استكشف نقاط التكامل الست الرئيسية للذكاء الاصطناعي وWeb3

المصدر: IOBC Capital

باعتباره نموذج إنترنت جديدًا لامركزيًا ومفتوحًا وشفافًا، يتمتع Web3 بفرصة تكامل طبيعية مع الذكاء الاصطناعي. في ظل البنية المركزية التقليدية، تخضع حوسبة الذكاء الاصطناعي وموارد البيانات لرقابة صارمة، وهناك العديد من التحديات مثل اختناقات قوة الحوسبة، وتسريبات الخصوصية، والصناديق السوداء للخوارزمية. يعتمد Web3 على التكنولوجيا الموزعة ويمكنه ضخ زخم جديد في تطوير الذكاء الاصطناعي من خلال شبكات الحوسبة المشتركة وأسواق البيانات المفتوحة والحوسبة الخاصة وغيرها من الأساليب. وفي الوقت نفسه، يمكن للذكاء الاصطناعي أيضًا أن يجلب العديد من التمكينات إلى Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، وما إلى ذلك، للمساعدة في بنائه البيئي. ولذلك، يعد استكشاف مزيج Web3 والذكاء الاصطناعي أمرًا بالغ الأهمية لبناء الجيل التالي من البنية التحتية للإنترنت وإطلاق قيمة البيانات والقدرة الحاسوبية.

المعتمدة على البيانات: الأساس المتين للذكاء الاصطناعي وWeb3

البيانات هي جوهر الدافع وراء تطوير الذكاء الاصطناعي هو أن الطاقة هي بمثابة الوقود للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كمية كبيرة من البيانات عالية الجودة للحصول على فهم متعمق وقدرات تفكير قوية. لا توفر البيانات أساسًا تدريبيًا لنماذج التعلم الآلي فحسب، بل تحدد أيضًا دقة النموذج وموثوقيته.

في النموذج المركزي التقليدي للحصول على بيانات الذكاء الاصطناعي واستخدامها، توجد المشكلات الرئيسية التالية:

• تكلفة الحصول على البيانات مرتفعة، وهو أمر يصعب على المؤسسات الصغيرة والمتوسطة الحجم تحمله؛

• < p style="text-align: left ;">يحتكر عمالقة التكنولوجيا موارد البيانات، مما يشكل جزر بيانات؛

• البيانات الشخصية تواجه الخصوصية خطر التسرب وإساءة الاستخدام

يمكن لـ Web3 حل نقاط الضعف في النموذج التقليدي من خلال نموذج بيانات لا مركزي جديد.

• من خلال Grass، يمكن للمستخدمين بيع الشبكات الخاملة لشركات الذكاء الاصطناعي والاستيلاء عليها بطريقة لا مركزية. توفر بيانات الشبكة، بعد التنظيف والتحويل، بيانات حقيقية وعالية الجودة للتدريب على نماذج الذكاء الاصطناعي؛

• يعتمد الذكاء الاصطناعي العام "التسمية لـ Earn"، الذي يستخدم الرموز المميزة لتشجيع العاملين العالميين على المشاركة في شرح البيانات، وجمع المعرفة المهنية العالمية، وتعزيز قدرات تحليل البيانات؛

• توفر منصات تداول بيانات Blockchain مثل Ocean Protocol وStreamr بيئة تجارية مفتوحة وشفافة لكل من أطراف عرض البيانات والطلب، مما يحفز ابتكار البيانات ومشاركتها.

على الرغم من ذلك، هناك أيضًا بعض المشكلات في الحصول على بيانات العالم الحقيقي، مثل اختلاف جودة البيانات، وصعوبة المعالجة، و التنوع ونقص التمثيل، من بين أمور أخرى. قد تكون البيانات الاصطناعية النجم المستقبلي لسباق بيانات Web3. واستنادًا إلى تقنية الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية وتكون بمثابة مكمل فعال للبيانات الحقيقية لتحسين كفاءة استخدام البيانات. وفي مجالات مثل القيادة الذاتية، ومعاملات الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية إمكاناتها التطبيقية الناضجة.

حماية الخصوصية: دور FHE في Web3

في العصر الذي يعتمد على البيانات، أصبحت حماية الخصوصية محط اهتمام عالمي، حيث يعكس إدخال لوائح مثل اللائحة العامة لحماية البيانات (GDPR) للاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فإن هذا يجلب أيضًا تحديات: لا يمكن استخدام بعض البيانات الحساسة بشكل كامل بسبب مخاطر الخصوصية، مما يحد بلا شك من الإمكانات والقدرات المنطقية لنماذج الذكاء الاصطناعي.

FHE هو تشفير متماثل بالكامل، مما يسمح بإجراء عمليات الحساب مباشرة على البيانات المشفرة دون فك تشفير البيانات، وتكون نتائج الحساب هي نفس تلك التي يتم إجراؤها على بيانات النص العادي متسقة.

