دمج Web3 و AI: بناء بنية تحتية للإنترنت من الجيل التالي

تعتبر Web3 كنموذج جديد للإنترنت لامركزي، مفتوح وشفاف، لديها فرص طبيعية للتكامل مع الذكاء الاصطناعي. في إطار الهيكل التقليدي المركزي، يواجه الذكاء الاصطناعي تحديات مثل اختناق القدرة الحاسوبية، تسرب الخصوصية، وصندوق الأسود للخوارزميات. تعتمد Web3 على التكنولوجيا الموزعة، ويمكن من خلال شبكة القدرة الحاسوبية المشتركة، سوق البيانات المفتوحة، والحوسبة الخاصة، أن توفر دفعة جديدة لتطوير الذكاء الاصطناعي. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يعزز بناء نظامها البيئي. إن استكشاف دمج الاثنين يعد أمرًا بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.

البيانات المدفوعة: الأساس المتين للذكاء الاصطناعي وWeb3

البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة قوية على الاستدلال. لا توفر البيانات فقط الأساس للتدريب على نماذج التعلم الآلي، بل تحدد أيضًا دقة وموثوقية النماذج.

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

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

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، وتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي.
• اعتماد نموذج "label to earn"، من خلال تحفيز التوكنات للعاملين في جميع أنحاء العالم للمشاركة في توضيح البيانات، وتجميع المعرفة المهنية العالمية، وتعزيز القدرة على تحليل البيانات
• منصة تداول بيانات blockchain توفر بيئة تداول شفافة ومفتوحة للطرفين المعنيين بالبيانات، مما يحفز الابتكار ومشاركة البيانات.

ومع ذلك، توجد أيضًا مشاكل في جمع البيانات من العالم الحقيقي مثل تفاوت الجودة، 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، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية إمكانيات تطبيق ناضجة.

حماية الخصوصية: دور FHE في Web3

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور تركيز عالمي. ومع ذلك، فإن هذا يجلب تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يحد من إمكانات نموذج الذكاء الاصطناعي وقدراته على الاستدلال.

تسمح FHE (التشفير المتجانس بالكامل) بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك التشفير، وتكون النتائج متوافقة مع البيانات النصية الواضحة. توفر FHE حماية قوية لحسابات الخصوصية في الذكاء الاصطناعي، مما يمكّن قوة معالجة وحدات معالجة الرسومات من تنفيذ تدريب النماذج واستنتاجها دون التفاعل مع بيئة البيانات الأصلية. هذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي، حيث يمكنها حماية أسرار العمل بينما توفر خدمات واجهة برمجة التطبيقات بشكل آمن.

يدعم FHEML معالجة البيانات والنماذج بشكل مشفر على مدار دورة حياة التعلم الآلي بالكامل، مما يضمن أمان المعلومات الحساسة ومنع تسرب البيانات. يعزز FHEML خصوصية البيانات، ويوفر إطار حساب آمن لتطبيقات الذكاء الاصطناعي.

FHEML هو ملحق لـ ZKML، حيث يثبت ZKML تنفيذ التعلم الآلي بشكل صحيح، بينما يركز FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة القوة الحاسوبية: حسابات الذكاء الاصطناعي في الشبكات اللامركزية

تتضاعف تعقيد حسابات أنظمة الذكاء الاصطناعي الحالية كل 3 أشهر، مما يؤدي إلى زيادة هائلة في الطلب على قوة الحوسبة، والتي تتجاوز بكثير إمدادات موارد الحوسبة الحالية. هذا لا يقتصر فقط على تقييد تقدم تقنية الذكاء الاصطناعي، بل يجعل النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.

تقل نسبة استخدام وحدات معالجة الرسوميات العالمية عن 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، والعوامل المتعلقة بسلسلة التوريد والجغرافيا السياسية التي تسبب نقصًا في الشرائح، مما يعقد مشكلة إمداد القوة الحاسوبية. يواجه العاملون في مجال الذكاء الاصطناعي معضلة شراء الأجهزة أو استئجار موارد سحابية، ويحتاجون بشكل عاجل إلى خدمات حوسبة حسب الطلب وبشكل اقتصادي.

تقوم شبكة قوة الحوسبة اللامركزية للذكاء الاصطناعي من خلال تجميع موارد GPU غير المستخدمة عالميًا بتوفير سوق قوة حوسبة اقتصادي وسهل الوصول للشركات العاملة في مجال الذكاء الاصطناعي. يمكن للجهات الطالبة نشر مهام الحوسبة، وتقوم العقود الذكية بتوزيع المهام على عقد التعدين، حيث ينفذ عمال المناجم المهام ويقدمون النتائج، وبعد التحقق يحصلون على مكافآت. تعمل هذه الخطة على زيادة كفاءة استخدام الموارد، مما يساعد على حل مشكلة عنق الزجاجة في قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.

