دمج Web3 و AI: بناء بنية الإنترنت التحتية للجيل التالي

تعتبر Web3 نموذجًا جديدًا للإنترنت لا مركزي ومفتوح وشفاف، ولديها إمكانيات اندماج طبيعية مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، تخضع حسابات الذكاء الاصطناعي وموارد البيانات لرقابة صارمة، وتواجه العديد من التحديات مثل اختناق القدرة الحاسوبية، تسرب الخصوصية، وصندوق أسود الخوارزميات. بينما تعتمد Web3 على تقنية موزعة، يمكن أن تضخ طاقة جديدة في تطور الذكاء الاصطناعي من خلال شبكات مشاركة القدرة الحاسوبية، والأسواق المفتوحة للبيانات، والحوسبة الخاصة. في الوقت نفسه، يمكن أن يجلب الذكاء الاصطناعي العديد من القدرات لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي أمر بالغ الأهمية لبناء بنية تحتية جديدة للإنترنت وإطلاق قيمة البيانات والقدرة الحاسوبية.

مدفوع بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3

البيانات هي القوة الدافعة الأساسية وراء تطور الذكاء الاصطناعي. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة استدلال قوية، حيث توفر البيانات أساس التدريب لنماذج التعلم الآلي، كما تحدد دقة وموثوقية النموذج.

توجد المشاكل الرئيسية التالية في نماذج الحصول على بيانات الذكاء الاصطناعي التقليدية المركزية واستخدامها:

• تكلفة الحصول على البيانات مرتفعة، والشركات الصغيرة والمتوسطة تجد صعوبة في تحملها
• يتم الاحتكار على موارد البيانات من قبل عمالقة التكنولوجيا، مما يؤدي إلى تشكيل جزر بيانات
• تواجه خصوصية البيانات الشخصية مخاطر التسريب وسوء الاستخدام

يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد:

• يمكن للمستخدمين بيع الشبكات غير المستخدمة لشركات الذكاء الاصطناعي، لجمع بيانات الشبكة بشكل لامركزي، لتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي.
• اعتماد نموذج "label to earn"، من خلال تحفيز العمال العالميين بواسطة الرموز للمشاركة في وضع علامات على البيانات، مما يجمع المعرفة الاحترافية العالمية ويعزز القدرة على تحليل البيانات
• منصة تداول بيانات البلوكشين توفر بيئة تداول شفافة وعلنية للطرفين المعنيين بالبيانات، مما يحفز الابتكار ومشاركة البيانات.

على الرغم من ذلك، لا تزال هناك مشاكل في الحصول على بيانات العالم الحقيقي مثل جودة البيانات غير المتسقة، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية نجم المستقبل في مجال بيانات Web3. استنادًا إلى تقنيات الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، كتكملة فعالة للبيانات الحقيقية، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية إمكانات تطبيق ناضجة.

حماية الخصوصية: دور FHE في Web3

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس القوانين مثل اللائحة العامة لحماية البيانات في الاتحاد الأوروبي (GDPR) الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فإن هذا يأتي أيضًا مع تحديات: بعض البيانات الحساسة لا يمكن استخدامها بشكل كامل بسبب مخاطر الخصوصية، مما يحد من إمكانيات وقدرات استنتاج نماذج الذكاء الاصطناعي.

FHE هي تشفير متجانس تمامًا، يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، ونتيجة الحساب تتطابق مع نتيجة إجراء نفس الحساب على البيانات الواضحة.

يوفر FHE حماية قوية للحوسبة الخاصة بالذكاء الاصطناعي، مما يسمح لقدرات GPU بتنفيذ مهام تدريب النماذج والتفسير في بيئة لا تتطلب الوصول إلى البيانات الأصلية. وهذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي، حيث يمكنها فتح خدمات API بشكل آمن مع حماية أسرار الأعمال.

يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة التعلم الآلي، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات ويقدم إطار عمل آمن للحسابات لتطبيقات الذكاء الاصطناعي.

