبلية في $RNDR ستتطلب إدارة دقيقة للموقف ومراقبة المخاطر.
p>
توضح البيانات الواردة من لوحة معلومات Dune Analytics أن إجمالي عدد مهام العرض قد زاد منذ بداية عام 2023، لكن عدد عقد العرض لم يرتفع. يشير هذا إلى أن المستخدمين الجدد الذين يتسببون في زيادة عبء العمل هم أولئك الذين لديهم احتياجات العرض بدلاً من أولئك الذين يوفرون موارد العرض.
بالنظر إلى أن الذكاء الاصطناعي التوليدي سوف يتكاثر بحلول نهاية عام 2022، فمن المعقول استنتاج أن مهام العرض الإضافية ستكون مرتبطة بتطبيقات الذكاء الاصطناعي التوليدي. ويتعين علينا أن نرى ما إذا كانت هذه الزيادة في الطلب تمثل اتجاها طويل الأجل أو طفرة مؤقتة وتتطلب مزيدا من المراقبة.
شبكة Akash عبارة عن سحابة لا مركزية منصة الحوسبة تهدف إلى تزويد المطورين والمؤسسات بحلول حوسبة سحابية أكثر مرونة وكفاءة وفعالية من حيث التكلفة.
تعتمد منصة "السحابة الفائقة" الخاصة بالمشروع على تقنية blockchain الموزعة وتستفيد من الطبيعة اللامركزية لـ blockchain لتزويد المستخدمين بخدمات عالمية لا مركزية. تتضمن البنية التحتية موارد حوسبة متنوعة مثل وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU) والتخزين.
تم تأسيس شبكة Akash على يد جريج أوسوري وآدم بوزانيتش، وهما من رواد الأعمال ذوي الخبرة ولديهما خلفيات مشاريع غنية. ومهمتها واضحة: تقليل تكاليف الحوسبة السحابية، وتحسين التوفر ومنح المستخدمين سيطرة أكبر على موارد الحوسبة. ومن خلال تحفيز مقدمي الخدمات على فتح موارد الحوسبة الخاملة من خلال عملية تقديم العطاءات، تتيح شبكة Akash استخدامًا أكثر كفاءة للموارد وتوفر أسعارًا تنافسية لمطالبي الموارد.
في يناير 2023، أطلقت شبكة Akash تحديث Akash Network Economics 2.0 لمعالجة أوجه القصور المختلفة في اقتصاد الرمز المميز الحالي، بما في ذلك:
$AKT تؤدي تقلبات أسعار السوق إلى عدم التطابق في سعر العقد طويل الأجل وقيمته.
عدم كفاية الحوافز لمقدمي الموارد لإطلاق كميات كبيرة من قوة الحوسبة.
عدم كفاية الحوافز المجتمعية يعيق تطوير المشروع على المدى الطويل.
يشكل عدم كفاية قيمة $AKT خطرًا على استقرار المشروع.
وفقًا للموقع الرسمي، تتضمن الحلول المقترحة في خطة Akash Network Economy 2.0 تقديم مدفوعات مستقرة بالعملة وزيادة رسوم الطلبات لزيادة دخل الاتفاقية، وتعزيز الحوافز لمقدمي الموارد، وزيادة الحوافز المجتمعية، وما إلى ذلك. تجدر الإشارة إلى أنه تم تنفيذ وظيفة الدفع بالعملة المستقرة ووظيفة رسوم الطلب.
باعتباره الرمز المميز الأصلي لشبكة Akash، فإن $AKT له استخدامات متعددة داخل البروتوكول، بما في ذلك التحقق (الأمان)، والحوافز، وإدارة الشبكة، ودفع الأموال. رسوم معاملة التعهد. وفقًا للموقع الرسمي، يبلغ إجمالي المعروض من AKT $ 388 مليون قطعة نقدية، واعتبارًا من نوفمبر 2023، تم فتح ما يقرب من 229 مليون قطعة نقدية (59٪). سيتم فتح رموز الإنشاء المخصصة عند إطلاق المشروع بالكامل ودخول السوق الثانوية في مارس 2023. توزيع رموز التكوين هو كما يلي:
فيما يتعلق بالتقاط القيمة، هناك ميزة جديرة بالملاحظة لم يتم تنفيذها بعد مذكورة في الورقة البيضاء وهي أن Akash يخطط لتحصيل رسوم رسم لكل عقد إيجار ناجح." التكلفة". سيتم إرسال هذه الرسوم إلى مجمع الإيرادات لتوزيعها على حامليها.
