بدءًا من مقال Vitalik، ما هي المسارات التي تستحق الاهتمام بها في Crypto×AI؟

المؤلفون: @charlotte0211z, @BlazingKevin_, Metrics Ventures

تم النشر بواسطة Vitalik في 30 ينايروعد وتحديات تطبيقات التشفير + الذكاء الاصطناعي تناقش هذه المقالة كيفية الجمع بين blockchain والذكاء الاصطناعي، والمشكلات التي تنشأ في هذه العملية والتحديات المحتملة. بعد شهر واحد من نشر هذه المقالة، حققت كل من NMR وNear وWLD المذكورة في المقالة مكاسب جيدة، حيث أكملت جولة من اكتشاف القيمة. استنادًا إلى الطرق الأربع للجمع بين Crypto وAI التي اقترحتها Vitalik، تحدد هذه المقالة اتجاهات التقسيم الفرعي لمسار الذكاء الاصطناعي الحالي وتقدم بإيجاز المشاريع التمثيلية في كل اتجاه.

1 مقدمة: أربع طرق لدمج التشفير مع الذكاء الاصطناعي

اللامركزية هو الإجماع الذي تحافظ عليه blockchain، وضمان الأمن هو الفكرة الأساسية، والمصدر المفتوح هو الأساس الرئيسي لجعل السلوك على السلسلة يتمتع بالخصائص المذكورة أعلاه من منظور التشفير. في السنوات القليلة الماضية، تم تطبيق هذا النهج على عدة جولات من تغييرات blockchain، ولكن عندما يتعلق الأمر بالذكاء الاصطناعي، يتغير الوضع.

تخيل استخدام الذكاء الاصطناعي لتصميم بنية blockchain أو تطبيق. فمن الضروري بعد ذلك فتح النموذج مفتوح المصدر. ومع ذلك، فإن هذا سيكشف ضعفه أمام التعلم الآلي التنافسي؛ وإلا فسيتم فقده. اللامركزية. لذلك، من الضروري بالنسبة لنا أن نفكر في كيفية ومدى عمق دمج الذكاء الاصطناعي في سلاسل الكتل أو التطبيقات الحالية.

المصدر: DE UNIVERSITY OF ETHEREUM

في جامعة الإيثريومعندما يتصادم العمالقة: استكشاف تقارب تشرح مقالة Crypto x AI الاختلافات في الخصائص الأساسية للذكاء الاصطناعي وتقنية blockchain. كما هو موضح في الشكل أعلاه فإن خصائص الذكاء الاصطناعي هي:

• المركزية

• شفافية منخفضة

• استهلاك الطاقة

• الاحتكار

• سمات تحقيق الدخل ضعيف

تتعارض تقنية Blockchain تمامًا مع الذكاء الاصطناعي في هذه النقاط الخمس. وهذه أيضًا هي الحجة الحقيقية لمقال فيتاليك. إذا تم الجمع بين الذكاء الاصطناعي وسلسلة الكتل، فما هو نوع المقايضات التي ينبغي إجراؤها من حيث ملكية البيانات، والشفافية، وقدرات تحقيق الدخل، وتكاليف استهلاك الطاقة، وما إلى ذلك، وما هي البنية التحتية التي تحتاج إلى دعمها؟ ضمان الجمع الفعال بين الاثنين.

وفقًا للمبادئ المذكورة أعلاه وتفكيرها الخاص، تقسم Vitalik التطبيقات التي تجمع بين الذكاء الاصطناعي وسلسلة الكتل إلى أربع فئات رئيسية:

• الذكاء الاصطناعي كلاعب في لعبة

• الذكاء الاصطناعي كلاعب في لعبة الذكاء الاصطناعي كواجهة للعبة

  strong>

• الذكاء الاصطناعي باعتباره قواعد اللعبة

• الذكاء الاصطناعي باعتباره قواعد اللعبة قواعد اللعبة strong>

• الذكاء الاصطناعي كهدف للعبة

من بينها، الثلاثة الأولى هي بشكل أساسي الطرق الثلاث التي يتم من خلالها إدخال الذكاء الاصطناعي إلى عالم التشفير، وتمثل ثلاثة مستويات من الضحلة إلى العميقة، وبحسب فهم المؤلف فإن هذا التقسيم يمثل درجة تأثير الذكاء الاصطناعي على القرار البشري -صنع، ويمثله هذا يقدم درجات متفاوتة من مخاطر النظام على التشفير بأكمله:

• الذكاء الاصطناعي كمشارك في التطبيق: الذكاء الاصطناعي بحد ذاته لن يؤثر على البشر، فالقرارات والسلوكيات لها عواقب، لذا فهي لا تجلب مخاطر لعالم الإنسان الحقيقي، وبالتالي فهي تتمتع بأعلى مستوى من التنفيذ في الوقت الحاضر.

• الذكاء الاصطناعي كواجهة تطبيق: يوفر الذكاء الاصطناعي معلومات مساعدة أو أدوات مساعدة لاتخاذ القرار والسلوك البشري، مما سيؤدي إلى تحسين تجربة المستخدم والمطور وخفض العتبة، ولكن من الخطأ أن تحمل المعلومات أو العمليات مخاطر معينة في العالم الحقيقي.

• قواعد الذكاء الاصطناعي كتطبيق: سيحل الذكاء الاصطناعي محل البشر بالكامل في استكمال عملية صنع القرار والعمليات، وبالتالي فإن أفعال الذكاء الاصطناعي الشريرة وإخفاقاتها ستؤدي مباشرة إلى الفوضى في العالم الحقيقي، سواء في Web2 أو Web3، لا يمكن حاليًا الثقة في الذكاء الاصطناعي لاتخاذ القرارات نيابة عن البشر.

وأخيراً الفئة الرابعة من المشاريع مخصصة لاستخدام خصائص الكريبتو لإنشاء ذكاء اصطناعي أفضل وكما ذكرنا أعلاه المركزية وانخفاض الشفافية واستهلاك الطاقة والاحتكار يمكن تحييد سمات العملة الضعيفة بشكل طبيعي من خلال سمات Crypto. على الرغم من أن العديد من الناس لديهم شكوك حول ما إذا كان من الممكن أن يكون لشركة Crypto تأثير على تطور الذكاء الاصطناعي، فإن التأثير على العالم الحقيقي من خلال قوة اللامركزية كان دائمًا هو السرد الأكثر روعة لشركة Crypto، وقد أصبح هذا المسار أيضًا منافسة للذكاء الاصطناعي بأفكاره الكبرى. الجزء الأكثر إثارة.

2 الذكاء الاصطناعي كمشارك

في آلية مشاركة الذكاء الاصطناعي، يأتي المصدر النهائي للحوافز من الاتفاقية التي أبرمها البشر. قبل أن يصبح الذكاء الاصطناعي واجهة أو حتى قاعدة، غالبًا ما نحتاج إلى تقييم أداء مختلف أنظمة الذكاء الاصطناعي حتى يتمكن الذكاء الاصطناعي من المشاركة في الآلية وفي النهاية تتم مكافأته أو معاقبته من خلال آلية على السلسلة.

كمشارك، فإن خطر الذكاء الاصطناعي على المستخدمين والنظام بأكمله لا يكاد يذكر مقارنة بدوره كواجهات وقواعد. ويمكن القول إنها خطوة ضرورية قبل أن يبدأ الذكاء الاصطناعي في التأثير بعمق على قرارات المستخدم و مرحلة السلوكيات، وبالتالي فإن التكاليف والمقايضات المطلوبة لتكامل الذكاء الاصطناعي وسلسلة الكتل على هذا المستوى صغيرة نسبيًا، وهو أيضًا نوع من المنتجات التي يعتقد بوتيرين أنها الآن قابلة للتنفيذ بدرجة كبيرة.

