Web3 كنوع من الإنترنت الجديد اللامركزي، المفتوح، والشفاف، لديه فرصة طبيعية للاندماج مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، يتم التحكم بدقة في موارد حساب البيانات والذكاء الاصطناعي، ويوجد العديد من التحديات مثل قوة الحوسبة المحدودة، تسرب الخصوصية، والخوارزمية السوداء. بينما يعتمد Web3 على التكنولوجيا الموزعة، يمكنه من خلال شبكة قوة الحوسبة المشتركة، سوق البيانات المفتوحة، والحوسبة الخصوصية، أن يضخ طاقة جديدة في تطوير الذكاء الاصطناعي. في نفس الوقت، يمكن للذكاء الاصطناعي أن يوفر العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية، والخوارزميات المضادة للغش، مما يساعد في بناء بيئته. لذلك، فإن استكشاف دمج Web3 مع الذكاء الاصطناعي يعد أمرًا بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات وقوة الحوسبة.
البيانات المدفوعة: الأساس المتين بين الذكاء الاصطناعي وWeb3
البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي، تمامًا كما هو الحال مع الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى هضم كمية كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة قوية على الاستدلال. البيانات لا توفر فقط الأساس للتدريب لنماذج التعلم الآلي، ولكنها تحدد أيضًا دقة النموذج وموثوقيته.
في نماذج الحصول على البيانات واستخدامها التقليدية المركزية للذكاء الاصطناعي، توجد عدة مشكلات رئيسية:
تكلفة الحصول على البيانات مرتفعة، ومن الصعب على الشركات الصغيرة والمتوسطة تحمّلها
يتم احتكار موارد البيانات من قبل عمالقة التكنولوجيا، مما يؤدي إلى إنشاء جزر بيانات
تواجه خصوصية البيانات الشخصية مخاطر التسرب والإساءة
يمكن لـ Web3 معالجة نقاط الألم في النماذج التقليدية من خلال نموذج بيانات اللامركزية الجديد:
من خلال طريقة اللامركزية لجمع بيانات الشبكة، وبعد التنظيف والتحويل، توفر بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي
اعتماد نموذج "label to earn"، من خلال تحفيز العاملين العالميين بالرموز للمشاركة في وضع علامات على البيانات، وجمع المعرفة المتخصصة العالمية، وزيادة قدرة تحليل البيانات.
توفر منصة تداول بيانات blockchain بيئة تداول علنية وشفافة للطرفين المعنيين بالبيانات، مما يحفز الابتكار ومشاركة البيانات.
على الرغم من ذلك، هناك بعض المشكلات في الحصول على البيانات في العالم الحقيقي، مثل جودة البيانات المتفاوتة، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية هي نجم مسار بيانات Web3 في المستقبل. استنادًا إلى تقنية الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، كإضافة فعالة للبيانات الحقيقية، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية بالفعل إمكاناتها التطبيقية الناضجة.
حماية الخصوصية: دور FHE في Web3
في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس القوانين مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فقد جلب ذلك أيضًا تحديات: بعض البيانات الحساسة لا يمكن استخدامها بشكل كامل بسبب مخاطر الخصوصية، مما يحد بلا شك من إمكانيات ونماذج الذكاء الاصطناعي.
FHE هو التشفير المتجانس الكامل، الذي يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، وتكون نتائج الحساب متطابقة مع النتائج التي يتم الحصول عليها من إجراء نفس الحساب على البيانات النصية.
يوفر FHE حماية قوية لحسابات الخصوصية في الذكاء الاصطناعي، مما يسمح لقوة الحوسبة للـ GPU بتنفيذ مهام تدريب النماذج والاستدلال في بيئة لا تلمس البيانات الأصلية. وهذا يوفر مزايا كبيرة لشركات الذكاء الاصطناعي. يمكنها فتح خدمات API بأمان مع حماية الأسرار التجارية.
يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة تعلم الآلة، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات، ويقدم إطار حسابي آمن لتطبيقات الذكاء الاصطناعي.
FHEML هو تكملة لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح لتعلم الآلة، بينما يؤكد FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
قوة الحوسبة الثورة: الخوارزمية في الشبكات اللامركزية
تتضاعف تعقيدات حسابات أنظمة الذكاء الاصطناعي الحالية كل 3 أشهر، مما يؤدي إلى زيادة هائلة في الحاجة إلى قوة الحوسبة، تتجاوز بكثير إمدادات الموارد الحاسوبية الحالية. على سبيل المثال، يتطلب تدريب نموذج ذكاء اصطناعي معروف قوة حوسبة ضخمة، تعادل 355 سنة من وقت التدريب على جهاز واحد. هذه النقص في قوة الحوسبة لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل أيضاً تلك النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.
وفي الوقت نفسه، فإن معدل استخدام وحدات معالجة الرسوميات العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناتج عن عوامل سلسلة التوريد والجغرافيا السياسية، كل هذه الأمور جعلت مشكلة توفير قوة الحوسبة أكثر حدة. يجد ممارسو الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة خدمة حسابية فعالة من حيث التكلفة عند الطلب.
تقدم بعض الشبكات اللامركزية لقوة الحوسبة لتقنية الذكاء الاصطناعي سوقًا لقوة الحوسبة اقتصادي وسهل الوصول من خلال تجميع الموارد غير المستخدمة من وحدات معالجة الرسوميات العالمية. يمكن لمستخدمي قوة الحوسبة نشر مهام الحساب على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقدة المعدنين التي تساهم بقوة الحوسبة، وينفذ المعدنون المهام ويقدمون النتائج، وبعد التحقق يحصلون على مكافآت نقاط. تعمل هذه الخطة على تحسين كفاءة استخدام الموارد، وتساعد في حل مشكلة اختناق قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.
بالإضافة إلى شبكة قوة الحوسبة اللامركزية العامة، هناك بعض المنصات التي تركز على تدريب الذكاء الاصطناعي، بالإضافة إلى شبكات قوة الحوسبة المخصصة لاستنتاج الذكاء الاصطناعي.
تقدم شبكة قوة الحوسبة اللامركزية سوقاً قوياً وشفافاً لقوة الحوسبة، مما يكسر الاحتكار، ويخفض عتبة التطبيقات، ويزيد من كفاءة استخدام قوة الحوسبة. في نظام الويب 3، ستلعب شبكة قوة الحوسبة اللامركزية دوراً حاسماً، مما يجذب المزيد من dapps المبتكرة للانضمام، ودفع تطوير وتطبيق تقنيات الذكاء الاصطناعي بشكل مشترك.
DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة
تخيل أن هاتفك المحمول، وساعة الذكية، وحتى الأجهزة الذكية في منزلك، كلها تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي سحر الذكاء الاصطناعي على الحافة. إنه يجعل الحساب يحدث في مصدر إنتاج البيانات، مما يحقق انخفاض التأخير، والمعالجة في الوقت الحقيقي، مع حماية خصوصية المستخدمين. لقد تم تطبيق تقنية الذكاء الاصطناعي على الحافة في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3، لدينا اسم أكثر ألفة - DePIN. يركز Web3 على اللامركزية وسيادة بيانات المستخدم، يمكن أن تعزز DePIN من حماية خصوصية المستخدم من خلال معالجة البيانات محليًا، مما يقلل من مخاطر تسرب البيانات؛ يمكن لآلية اقتصاد التوكن الأصلية في Web3 تحفيز عقد DePIN على توفير قوة الحوسبة، وبناء نظام بيئي مستدام.