تنص الخطة على فرض رسوم بنسبة 10% على معاملات AKT ورسوم بنسبة 20% على المعاملات باستخدام العملات المشفرة الأخرى. بالإضافة إلى ذلك، تعتزم Akash مكافأة أصحابها الذين يحتفظون بممتلكاتهم من AKT على المدى الطويل، وبالتالي تحفيز الاستثمار على المدى الطويل.
p>
يظهر اتجاه سعر CoinGecko أن $AKT شهد زيادات في منتصف أغسطس وأواخر نوفمبر 2023، على الرغم من أن الزيادة لم تكن كبيرة مثل المشاريع الأخرى في مجال الذكاء الاصطناعي ، والذي قد يكون بسبب معنويات السوق الحالية.
بشكل عام، تعد شبكة Akash واحدة من المشاريع القليلة عالية الجودة على مسار الذكاء الاصطناعي، كما أن أساسياتها أفضل من معظم المنافسين. يمكن أن تجلب إيراداتها التجارية المحتملة ربحية مستقبلية للبروتوكول، ومع تطور صناعة الذكاء الاصطناعي واستمرار تزايد الطلب على موارد الحوسبة السحابية، من المتوقع أن تحقق شبكة Akash تقدمًا كبيرًا في الموجة التالية من الذكاء الاصطناعي.
لأولئك المطلعين على البنية التقنية لـ $BTC ومع ذلك، فمن السهل جدًا فهم تصميم Bittensor. في الواقع، عند تصميم Bittensor، استوحى مبتكروه الإلهام من العديد من خصائص رائد العملة المشفرة BTC.
يتضمن ذلك إجمالي عرض رمزي يبلغ 21 مليونًا، والذي ينخفض إلى النصف كل أربع سنوات تقريبًا، ويتضمن آلية إجماع إثبات العمل (PoW)، وما إلى ذلك.
لتصور ذلك، تخيل عملية إنتاج البيتكوين الأولية، ثم استبدال عملية "التعدين" المكثفة حسابيًا بالتدريب والتحقق من صحة نماذج الذكاء الاصطناعي، فإن العملية لا تخلق حقيقيًا -القيمة العالمية. يتلقى القائمون بالتعدين حوافز بناءً على أداء وموثوقية نماذج الذكاء الاصطناعي الخاصة بهم. يشكل هذا ملخصًا موجزًا لبنية مشروع Bittensor ($TAO).
تأسست Bittensor في عام 2019 على يد باحثي الذكاء الاصطناعي جاكوب ستيفز وعلاء شعبانا بناءً على ورقة بيضاء كتبها المؤلف الغامض يوما راو. باختصار، إنه بروتوكول مفتوح المصدر وغير مرخص يقوم بإنشاء بنية شبكة متصلة بواسطة العديد من الشبكات الفرعية، كل منها مسؤولة عن مهام مختلفة (الترجمة الآلية، والتعرف على الصور وتوليدها، ونماذج اللغات الكبيرة، وما إلى ذلك). تتم مكافأة إتمام المهمة بشكل ممتاز، ويمكن للشبكات الفرعية التفاعل والتعلم من بعضها البعض.
فيما يتعلق بنماذج الذكاء الاصطناعي الرئيسية الحالية، فهي نتيجة للاستثمار الضخم لعمالقة التكنولوجيا في موارد الحوسبة والبيانات. على الرغم من أن منتجات الذكاء الاصطناعي هذه تؤدي أداءً جيدًا، إلا أن هذا النهج يجلب أيضًا مخاطر مركزية عالية.