من منظور واسع ومستوى التنفيذ، تندرج تطبيقات الذكاء الاصطناعي الحالية في الغالب ضمن هذه الفئة، مثل روبوتات التداول وروبوتات الدردشة المدعمة بالذكاء الاصطناعي. وفي المستوى الحالي من التنفيذ، من الصعب تنفيذ الذكاء الاصطناعي كواجهة أو حتى قاعدة، حيث يقوم المستخدمون بمقارنة الروبوتات المختلفة وتحسينها تدريجيًا، ولم يطور مستخدمو العملات المشفرة بعد العادة السلوكية لاستخدام تطبيقات الذكاء الاصطناعي. في مقال V God، تم تصنيف الوكيل المستقل أيضًا ضمن هذه الفئة.

ولكن بالمعنى الضيق والرؤية طويلة المدى، فإننا نميل إلى تقسيم تطبيقات الذكاء الاصطناعي أو وكلاء الذكاء الاصطناعي إلى فئات أكثر تفصيلاً. لذلك، ضمن هذه الفئة، نعتبر تقسيمات فرعية تمثيلية. وتشمل الفئات ما يلي:

2.1 ألعاب الذكاء الاصطناعي

إلى حد ما، يمكن تصنيف ألعاب الذكاء الاصطناعي ضمن هذه الفئة. يتفاعل اللاعبون مع الذكاء الاصطناعي ويقومون بتدريب شخصيات الذكاء الاصطناعي الخاصة بهم. اجعل شخصيات الذكاء الاصطناعي أكثر انسجامًا مع الاحتياجات الشخصية، مثل أن تكون أكثر انسجاما مع التفضيلات الشخصية أو أكثر فعالية في القتال وتنافسية في ميكانيكا اللعبة. تعد الألعاب مرحلة انتقالية قبل دخول الذكاء الاصطناعي إلى العالم الحقيقي. وهي أيضًا مسار يتمتع حاليًا بمخاطر منخفضة في التنفيذ ويسهل على المستخدمين العاديين فهمه. مشاريع مميزة مثل AI Arena وEchelon Prime وAltered State Machine وما إلى ذلك.

• AI Arena: AI Arena هي لعبة حيث يمكن للاعبين التعلم والتدريب من خلال الذكاء الاصطناعي لتطوير لعبتهم بشكل مستمر. وتأمل لعبة القتال PVP أن تسمح لعدد أكبر من المستخدمين العاديين بالاتصال وفهم وتجربة الذكاء الاصطناعي على شكل ألعاب، وفي الوقت نفسه تسمح لمهندسي الذكاء الاصطناعي بتوفير خوارزميات الذكاء الاصطناعي المختلفة القائمة على AI Arena لزيادة الدخل. كل شخصية في اللعبة عبارة عن NFT مدعومة بالذكاء الاصطناعي، حيث يعتبر Core هو جوهرها الذي يحتوي على نموذج الذكاء الاصطناعي، بما في ذلك جزأين: البنية والمعلمات، والتي يتم تخزينها على IPFS.يتم إنشاء المعلمات في NFT الجديدة بشكل عشوائي، مما يعني أنها سينفذ إجراءات عشوائية، ويحتاج المستخدمون إلى تحسين القدرات الإستراتيجية للشخصية من خلال عملية التعلم بالتقليد (IL). في كل مرة يقوم فيها المستخدم بتدريب الشخصية وحفظ التقدم، سيتم تحديث المعلمات على IPFS.

• Altered State Machine: ASM ليست لعبة ذكاء اصطناعي، ولكنها بروتوكول لـ AI Agent لتأكيد الحقوق والتجارة. باعتباره بروتوكول Metaverse AI، يتم حاليًا دمجه مع ألعاب متعددة بما في ذلك FIFA، وإدخال وكلاء الذكاء الاصطناعي في الألعاب وMetaverse. يستخدم ASM NFT لتأكيد عملاء الذكاء الاصطناعي وتداولهم. سيحتوي كل عميل على ثلاثة أجزاء: الدماغ (خصائص الوكيل الخاصة)، والذكريات (الجزء الذي يخزن الاستراتيجيات السلوكية التي تعلمها العميل والتدريب النموذجي، ويرتبط بالدماغ)، الشكل (مظهر الشخصية، وما إلى ذلك). لدى ASM وحدة رياضية، بما في ذلك موفر سحابة GPU اللامركزية، والذي يمكنه توفير دعم طاقة الحوسبة للوكيل. تشمل المشاريع التي تستخدم ASM حاليًا كأساس أساسي AIFA (لعبة كرة قدم تعمل بالذكاء الاصطناعي)، ومحمد علي (لعبة ملاكمة تعمل بالذكاء الاصطناعي)، وAI League (لعبة كرة قدم في الشوارع بالشراكة مع FIFA)، وRaicers (لعبة سباق تعتمد على الذكاء الاصطناعي)، وFLUF World's Thingies (منتجة NFT).

• Parallel Colony (PRIME): تعمل Echelon Prime على تطوير Parallel Colony، وهي لعبة تعتمد على الذكاء الاصطناعي LLM والتي يمكن للاعبين التفاعل معها باستخدام الصورة الرمزية AI الخاصة بك والتأثير عليها، وستعمل الصورة الرمزية بشكل مستقل بناءً على الذكريات ومسارات الحياة. تعد Colony حاليا واحدة من أكثر ألعاب الذكاء الاصطناعي المنتظرة. ومؤخرا، أصدر المسؤول تقريرا أبيض وأعلن عن انتقاله إلى Solana، الأمر الذي أدى إلى موجة جديدة من المكاسب لـ PRIME.

2.2 التنبؤ بالسوق/المنافسة

القدرة على التنبؤ هي أساس اتخاذ القرار والسلوك المستقبلي للذكاء الاصطناعي. قبل استخدام نموذج الذكاء الاصطناعي التنبؤ الفعلي، التنبؤ تقارن المنافسة أداء نماذج الذكاء الاصطناعي على مستوى أعلى وتوفر حوافز لعلماء البيانات/نماذج الذكاء الاصطناعي من خلال الرموز المميزة، والتي لها أهمية إيجابية لتطوير Crypto×AI بأكمله - من خلال الحوافز والتطوير المستمر لأقوى وأكثر نماذج وتطبيقات أكثر كفاءة وأداءً مناسبة لعالم العملات المشفرة، مما يؤدي إلى إنشاء منتجات أفضل وأكثر أمانًا قبل أن يمارس الذكاء الاصطناعي تأثيرًا أعمق على اتخاذ القرار والسلوك. كما قال V God، فإن سوق التنبؤ هو سوق بدائي قوي يمكن توسيعه ليشمل أنواعًا أخرى من المشكلات. تشمل المشاريع المميزة في هذا المسار: Numerai وOcean Protocol.

• Numera: Numerai هي مسابقة لعلوم البيانات مستمرة منذ فترة طويلة. يتنافس علماء البيانات على أساس على بيانات السوق التاريخية. (مقدمة من Numerai) تدريب نموذج التعلم الآلي للتنبؤ بسوق الأوراق المالية، ومشاركة النموذج ورموز NMR في البطولات. ستتم مكافأة النماذج ذات الأداء الأفضل برموز NMR، في حين سيتم مكافأة الرموز المميزة للنماذج الأضعف يتم تدميرها. اعتبارًا من 7 مارس 2024، تم وضع إجمالي 6,433 نموذجًا، وقد قدم البروتوكول حوافز إجمالية قدرها 75,760,979 دولارًا لعلماء البيانات. تعمل Numerai على إلهام علماء البيانات العالميين للتعاون لبناء أنواع جديدة من صناديق التحوط، مع الصناديق التي تم إطلاقها حتى الآن بما في ذلك Numerai One وNumerai Supreme. مسار نوميراي: منافسة التنبؤ بالسوق ← نموذج التنبؤ بالتعهيد الجماعي ← صندوق تحوط جديد يعتمد على نموذج التعهيد الجماعي.

