دمج Web3 و AI: بناء البنية التحتية للإنترنت من الجيل التالي
تعتبر Web3 كنموذج جديد للإنترنت لامركزي ومفتوح وشفاف، فرصة طبيعية للتكامل مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، يتم التحكم بشكل صارم في حسابات الذكاء الاصطناعي وموارد البيانات، وهناك العديد من التحديات مثل اختناق القدرة الحاسوبية، تسرب الخصوصية، وصناديق السوداء الخوارزمية. بينما تعتمد Web3 على التكنولوجيا الموزعة، يمكن أن تضخ قوة جديدة في تطوير الذكاء الاصطناعي من خلال مشاركة شبكة القدرة الحاسوبية، أسواق البيانات المفتوحة، والحوسبة الخصوصية. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يساعد في بناء بيئتها. لذلك، فإن استكشاف دمج Web3 وAI أمر بالغ الأهمية لبناء بنية الإنترنت التحتية للجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.
مدفوع بالبيانات: الأساس المتين لـ AI و Web3
البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي، مثلما يكون الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى هضم كميات كبيرة من البيانات عالية الجودة لتحقيق فهم عميق وقدرات استدلال قوية، فالمعلومات لا توفر فقط أساس التدريب لنماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.
في نماذج الحصول على البيانات واستخدامها الخاصة بالذكاء الاصطناعي المركزية التقليدية، هناك عدة مشكلات رئيسية كما يلي:
تكلفة الحصول على البيانات مرتفعة، مما يجعل من الصعب على الشركات الصغيرة والمتوسطة تحملها
يتم احتكار موارد البيانات من قبل عمالقة التكنولوجيا ، مما أدى إلى تشكيل جزر البيانات
تتعرض خصوصية البيانات الشخصية لخطر التسريب والإساءة.
يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد:
من خلال طريقة لامركزية لجمع بيانات الشبكة، وبعد التنظيف والتحويل، يتم توفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي
اعتماد نموذج "label to earn"، من خلال حوافز التوكنات، يشجع العاملين في جميع أنحاء العالم على المشاركة في وضع العلامات على البيانات، ويجمع المعرفة المهنية العالمية، ويعزز من قدرة تحليل البيانات.
توفر منصة تداول بيانات البلوكشين بيئة تداول مفتوحة وشفافة للطرفين المعنيين بالعرض والطلب على البيانات، مما يحفز الابتكار ومشاركة البيانات.
ومع ذلك، توجد بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل تفاوت جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية هي نجم مستقبل قطاع بيانات Web3. استنادًا إلى تقنية الذكاء الاصطناعي التوليدي والمحاكاة، تستطيع البيانات 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 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 (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فقد جلب هذا أيضًا تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يحد بلا شك من إمكانيات نماذج الذكاء الاصطناعي وقدرتها على الاستنتاج.
FHE هو التشفير المتجانس بالكامل، الذي يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، ونتيجة العمليات الحسابية تتطابق مع النتائج الناتجة عن إجراء نفس العمليات على البيانات النصية.
توفر FHE حماية قوية لحساب الخصوصية في الذكاء الاصطناعي، مما يسمح لقوة معالجة GPU بتنفيذ مهام تدريب النماذج والاستدلال في بيئة لا تلامس البيانات الأصلية. وهذا يمنح شركات الذكاء الاصطناعي ميزة كبيرة. 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 ويوفر إطار حساب آمن لتطبيقات الذكاء الاصطناعي.
FHEML هو مكمل لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يؤكد FHEML على إجراء الحسابات على البيانات المشفرة للحفاظ على خصوصية البيانات.
ثورة القوة الحاسوبية: حسابات الذكاء الاصطناعي في الشبكات اللامركزية
تضاعف تعقيد الحسابات في أنظمة الذكاء الاصطناعي الحالية كل 3 أشهر، مما أدى إلى زيادة هائلة في الطلب على قوة الحوسبة، والتي تفوق بكثير العرض الحالي من موارد الحوسبة. على سبيل المثال، يتطلب تدريب نموذج لغوي ضخم قوة حوسبة هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. هذه النقص في قوة الحوسبة لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل أيضًا تلك النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.