تسمح البنية التحتية لـ Bittensor لشبكة من خبراء التواصل بالتفاعل والتعلم من بعضهم البعض، مما يضع الأساس للتدريب اللامركزي للنماذج واسعة النطاق. تتمثل رؤية Bittensor طويلة المدى في التنافس مع النماذج مغلقة المصدر من الشركات العملاقة مثل OpenAI وMeta وGoogle، مع الحفاظ على الخصائص اللامركزية مع التطلع إلى مطابقة أدائها الاستدلالي.
إن جوهر تقنية Bittensor هو آلية الإجماع المصممة بشكل فريد من Yuma Rao، والمعروفة أيضًا باسم Yuma Consensus، والتي تمزج بين عناصر إثبات العمل (PoW) وإثبات الحصة (PoS). يتضمن جانب العرض بشكل أساسي "الخوادم" (عمال المناجم) و"المدققين" (المدققين)، بينما يتكون جانب الطلب من "العملاء" (العملاء) الذين يستخدمون النماذج الموجودة في الشبكة. العملية كالتالي:
يرسل العميل الطلب والبيانات إلى المدقق للمعالجة.
يقوم المدققون بتوزيع البيانات على القائمين بالتعدين ضمن شبكة فرعية محددة.
يستخدم القائمون بالتعدين نماذجهم والبيانات التي يتلقونها لإجراء الاستدلالات وإرجاع النتائج.
يقوم القائمون على التحقق بترتيب نتائج الاستدلال حسب الجودة وتسجيلها على blockchain.
يتم إرجاع أفضل نتائج الاستدلال إلى العميل، ويتلقى القائمون بالتعدين والمحققون مكافآت بناءً على التصنيف وعبء العمل.
من الجدير بالذكر أن Bittensor نفسها لا تقوم بتدريب أي نماذج في معظم الشبكات الفرعية؛ فهي أشبه بمزود النماذج والمستخدمين، مما يؤدي إلى تحسين أداء المهام المختلفة من خلال التفاعلات بين النماذج الأصغر حجمًا. حاليًا، يوجد (أو يوجد بالفعل) 30 شبكة فرعية عبر الإنترنت، كل شبكة فرعية تتوافق مع نموذج مهمة مختلف.
p>
يلعب $TAO، باعتباره الرمز المميز الأصلي لـ Bittensor، دورًا حيويًا في إنشاء شبكات فرعية، والتسجيل في الشبكات الفرعية، ودفع رسوم الخدمة، والتوقيع على المدققين داخل النظام البيئي .دور حاسم. باتباع روح BTC، يختار $TAO الإصدار العادل، مما يعني أن جميع الرموز المميزة يتم إنشاؤها من خلال المساهمات في الشبكة.
في الوقت الحالي، يبلغ الإنتاج اليومي لـ $TAO ما يقرب من 7200 رمزًا، موزعة بالتساوي بين القائمين بالتعدين والمدققين. منذ إطلاق المشروع، تم إنتاج ما يقرب من 26.3% من 21 مليون رمز، مع استخدام 87.21% للتخزين والتحقق. يتبع المشروع أيضًا نمط BTC المتمثل في خفض الإنتاج إلى النصف كل أربع سنوات تقريبًا، ومن المقرر أن يكون النصف التالي في 20 سبتمبر 2025، ومن المتوقع أن يكون محركًا كبيرًا للسعر.
p>
بدءًا من أواخر أكتوبر 2023، ارتفع اتجاه سعر $TAO بشكل ملحوظ، والذي كان مدفوعًا بشكل أساسي بموجة جديدة من الحماس للذكاء الاصطناعي بعد مؤتمر OpenAI ومؤتمر OpenAI. تحويل رأس المال إلى مجال الذكاء الاصطناعي.
كما أن ظهور $TAO كمشروع جديد في مسار Web3+AI وجودته ورؤيته طويلة المدى قد اجتذبت أيضًا الاستثمار. ومع ذلك، يجب الاعتراف بأنه، مثل مشاريع الذكاء الاصطناعي الأخرى، على الرغم من أن الجمع بين Web3 + AI يتمتع بإمكانيات كبيرة، إلا أنه لم يتم العثور بعد على تطبيق في الأعمال الفعلية لدعم المشاريع المربحة على المدى الطويل.
