Web3 + AI: الذكاء الاصطناعي من أجل سيادة المجتمع

عندما ألقى هوانغ رينكسون خطابًا في WGS في دبي، اقترح مصطلح "الذكاء الاصطناعي السيادي". إذًا، ما هو الذكاء الاصطناعي السيادي الذي يمكنه تلبية مصالح ومتطلبات مجتمع الكريبتو؟

ربما يجب أن يتم بناؤه على شكل Web3+AI.

وصف فيتاليك التآزر بين الذكاء الاصطناعي والعملات المشفرة في مقال "الوعد والتحديات التي تواجه تطبيقات التشفير + الذكاء الاصطناعي": يمكن أن تعمل لامركزية العملات المشفرة على موازنة مركزية الذكاء الاصطناعي؛ يوفر التشفير الشفافية؛ ويتطلب الذكاء الاصطناعي البيانات، كما تساعد تقنية blockchain على تخزين البيانات وتتبعها. يمتد هذا النوع من التعاون عبر المشهد الصناعي بأكمله لـ Web3+AI.

تستخدم معظم مشاريع Web3 + AI تقنية blockchain لحل مشاكل إنشاء مشاريع البنية التحتية في صناعة الذكاء الاصطناعي، ويستخدم عدد قليل من المشاريع الذكاء الاصطناعي لحل تطبيقات Web3 . قضايا معينة.

يبدو مشهد صناعة Web3 + AI بشكل عام كما يلي:

يبدو إنتاج الذكاء الاصطناعي وسير العمل كما يلي تقريبًا:

في هذه الروابط، مجموعة ينعكس Web3 والذكاء الاصطناعي بشكل أساسي في أربعة جوانب:

1. طبقة قوة الحوسبة: استغلال قوة الحوسبة

في العامين الماضيين، زادت قوة الحوسبة المستخدمة لتدريب نماذج الذكاء الاصطناعي الكبيرة بشكل كبير، حيث تضاعفت بشكل أساسي كل ثلاثة أشهر، وتنمو بمعدل يتجاوز بكثير قانون مور. وقد أدى هذا الوضع إلى خلل طويل الأمد في العرض والطلب على قوة حوسبة الذكاء الاصطناعي، كما ارتفعت أسعار الأجهزة مثل وحدات معالجة الرسومات بسرعة، مما أدى إلى ارتفاع تكلفة القوة الحاسوبية.

ولكن في الوقت نفسه، يوجد أيضًا عدد كبير من أجهزة الحوسبة الخاملة المتوسطة إلى المنخفضة في السوق قوة هذا الجزء من الأجهزة المتوسطة إلى المنخفضة لا يمكنها تلبية متطلبات الأداء العالي. ومع ذلك، إذا تم إنشاء شبكة طاقة حوسبة موزعة من خلال Web3 وتم إنشاء شبكة موارد حوسبة لا مركزية من خلال تأجير طاقة الحوسبة ومشاركتها، فلا يزال بإمكانها تلبية احتياجات العديد من تطبيقات الذكاء الاصطناعي. ونظرًا لأنه يستخدم قوة حوسبة خاملة موزعة، يمكن تقليل تكلفة قوة حوسبة الذكاء الاصطناعي بشكل كبير.

يتضمن التقسيم الفرعي لطبقة طاقة الحوسبة ما يلي:

• قوة الحوسبة اللامركزية العامة (مثل Arkash وIo.net وما إلى ذلك)؛

• للذكاء الاصطناعي اللامركزي قوة الحوسبة للتدريب (مثل Gensyn وFlock.io وما إلى ذلك)؛

• الحوسبة اللامركزية لقوة الذكاء الاصطناعي (مثل Fetch.ai، Hyperbolic، وما إلى ذلك)؛

• قوة الحوسبة اللامركزية للعرض ثلاثي الأبعاد (مثل انتظار شبكة العرض).