FHEML هو مكمل لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يركز FHEML على إجراء الحسابات على البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة قوة الحوسبة: الحوسبة الذكية في الشبكات اللامركزية

تتضاعف تعقيدات حساب أنظمة الذكاء الاصطناعي الحالية كل ثلاثة أشهر، مما يؤدي إلى زيادة هائلة في الطلب على القدرة الحاسوبية، والتي تفوق بكثير العرض المتاح من الموارد الحسابية. على سبيل المثال، يتطلب تدريب نموذج اللغة الكبير لشركة ذكاء اصطناعي معينة قدرة حسابية هائلة تعادل 355 عامًا من وقت التدريب على جهاز واحد. إن نقص القدرة الحاسوبية هذا لا يقتصر فقط على تقييد تقدم تقنية الذكاء الاصطناعي، بل يجعل أيضًا النماذج المتطورة للذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.

في الوقت نفسه، انخفض معدل استخدام وحدات معالجة الرسومات العالمية إلى أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناجم عن عوامل سلسلة التوريد والجغرافيا السياسية، كل هذا جعل مشكلة إمداد القوة الحاسوبية أكثر حدة. يجد المتخصصون في الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم في حاجة ماسة إلى طريقة خدمة حسابية فعالة من حيث التكلفة حسب الطلب.

شبكة حسابات الذكاء الاصطناعي اللامركزية تجمع موارد وحدات معالجة الرسوميات (GPU) غير المستغلة على مستوى العالم، وتوفر سوقًا للوصول الاقتصادي السهل لقوى الحوسبة لشركات الذكاء الاصطناعي. يمكن لمستخدمي قوى الحوسبة نشر مهام الحساب على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عُقد عمال المناجم التي تساهم بقوى الحوسبة، وينفذ عمال المناجم المهام ويقدمون النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. هذه الخطة تعزز كفاءة استخدام الموارد، وتساعد في حل مشكلة عنق الزجاجة في قوى الحوسبة في مجالات مثل الذكاء الاصطناعي.

بالإضافة إلى الشبكات العامة للحوسبة اللامركزية، هناك منصات تركز على تدريب الذكاء الاصطناعي، وشبكات حوسبة مخصصة تركز على استنتاج الذكاء الاصطناعي.

تقدم شبكة القوة الحاسوبية اللامركزية سوقًا شفافًا وعادلًا للقوة الحاسوبية، مما يكسر الاحتكار، ويقلل من عتبات الاستخدام، ويزيد من كفاءة استخدام القوة الحاسوبية. في نظام الويب 3، ستلعب شبكة القوة الحاسوبية اللامركزية دورًا حاسمًا، مما يجذب المزيد من التطبيقات المبتكرة للانضمام، لدفع تطوير وتطبيق تكنولوجيا الذكاء الاصطناعي معًا.

DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة

تخيل أن هاتفك المحمول، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك، تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية Edge AI. إنه يسمح بحدوث الحسابات عند مصدر إنتاج البيانات، مما يحقق انخفاضًا في التأخير، ومعالجة في الوقت الحقيقي، بينما يحمي خصوصية المستخدم. تم تطبيق تقنية Edge AI في مجالات رئيسية مثل القيادة الذاتية.

في مجال Web3 ، لدينا اسم أكثر ألفة - DePIN. يؤكد Web3 على اللامركزية وحقوق ملكية بيانات المستخدمين ، بينما يعزز DePIN حماية خصوصية المستخدمين من خلال معالجة البيانات محليًا ، مما يقلل من مخاطر تسرب البيانات؛ يمكن لآلية الاقتصاد الرمزي الأصلية لـ Web3 تحفيز عقد DePIN على تقديم موارد الحوسبة ، وبناء نظام بيئي مستدام.