تأسست Alethea.ai في عام 2020. هو مشروع مخصص لجلب الملكية والحوكمة اللامركزية للمحتوى الذي تم إنشاؤه باستخدام تقنية blockchain.
يعتقد مؤسسو Alethea.ai أن الذكاء الاصطناعي التوليدي سيقودنا إلى عصر تكرار المعلومات الناجم عن المحتوى التوليدي، والذي من خلال كمية كبيرة من يمكن نسخ المحتوى الرقمي بسهولة أو إنشائه من خلال عملية نسخ ولصق أو نقرة بسيطة، ولكن من الصعب على منشئ المحتوى الأصلي جني الفوائد. من خلال ربط أساسيات blockchain مثل NFTs مع الذكاء الاصطناعي التوليدي، فإنهم يهدفون إلى ضمان ملكية الذكاء الاصطناعي التوليدي ومحتواه، مع إدارة المجتمع فوقه.
انطلاقًا من هذا المفهوم، أطلقت Alethea.ai في البداية معيارًا جديدًا لـ NFT، وهو iNFT، والذي يستخدم حاضنات الذكاء الاصطناعي لدمج الرسوم المتحركة بالذكاء الاصطناعي وتوليف الكلام وحتى الذكاء الاصطناعي التوليدي. جزءا لا يتجزأ من الصورة. تعمل Alethea.ai أيضًا مع الفنانين لإنشاء iNFTs من أعمالهم الفنية، والتي بيعت إحداها في مزاد Sotheby مقابل 478000 دولار.
p>
أطلقت Alethea.ai لاحقًا بروتوكول الذكاء الاصطناعي، مما يسمح لأي مطور أو منشئ ذكاء اصطناعي مبدع بالإنشاء باستخدام معيار iNFT دون ترخيص. ولتوضيح بروتوكول الذكاء الاصطناعي، قامت Alethea.ai بتطوير CharacterGPT، وهي أداة تعتمد على نظرية النماذج الكبيرة مثل GPT لإنشاء NFTs التفاعلية. لقد أطلقوا مؤخرًا Open Fusion، والذي يسمح بدمج أي ERC-721 NFT مع الذكاء ونشره على بروتوكول الذكاء الاصطناعي.
الرمز المميز الأصلي لـ Alethea.ai هو $ALI، وله أربعة استخدامات رئيسية:
اقفل مبلغًا معينًا من $ALI لإنشاء iNFT.
كلما زاد عدد معرفات ALI $، ارتفع مستوى وحدة الاستخبارات.
يشارك حاملو $ALI في إدارة المجتمع.
$ALI كبيانات اعتماد للتفاعل بين iNFTs (لا توجد حالة استخدام عملية حتى الآن).
بالنظر إلى حالات استخدام $ALI، من الواضح أن التقاط قيمة الرمز المميز لا يزال يعتمد في المقام الأول على السرد. تثبت اتجاهات أسعار الرمز المميز على مدار العام الماضي ذلك: استفاد $ALI من جنون الذكاء الاصطناعي المولد بقيادة ChatGPT بدءًا من ديسمبر 2022. بالإضافة إلى ذلك، عندما أعلنت شركة Alethea.ai عن إمكانات Open Fusion الجديدة في يونيو، أدى ذلك إلى ارتفاع الأسعار. ومع ذلك، وبصرف النظر عن هذه الحالات، كان سعر $ALI يتجه نحو الانخفاض، ولم يستجيب حتى لضجيج الذكاء الاصطناعي في أواخر عام 2023 مثل المشاريع المماثلة.