تتطور DePIN حاليًا بسرعة في بعض أنظمة سلسلة الكتل العامة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر هذه السلاسل العامة قوة الحوسبة العالية، وتكاليف المعاملات المنخفضة، والابتكارات التكنولوجية دعمًا قويًا لمشاريع DePIN. حاليًا، تجاوزت القيمة السوقية لمشاريع DePIN على بعض السلاسل العامة 10 مليارات دولار، وقد حققت العديد من المشاريع الشهيرة تقدمًا ملحوظًا.
IMO: نموذج جديد لإصدار نموذج الذكاء الاصطناعي
تم اقتراح مفهوم IMO لأول مرة من قبل بروتوكول معين، والذي يقوم بتوكنيز نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب غياب آلية مشاركة الأرباح، بمجرد تطوير نموذج الذكاء الاصطناعي وإدخاله السوق، غالباً ما يواجه المطورون صعوبة في تحقيق إيرادات مستمرة من الاستخدام اللاحق للنموذج، خصوصاً عندما يتم دمج النموذج في منتجات وخدمات أخرى، حيث يصعب على المبدعين الأصليين تتبع الاستخدام، ناهيك عن تحقيق الأرباح منه. بالإضافة إلى ذلك، غالباً ما تفتقر أداء نموذج الذكاء الاصطناعي وفعاليته إلى الشفافية، مما يجعل من الصعب على المستثمرين المحتملين والمستخدمين تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي للنموذج وإمكاناته التجارية.
IMO توفر طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العائدات الناتجة عن النموذج لاحقًا. تستخدم بعض البروتوكولات معايير ERC محددة، بالاشتراك مع تقنية الذكاء الاصطناعي وOPML لضمان صحة نموذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة العائدات.
نموذج IMO عزز الشفافية والثقة، وشجع التعاون المفتوح، وتكيف مع اتجاهات سوق العملات المشفرة، وأضفى حيوية على التنمية المستدامة لتقنية الذكاء الاصطناعي. لا يزال IMO في مرحلة التجربة الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاره وقيمته المحتملة تستحق توقعاتنا.
وكيل الذكاء الاصطناعي: عصر جديد من تجارب التفاعل
يمكن لوكيل الذكاء الاصطناعي أن يدرك البيئة، ويمارس التفكير المستقل، ويتخذ 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 يعملوا كمساعدين افتراضيين، من خلال التعلم من تفاعلهم مع المستخدمين وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي أن يحل المشكلات بشكل مستقل، مما يزيد من الكفاءة ويخلق قيمة جديدة.
تقدم بعض منصات تطبيقات الذكاء الاصطناعي المفتوحة أدوات إبداعية شاملة وسهلة الاستخدام، تدعم المستخدمين في تكوين وظائف الروبوتات، والمظهر، والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي لمحتوى الذكاء الاصطناعي عادل ومفتوح، مع الاستفادة من تقنيات الذكاء الاصطناعي التوليدية، وتمكين الأفراد ليصبحوا منشئين خارقين. قامت هذه المنصات بتدريب نماذج لغوية كبيرة متخصصة، مما يجعل تمثيل الشخصيات أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات القائمة على الذكاء الاصطناعي، مما يقلل بشكل كبير من تكاليف توليد الصوت، حيث يمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكلاء الذكاء الاصطناعي المخصصين من هذه المنصات، يمكن تطبيقها حاليا في مجالات متعددة مثل الدردشة المرئية، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، يتم حاليا استكشاف المزيد في 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 تدريجيا، لدينا سبب للاعتقاد بأن دمج Web3 و AI سينتج عنه مجموعة من نماذج الأعمال والخدمات المبتكرة.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 14
أعجبني
14
9
مشاركة
تعليق
0/400
WenMoon
· 07-21 17:28
آه، يبدو أن web3.0 لا يزال يبيع أقل من تداول الأسهم!
شاهد النسخة الأصليةرد0
GateUser-c799715c
· 07-21 16:47
مرة أخرى، يتم الترويج لتطبيقات الويب 3.