• Ocean Protocol: يركز Ocean Predictor على التنبؤات، بدءًا من التنبؤات الجماعية لاتجاهات العملة المشفرة. يمكن للاعبين اختيار تشغيل Predictoor bot أو Trader bot. يستخدم Predictoor bot نموذج الذكاء الاصطناعي للتنبؤ بسعر العملة المشفرة (مثل BTC/USDT) في النقطة الزمنية التالية (مثل بعد خمس دقائق) ويتعهد بمبلغ معين قدره دولار. OCEAN. ستكون الاتفاقية مبنية على أساس التنبؤ العالمي الذي يتم حسابه من خلال ترجيح مبلغ التعهدات. يقوم المتداولون بشراء نتائج التنبؤ ويمكنهم التداول بناءً عليها. عندما تكون دقة نتائج التنبؤ عالية، يمكن للمتداولين الاستفادة منها. المتنبئون الذين سيتم معاقبة أولئك الذين يتنبأون بشكل خاطئ، في حين أن أولئك الذين يتنبأون بشكل صحيح يمكنهم الحصول على هذا الجزء من الرموز المميزة ورسوم شراء المتداولين بمثابة مكافآت. في 2 مارس، أعلنت شركة Ocean Predictor عن أحدث اتجاهاتها - نموذج العالم العالمي (WWM) في وسائل الإعلام، وبدأت في استكشاف تنبؤات العالم الحقيقي مثل الطقس والطاقة.

3 الذكاء الاصطناعي كواجهة

يمكن أن يساعد الذكاء الاصطناعي المستخدمين على فهم ما يحدث بلغة بسيطة وسهلة الفهم، ويكون بمثابة مرشد للمستخدمين في عالم العملات المشفرة، ويقدم نصائح حول ما يمكن فعله مخاطر تقليل عتبات استخدام التشفير ومخاطر المستخدم لتحسين تجربة المستخدم. تتمتع المنتجات المحددة القابلة للتحقيق بوظائف غنية، مثل التذكير بالمخاطر أثناء تفاعل المحفظة، والمعاملات النية المستندة إلى الذكاء الاصطناعي، وروبوت الدردشة المدعم بالذكاء الاصطناعي الذي يمكنه الإجابة على أسئلة التشفير الخاصة بالمستخدمين العاديين، وما إلى ذلك. من خلال توسيع مجموعة الجمهور، ستصبح جميع المجموعات تقريبًا، بما في ذلك المستخدمين العاديين والمطورين والمحللين وما إلى ذلك، أهدافًا لخدمة الذكاء الاصطناعي.

دعونا نكرر ما هو مشترك بين هذه المشاريع: فهي لم تحل بعد محل البشر في تنفيذ قرارات وسلوكيات معينة، ولكنها تستخدم نماذج الذكاء الاصطناعي لتزويد البشر بالمعلومات والأدوات اللازمة للمساعدة في اتخاذ القرار والسلوكيات . بدءًا من هذا المستوى، بدأ خطر شر الذكاء الاصطناعي ينكشف في النظام، حيث يمكن أن يتدخل في الحكم النهائي للبشر من خلال تقديم معلومات خاطئة، وقد تم أيضًا تحليل هذا بالتفصيل في مقالة بوتيرين.

هناك العديد من المشاريع المعقدة التي يمكن تصنيفها ضمن هذه الفئة، بما في ذلك chatbot AI، وتدقيق العقود الذكية AI، وكتابة الأكواد AI، وروبوت التداول AI، وما إلى ذلك ويمكن القول أن الغالبية العظمى منها حاليًا، توجد تطبيقات الذكاء الاصطناعي في المستوى الأساسي لهذه الفئة. وتشمل المشاريع التمثيلية ما يلي:

• PaaL: PaaL It is حاليًا هو المشروع الرائد لـ AI Chatbot. يمكن اعتباره ChatGPT مدربًا بالمعرفة المتعلقة بالعملات المشفرة. من خلال دمج TG وDiscord، يمكنه تزويد المستخدمين بما يلي: تحليل بيانات الرمز المميز، وأساسيات الرمز المميز، وتحليل اقتصاديات الرمز المميز، وصور إنشاء النص. وظائف أخرى، يمكن دمج PaaL Bot في الدردشات الجماعية للرد تلقائيًا على بعض المعلومات. يدعم PaaL تخصيص الروبوتات الشخصية، ويمكن للمستخدمين إنشاء قاعدة معارف الذكاء الاصطناعي الخاصة بهم والروبوتات المخصصة عن طريق تغذية مجموعات البيانات. تتجه Paal نحو AI Trading Bot. وفي 29 فبراير، أعلنت عن إطلاق منصة PaalX لأبحاث وتداول العملات المشفرة المدعومة بالذكاء الاصطناعي. ووفقًا للمقدمة، يمكنها تحقيق تدقيق العقود الذكية المدعومة بالذكاء الاصطناعي، وتكامل الأخبار والتداول على تويتر، دعم أبحاث وتداول العملات المشفرة، يمكن لمساعد الذكاء الاصطناعي خفض عتبة المستخدم.

• ChainGPT: يعتمد ChainGPT على الذكاء الاصطناعي لتطوير سلسلة من أدوات التشفير، مثل chatbot ومولد NFT ومجموعة الأخبار ، إنشاء وتدقيق العقود الذكية، مساعد التداول، السوق الفوري والتبادل عبر سلسلة الذكاء الاصطناعي. ومع ذلك، ينصب تركيز ChainGPT الحالي على احتضان المشاريع وLaunchpad، وقد أكملت IDOs لـ 24 مشروعًا و4 هدايا مجانية.

• Arkham: Ultra هو محرك الذكاء الاصطناعي المخصص لـ Arkham. حالة الاستخدام هي مطابقة العناوين مع الكيانات الحقيقية من خلال الخوارزميات. زيادة الشفافية في صناعة التشفير. تجمع Ultra بين البيانات الموجودة على السلسلة وخارجها والتي يقدمها المستخدمون والتي تم جمعها بنفسها، وتخرجها في قاعدة بيانات قابلة للتوسيع، والتي يتم تقديمها أخيرًا في شكل رسوم بيانية. ومع ذلك، لم تتم مناقشة نظام Ultra بالتفصيل في وثيقة Arkham، والسبب في حصول Arkham على الاهتمام هذه المرة هو الاستثمار الشخصي لمؤسس OpenAI Sam Altman فيه، والذي ارتفع 5 مرات في الثلاثين يومًا الماضية.

• GraphLinq: GraphLinq هو حل تلقائي لإدارة العمليات مصمم لتمكين المستخدمين من نشر وإدارة أنواع مختلفة من وظائف الأتمتة بدون برمجة، مثل دفع سعر البيتكوين في Coingecko إلى TG Bot كل 5 دقائق. حل GraphLinq هو استخدام Graph لتصور عملية الأتمتة، ويمكن للمستخدمين إنشاء مهام آلية عن طريق سحب العقد وتنفيذها باستخدام GraphLinq Engine. على الرغم من عدم الحاجة إلى تعليمات برمجية، إلا أن عملية إنشاء الرسم البياني لا تزال لها حد معين للمستخدمين العاديين، بما في ذلك اختيار القالب المناسب، واختيار القالب المناسب من بين مئات الكتل المنطقية، وربطها. لذلك، تقدم GraphLinq الذكاء الاصطناعي، مما يسمح للمستخدمين باستخدام الذكاء الاصطناعي للمحادثة واللغة الطبيعية لإكمال إنشاء المهام الآلية وإدارتها.