بالإضافة إلى الرموز الأصلية، فإن أداء مشاريع NFT الخاصة بـ Alethea.ai (بما في ذلك مجموعتها الرسمية) في سوق NFT يستحق أيضًا الاهتمام.
p>
وفقًا للبيانات الواردة من لوحة تحكم Dune، فإن Intelligence Pods المباعة من طرف ثالث وخط إنتاج Revenants من الطرف الأول التابع لـ Alethea.ai تلاشت في الغموض بعد إصدارها الأولي. يعتقد المؤلف أن السبب الرئيسي هو أن الحداثة الأولية تتلاشى ولا توجد قيمة كبيرة أو مشاركة مجتمعية للاحتفاظ بالمستخدمين.
Fetch.ai هو مجتمع مخصص لـ الترويج لمشروع يدمج الذكاء الاصطناعي وتقنية البلوكشين. هدفها هو بناء اقتصاد ذكي لامركزي من خلال الجمع بين التعلم الآلي و blockchain وتكنولوجيا دفتر الأستاذ الموزع لدعم الأنشطة الاقتصادية بين الوكلاء الأذكياء.
تأسست Fetch.ai في عام 2019 على يد العلماء البريطانيين همايون شيخ وتوبي سيمبسون وتوماس هاين، ويتمتع فريقها المؤسس بخلفيات مثيرة للإعجاب.
همايون شيخ هو من أوائل المستثمرين في DeepMind، وتوبي سيمبسون شغل مناصب تنفيذية في شركات مختلفة، وتوماس هاين هو أستاذ في مجال الذكاء الاصطناعي في جامعة هارفارد. جامعة شيفيلد. تشمل الخبرة المتنوعة للمؤسس شركات تكنولوجيا المعلومات التقليدية، ومشاريع blockchain الشهيرة، والرعاية الطبية، ومجالات الحوسبة الفائقة، مما يوفر لـ Fetch.ai موارد صناعية غنية.
تتمثل مهمة Fetch.ai في بناء منصة شبكة لا مركزية تتكون من وكلاء اقتصاديين مستقلين (AEA) وتطبيقات ذكاء اصطناعي لتمكين المطورين من إنشاء وكلاء مستقلين لإكمال الإعداد المسبق المهام الموجهة نحو الهدف. التقنية الأساسية للمنصة هي بنيتها الفريدة المكونة من ثلاث طبقات:
الطبقة السفلية: قائمة في آلية الإجماع PoS-uD (إثبات الحصة بدون إذن)، تدعم هذه الطبقة الأساسية شبكات العقود الذكية، مما يسهل تعاون القائمين بالتعدين والتدريب الأساسي على التعلم الآلي والاستدلال.
الطبقة الوسطى: يوفر الإطار الاقتصادي المفتوح (OEF) مساحة مشتركة للتفاعلات والبروتوكولات الأساسية بين المناطق الاقتصادية المتقدمة، ويدعم البحث، اكتشف وتداول.
المستوى الأعلى: AEA هو المكون الأساسي لـ Fetch.ai. كل AEA عبارة عن برنامج وكيل ذكي يمكنه أداء وظائف مختلفة من خلال وحدات المهارات وتنفيذ المهام المحددة من قبل المستخدم. لا يعمل هؤلاء الوكلاء مباشرة على blockchain، ولكنهم يتفاعلون مع blockchain والعقود الذكية من خلال OEF. يمكن أن تكون برامج الوكيل الذكي قائمة على البرامج فقط أو مرتبطة بأجهزة مادية مثل الهواتف الذكية وأجهزة الكمبيوتر والسيارات. يوفر Fetch.ai مجموعة تطوير قائمة على Python، وإطار عمل AEA، وهو نموذجي ويمكّن المطورين من بناء وكلائهم الأذكياء.
علاوة على هذه البنية، أطلقت Fetch.ai نظام Co-Learn (مشاركة نماذج التعلم الآلي بين الوكلاء) وميزة المتابعة المنتجات والخدمات مثل Metaverse (خدمة الاستضافة السحابية للوكيل) لدعم المستخدمين في تطوير الوكلاء على منصتها.