< /p>

توفر FHE حماية قوية لحوسبة خصوصية الذكاء الاصطناعي، مما يسمح لقوة حوسبة وحدة معالجة الرسومات بأداء تدريب النماذج ومهام الاستدلال في بيئة لا تمس البيانات الأصلية. وهذا يمنح شركات الذكاء الاصطناعي ميزة كبيرة. يمكنهم فتح خدمات API بشكل آمن مع حماية أسرار العمل.

يدعم FHEML تشفير البيانات والنماذج طوال دورة التعلم الآلي بأكملها لضمان أمان المعلومات الحساسة ومنع مخاطر تسرب البيانات. وبهذه الطريقة، يعمل FHEML على تعزيز خصوصية البيانات وتوفير إطار حوسبة آمن لتطبيقات الذكاء الاصطناعي.

FHEML هو مكمل لـ ZKML. ويثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يركز FHEML على العمليات الحسابية على البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة قوة الحوسبة: حوسبة الذكاء الاصطناعي في الشبكات اللامركزية

يتضاعف التعقيد الحسابي لنظام الذكاء الاصطناعي الحالي كل ثلاثة أشهر، مما يؤدي إلى زيادة الطلب على الطاقة الحاسوبية التي تتجاوز بكثير المعروض من موارد الحوسبة الحالية. على سبيل المثال، يتطلب تدريب نموذج GPT-3 الخاص بشركة OpenAI قوة حاسوبية ضخمة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. مثل هذا النقص في قوة الحوسبة لا يحد من تقدم تكنولوجيا الذكاء الاصطناعي فحسب، بل يجعل نماذج الذكاء الاصطناعي المتقدمة بعيدة عن متناول معظم الباحثين والمطورين.

وفي الوقت نفسه، يقل معدل استخدام وحدة معالجة الرسومات العالمية عن 40%، إلى جانب التباطؤ في تحسين أداء المعالجات الدقيقة، فضلاً عن نقص الرقائق الناجم عن العرض العوامل المتسلسلة والجيوسياسية، كل هذه العوامل تجعل مشكلة إمدادات الطاقة الحاسوبية أكثر خطورة. يواجه ممارسون الذكاء الاصطناعي معضلة: إما شراء أجهزتهم الخاصة أو استئجار موارد سحابية، فهم بحاجة ماسة إلى طريقة خدمة حوسبة فعالة من حيث التكلفة عند الطلب.

IO.net عبارة عن شبكة طاقة حوسبة لا مركزية تعتمد على الذكاء الاصطناعي Solana، وهي تزود شركات الذكاء الاصطناعي بمنصة موجودة من خلال تجميع موارد GPU الخاملة حول العالم وسوق الطاقة الحاسوبية الذي يمكن الوصول إليه. يمكن لمطالبي طاقة الحوسبة نشر مهام الحوسبة على الشبكة، وتخصص العقود الذكية المهام لعقد التعدين التي تساهم في قوة الحوسبة، ويقوم عمال المناجم بتنفيذ المهام وإرسال النتائج، والحصول على مكافآت النقاط بعد التحقق. يعمل حل IO.net على تحسين كفاءة استخدام الموارد ويساعد في حل اختناقات قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.

بالإضافة إلى شبكات الطاقة الحاسوبية اللامركزية العامة، هناك أيضًا منصات مثل Gensyn وFlock.io التي تركز على التدريب على الذكاء الاصطناعي، بالإضافة إلى Ritual وFetch. ai شبكة حوسبة مخصصة تركز على استدلال الذكاء الاصطناعي.

توفر شبكة طاقة الحوسبة اللامركزية سوقًا عادلاً وشفافًا لقوة الحوسبة، وتكسر الاحتكار، وتخفض عتبة التطبيق، وتحسن كفاءة استخدام قوة الحوسبة. في نظام web3 البيئي، ستلعب شبكة طاقة الحوسبة اللامركزية دورًا رئيسيًا في جذب المزيد من التطبيقات اللامركزية المبتكرة للانضمام إلى تطوير وتطبيق تكنولوجيا الذكاء الاصطناعي وتعزيزها بشكل مشترك.

DePIN: يعمل Web3 على تمكين Edge AI

تخيل هاتفك المحمول أو ساعتك الذكية، وحتى تتمتع الأجهزة الذكية في المنزل بالقدرة على تشغيل الذكاء الاصطناعي - وهذا هو سحر Edge AI. فهو يسمح بإجراء العمليات الحسابية في مصدر توليد البيانات، مما يحقق زمن وصول منخفض ومعالجة في الوقت الفعلي مع حماية خصوصية المستخدم. وقد تم تطبيق تقنية Edge AI في مجالات رئيسية مثل القيادة الذاتية.

في حقل Web3، لدينا اسم مألوف أكثر —DePIN. يؤكد Web3 على اللامركزية وسيادة بيانات المستخدم. يمكن لـ DePIN تعزيز حماية خصوصية المستخدم وتقليل مخاطر تسرب البيانات عن طريق معالجة البيانات محليًا. Web3

يمكن للآلية الاقتصادية للرمز المميز أن تفعل ذلك تحفيز عقد DePIN لتوفير موارد الحوسبة وبناء نظام بيئي مستدام.