• **0x0.ai: ** لدى 0x0 ثلاث أعمال رئيسية متعلقة بالذكاء الاصطناعي: تدقيق العقود الذكية بالذكاء الاصطناعي، واكتشاف الذكاء الاصطناعي لمكافحة السجاد، ومركز مطور الذكاء الاصطناعي. من بينها، سوف يكتشف نظام كشف الذكاء الاصطناعي السلوكيات المشبوهة، مثل الضرائب المفرطة أو استنزاف السيولة، لمنع خداع المستخدمين. ويستخدم مركز مطوري الذكاء الاصطناعي تكنولوجيا التعلم الآلي لإنشاء عقود ذكية وتحقيق عقود نشر بدون تعليمات برمجية. ومع ذلك، لم يتم إطلاق تدقيق العقود الذكية باستخدام الذكاء الاصطناعي إلا في البداية، ولم يتم تطوير الوظيفتين الأخريين بعد.

• Zignaly: تأسست Zignaly في عام 2018، بهدف السماح للمستثمرين الأفراد باختيار مديري الصناديق لإدارة أصول العملة المشفرة لأنفسهم، على غرار نسخ التداول منطق. وتستخدم زينجلي تكنولوجيا التعلم الآلي والذكاء الاصطناعي لإنشاء نظام مؤشرات للتقييم المنهجي لمديري الصناديق. والمنتج الأول الذي تم إطلاقه حاليا هو Z-Score، ولكنه كمنتج للذكاء الاصطناعي لا يزال بدائيا نسبيا.

4 الذكاء الاصطناعي كقواعد للعبة

هذا هو الجزء الأكثر إثارة - السماح للذكاء الاصطناعي بأن يحل محل البشر في اتخاذ القرار والسلوك. سوف يتحكم الذكاء الاصطناعي الخاص بك بشكل مباشر في محفظتك ويجري المعاملات على حسابك نيابة عن اتخاذ القرار والسلوك. بموجب هذا التصنيف، يعتقد المؤلف أنه يمكن تقسيمه بشكل أساسي إلى ثلاثة مستويات: تطبيقات الذكاء الاصطناعي (خاصة التطبيقات ذات رؤية اتخاذ القرار المستقل، مثل روبوت التداول الآلي القائم على الذكاء الاصطناعي، وروبوت الدخل AI DeFi)، وبروتوكول الوكيل المستقل و zkml/opml.

تطبيقات الذكاء الاصطناعي هي أدوات لاتخاذ قرارات محددة بشأن المشكلات في مجال معين. فهي تجمع المعرفة والبيانات في أقسام فرعية مختلفة وتعتمد على الذكاء الاصطناعي المصمم خصيصًا لحل المشكلات المقسمة. النموذج هو الذي يتخذ القرارات. تجدر الإشارة إلى أن تطبيقات الذكاء الاصطناعي تصنف في هذه المقالة إلى فئتين: الواجهات والقواعد، ومن منظور الرؤية التنموية، يجب أن تصبح تطبيقات الذكاء الاصطناعي عوامل مستقلة لصنع القرار، ولكن في الوقت الحاضر، لا فعالية الذكاء الاصطناعي النموذج ولا أمان الذكاء الاصطناعي المتكامل، غير قادرين على تلبية هذا المطلب، بل إنهم مترددون قليلاً كواجهة. تطبيقات الذكاء الاصطناعي في مرحلة مبكرة جدًا. لقد تم تقديم المشاريع المحددة مسبقًا، لذلك لن أخوض في التفاصيل هنا.

ذكر بوتيرين العامل المستقل في الفئة الأولى (الذكاء الاصطناعي كمشارك)، ومن منظور الرؤية طويلة المدى، يصنفه هذا المقال في الفئة الثالثة. يستخدم الوكيل المستقل كميات كبيرة من البيانات والخوارزميات لمحاكاة التفكير البشري وعمليات صنع القرار وأداء المهام والتفاعلات المختلفة. تركز هذه المقالة على طبقة اتصال الوكيل وطبقة الشبكة والبنية التحتية الأخرى. تحدد هذه البروتوكولات حقوق ملكية الوكيل، وتحدد هوية الوكيل ومعايير الاتصال وطرق الاتصال، وتربط تطبيقات الوكيل المتعددة، وتمكن اتخاذ القرار والسلوك التعاوني.

zkML/opML: استخدام أساليب التشفير أو الاقتصاد لضمان استخدام عملية استنتاج النموذج الصحيحة لتوفير مخرجات موثوقة. تعد القضايا الأمنية قاتلة جدًا لإدخال الذكاء الاصطناعي في العقود الذكية، حيث تعتمد العقود الذكية على المدخلات لتوليد المخرجات وتنفيذ سلسلة من الوظائف تلقائيًا، وبمجرد أن يفعل الذكاء الاصطناعي الشر ويعطي مدخلات خاطئة، فإنه سيقدم مخاطر نظامية كبيرة لنظام التشفير بأكمله. لذا فإن zkML /opML ومجموعة من الحلول المحتملة هي الأساس للسماح للذكاء الاصطناعي بالعمل واتخاذ القرارات بشكل مستقل.

أخيرًا، تشكل المستويات الثلاثة الأساسية الثلاثة للذكاء الاصطناعي كقواعد تشغيل: zkml/opml، باعتبارها البنية التحتية الأدنى، تضمن أمان البروتوكول؛ وينشئ بروتوكول الوكيل النظام البيئي للوكيل، والذي يمكن اتخاذ القرار والسلوك التعاوني؛ ستعمل تطبيقات الذكاء الاصطناعي، وكذلك وكلاء الذكاء الاصطناعي المحددون، على تحسين قدراتهم باستمرار في مجال معين واتخاذ القرارات والإجراءات فعليًا.

4.1 الوكيل المستقل

يعد تطبيق وكيل الذكاء الاصطناعي في عالم العملات المشفرة أمرًا طبيعيًا. فمن العقود الذكية إلى TG Bots إلى وكلاء الذكاء الاصطناعي، يتجه عالم العملات المشفرة نحو مستوى أعلى الأتمتة وحواجز أقل للمستخدم. على الرغم من أن العقود الذكية تنفذ الوظائف تلقائيًا من خلال تعليمات برمجية غير قابلة للتلاعب، إلا أنها لا تزال بحاجة إلى الاعتماد على مشغلات خارجية للاستيقاظ، ولا يمكنها العمل بشكل مستقل ومستمر؛ تعمل TG Bots على خفض عتبة المستخدم. ولا يحتاج المستخدمون إلى التفاعل مباشرة مع واجهة التشفير. النهاية، ولكن من خلال اللغة الطبيعية تكمل التفاعلات على السلسلة، لكنها لا تستطيع سوى إكمال مهام بسيطة ومحددة للغاية، ولا تزال غير قادرة على تحقيق المعاملات التي تركز على غرض المستخدم؛ يتمتع وكلاء الذكاء الاصطناعي بقدرات معينة لاتخاذ القرار المستقل، ويفهمون اللغة الطبيعية للمستخدم، والعثور بشكل مستقل على الوكلاء الآخرين والأدوات الموجودة على السلسلة والجمع بينها لتحقيق الأهداف المحددة بواسطة المستخدم.

يلتزم AI Agent بتحسين تجربة استخدام منتجات التشفير بشكل كبير، ويمكن أن تساعد تقنية blockchain أيضًا في تشغيل AI Agent ليكون أكثر لامركزية وشفافية وأمانًا. المساعدة المحددة هي:

• < strong>Autonolas: يدعم Autonolas تأكيد الأصول وقابلية تكوين الوكلاء والمكونات ذات الصلة من خلال البروتوكولات الموجودة على السلسلة، مما يتيح اكتشاف مكونات التعليمات البرمجية والوكلاء والخدمات وإعادة استخدامها على السلسلة، وتحفيز المطورين على الحصول على تعويض مالي. بعد أن يقوم المطورون بتطوير وكيل أو مكون كامل، سيقومون بتسجيل الكود على السلسلة والحصول على NFT الذي يمثل ملكية الكود، وسيقوم مالك الخدمة بتوحيد عدة وكلاء لإنشاء خدمة وتسجيلها على السلسلة، وجذب الوكيل يتم تنفيذ مشغلي الخدمة فعليًا ويدفع المستخدم مقابل استخدام الخدمة.