أما بالنسبة للرمز المميز، فإن $FET، باعتباره الرمز المميز الأصلي لـ Fetch.ai، يغطي الوظائف القياسية مثل دفع الغاز، والتحقق من التعهدات، وشراء الخدمات داخل شبكة. تم فتح أكثر من 90% من رموز $FET وتم تخصيصها على النحو التالي:
p>
يشبه مسار تطوير Fetch.ai شركة ناشئة تعمل في مجال الذكاء الاصطناعي Web2.0، مع التركيز على إتقان التكنولوجيا الخاصة بها. وهي تسعى إلى الاعتراف والربحية من خلال جمع الأموال المستمر والتعاون المكثف.
يترك هذا النهج مجالًا كبيرًا للتطبيقات المستقبلية التي تم تطويرها على Fetch.ai، ولكنه يعني أيضًا أنه قد يكون مفيدًا لمشاريع blockchain الأخرى. ليست جذابة، وربما تكون مقيدة حيوية النظام البيئي. حتى أن أحد مؤسسي Fetch.ai حاول إطلاق مشروع DEX، وهو Mettalex DEX، استنادًا إلى Fetch.ai، لكنه فشل في النهاية. وباعتباره مشروعًا يركز على البنية التحتية، فإن ضعف النظام البيئي يعيق أيضًا نمو القيمة الجوهرية لـ Fetch.ai.
قارن الرئيس التنفيذي لشركة NVIDIA Jensen Huang إطلاق النماذج التوليدية واسعة النطاق بـ "لحظة iPhone" للذكاء الاصطناعي، مما يشير إلى الدور المتغير وفي تحول رئيسي، أصبحت رقائق الحوسبة عالية الأداء جوهر الموارد النادرة للذكاء الاصطناعي.
لا تزال مشاريع البنية التحتية للذكاء الاصطناعي التي تحجز معظم الأموال في المسار الفرعي Web3 AI محط اهتمام المستثمرين على المدى الطويل. مع قيام عمالقة الرقائق بترقية قدراتهم الحاسوبية تدريجيًا، ستتوسع قدرات الذكاء الاصطناعي، والتي من المرجح أن تؤدي إلى إنتاج المزيد من مشاريع البنية التحتية للذكاء الاصطناعي في Web3، وربما تكون حتى شرائح مصممة خصيصًا للتدريب على الذكاء الاصطناعي في Web3.
على الرغم من أن منتجات الذكاء الاصطناعي التوليدية التي تركز على المستهلك لا تزال في المرحلة التجريبية، إلا أن بعض التطبيقات الصناعية أظهرت إمكانات كبيرة. أحد هذه التطبيقات هو "التوائم الرقمية" التي تنقل مشاهد العالم الحقيقي إلى العالم الرقمي.
نظرًا للقيمة غير المستغلة في البيانات الصناعية، فإن منصة Metaverse الرقمية التوأم من NVIDIA تضع الذكاء الاصطناعي التوليدي كعنصر أساسي للتوائم الرقمية الصناعية. في Web3، بما في ذلك العوالم الافتراضية وإنشاء المحتوى الرقمي وأصول العالم الحقيقي، ستلعب التوائم الرقمية المتأثرة بالذكاء الاصطناعي دورًا مهمًا.
يعد تطوير أجهزة تفاعلية جديدة أمرًا بالغ الأهمية أيضًا. تاريخيًا، جلب كل ابتكار في مجال الأجهزة في مجال الحوسبة تغييرات وفرصًا ثورية، مثل فأرة الكمبيوتر المنتشرة الآن في كل مكان أو شاشة iPhone 4 متعددة اللمس.
تم الإعلان عن إطلاق Apple Vision Pro في الربع الأول من عام 2024. وقد اجتذبت اهتمامًا عالميًا بعرضها المثير للإعجاب ومن المتوقع أن تضفي معنى على مختلف الصناعات: التغيرات والفرص غير المتوقعة. صناعة الترفيه، المعروفة بإنتاج المحتوى السريع وتوزيعه على نطاق واسع، غالبًا ما تكون أول من يستفيد من تحديثات الأجهزة. وتشمل هذه الألعاب Metaverse الخاصة بـ Web3، وألعاب blockchain، وNFT، وما إلى ذلك، والتي تستحق الاهتمام والبحث على المدى الطويل.