شاهد النسخة الأصليةرد0
AirdropChaser
· 07-20 22:17
ثور هو الطريق الصحيح مع Web3 و AI
شاهد النسخة الأصليةرد0
PensionDestroyer
· 07-20 03:47
لا يمكن كسب المال.
شاهد النسخة الأصليةرد0
SchrodingersPaper
· 07-18 17:58
مرة أخرى تأتي ضريبة الذكاء... أيادٍ ضعيفة في انتظار شراء الانخفاض
شاهد النسخة الأصليةرد0
FunGibleTom
· 07-18 17:53
ادخل مركز لا تهتم بالكثير، web3+ai هو المستقبل
شاهد النسخة الأصليةرد0
DAOplomacy
· 07-18 17:52
يمكن القول إنها نظرية أنيقة، لكن الاعتماد على المسار هنا يقدم آثارًا خارجية غير تافهة...
شاهد النسخة الأصليةرد0
GasFeeLover
· 07-18 17:39
أيوه، كيف أقول تكلفة قوة الحوسبة~
شاهد النسخة الأصليةرد0
staking_gramps
· 07-18 17:30
حساب الخصوصية تحدثنا عنه طويلاً ولكنه يعتمد على الكلام فقط
دمج Web3 و AI: إعادة تشكيل البيانات والخصوصية وقوة الحوسبة
Web3 كنوع من الإنترنت الجديد اللامركزي، المفتوح، والشفاف، لديه فرصة طبيعية للاندماج مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، يتم التحكم بدقة في موارد حساب البيانات والذكاء الاصطناعي، ويوجد العديد من التحديات مثل قوة الحوسبة المحدودة، تسرب الخصوصية، والخوارزمية السوداء. بينما يعتمد Web3 على التكنولوجيا الموزعة، يمكنه من خلال شبكة قوة الحوسبة المشتركة، سوق البيانات المفتوحة، والحوسبة الخصوصية، أن يضخ طاقة جديدة في تطوير الذكاء الاصطناعي. في نفس الوقت، يمكن للذكاء الاصطناعي أن يوفر العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية، والخوارزميات المضادة للغش، مما يساعد في بناء بيئته. لذلك، فإن استكشاف دمج Web3 مع الذكاء الاصطناعي يعد أمرًا بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات وقوة الحوسبة.
البيانات المدفوعة: الأساس المتين بين الذكاء الاصطناعي وWeb3
البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي، تمامًا كما هو الحال مع الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى هضم كمية كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة قوية على الاستدلال. البيانات لا توفر فقط الأساس للتدريب لنماذج التعلم الآلي، ولكنها تحدد أيضًا دقة النموذج وموثوقيته.
في نماذج الحصول على البيانات واستخدامها التقليدية المركزية للذكاء الاصطناعي، توجد عدة مشكلات رئيسية:
يمكن لـ Web3 معالجة نقاط الألم في النماذج التقليدية من خلال نموذج بيانات اللامركزية الجديد:
على الرغم من ذلك، هناك بعض المشكلات في الحصول على البيانات في العالم الحقيقي، مثل جودة البيانات المتفاوتة، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية هي نجم مسار بيانات Web3 في المستقبل. استنادًا إلى تقنية الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، كإضافة فعالة للبيانات الحقيقية، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية بالفعل إمكاناتها التطبيقية الناضجة.
حماية الخصوصية: دور FHE في Web3
في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس القوانين مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فقد جلب ذلك أيضًا تحديات: بعض البيانات الحساسة لا يمكن استخدامها بشكل كامل بسبب مخاطر الخصوصية، مما يحد بلا شك من إمكانيات ونماذج الذكاء الاصطناعي.
FHE هو التشفير المتجانس الكامل، الذي يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، وتكون نتائج الحساب متطابقة مع النتائج التي يتم الحصول عليها من إجراء نفس الحساب على البيانات النصية.