• Fetch.ai: يتمتع Fetch.ai بخلفية فريق قوية وخبرة تطويرية في مجال الذكاء الاصطناعي، ويركز حاليًا على الذكاء الاصطناعي مسار الوكيل. يتكون البروتوكول من أربع طبقات رئيسية: وكلاء الذكاء الاصطناعي، وAgentverse، ومحرك الذكاء الاصطناعي، وشبكة الجلب. وكلاء الذكاء الاصطناعي هم جوهر النظام، والبعض الآخر عبارة عن أطر عمل وأدوات تساعد في بناء خدمات الوكلاء. Agentverse عبارة عن منصة برمجية كخدمة تُستخدم بشكل أساسي لإنشاء وتسجيل وكلاء الذكاء الاصطناعي. الهدف من AI Engine هو أداء المهام من خلال قراءة مدخلات اللغة الطبيعية للمستخدم، وتحويلها إلى أحرف قابلة للتنفيذ، واختيار وكيل الذكاء الاصطناعي المسجل الأكثر ملاءمة في Agentverse. Fetch Network هي طبقة blockchain للبروتوكول. يجب تسجيل وكلاء الذكاء الاصطناعي في عقد Almanac على السلسلة قبل أن يتمكنوا من بدء الخدمات التعاونية مع وكلاء آخرين. تجدر الإشارة إلى أن Autonolas تركز حاليًا على بناء الوكلاء في عالم العملات المشفرة، وإدخال عمليات الوكلاء خارج السلسلة إلى السلسلة؛ ويشمل تركيز Fetch.ai عالم Web2، مثل حجز السفر والتنبؤ بالطقس وما إلى ذلك.

• Delysium: تحول Delysium من لعبة إلى بروتوكول AI Agent. وهو يشتمل بشكل أساسي على طبقتين: طبقة الاتصال وطبقة blockchain. طبقة الاتصال هو Delysium يوفر العمود الفقري بنية تحتية آمنة وقابلة للتطوير تتيح الاتصال السريع والفعال بين وكلاء الذكاء الاصطناعي.تقوم طبقة blockchain بتوثيق الوكيل وتحقق سجلات مقاومة للتلاعب لسلوك الوكيل من خلال العقود الذكية. على وجه التحديد، تنشئ طبقة الاتصال بروتوكول اتصال موحد بين الوكلاء وتستخدم نظام مراسلة موحدًا بحيث يتمكن الوكلاء من التواصل مع بعضهم البعض دون أي عوائق من خلال لغة مشتركة. بالإضافة إلى ذلك، فإنها تنشئ بروتوكول اكتشاف الخدمة وواجهة برمجة التطبيقات (API) حتى يتمكن المستخدمون وغيرهم من يمكن للوكلاء اكتشاف الوكلاء المتاحين والاتصال بهم بسرعة. تتكون طبقة blockchain بشكل أساسي من جزأين: معرف الوكيل وعقد Chronicle الذكي. يضمن معرف الوكيل أن الوكلاء الشرعيين فقط هم من يمكنهم الوصول إلى الشبكة. Chronicle هو مستودع سجل لجميع القرارات والسلوكيات المهمة التي يتخذها الوكيل. لا يمكن التلاعب بها بعد ذلك. يتم تحميلها إلى السلسلة، مما يضمن إمكانية التتبع الموثوق به لسلوك الوكيل.

• آلة الحالة المتغيرة: تضع NFT معايير لملكية أصول الوكيل ومعاملاته. للحصول على تحليل مفصل، راجع الجزء الأول. على الرغم من أن ASM حاليًا متصل بشكل أساسي للعبة، ولكن كمواصفات أساسية، لديها أيضًا إمكانية توسيعها لتشمل مجالات العملاء الأخرى.

• Morpheous: يتم إنشاء شبكة بيئية لعميل الذكاء الاصطناعي. تم تصميم البروتوكول لربط الأدوار الأربعة للمبرمج وموفر الكمبيوتر ومنشئ المجتمع و رأس المال، على التوالي. توفر الشبكة وكلاء الذكاء الاصطناعي، والقدرة الحاسوبية لدعم تشغيل الوكلاء، وأدوات الواجهة الأمامية والتطوير، والأموال. ستأخذ MOR شكل الإطلاق العادل للقائمين بالتعدين، أو المتعهدين بـ stETH، أو الوكلاء أو المساهمين في تطوير العقود الذكية، والمساهمين في تنمية المجتمع الذين يوفرون القدرة الحاسوبية.تقديم الحوافز.

4.2 zkML/opML

يحتوي إثبات المعرفة الصفرية حاليًا على اتجاهين رئيسيين للتطبيق:

• إثبات أن العملية تعمل بشكل صحيح على السلسلة وبتكلفة أقل (يستفيد ZK-Rollup وجسر ZKP عبر السلسلة من هذه الميزة في ZK)؛

• حماية الخصوصية: لا تحتاج إلى معرفة تفاصيل الحساب لإثبات أن الحساب قد تم بشكل صحيح.

وبالمثل، يمكن أيضًا تقسيم تطبيق ZKP في التعلم الآلي إلى فئتين:

< li >

التحقق من الاستدلال: أي أنه من خلال مقاومة ZK، تم إثبات على السلسلة بتكلفة أقل أن عملية الحساب المكثفة لاستدلال نموذج الذكاء الاصطناعي يتم تنفيذها بشكل صحيح خارج السلسلة.

• حماية الخصوصية: يمكن تقسيمها إلى فئتين إحداهما حماية خصوصية البيانات، أي استخدام البيانات الخاصة للاستدلال على نموذج عام، ويمكن استخدام ZKML يستخدم لاستنتاج حماية البيانات الخاصة، والثاني هو حماية خصوصية النموذج، على أمل إخفاء معلومات محددة مثل وزن النموذج، وحساب نتائج الإخراج من المدخلات العامة.

يعتقد المؤلف أن التحقق من الاستدلال أكثر أهمية بالنسبة للعملات المشفرة في الوقت الحاضر، وسنقوم بمزيد من التفصيل حول سيناريو التحقق من الاستدلال هنا. بدءًا من الذكاء الاصطناعي كمشارك في الذكاء الاصطناعي كقاعدة للعالم، نأمل أن نجعل الذكاء الاصطناعي جزءًا من العملية على السلسلة، ومع ذلك، فإن التكلفة الحسابية لاستدلال نموذج الذكاء الاصطناعي مرتفعة جدًا بحيث لا يمكن تشغيلها مباشرة على السلسلة. معالجة خارج السلسلة، وهذا يعني أننا بحاجة إلى تحمل مشكلات الثقة التي يسببها هذا الصندوق الأسود - هل عبث مشغل نموذج الذكاء الاصطناعي بمدخلاتي؟ هل تم استخدام النموذج الذي حددته للاستدلال؟ من خلال تحويل نماذج ML إلى دوائر ZK، من الممكن: (1) تحميل نماذج أصغر إلى السلسلة، وتخزين نماذج zkML الصغيرة في العقود الذكية، وتحميلها مباشرة إلى السلسلة لحل مشكلة العتامة؛ (2) الاستدلال الكامل خارج السلسلة، وإنشاء إثبات ZK في نفس الوقت، لإثبات صحة عملية الاستدلال عن طريق تشغيل إثبات ZK على السلسلة، ستتضمن البنية التحتية عقدين - العقد الرئيسي (باستخدام نموذج ML لإخراج النتائج) وعقد التحقق من ZK-Proof.