على المدى الطويل، يمثل تطوير الذكاء الاصطناعي التوليدي تغييرًا كميًا يؤدي إلى تغيير نوعي. جوهر ChatGPT هو حل للمشكلة الأكاديمية التي تم البحث عنها منذ فترة طويلة والمتعلقة بالإجابة على الأسئلة المنطقية. ولم يتم تحقيق المستويات الرائعة لـGPT-4 إلا من خلال البيانات الموسعة وتكرار النماذج. تطبيقات الذكاء الاصطناعي في Web3 متشابهة، وهي حاليًا في مرحلة تكييف نموذج Web2 مع Web3. ولم يظهر بعد نموذج يعتمد بالكامل على بيانات Web3. ستجلب المشاريع المستقبلية والموارد الهائلة المخصصة للبحث في المشكلات الخاصة بـ Web3 إلى Web3 تطبيقه القاتل على مستوى ChatGPT.
هناك العديد من الطرق الواعدة لاستكشاف الأساس التقني للذكاء الاصطناعي التوليدي، مثل تكنولوجيا سلسلة الفكر. تتيح هذه التقنية لنماذج اللغة الكبيرة تحقيق قفزات كبيرة في التفكير متعدد الخطوات. ومع ذلك، فإنه يسلط الضوء أيضًا أو حتى يؤدي إلى تفاقم القيود المفروضة على النماذج الكبيرة في التفكير المنطقي المعقد. يمكن للقراء المهتمين استكشاف ورقة المؤلف الأصلية حول سلسلة الأفكار.
بعد ChatGPT، ظهرت العديد من المشاريع التي تحمل سمة GPT في Web3، ولكن ببساطة الجمع بين GPT والعقود الذكية لا يمكن أن يلبي احتياجات المستخدم. بعد حوالي عام من إصدار ChatGPT، لا تزال هناك إمكانات هائلة للمستقبل. يجب أن تبدأ المنتجات المستقبلية من الاحتياجات الحقيقية لمستخدمي Web3. مع نضج تقنية Web3 بشكل متزايد، سيكون تطبيق الذكاء الاصطناعي التوليدي في Web3 بالتأكيد واسعًا ومثيرًا.
تخبرنا دورات التكنولوجيا السابقة أن الذكاء الاصطناعي لم يفتقر أبدًا إلى قصص الضجيج، ولكن بعد المرور عبر المد والجزر، سيظهر السباحون العراة في النهاية. ما هو وضع تطوير شركات AIGC هذه؟ ما هي الشركات المدرجة التي تضارب على المواضيع الساخنة وتفتقر إلى الدعم الأساسي؟
JinseFinanceإذا كان AIGC تطبيقًا نموذجيًا في عصر الذكاء الاصطناعي الجديد في عام 2023، فإن وكيل الذكاء الاصطناعي (وكيل الذكاء الاصطناعي) في عام 2024 سيعمل حقًا على إنتاج قدرات AIGC.
JinseFinanceيعد نمو مساحة DeFi أمرًا بالغ الأهمية لتطوير النظام البيئي للعملات المشفرة بالكامل. ومع ذلك، لا تزال هناك بعض التحديات في تصميم وتنفيذ وصيانة بورصات DeFi ومجموعات السيولة والعقود الذكية. ولمواجهة هذه التحديات،
JinseFinanceJinseFinance
Coinlive نظمت من قبل منصة DeFi ArrayFi ، كان Bridge Web3 2023 عبارة عن مؤتمر لمدة ثلاثة أيام استضافته جزيرة Phú Quốc في فيتنام.
Davinأعرب العديد من مطوري وناشري الألعاب الصينيين ، بما في ذلك NetEase و miHoYo ، عن اهتمامهم بتوظيف المواهب أو الاستثمار في تقنيات AIGC.
Yahoo FinanceCoinlive Coinlive استغل المخترق ثغرة أمنية في شجرة IAVL لتزوير رسالة سحب ضارة.
Numen Cyber Labs