في الوقت نفسه، فإن معدل استخدام وحدات معالجة الرسوميات العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، والنقص في الرقائق الناتج عن عوامل سلسلة التوريد والجغرافيا السياسية، كل ذلك جعل مشكلة توفير القوة الحاسوبية أكثر حدة. يجد العاملون في مجال الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة لخدمة الحوسبة عند الطلب وفعالة من حيث التكلفة.
تقوم شبكة قوة الحوسبة الذكية اللامركزية بتجميع موارد GPU غير المستخدمة على مستوى العالم، مما يوفر سوق قوة حوسبة اقتصادي وسهل الوصول لشركات الذكاء الاصطناعي. يمكن لمستخدمي الطلب على قوة الحوسبة نشر مهام الحوسبة على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد المعدنين الذين يساهمون في قوة الحوسبة، وينفذ المعدنون المهام ويقدمون النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. تعمل هذه الحلول على تحسين كفاءة استخدام الموارد، وتساعد في حل مشكلة نقص قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.
بالإضافة إلى الشبكات العامة اللامركزية للحوسبة، هناك بعض الشبكات المخصصة للحوسبة التي تركز على تدريب الذكاء الاصطناعي واستدلاله.
توفر شبكة الحوسبة اللامركزية سوقًا عادلًا وشفافًا للقوة الحاسوبية، مما يكسر الاحتكار ويقلل من عوائق الدخول للتطبيقات، ويزيد من كفاءة استخدام القوة الحاسوبية. في نظام البيئي web3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من تطبيقات dapp المبتكرة للانضمام، ويدفع معًا تطوير وتطبيق تكنولوجيا الذكاء الاصطناعي.
DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة
تخيل أن هاتفك المحمول، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك، جميعها تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية Edge AI. إنها تجعل الحساب يحدث في مصدر إنتاج البيانات، مما يحقق تأخيرًا منخفضًا ومعالجة في الوقت الفعلي، بينما تحمي خصوصية المستخدم. لقد تم تطبيق تقنية Edge AI في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3، لدينا اسم أكثر ألفة - DePIN. يؤكد Web3 على اللامركزية وحقوق سيادة بيانات المستخدم، ومن خلال معالجة البيانات محليًا، يمكن لـ DePIN تعزيز حماية خصوصية المستخدم وتقليل مخاطر تسرب البيانات؛ آلية الاقتصاد الرمزي الأصلية في Web3 يمكن أن تحفز عقد DePIN على توفير موارد الحوسبة، مما يبني نظامًا بيئيًا مستدامًا.
تتطور DePIN حاليًا بسرعة في نظام بيئي معين لسلسلة الكتل العامة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر TPS العالية، والرسوم المنخفضة، والابتكارات التقنية لهذه السلسلة العامة دعمًا قويًا لمشاريع DePIN. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه السلسلة العامة 10 مليارات دولار أمريكي، وقد حققت بعض المشاريع المعروفة تقدمًا ملحوظًا.
IMO: نموذج جديد لإصدار نماذج الذكاء الاصطناعي
تم اقتراح مفهوم IMO لأول مرة من قبل بروتوكول معين، حيث يتم توكين نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب نقص آلية مشاركة العائدات، بمجرد تطوير نموذج الذكاء الاصطناعي وإطلاقه في السوق، غالبًا ما يجد المطورون صعوبة في الحصول على إيرادات مستمرة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع الاستخدام، ناهيك عن الحصول على إيرادات منه. بالإضافة إلى ذلك، غالبًا ما يفتقر أداء نموذج الذكاء الاصطناعي وفعاليته إلى الشفافية، مما يجعل من الصعب على المستثمرين والمستخدمين المحتملين تقييم قيمته الحقيقية، مما يحد من اعتراف السوق بالنموذج وإمكاناته التجارية.
يوفر IMO 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 بروتوكول معين معيارين ERC، بالتعاون مع تقنية AI Oracle وOPML لضمان صحة نموذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة العوائد.