لا يزال zkML في مرحلة مبكرة جدًا، حيث يواجه مشكلات فنية في تحويل نماذج ML إلى دوائر ZK، فضلاً عن التكاليف العامة الحسابية والتشفيرية المرتفعة للغاية. مثل مسار تطوير Rollup، أصبح opML حلاً آخر من منظور اقتصادي. يستخدم opML افتراض Arbitrum's AnyTrust، أي أن كل مطالبة تحتوي على عقدة صادقة واحدة على الأقل للتأكد من صدق المرسل أو مدقق واحد على الأقل. ومع ذلك، لا يمكن أن يكون OPML سوى بديل للتحقق من الاستدلال ولا يمكنه تحقيق حماية الخصوصية.

المشروع الحالي هو بناء البنية التحتية لـ zkML والعمل الجاد لاستكشاف تطبيقاتها. وإنشاء التطبيقات له نفس القدر من الأهمية لأنه يحتاج إلى أن يثبت بوضوح لمستخدمي التشفير الدور الهام لـ zkML ويثبت أن الحل النهائي القيمة يمكن أن تعوض التكلفة الضخمة. ومن بين هذه المشاريع، يركز بعضها على أبحاث وتطوير تكنولوجيا ZK المتعلقة بالتعلم الآلي (مثل Modulus Labs)، بينما يركز البعض الآخر على إنشاء البنية التحتية العامة لـ ZK. وتشمل المشاريع ذات الصلة ما يلي:

• تستخدم Modulus zkML لتطبيق الذكاء الاصطناعي على عملية الاستدلال على السلسلة. أطلقت Modulus أداة zkML Prover Remainder في 27 فبراير، والتي تحقق تحسينًا في الكفاءة بمقدار 180 ضعفًا مقارنة باستدلال الذكاء الاصطناعي التقليدي على الأجهزة المكافئة. بالإضافة إلى ذلك، تتعاون Modulus مع مشاريع متعددة لاستكشاف حالات الاستخدام العملي لـ zkML، مثل العمل مع Upshot لجمع بيانات السوق المعقدة، وتقييم أسعار NFT، ونقل الأسعار إلى السلسلة باستخدام الذكاء الاصطناعي مع إثبات ZK؛ وتتعاون AI Arena من أجل إثبات أن الصورة الرمزية التي يتم قتالها هي نفسها التي قام اللاعب بتدريبها.

• يضع Risc Zero النموذج في السلسلة، ومن خلال تشغيل نموذج التعلم الآلي في RISC Zero's ZKVM، يمكن إثبات أن الحسابات الدقيقة المضمنة في النموذج قد تم إجراؤها بشكل صحيح .

• تعمل Ingonyama على تطوير أجهزة مخصصة لتقنية ZK، والتي قد تقلل من حاجز الدخول إلى مجال تكنولوجيا ZK، ويمكن أيضًا استخدام zkML في عملية التدريب النموذجي.

5 الذكاء الاصطناعي كهدف

إذا ركزت الفئات الثلاث الأولى بشكل أكبر على كيفية تمكين الذكاء الاصطناعي للعملات المشفرة، فإن "الذكاء الاصطناعي كهدف" يؤكد على كيفية تمكين التشفير قد تتضمن مساعدة الذكاء الاصطناعي، أي كيفية استخدام التشفير لإنشاء نماذج ومنتجات أفضل للذكاء الاصطناعي، معايير تقييم متعددة: أكثر كفاءة، وأكثر دقة، وأكثر لامركزية، وما إلى ذلك.

يتضمن الذكاء الاصطناعي ثلاثة محاور: البيانات، وقوة الحوسبة، والخوارزمية. وفي كل بُعد، تلتزم شركة Crypto بتقديم مساعدة أكثر فعالية للذكاء الاصطناعي:

• البيانات: البيانات هي أساس التدريب النموذجي. سيشجع بروتوكول البيانات اللامركزية الأفراد أو المؤسسات على توفير المزيد من بيانات المجال الخاص، مع استخدام التشفير لضمان خصوصية البيانات وتجنب تسرب البيانات الشخصية الحساسة. إفساح المجال .

• قوة الحوسبة: يعد مسار قوة الحوسبة اللامركزية حاليًا هو المسار الأكثر سخونة للذكاء الاصطناعي. وتعزز الاتفاقية قوة الحوسبة طويلة المدى وشركات الذكاء الاصطناعي من خلال توفير سوق متطابقة بين العرض والطلب. مطابقة للتدريب النموذجي والاستدلال.

• الخوارزمية: يعد تمكين الخوارزميات في شركة Crypto هو الرابط الأساسي في تحقيق الذكاء الاصطناعي اللامركزي، وهو أيضًا المحتوى الرئيسي لسرد "الذكاء الاصطناعي كهدف" في مقالة بوتيرين. من خلال الذكاء الاصطناعي للصندوق الأسود المركزي الجدير بالثقة، سيتم حل مشكلة التعلم الآلي التنافسي المذكورة أعلاه، ولكنها ستواجه سلسلة من العقبات مثل تكاليف التشفير المرتفعة للغاية. علاوة على ذلك، يمكن أيضًا تحقيق "استخدام حوافز التشفير لتشجيع تحسين الذكاء الاصطناعي" دون الوقوع تمامًا في حفرة التشفير الكاملة.

أدى احتكار شركات التكنولوجيا الكبرى للبيانات والقدرة الحاسوبية إلى احتكار عملية التدريب النموذجي، وأصبحت النماذج مغلقة المصدر هي المفتاح لأرباح الشركات. المؤسسات الكبيرة. من منظور البنية التحتية، تشجع Crypto الإمداد اللامركزي للبيانات والقدرة الحاسوبية من خلال الوسائل الاقتصادية، مع ضمان خصوصية البيانات في العملية من خلال أساليب التشفير، وبناءً على ذلك، فإنها تسهل التدريب على النماذج اللامركزية لتحقيق ذكاء اصطناعي أكثر شفافية ولامركزية.

5.1 بروتوكول البيانات اللامركزي

يتم تنفيذ بروتوكول البيانات اللامركزي بشكل أساسي في شكل الاستعانة بمصادر خارجية للبيانات، مما يشجع المستخدمين على توفير مجموعات البيانات أو خدمات البيانات (مثل التعليقات التوضيحية للبيانات) لاستخدام المؤسسة قم بتنفيذ تدريب نموذجي وفتح سوق بيانات لتعزيز مطابقة العرض والطلب. وتستكشف بعض البروتوكولات أيضًا استخدام بروتوكولات حوافز DePIN للحصول على بيانات تصفح المستخدمين، أو استخدام معدات المستخدم/عرض النطاق الترددي لإكمال الزحف إلى بيانات الشبكة.

• Ocean Protocol: لتأكيد البيانات وترميزها، يمكن للمستخدمين استخدام الطريقة الخالية من التعليمات البرمجية في Ocean Protocol بعد إكمال إنشاء NFT للبيانات/الخوارزمية، وإنشاء رمز البيانات المقابل للتحكم في الوصول إلى بيانات NFT. يضمن Ocean Protocol خصوصية البيانات من خلال Compute To Data (C2D). يمكن للمستخدمين الحصول على نتائج المخرجات فقط بناءً على البيانات/الخوارزمية، ولكن لا يمكنهم تنزيلها بالكامل. تم إنشاء Ocean Protocol في عام 2017. كسوق للبيانات، من الطبيعي اللحاق بقطار الذكاء الاصطناعي السريع في هذه الجولة من الجنون.