يتطور DePIN حاليًا بسرعة في نظام Solana البيئي وأصبح أحد منصات السلسلة العامة المفضلة لنشر المشروع. توفر TPS العالية لـ Solana، ورسوم المعاملات المنخفضة، والابتكار التكنولوجي دعمًا قويًا لمشروع DePIN. حاليًا، تتجاوز القيمة السوقية لمشروع DePIN على Solana 10 مليارات دولار أمريكي، وقد حققت المشاريع المعروفة مثل Render Network وHelium Network تقدمًا كبيرًا.

IMO: نموذج جديد لإصدار نموذج الذكاء الاصطناعي

تم اقتراح مفهوم IMO لأول مرة بواسطة بروتوكول Ora.

في النموذج التقليدي، نظرًا لعدم وجود آلية لتقاسم الإيرادات، بمجرد تطوير نموذج الذكاء الاصطناعي وطرحه في السوق، غالبًا ما يكون من الصعب على المطورين للحصول على فوائد مستدامة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، مما يجعل من الصعب على المنشئ الأصلي تتبع الاستخدام، ناهيك عن جني الإيرادات منه. علاوة على ذلك، غالبا ما يفتقر أداء وتأثيرات نماذج الذكاء الاصطناعي إلى الشفافية، مما يجعل من الصعب على المستثمرين والمستخدمين المحتملين تقييم قيمتها الحقيقية، مما يحد من الاعتراف بالسوق والإمكانات التجارية للنماذج.

توفر IMO طريقة جديدة للدعم المالي ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر. يمكن للمستثمرين شراء رموز IMO ومشاركة الأرباح اللاحقة الناتجة عن النموذج. يستخدم بروتوكول Ora معياري ERC، ERC-7641 وERC-7007، جنبًا إلى جنب مع AI Oracle (Onchain AI Oracle) وتقنية OPML لضمان صحة نموذج الذكاء الاصطناعي وإمكانية مشاركة حاملي الرمز المميز للفوائد.

يعزز نموذج IMO الشفافية والثقة، ويشجع التعاون مفتوح المصدر، ويتكيف مع اتجاهات سوق التشفير، ويضخ القوة في التنمية المستدامة لتكنولوجيا الذكاء الاصطناعي. لا تزال المنظمة البحرية الدولية (IMO) في مرحلة التجربة الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاراتها وقيمتها المحتملة تستحق التطلع إليها.

عامل الذكاء الاصطناعي: حقبة جديدة من التجربة التفاعلية

يمكن لعامل الذكاء الاصطناعي إدراك البيئة و التفكير بشكل مستقل، واتخاذ الإجراءات المناسبة لتحقيق الأهداف المحددة. وبدعم من نماذج اللغة الكبيرة، لا يستطيع وكلاء الذكاء الاصطناعي فهم اللغة الطبيعية فحسب، بل يمكنهم أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكنهم العمل كمساعدين افتراضيين يتعلمون تفضيلات المستخدم من خلال التفاعل معهم وتقديم حلول مخصصة. حتى بدون تعليمات صريحة، يمكن لـ AI Agent حل المشكلات بشكل مستقل وتحسين الكفاءة وإنشاء قيمة جديدة.

Myshell عبارة عن منصة تطبيقات أصلية مفتوحة تعتمد على الذكاء الاصطناعي وتوفر مجموعة أدوات إبداعية شاملة وسهلة الاستخدام، مما يسمح للمستخدمين بتكوين وظائف الروبوت ومظهره وأصواته وخلفياته. الاتصال بقواعد المعرفة الخارجية وما إلى ذلك، ملتزمون بإنشاء نظام بيئي عادل ومفتوح لمحتوى الذكاء الاصطناعي، باستخدام تكنولوجيا الذكاء الاصطناعي التوليدية لتمكين الأفراد من أن يصبحوا مبدعين متميزين. قامت MyShell بتدريب نموذج لغة كبير متخصص لجعل لعب الأدوار أكثر إنسانية؛ ويمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي مع منتجات الذكاء الاصطناعي، مما يقلل من تكلفة تركيب الكلام بنسبة 99%، ويمكن تنفيذ استنساخ الصوت في دقيقة واحدة فقط. يمكن حاليًا استخدام وكيل الذكاء الاصطناعي المخصص باستخدام Myshell في العديد من المجالات مثل الدردشة المرئية وتعلم اللغة وإنشاء الصور.

فيما يتعلق بتكامل Web3 والذكاء الاصطناعي، يوجد حاليًا المزيد من استكشاف طبقة البنية التحتية، وكيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، و كيفية العمل على السلسلة في نموذج الاستضافة، وكيفية تحسين الاستخدام الفعال لقوة الحوسبة اللامركزية، وكيفية التحقق من نماذج اللغات الكبيرة وغيرها من القضايا الرئيسية. ومع تحسن هذه البنى التحتية تدريجيا، لدينا من الأسباب ما يجعلنا نعتقد أن التكامل بين ويب 3 والذكاء الاصطناعي من شأنه أن يؤدي إلى ولادة سلسلة من نماذج الأعمال والخدمات المبتكرة.