تتطور DePIN بسرعة في بيئة شبكة بلوكتشين معينة، لتصبح واحدة من المنصات المختارة لنشر المشاريع. توفر TPS العالية، ورسوم المعاملات المنخفضة، والابتكارات التكنولوجية في هذه الشبكة الدعم القوي لمشاريع DePIN. حالياً، تتجاوز القيمة السوقية لمشاريع DePIN على هذه الشبكة 10 مليارات دولار، وقد حققت بعض المشاريع الشهيرة تقدمًا ملحوظًا.

IMO: إصدار نموذج جديد للذكاء الاصطناعي

تم اقتراح مفهوم IMO من قبل بروتوكول معين، والذي يقوم بتوكنينغ نماذج الذكاء الاصطناعي.

في النمط التقليدي، بسبب نقص آلية مشاركة الأرباح، غالبًا ما يواجه مطورو نماذج الذكاء الاصطناعي صعوبة في الحصول على عائد مستمر من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المنشئين الأصليين تتبع الاستخدام، ناهيك عن الحصول على عائد من ذلك. بالإضافة إلى ذلك، غالبًا ما تفتقر أداء وفعالية نماذج الذكاء الاصطناعي إلى الشفافية، مما يجعل من الصعب على المستثمرين والمستخدمين المحتملين تقييم قيمتها الحقيقية، مما يحد من الاعتراف السوقي للنموذج وإمكاناته التجارية.

يوفر IMO طريقة جديدة لتمويل نماذج الذكاء الاصطناعي مفتوحة المصدر ومشاركة القيمة، حيث يمكن للمستثمرين شراء رموز IMO لمشاركة العائدات الناتجة عن النموذج في المستقبل. تستخدم بروتوكول معين معايير ERC اثنين، وتجمع بين تقنية التنبؤ بالذكاء الاصطناعي وOPML لضمان صحة نموذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة العائدات.

نموذج IMO يعزز الشفافية والثقة، ويشجع على التعاون المفتوح المصدر، ويتكيف مع اتجاهات سوق التشفير، ويضخ الطاقة في التنمية المستدامة لتكنولوجيا الذكاء الاصطناعي. لا يزال IMO في مرحلة التجريب الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاره وقيمته المحتملة يستحقان الانتظار.

وكيل الذكاء الاصطناعي: عصر جديد من التجارب التفاعلية

يمكن لوكيل الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، يمكن لوكيل الذكاء الاصطناعي أن يفهم اللغة الطبيعية، ويخطط للقرارات، وينفذ المهام المعقدة. يمكن أن تعمل كأجهزة مساعدة افتراضية، من خلال التفاعل مع المستخدمين وتعلم تفضيلاتهم، وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.

توفر منصة تطبيقات الذكاء الاصطناعي الأصلية المفتوحة مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوتات والمظهر والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى بناء نظام بيئي لمحتوى الذكاء الاصطناعي يتميز بالعدالة والانفتاح. تستخدم هذه المنصة تقنية الذكاء الاصطناعي التوليدي، مما يمكّن الأفراد من أن يصبحوا مبدعين خارقين. تم تدريب نموذج لغوي كبير متخصص على هذه المنصة، مما يجعل الأدوار التمثيلية أكثر إنسانية؛ كما أن تقنية استنساخ الصوت يمكن أن تسهل التفاعل الشخصي في المنتجات الذكية، حيث تخفض تكاليف توليد الصوت بنسبة 99%، ويمكن تنفيذ استنساخ الصوت في دقيقة واحدة فقط. باستخدام الوكيل الذكي المخصص من هذه المنصة، يمكن تطبيقه حاليًا في مجالات متعددة مثل محادثات الفيديو، تعلم اللغات، وتوليد الصور.

في دمج Web3 و AI، يتم حالياً التركيز أكثر على استكشاف طبقة البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال لقوة الحوسبة اللامركزية، وكيفية التحقق من نماذج اللغة الكبيرة وغيرها من القضايا الرئيسية. مع تحسين هذه البنية التحتية تدريجياً، لدينا أسباب للاعتقاد أن دمج Web3 و AI سيثمر عن مجموعة من نماذج الأعمال والخدمات المبتكرة.