• Synesis One: هذا المشروع هو منصة Train2Earn على Solana. يمكن للمستخدمين الحصول على مكافآت SNS بقيمة $ من خلال توفير بيانات اللغة الطبيعية والتعليقات التوضيحية للبيانات. المستخدمون حسب من خلال توفير البيانات لدعم التعدين، سيتم تخزين البيانات وتحميلها على السلسلة بعد التحقق منها، واستخدامها من قبل شركات الذكاء الاصطناعي للتدريب والاستدلال. على وجه التحديد، ينقسم القائمون بالتعدين إلى ثلاث فئات: المهندس المعماري/الباني/المدقق. المهندس المعماري مسؤول عن إنشاء مهام بيانات جديدة، ويوفر Builder مجموعة من مهام البيانات المقابلة، ويتحقق Validator من مجموعة البيانات المقدمة من Builder. سيتم تخزين مجموعة البيانات المكتملة في IPFS، وسيتم حفظ مصدر البيانات وعنوان IPFS على السلسلة وسيتم تخزينهما في قاعدة بيانات خارج السلسلة لتستخدمها شركة الذكاء الاصطناعي (حاليًا Mind AI).

• العشب: طبقة البيانات اللامركزية المعروفة باسم AI هي في الأساس سوق لا مركزية لتجميع الويب، وتستخدم هذا للحصول على بيانات التدريب على نماذج الذكاء الاصطناعي. تعد مواقع الإنترنت مصدرًا مهمًا لبيانات التدريب على الذكاء الاصطناعي، وتعد بيانات العديد من مواقع الويب، بما في ذلك Twitter وGoogle وReddit، ذات قيمة كبيرة، لكن هذه المواقع تقيد باستمرار الزحف إلى البيانات. يستخدم Grass النطاق الترددي غير المستخدم في الشبكات الشخصية لتقليل تأثير حظر البيانات عن طريق استخدام عناوين IP مختلفة لالتقاط البيانات من مواقع الويب العامة، وإكمال التنظيف الأولي للبيانات، ويصبح مصدر بيانات لشركات ومشاريع تدريب نماذج الذكاء الاصطناعي. Grass حاليًا في مرحلة الاختبار التجريبي، ويمكن للمستخدمين توفير النطاق الترددي لكسب النقاط لتلقي عمليات إسقاط جوي محتملة.

• بروتوكول AIT: بروتوكول AIT هو بروتوكول تعليقات توضيحية لا مركزية للبيانات مصمم لتزويد المطورين بمجموعات بيانات عالية الجودة. تمرين. يمكّن Web3 القوى العاملة العالمية من الوصول بسرعة إلى الشبكة والحصول على حوافز من خلال شرح البيانات. سيقوم علماء البيانات في AIT بتعليق البيانات مسبقًا، والتي سيتم بعد ذلك معالجتها من قبل المستخدمين. بعد فحصها من قبل علماء البيانات، البيانات التي اجتازت اختبار سيتم توفير فحص الجودة للمطورين.

بالإضافة إلى توفير البيانات المذكورة أعلاه وبروتوكولات التعليقات التوضيحية للبيانات، فإن البنية التحتية السابقة للتخزين اللامركزي، مثل Filecoin وArweave وما إلى ذلك، ستوفر أيضًا المساعدة لمزيد من البيانات اللامركزية.

5.2 قوة الحوسبة اللامركزية

في عصر الذكاء الاصطناعي، أصبحت أهمية قوة الحوسبة واضحة بذاتها، ولا يرتفع سعر سهم NVIDIA إلى الذروة فحسب، بل في عالم التشفير. ، قوة الحوسبة اللامركزية يمكن القول أنها الجزء الأكثر إثارة للاهتمام في مسار الذكاء الاصطناعي - من بين 11 مشروعًا للذكاء الاصطناعي ضمن أفضل 200 مشروع من حيث القيمة السوقية، هناك 5 مشاريع تركز على قوة الحوسبة اللامركزية (Render/Akash/ AIOZ Network/Golem/Nosana)، وحققت مكاسب عالية في الأشهر القليلة الماضية. لقد شهدنا أيضًا ظهور العديد من منصات قوة الحوسبة اللامركزية في المشاريع ذات القيمة السوقية الصغيرة. على الرغم من أنها بدأت للتو، مع موجة مؤتمر Nvidia، طالما أنها مرتبطة بوحدة معالجة الرسومات، فقد اكتسبت طفرة سريعة.

من منظور خصائص المسار، يكون المنطق الأساسي للمشاريع في هذا الاتجاه متجانسًا للغاية - من خلال الحوافز الرمزية، يتم تزويد الأشخاص أو الشركات التي لديها موارد طاقة حاسوبية خاملة بالموارد، وبالتالي استخدامها تم تخفيض الموارد بشكل كبير، وتنشئ الرسوم سوق العرض والطلب على الطاقة الحاسوبية، وفي الوقت الحالي، يأتي العرض الرئيسي للطاقة الحاسوبية من مراكز البيانات، وعمال المناجم (خاصة بعد تحول إيثريوم إلى إثبات الحصة)، وقوة الحوسبة الاستهلاكية، والتعاون مع المشاريع الأخرى. وعلى الرغم من تجانسه، إلا أن هذا المسار ذو خندق كبير للمشاريع الرائدة، وتأتي المزايا التنافسية الرئيسية للمشروع من: موارد الطاقة الحاسوبية، وسعر استئجار الطاقة الحاسوبية، ومعدل استخدام الطاقة الحاسوبية، وغيرها من المزايا التقنية. تشمل المشاريع الرائدة في هذا المسار Akash وRender وio.net وGensyn.

وفقًا لاتجاهات عمل محددة، يمكن تقسيم المشاريع تقريبًا إلى فئتين: استدلال نموذج الذكاء الاصطناعي والتدريب على نموذج الذكاء الاصطناعي. نظرًا لأن التدريب على نماذج الذكاء الاصطناعي يتطلب قوة حوسبة وعرض نطاق ترددي أعلى بكثير من الاستدلال، كما أن تنفيذه أكثر صعوبة من الاستدلال الموزع، كما أن سوق الاستدلال النموذجي يتوسع بسرعة، فإن الدخل المتوقع سيكون أعلى بكثير من التدريب النموذجي في المستقبل. فمن المستحيل تمامًا تنفيذه في الوقت الحالي، حيث تركز معظم المشاريع على الاستدلال (Akash، Render، io.net)، والرائد في التدريب هو Gensyn. من بينها، Akash وRender وُلدا مبكرًا ولم يولدا لحوسبة الذكاء الاصطناعي، وقد تم استخدام Akash في الأصل للحوسبة العامة، ويستخدم Render بشكل أساسي لعرض الفيديو والصور، وتم تصميم io.net خصيصًا لحوسبة الذكاء الاصطناعي، ولكن في حوسبة الذكاء الاصطناعي. إرادة القوة بعد زيادة الطلب إلى مستوى أعلى، اتجهت هذه المشاريع إلى التطور في مجال الذكاء الاصطناعي.

لا يزال أهم مؤشرين تنافسيين يأتيان من جانب العرض (موارد الطاقة الحاسوبية) وجانب الطلب (معدل استخدام طاقة الحوسبة). لدى Akash 282 وحدة معالجة رسوميات وأكثر من 20000 وحدة معالجة مركزية، وقد أكمل 160000 عقد إيجار، ويبلغ معدل استخدام شبكة GPU 50-70%، وهو رقم جيد في هذا المسار. يحتوي io.net على 40272 وحدة معالجة رسوميات و5958 وحدة معالجة مركزية، بالإضافة إلى 4318 وحدة معالجة رسومية و159 وحدة معالجة مركزية من Render، بالإضافة إلى 1024 تراخيص وحدة معالجة رسومية من Filecoin، بما في ذلك حوالي 200 كتلة H100 وآلاف كتل A100. حاليًا، تم إكمال 151,879 استنتاجًا، هذه المرة، io. net توقعات عالية للغاية للإسقاط الجوي لجذب موارد الحوسبة.تنمو بيانات وحدة معالجة الرسومات بسرعة، ويجب إعادة تقييم قدرتها على جذب الموارد بعد إطلاق الرمز المميز. ولم يصدر Render وGensyn بيانات محددة. بالإضافة إلى ذلك، تعمل العديد من المشاريع على تحسين قدرتها التنافسية على جانب العرض والطلب من خلال التعاون البيئي. على سبيل المثال، تستخدم io.net القوة الحاسوبية لـ Render وFilecoin لتحسين احتياطيات الموارد لديها. وقد أنشأ Render خطة عميل حوسبة (RNP-004) ). فهو يسمح للمستخدمين بالوصول بشكل غير مباشر إلى موارد حوسبة Render من خلال عملاء الحوسبة - io.net، وNosana، وFedMl، وBeam، وبالتالي الانتقال بسرعة من مجال العرض إلى حوسبة الذكاء الاصطناعي.