بجانب الشبكات العامة اللامركزية للحوسبة، هناك شبكات حوسبة مخصصة تركز على تدريب الذكاء الاصطناعي واستنتاجه. توفر الشبكات اللامركزية للحوسبة سوقًا عادلًا وشفافًا، مما يكسر الاحتكار، ويقلل من عوائق الدخول للتطبيقات، ويزيد من كفاءة استخدام الحوسبة. في نظام ويب 3، ستلعب دورًا محوريًا، مما يجذب المزيد من تطبيقات dapp المبتكرة للانضمام، ويدفع تطوير وتطبيق تقنيات الذكاء الاصطناعي.

DePIN: تمكين Edge AI بواسطة Web3

تتيح تقنية Edge AI إجراء الحسابات عند مصدر إنتاج البيانات، مما يحقق معالجة فورية ومنخفضة التأخير، مع حماية خصوصية المستخدمين. وقد تم تطبيقها في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3، يعزز DePIN حماية خصوصية المستخدم من خلال معالجة البيانات محليًا، مما يقلل من مخاطر تسرب البيانات. يمكن أن تحفز آلية اقتصاد الرموز الأصلية لـ Web3 عقد DePIN على توفير موارد الحوسبة، وبناء نظام بيئي مستدام.

تتطور DePIN حالياً بسرعة في أحد أنظمة سلاسل الكتل العامة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر TPS العالية، وانخفاض رسوم المعاملات، والابتكار التكنولوجي في هذه السلسلة العامة دعماً قوياً لمشاريع DePIN. حالياً، تتجاوز القيمة السوقية لمشاريع DePIN على هذه السلسلة العامة 10 مليارات دولار، وقد حققت بعض المشاريع المعروفة تقدماً ملحوظاً.

IMO: نموذج نشر جديد للذكاء الاصطناعي

تم اقتراح مفهوم IMO لأول مرة من قبل بروتوكول معين، والذي يقوم بتوكن نموذج الذكاء الاصطناعي. في النموذج التقليدي، يواجه المطورون صعوبة في تحقيق عائد مستمر من الاستخدام اللاحق للنموذج، كما أن أداء النموذج وفعاليته تفتقر إلى الشفافية، مما يحد من الاعتراف في السوق والإمكانات التجارية.

توفر IMO دعمًا ماليًا جديدًا ونمطًا لمشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة عائدات النموذج في المستقبل. تستخدم بروتوكول معين معيار ERC محدد، بالاستفادة من تكنولوجيا الذكاء الاصطناعي والمخططات OPML لضمان مصداقية نموذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة العائدات.

تعزز نموذج IMO الشفافية والثقة، وتشجع التعاون المفتوح، وتتكيف مع اتجاهات سوق التشفير، وتضخ الطاقة في التنمية المستدامة لتقنية الذكاء الاصطناعي. نموذج IMO حاليًا في مرحلة المحاولة الأولية، لكن ابتكاريته وقيمته المحتملة تستحق التوقع.

وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل

يمكن لوكيل الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ إجراءات لتحقيق الأهداف. بدعم من نماذج اللغة الكبيرة، لا يفهم وكيل الذكاء الاصطناعي اللغة الطبيعية فحسب، بل يمكنه أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كمساعِد افتراضي، من خلال التعلم من التفاعل مع تفضيلات المستخدم، وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي أيضًا حل المشكلات بشكل مستقل، مما يزيد من الكفاءة ويخلق قيمة جديدة.

توفر منصة تطبيقات AI المفتوحة مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوت، والمظهر، والصوت، وربط قواعد المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي لمحتوى AI مفتوح وعادل، باستخدام تقنية AI التوليدية لتمكين الأفراد ليصبحوا منشئين فائقين. تدربت المنصة على نماذج لغة كبيرة مخصصة لجعل التمثيل الشخصي أكثر إنسانية؛ تسارع تقنية استنساخ الصوت التفاعل الشخصي لمنتجات AI، وتخفض تكلفة تركيب الصوت بنسبة 99%، ويمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. يمكن تطبيق وكيل AI المخصص من خلال هذه المنصة في مجالات متعددة مثل الدردشة بالفيديو، وتعلم اللغات، وتوليد الصور.

تتجه عمليات دمج Web3 و AI حاليًا نحو استكشاف مستوى البنية التحتية، مثل الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، واستضافة النماذج على السلسلة، وتحسين الاستخدام الفعال للقوة الحاسوبية اللامركزية، والتحقق من نماذج اللغة الكبيرة، وغيرها من القضايا الأساسية. مع تحسين هذه البنية التحتية تدريجيًا، ستؤدي دمج Web3 و AI إلى ظهور مجموعة من نماذج الأعمال والخدمات الابتكارية.