تستغل أصول قوة الحوسبة لـ Web3+AI، الميزة الأساسية تكمن في مشاريع قوة الحوسبة اللامركزية، جنبًا إلى جنب مع الحوافز الرمزية للغاية. من السهل توسيع نطاق الشبكة، وتكلفة موارد الحوسبة الخاصة بها منخفضة وفعالة من حيث التكلفة للغاية، والتي يمكن أن تلبي بعض احتياجات طاقة الحوسبة المتوسطة إلى المنخفضة.

2. طبقة البيانات: كتابة البيانات بأحرف كبيرة

Data It هو زيت ودم الذكاء الاصطناعي. إذا كنت لا تعتمد على Web3، فعادةً ما تمتلك الشركات العملاقة فقط كمية كبيرة من بيانات المستخدم، ومن الصعب على الشركات الناشئة العادية الحصول على بيانات واسعة النطاق، ولا يتم إرجاع قيمة بيانات المستخدم في صناعة الذكاء الاصطناعي إلى المستخدمين. من خلال Web3+AI، يمكن جعل العمليات مثل جمع البيانات وتعليق البيانات وتخزين البيانات الموزعة أرخص وأكثر شفافية وأكثر فائدة للمستخدمين.

يعد جمع البيانات عالية الجودة شرطًا أساسيًا للتدريب على نموذج الذكاء الاصطناعي من خلال Web3، يمكن استخدام الشبكات الموزعة، جنبًا إلى جنب مع آليات حوافز الرمز المميز، لاستخدام الحزمة العامة طريقة جمع للحصول على بيانات عالية الجودة وواسعة النطاق بتكلفة أقل.

استنادًا إلى غرض المشروع، تتضمن مشاريع البيانات بشكل أساسي الفئات التالية:

< li>< p style="text-align: left;">مشاريع جمع البيانات (مثل العشب وما إلى ذلك)؛

• مشاريع معاملات البيانات (مثل Ocean Protocol، وما إلى ذلك)؛

• مشاريع التعليقات التوضيحية للبيانات (مثل Taida وAlaya وما إلى ذلك. );

• مشاريع مصادر بيانات Blockchain (مثل Spice AI، والمكان والزمان، وما إلى ذلك)؛

• مشاريع التخزين اللامركزية (مثل Filecoin وArweave وما إلى ذلك).

تعتبر مشاريع Web3+AI القائمة على البيانات أكثر تحديًا في عملية تصميم النموذج الاقتصادي للرمز المميز لأن البيانات أقوى من البيانات. قوة الحوسبة أكثر صعوبة في توحيدها.

3. طبقة النظام الأساسي: كتابة قيمة النظام الأساسي بأحرف كبيرة

ستستهدف معظم مشاريع المنصات Hugging Face، مع جوهر دمج الموارد المختلفة في صناعة الذكاء الاصطناعي. أنشئ نظامًا أساسيًا يجمع الروابط إلى مختلف الموارد والأدوار مثل البيانات، وقدرة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي، و blockchain لحل الاحتياجات المختلفة بسهولة أكبر باستخدام النظام الأساسي كمركز. على سبيل المثال، تركز جيزة على بناء منصة تشغيل zkML شاملة، بهدف جعل استدلال التعلم الآلي موثوقًا وشفافًا، لأن البيانات والصناديق السوداء النموذجية تمثل مشكلات شائعة في الذكاء الاصطناعي في الوقت الحاضر، وتستخدم كلمات مرور مثل ZK وFHE من خلال تقنيات التعلم Web3 للتحقق من أن منطق النموذج قد تم تنفيذه بشكل صحيح سوف تستدعيه الصناعة عاجلاً أم آجلاً.

هناك أيضًا طبقة 1/طبقة 2 لـ Focus AI، مثل Nuroblocks وJanction وما إلى ذلك. يربط السرد الأساسي بين مختلف قدرات الحوسبة والبيانات والنماذج ومطوري الذكاء الاصطناعي والعقد والموارد الأخرى، ويساعد تطبيقات Web3+AI على تحقيق البناء والتطوير السريع من خلال تجميع المكونات المشتركة ومجموعات SDK المشتركة.