تعزز نماذج IMO الشفافية والثقة، وتشجع التعاون مفتوح المصدر، وتتكيف مع اتجاهات سوق التشفير، وتضخ طاقة جديدة في التنمية المستدامة لتقنيات الذكاء الاصطناعي. لا تزال IMO في مرحلة التجريب الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاراتها وقيمتها المحتملة تستحق توقعاتنا.
وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل
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 يعملوا كمساعدين افتراضيين، من خلال التفاعل مع المستخدمين، يتعلمون تفضيلاتهم ويقدمون حلولاً 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 مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوت، والمظهر، والصوت، وكذلك الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى بناء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي، مستخدمة تقنيات الذكاء الاصطناعي التوليدي، وتمكين الأفراد ليصبحوا مبدعين خارقين. قامت المنصة بتدريب نموذج لغوي كبير مخصص، مما يجعل تمثيل الشخصيات أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي لمنتجات الذكاء الاصطناعي، وتقليل تكلفة تركيب الصوت بنسبة 99٪، ويمكن تنفيذ استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكيل الذكاء الاصطناعي المخصص من هذه المنصة، يمكن تطبيقه حاليًا في مجالات متعددة مثل الدردشة المرئية، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، يتم التركيز حاليًا بشكل أكبر على استكشاف مستوى البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال للقوة الحاسوبية اللامركزية، وكيفية التحقق من نماذج اللغة الكبيرة وغيرها من القضايا الرئيسية. مع التحسين التدريجي لهذه البنية التحتية، لدينا ما يبرر الاعتقاد بأن دمج Web3 و AI سيفضي إلى 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 17
أعجبني
17
10
مشاركة
تعليق
0/400
LiquidityWitch
· 07-12 05:54
مقالة أخرى غير مفيدة، متعبة جداً
شاهد النسخة الأصليةرد0
FomoAnxiety
· 07-11 18:35
هذه حيلة جديدة من الرأسماليين
شاهد النسخة الأصليةرد0
DaoTherapy
· 07-10 15:21
ويب 3 بلا فائدة ، ai هو الأب الكبير
شاهد النسخة الأصليةرد0
MeltdownSurvivalist
· 07-09 06:31
مجرد هراء اللامركزية يجب أن تستمع لرأس المال
شاهد النسخة الأصليةرد0
DegenMcsleepless
· 07-09 06:28
3 صباحًا دي فاي ديغن، إيث ماكسي، كل شيء في الكريبتو منذ 2017. لن ننجح إذا لم تكن في ويب 3
شاهد النسخة الأصليةرد0
BearMarketGardener
· 07-09 06:25
لا ألعب بتداول العملات الرقمية بل سأزرع الخضار، أكل الخضار أطيب من توزيع مجاني.
شاهد النسخة الأصليةرد0
ProposalManiac
· 07-09 06:21
أنا فقط لا أفهم من يتحمل مسؤولية تصميم آلية التحفيز هذه
شاهد النسخة الأصليةرد0
IronHeadMiner
· 07-09 06:20
مرة أخرى تتحدث عن الذكاء الاصطناعي؟ دعنا نحفر لنرى.
شاهد النسخة الأصليةرد0
SerumSquirter
· 07-09 06:03
لعب الذكاء الاصطناعي فقط ، لماذا تتحدث عن الويب 3؟
Web3 و AI融合: بناء بيئة بيانات وقوة الحوسبة اللامركزية
دمج Web3 و AI: بناء البنية التحتية للإنترنت من الجيل التالي
تعتبر Web3 كنموذج جديد للإنترنت لامركزي ومفتوح وشفاف، فرصة طبيعية للتكامل مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، يتم التحكم بشكل صارم في حسابات الذكاء الاصطناعي وموارد البيانات، وهناك العديد من التحديات مثل اختناق القدرة الحاسوبية، تسرب الخصوصية، وصناديق السوداء الخوارزمية. بينما تعتمد Web3 على التكنولوجيا الموزعة، يمكن أن تضخ قوة جديدة في تطوير الذكاء الاصطناعي من خلال مشاركة شبكة القدرة الحاسوبية، أسواق البيانات المفتوحة، والحوسبة الخصوصية. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يساعد في بناء بيئتها. لذلك، فإن استكشاف دمج Web3 وAI أمر بالغ الأهمية لبناء بنية الإنترنت التحتية للجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.