يوفر FHE حماية قوية لحسابات الخصوصية في الذكاء الاصطناعي، مما يسمح لقوة الحوسبة للـ GPU بتنفيذ مهام تدريب النماذج والاستدلال في بيئة لا تلمس البيانات الأصلية. وهذا يوفر مزايا كبيرة لشركات الذكاء الاصطناعي. يمكنها فتح خدمات API بأمان مع حماية الأسرار التجارية.
يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة تعلم الآلة، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات، ويقدم إطار حسابي آمن لتطبيقات الذكاء الاصطناعي.
FHEML هو تكملة لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح لتعلم الآلة، بينما يؤكد FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
قوة الحوسبة الثورة: الخوارزمية في الشبكات اللامركزية
تتضاعف تعقيدات حسابات أنظمة الذكاء الاصطناعي الحالية كل 3 أشهر، مما يؤدي إلى زيادة هائلة في الحاجة إلى قوة الحوسبة، تتجاوز بكثير إمدادات الموارد الحاسوبية الحالية. على سبيل المثال، يتطلب تدريب نموذج ذكاء اصطناعي معروف قوة حوسبة ضخمة، تعادل 355 سنة من وقت التدريب على جهاز واحد. هذه النقص في قوة الحوسبة لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل أيضاً تلك النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.
وفي الوقت نفسه، فإن معدل استخدام وحدات معالجة الرسوميات العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناتج عن عوامل سلسلة التوريد والجغرافيا السياسية، كل هذه الأمور جعلت مشكلة توفير قوة الحوسبة أكثر حدة. يجد ممارسو الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة خدمة حسابية فعالة من حيث التكلفة عند الطلب.
تقدم بعض الشبكات اللامركزية لقوة الحوسبة لتقنية الذكاء الاصطناعي سوقًا لقوة الحوسبة اقتصادي وسهل الوصول من خلال تجميع الموارد غير المستخدمة من وحدات معالجة الرسوميات العالمية. يمكن لمستخدمي قوة الحوسبة نشر مهام الحساب على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقدة المعدنين التي تساهم بقوة الحوسبة، وينفذ المعدنون المهام ويقدمون النتائج، وبعد التحقق يحصلون على مكافآت نقاط. تعمل هذه الخطة على تحسين كفاءة استخدام الموارد، وتساعد في حل مشكلة اختناق قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.
بالإضافة إلى شبكة قوة الحوسبة اللامركزية العامة، هناك بعض المنصات التي تركز على تدريب الذكاء الاصطناعي، بالإضافة إلى شبكات قوة الحوسبة المخصصة لاستنتاج الذكاء الاصطناعي.
تقدم شبكة قوة الحوسبة اللامركزية سوقاً قوياً وشفافاً لقوة الحوسبة، مما يكسر الاحتكار، ويخفض عتبة التطبيقات، ويزيد من كفاءة استخدام قوة الحوسبة. في نظام الويب 3، ستلعب شبكة قوة الحوسبة اللامركزية دوراً حاسماً، مما يجذب المزيد من dapps المبتكرة للانضمام، ودفع تطوير وتطبيق تقنيات الذكاء الاصطناعي بشكل مشترك.
DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة
تخيل أن هاتفك المحمول، وساعة الذكية، وحتى الأجهزة الذكية في منزلك، كلها تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي سحر الذكاء الاصطناعي على الحافة. إنه يجعل الحساب يحدث في مصدر إنتاج البيانات، مما يحقق انخفاض التأخير، والمعالجة في الوقت الحقيقي، مع حماية خصوصية المستخدمين. لقد تم تطبيق تقنية الذكاء الاصطناعي على الحافة في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3، لدينا اسم أكثر ألفة - DePIN. يركز Web3 على اللامركزية وسيادة بيانات المستخدم، يمكن أن تعزز DePIN من حماية خصوصية المستخدم من خلال معالجة البيانات محليًا، مما يقلل من مخاطر تسرب البيانات؛ يمكن لآلية اقتصاد التوكن الأصلية في Web3 تحفيز عقد DePIN على توفير قوة الحوسبة، وبناء نظام بيئي مستدام.