أيضًا، انتقل إلى لا يزال التحقق من الحوسبة الكيميائية يمثل مشكلة - كيفية إثبات أن العاملين الذين لديهم موارد حاسوبية قاموا بمهام الحوسبة بشكل صحيح. يحاول Gensyn بناء طبقة التحقق هذه لضمان صحة الحسابات من خلال أدلة التعلم الاحتمالية، وبروتوكولات تحديد المواقع الدقيقة القائمة على الرسم البياني، والحوافز. يقوم القائمون على التحقق والمبلغون عن المخالفات بفحص الحسابات بشكل مشترك. لذلك، بالإضافة إلى التدريب اللامركزي، توفر Gensyn دعم الطاقة الحاسوبية، وآلية التحقق التي تنشئها لها أيضًا قيمة فريدة. كما يضيف بروتوكول فلوينس، وهو بروتوكول الحوسبة الموجود على سولانا، التحقق من مهام الحوسبة. ويمكن للمطورين التحقق من أن تطبيقاتهم تعمل كما هو متوقع وأن الحسابات يتم تنفيذها بشكل صحيح عن طريق التحقق من الأدلة الصادرة عن مقدمي الخدمات على السلسلة. ومع ذلك، لا يزال الطلب الفعلي هو أن "ممكن" أكبر من "موثوق". يجب أن تتمتع منصة الحوسبة أولاً بقدرة حاسوبية كافية لتكون لديها إمكانية المنافسة. بالطبع، بالنسبة لبروتوكولات التحقق الممتازة، يمكنك اختيار الوصول إلى قوة الحوسبة من المنصات الأخرى لتصبح طبقة المصادقة وطبقة البروتوكول تلعب دورًا فريدًا.

5.3 النموذج اللامركزي

لا يزال بعيدًا جدًا عن السيناريو النهائي الذي وصفه فيتاليك (كما هو موضح في الشكل أدناه). نحن حاليًا غير قادرين على إنشاء نموذج لامركزي من خلال blockchain و تقنية التشفير: يتم استخدام الذكاء الاصطناعي ذو الصندوق الأسود الجدير بالثقة لحل مشكلة التعلم الآلي العدائي، كما أن تشفير عملية تشغيل الذكاء الاصطناعي بأكملها بدءًا من التدريب على البيانات وحتى إخراج الاستعلام يعد بمثابة تكلفة كبيرة جدًا. ومع ذلك، هناك حاليًا مشاريع تحاول إنشاء نماذج أفضل للذكاء الاصطناعي من خلال آليات الحوافز، فهي تفتح أولاً الحالة المغلقة بين النماذج المختلفة وتخلق نمطًا من التعلم المتبادل والتعاون والمنافسة الصحية بين النماذج، ويعتبر Bittensor هو الأكثر تمثيلاً لها. . مشروع.

• Bittensor: تعمل Bittensor على الترويج للجمع بين نماذج الذكاء الاصطناعي المختلفة، ولكن تجدر الإشارة إلى أن Bittensor نفسها لا تقوم بتدريب النموذج، ولكنها توفر بشكل أساسي خدمات استدلال الذكاء الاصطناعي . تركز شبكات Bittensor الفرعية البالغ عددها 32 على اتجاهات مختلفة للخدمة، مثل التقاط البيانات وإنشاء النص وText2Image وما إلى ذلك. عند إكمال مهمة ما، يمكن لنماذج الذكاء الاصطناعي التي تنتمي إلى اتجاهات مختلفة أن تتعاون مع بعضها البعض. تعمل آلية الحوافز على تعزيز المنافسة بين الشبكات الفرعية وداخل الشبكات الفرعية. حاليًا، يتم إصدار المكافآت بمعدل 1 TAO لكل كتلة. يتم إصدار ما يقرب من 7200 TAO Tokens يوميًا، و64 أداة تحقق في SN0 (الشبكة الجذرية) وفقًا لأداء الشبكة الفرعية، يتم تحديد نسبة توزيع هذه المكافآت بين شبكات فرعية مختلفة. ويحدد مدقق الشبكة الفرعية نسبة التوزيع بين عمال المناجم المختلفين من خلال تقييم عمل عمال المناجم، وبالتالي تحقيق خدمة وأداء أفضل. تتلقى النماذج الأفضل المزيد من الحوافز، مما يحسن بشكل عام جودة المنطق للنظام.

6 الخلاصة: ضجيج MEME أم ثورة تكنولوجية؟

من الارتفاع الكبير في أسعار ARKM وWLD الناجم عن تحركات Sam Altman إلى مؤتمر NVIDIA الذي أدى إلى سلسلة من المشاريع المشاركة، يقوم العديد من الأشخاص بتعديل فلسفتهم الاستثمارية على مسار الذكاء الاصطناعي. هل مسار الذكاء الاصطناعي ضجيج MEME أم ثورة تكنولوجية؟

باستثناء بعض موضوعات المشاهير (مثل ARKM وWLD)، فإن مسار الذكاء الاصطناعي ككل يشبه إلى حد كبير "MEME الذي تهيمن عليه الروايات التقنية".

من ناحية، يجب أن يرتبط الضجيج العام لمسار Crypto AI ارتباطًا وثيقًا بالتقدم الذي أحرزه Web2 AI. وسيصبح الضجيج الخارجي الذي تقوده OpenAI بمثابة الدافع لمسار Crypto AI. ومن ناحية أخرى، لا تزال قصة مسار الذكاء الاصطناعي تهيمن عليها الروايات التقنية، وبالطبع ما نؤكد عليه هنا هو "السرد الفني" وليس "التكنولوجيا"، وهو ما يجعل اختيار اتجاه التقسيم الفرعي للمسار مسار الذكاء الاصطناعي وأساسيات المشروع لا يزال الاهتمام مهمًا، فنحن بحاجة إلى إيجاد اتجاه سردي ذو قيمة ضجيج، ونحتاج أيضًا إلى العثور على مشاريع ذات قدرة تنافسية وخنادق على المدى المتوسط ​​والطويل.

من بين الأنواع الأربعة للمجموعات المحتملة التي اقترحها V God، يمكننا رؤية المفاضلة المتبادلة بين سحر السرد وإمكانية الهبوط. في الفئتين الأولى والثانية التي تمثلها تطبيقات الذكاء الاصطناعي، رأينا العديد من GPT Wrapper. يتم إطلاق المنتجات بسرعة ولكن تجانس الأعمال مرتفع أيضًا. أصبحت ميزة المتحرك الأول، والنظام البيئي، وعدد المستخدمين، وإيرادات المنتج، قصصًا يمكن روايتها منافسة متجانسة. تمثل الفئتان الثالثة والرابعة السرد الكبير للجمع بين الذكاء الاصطناعي والعملات المشفرة، مثل شبكة تعاون الوكيل على السلسلة، وzkML، وإعادة التشكيل اللامركزية للذكاء الاصطناعي. وكلها في مراحلها الأولى. وسوف تجتذب المشاريع ذات الابتكار التكنولوجي الأموال بسرعة. ، حتى لو كان مجرد تنفيذ مبكر جدًا.