توجد أيضًا منصات من نوع Agent Network، والتي يمكن بناءً عليها إنشاء وكلاء الذكاء الاصطناعي لسيناريوهات التطبيقات المختلفة، مثل Olas وChainML وما إلى ذلك.

تستخدم مشاريع Web3+AI من النوع الأساسي الرمز المميز بشكل أساسي لالتقاط قيمة النظام الأساسي وتشجيع جميع المشاركين في النظام الأساسي على بنائه بشكل مشترك. إنه مفيد للمشاريع الناشئة من 0 إلى 1، ويمكن أن يقلل من الصعوبة التي يواجهها أطراف المشروع في العثور على شركاء مثل قوة الحوسبة والبيانات ومجتمعات مطوري الذكاء الاصطناعي والعقد وما إلى ذلك.

4. طبقة التطبيق: تكبير قيمة الذكاء الاصطناعي

الأكثر من مشاريع البنية التحتية السابقة تستخدم تقنية blockchain لحل مشاكل إنشاء مشاريع البنية التحتية في صناعة الذكاء الاصطناعي. تدور مشاريع طبقة التطبيقات حول استخدام الذكاء الاصطناعي لحل المشكلات في تطبيقات Web3.

على سبيل المثال، ذكر فيتاليك اتجاهين في المقالة، وهو ما أعتقد أنه ذو معنى كبير.

أولاً، الذكاء الاصطناعي هو أحد المشاركين في Web3. على سبيل المثال: في ألعاب Web3، يمكن للذكاء الاصطناعي أن يكون بمثابة لاعب في اللعبة، ويمكنه فهم قواعد اللعبة بسرعة وإكمال مهام اللعبة بكفاءة أكبر؛ في DEX، يلعب الذكاء الاصطناعي دورًا في تداول المراجحة لسنوات عديدة؛ يمكن لعامل الذكاء الاصطناعي قبول كمية كبيرة من البيانات وقاعدة المعرفة والمعلومات على نطاق واسع، وتدريب قدرات التحليل والتنبؤ بنموذجه، وتقديمه للمستخدمين كمنتج، مما يساعد المستخدمين على التنبؤ بأحداث معينة من خلال التفكير النموذجي، مثل الأحداث الرياضية والانتخابات الرئاسية تنتظر.

والثاني هو إنشاء ذكاء اصطناعي خاص لامركزي وقابل للتطوير. نظرًا لأن العديد من المستخدمين قلقون بشأن مشكلة الصندوق الأسود للذكاء الاصطناعي ولأن النظام متحيز، أو لأنهم قلقون من أن بعض التطبيقات اللامركزية تستخدم تقنية الذكاء الاصطناعي لخداع المستخدمين لتحقيق الأرباح. ويرجع ذلك أساسًا إلى أن المستخدمين لا يتمتعون بحقوق المراجعة والإدارة لعملية التدريب والاستدلال على نموذج الذكاء الاصطناعي. ولكن إذا قمت بإنشاء Web3 AI، مثل مشروع Web3، فقد قام المجتمع بتوزيع حقوق الإدارة لهذا الذكاء الاصطناعي، والتي قد يتم قبولها بسهولة أكبر.

حتى الآن، لا توجد مشاريع حصان أبيض ذات أسقف عالية في طبقة تطبيق Web3+AI.

الملخص

لا يزال Web3 + AI في مرحلة مبكرة جدًا الصناعة هناك أيضًا اختلافات حول آفاق تطوير هذا المسار، وسنواصل الاهتمام بهذا المسار. نأمل أن يؤدي الجمع بين Web3 وAI إلى إنشاء منتجات أكثر قيمة من الذكاء الاصطناعي المركزي، مما يسمح للذكاء الاصطناعي بالتخلص من تسميات "السيطرة العملاقة" و"الاحتكار" و"الذكاء الاصطناعي في الحكم المشترك" في مجتمع أكثر اعتماداً على المجتمع. طريق. ربما في عملية المشاركة والحوكمة الأوثق، سيكون البشر أكثر "رهبة" وأقل "خوفًا" من الذكاء الاصطناعي.