تتطور DePIN حاليًا بسرعة في بعض أنظمة سلسلة الكتل العامة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر هذه السلاسل العامة قوة الحوسبة العالية، وتكاليف المعاملات المنخفضة، والابتكارات التكنولوجية دعمًا قويًا لمشاريع DePIN. حاليًا، تجاوزت القيمة السوقية لمشاريع DePIN على بعض السلاسل العامة 10 مليارات دولار، وقد حققت العديد من المشاريع الشهيرة تقدمًا ملحوظًا.
IMO: نموذج جديد لإصدار نموذج الذكاء الاصطناعي
تم اقتراح مفهوم IMO لأول مرة من قبل بروتوكول معين، والذي يقوم بتوكنيز نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب غياب آلية مشاركة الأرباح، بمجرد تطوير نموذج الذكاء الاصطناعي وإدخاله السوق، غالباً ما يواجه المطورون صعوبة في تحقيق إيرادات مستمرة من الاستخدام اللاحق للنموذج، خصوصاً عندما يتم دمج النموذج في منتجات وخدمات أخرى، حيث يصعب على المبدعين الأصليين تتبع الاستخدام، ناهيك عن تحقيق الأرباح منه. بالإضافة إلى ذلك، غالباً ما تفتقر أداء نموذج الذكاء الاصطناعي وفعاليته إلى الشفافية، مما يجعل من الصعب على المستثمرين المحتملين والمستخدمين تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي للنموذج وإمكاناته التجارية.
IMO توفر طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العائدات الناتجة عن النموذج لاحقًا. تستخدم بعض البروتوكولات معايير ERC محددة، بالاشتراك مع تقنية الذكاء الاصطناعي وOPML لضمان صحة نموذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة العائدات.
نموذج IMO عزز الشفافية والثقة، وشجع التعاون المفتوح، وتكيف مع اتجاهات سوق العملات المشفرة، وأضفى حيوية على التنمية المستدامة لتقنية الذكاء الاصطناعي. لا يزال IMO في مرحلة التجربة الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاره وقيمته المحتملة تستحق توقعاتنا.
وكيل الذكاء الاصطناعي: عصر جديد من تجارب التفاعل
يمكن لوكيل الذكاء الاصطناعي أن يدرك البيئة، ويمارس التفكير المستقل، ويتخذ 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 يعملوا كمساعدين افتراضيين، من خلال التعلم من تفاعلهم مع المستخدمين وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي أن يحل المشكلات بشكل مستقل، مما يزيد من الكفاءة ويخلق قيمة جديدة.
تقدم بعض منصات تطبيقات الذكاء الاصطناعي المفتوحة أدوات إبداعية شاملة وسهلة الاستخدام، تدعم المستخدمين في تكوين وظائف الروبوتات، والمظهر، والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي لمحتوى الذكاء الاصطناعي عادل ومفتوح، مع الاستفادة من تقنيات الذكاء الاصطناعي التوليدية، وتمكين الأفراد ليصبحوا منشئين خارقين. قامت هذه المنصات بتدريب نماذج لغوية كبيرة متخصصة، مما يجعل تمثيل الشخصيات أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات القائمة على الذكاء الاصطناعي، مما يقلل بشكل كبير من تكاليف توليد الصوت، حيث يمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكلاء الذكاء الاصطناعي المخصصين من هذه المنصات، يمكن تطبيقها حاليا في مجالات متعددة مثل الدردشة المرئية، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، يتم حاليا استكشاف المزيد في 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 تدريجيا، لدينا سبب للاعتقاد بأن دمج Web3 و AI سينتج عنه مجموعة من نماذج الأعمال والخدمات المبتكرة.