مدفوع بالبيانات: الأساس المتين لـ AI و Web3
البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي، مثلما يكون الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى هضم كميات كبيرة من البيانات عالية الجودة لتحقيق فهم عميق وقدرات استدلال قوية، فالمعلومات لا توفر فقط أساس التدريب لنماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.
في نماذج الحصول على البيانات واستخدامها الخاصة بالذكاء الاصطناعي المركزية التقليدية، هناك عدة مشكلات رئيسية كما يلي:
يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد:
ومع ذلك، توجد بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل تفاوت جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية هي نجم مستقبل قطاع بيانات Web3. استنادًا إلى تقنية الذكاء الاصطناعي التوليدي والمحاكاة، تستطيع البيانات 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 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 (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فقد جلب هذا أيضًا تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يحد بلا شك من إمكانيات نماذج الذكاء الاصطناعي وقدرتها على الاستنتاج.
FHE هو التشفير المتجانس بالكامل، الذي يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، ونتيجة العمليات الحسابية تتطابق مع النتائج الناتجة عن إجراء نفس العمليات على البيانات النصية.
توفر FHE حماية قوية لحساب الخصوصية في الذكاء الاصطناعي، مما يسمح لقوة معالجة GPU بتنفيذ مهام تدريب النماذج والاستدلال في بيئة لا تلامس البيانات الأصلية. وهذا يمنح شركات الذكاء الاصطناعي ميزة كبيرة. 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 ويوفر إطار حساب آمن لتطبيقات الذكاء الاصطناعي.
FHEML هو مكمل لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يؤكد FHEML على إجراء الحسابات على البيانات المشفرة للحفاظ على خصوصية البيانات.
ثورة القوة الحاسوبية: حسابات الذكاء الاصطناعي في الشبكات اللامركزية
تضاعف تعقيد الحسابات في أنظمة الذكاء الاصطناعي الحالية كل 3 أشهر، مما أدى إلى زيادة هائلة في الطلب على قوة الحوسبة، والتي تفوق بكثير العرض الحالي من موارد الحوسبة. على سبيل المثال، يتطلب تدريب نموذج لغوي ضخم قوة حوسبة هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. هذه النقص في قوة الحوسبة لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل أيضًا تلك النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.
في الوقت نفسه، فإن معدل استخدام وحدات معالجة الرسوميات العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، والنقص في الرقائق الناتج عن عوامل سلسلة التوريد والجغرافيا السياسية، كل ذلك جعل مشكلة توفير القوة الحاسوبية أكثر حدة. يجد العاملون في مجال الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة لخدمة الحوسبة عند الطلب وفعالة من حيث التكلفة.
تقوم شبكة قوة الحوسبة الذكية اللامركزية بتجميع موارد GPU غير المستخدمة على مستوى العالم، مما يوفر سوق قوة حوسبة اقتصادي وسهل الوصول لشركات الذكاء الاصطناعي. يمكن لمستخدمي الطلب على قوة الحوسبة نشر مهام الحوسبة على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد المعدنين الذين يساهمون في قوة الحوسبة، وينفذ المعدنون المهام ويقدمون النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. تعمل هذه الحلول على تحسين كفاءة استخدام الموارد، وتساعد في حل مشكلة نقص قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.
بالإضافة إلى الشبكات العامة اللامركزية للحوسبة، هناك بعض الشبكات المخصصة للحوسبة التي تركز على تدريب الذكاء الاصطناعي واستدلاله.
توفر شبكة الحوسبة اللامركزية سوقًا عادلًا وشفافًا للقوة الحاسوبية، مما يكسر الاحتكار ويقلل من عوائق الدخول للتطبيقات، ويزيد من كفاءة استخدام القوة الحاسوبية. في نظام البيئي web3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من تطبيقات dapp المبتكرة للانضمام، ويدفع معًا تطوير وتطبيق تكنولوجيا الذكاء الاصطناعي.
DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة
تخيل أن هاتفك المحمول، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك، جميعها تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية Edge AI. إنها تجعل الحساب يحدث في مصدر إنتاج البيانات، مما يحقق تأخيرًا منخفضًا ومعالجة في الوقت الفعلي، بينما تحمي خصوصية المستخدم. لقد تم تطبيق تقنية Edge AI في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3، لدينا اسم أكثر ألفة - DePIN. يؤكد Web3 على اللامركزية وحقوق سيادة بيانات المستخدم، ومن خلال معالجة البيانات محليًا، يمكن لـ DePIN تعزيز حماية خصوصية المستخدم وتقليل مخاطر تسرب البيانات؛ آلية الاقتصاد الرمزي الأصلية في Web3 يمكن أن تحفز عقد DePIN على توفير موارد الحوسبة، مما يبني نظامًا بيئيًا مستدامًا.
تتطور DePIN حاليًا بسرعة في نظام بيئي معين لسلسلة الكتل العامة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر TPS العالية، والرسوم المنخفضة، والابتكارات التقنية لهذه السلسلة العامة دعمًا قويًا لمشاريع DePIN. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه السلسلة العامة 10 مليارات دولار أمريكي، وقد حققت بعض المشاريع المعروفة تقدمًا ملحوظًا.
IMO: نموذج جديد لإصدار نماذج الذكاء الاصطناعي
تم اقتراح مفهوم IMO لأول مرة من قبل بروتوكول معين، حيث يتم توكين نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب نقص آلية مشاركة العائدات، بمجرد تطوير نموذج الذكاء الاصطناعي وإطلاقه في السوق، غالبًا ما يجد المطورون صعوبة في الحصول على إيرادات مستمرة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع الاستخدام، ناهيك عن الحصول على إيرادات منه. بالإضافة إلى ذلك، غالبًا ما يفتقر أداء نموذج الذكاء الاصطناعي وفعاليته إلى الشفافية، مما يجعل من الصعب على المستثمرين والمستخدمين المحتملين تقييم قيمته الحقيقية، مما يحد من اعتراف السوق بالنموذج وإمكاناته التجارية.
يوفر IMO 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 بروتوكول معين معيارين ERC، بالتعاون مع تقنية AI Oracle وOPML لضمان صحة نموذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة العوائد.
تعزز نماذج IMO الشفافية والثقة، وتشجع التعاون مفتوح المصدر، وتتكيف مع اتجاهات سوق التشفير، وتضخ طاقة جديدة في التنمية المستدامة لتقنيات الذكاء الاصطناعي. لا تزال IMO في مرحلة التجريب الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاراتها وقيمتها المحتملة تستحق توقعاتنا.
وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل
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 يعملوا كمساعدين افتراضيين، من خلال التفاعل مع المستخدمين، يتعلمون تفضيلاتهم ويقدمون حلولاً 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 مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوت، والمظهر، والصوت، وكذلك الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى بناء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي، مستخدمة تقنيات الذكاء الاصطناعي التوليدي، وتمكين الأفراد ليصبحوا مبدعين خارقين. قامت المنصة بتدريب نموذج لغوي كبير مخصص، مما يجعل تمثيل الشخصيات أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي لمنتجات الذكاء الاصطناعي، وتقليل تكلفة تركيب الصوت بنسبة 99٪، ويمكن تنفيذ استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكيل الذكاء الاصطناعي المخصص من هذه المنصة، يمكن تطبيقه حاليًا في مجالات متعددة مثل الدردشة المرئية، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، يتم التركيز حاليًا بشكل أكبر على استكشاف مستوى البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال للقوة الحاسوبية اللامركزية، وكيفية التحقق من نماذج اللغة الكبيرة وغيرها من القضايا الرئيسية. مع التحسين التدريجي لهذه البنية التحتية، لدينا ما يبرر الاعتقاد بأن دمج Web3 و AI سيفضي إلى مجموعة من نماذج الأعمال والخدمات المبتكرة.