دمج Web3 والذكاء الاصطناعي: إطلاق عصر جديد من الإنترنت

تعتبر Web3 كنموذج إنترنت جديد من الجيل التالي، حيث تتوافق خصائصها اللامركزية والانفتاح والشفافية بشكل طبيعي مع الذكاء الاصطناعي. تواجه الهياكل المركزية التقليدية العديد من التحديات في تطوير الذكاء الاصطناعي، مثل اختناق القدرة الحاسوبية، وكشف الخصوصية، وعدم الشفافية في الخوارزميات. بينما تعتمد Web3 على تقنيات موزعة، يمكن أن تضخ طاقة جديدة للذكاء الاصطناعي من خلال شبكة مشاركة القدرة الحاسوبية، وسوق البيانات المفتوحة، والحوسبة الخاصة. في الوقت نفسه، يمكن أن يمكّن الذكاء الاصطناعي نظام Web3 البيئي، مثل تحسين العقود الذكية وخوارزميات مكافحة الغش. إن استكشاف الجمع بين الاثنين له أهمية كبيرة في بناء بنية الإنترنت التحتية من الجيل التالي وإطلاق قيمة البيانات والقدرة الحاسوبية.

البيانات: أساس الذكاء الاصطناعي وWeb3

البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي. البيانات الضخمة عالية الجودة هي الأساس الذي يتيح لنماذج الذكاء الاصطناعي فهمًا عميقًا وقدرة قوية على الاستدلال، مما يحدد بشكل مباشر دقة النموذج وموثوقيته.

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

• تكلفة الحصول على البيانات مرتفعة، وصعوبة تحملها من قبل الشركات الصغيرة والمتوسطة
• يتم احتكار موارد البيانات من قبل عدد قليل من الشركات الكبرى، مما يؤدي إلى تشكيل جزر بيانات.
• تواجه خصوصية البيانات الشخصية مخاطر التسرب وسوء الاستخدام

تقدم Web3 نموذج بيانات لامركزي جديد لمعالجة هذه النقاط المؤلمة:

• يمكن للمستخدمين بيع الموارد الشبكية غير المستخدمة لشركات الذكاء الاصطناعي، لجمع البيانات الشبكية بطريقة لامركزية
• اعتماد نموذج "العمل مقابل العائد"، من خلال تحفيز المساهمين العالميين للمشاركة في توضيح البيانات عبر الرموز.
• منصة تداول بيانات blockchain توفر بيئة تداول شفافة وعلنية للطرفين المعنيين.

على الرغم من ذلك، لا يزال جمع البيانات من العالم الحقيقي يواجه مشاكل تتعلق بجودة البيانات وتفاوتها وصعوبة المعالجة. قد تصبح البيانات الاصطناعية مكملًا مهمًا في المستقبل. استنادًا إلى تقنية الذكاء الاصطناعي التوليدي، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، وقد أظهرت إمكانيات تطبيقية في مجالات مثل القيادة الذاتية، والمعاملات المالية، وتطوير الألعاب.

حماية الخصوصية: أهمية التشفير المتماثل

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي. ومع ذلك، فإن الحماية المفرطة تؤدي أيضًا إلى عدم القدرة على الاستفادة الكاملة من بعض البيانات الحساسة، مما يحد من إمكانيات نماذج الذكاء الاصطناعي.

التشفير المتجانس ( FHE ) يسمح بإجراء الحسابات مباشرة على البيانات المشفرة، دون الحاجة إلى فك التشفير للحصول على نفس نتائج الحسابات على النص العادي. وهذا يوفر ضماناً قوياً لحوسبة الخصوصية في الذكاء الاصطناعي، مما يسمح لوحدات معالجة الرسوميات بتنفيذ تدريب النماذج والاستدلال دون الاتصال بالبيانات الأصلية.

يدعم FHEML معالجة البيانات والنماذج بالتشفير على مدار دورة التعلم الآلي بأكملها، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. FHEML هو مكمل للتعلم الآلي بدون معرفة، الذي يثبت التنفيذ الصحيح للتعلم الآلي، بينما يركز الأول على حساب البيانات المشفرة للحفاظ على الخصوصية.

ثورة القدرة الحاسوبية: شبكة حسابات الذكاء الاصطناعي اللامركزية

تتضاعف تعقيدات حساب النظام الذكي الحالي كل ربع سنة، مما يؤدي إلى زيادة هائلة في الطلب على قوة الحوسبة، تتجاوز بكثير إمدادات الموارد الحالية. على سبيل المثال، يتطلب تدريب نموذج ذكاء اصطناعي معروف قوة حوسبة تعادل 355 عامًا لجهاز واحد. هذه النقص لا يقتصر فقط على تقييد تقدم التكنولوجيا الذكية، بل يجعل النماذج المتقدمة بعيدة المنال لمعظم الباحثين والمطورين.

في الوقت نفسه، تبلغ نسبة استخدام وحدات معالجة الرسوميات العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء الشرائح ومشاكل سلسلة التوريد، مما يؤدي إلى مزيد من الضغط على إمدادات القدرة الحاسوبية. يواجه العاملون في مجال الذكاء الاصطناعي خيارًا صعبًا بين شراء الأجهزة أو استئجار موارد السحابة، مما يجعل الحاجة إلى خدمة حسابية فعالة من حيث التكلفة وعند الطلب أمرًا ملحًا.

تقوم شبكة الحوسبة اللامركزية للذكاء الاصطناعي من خلال تجميع موارد GPU غير المستغلة عالميًا بتوفير سوق حوسبة متاح اقتصاديًا لشركات الذكاء الاصطناعي. يمكن لطرف الطلب نشر المهام على الشبكة، وسيقوم العقد الذكي بتوزيعها على عقدة التعدين، حيث تقوم العقدة بتنفيذ المهام وتقديم النتائج، وبعد التحقق منها تحصل على مكافأة. تعزز هذه الخطة كفاءة استخدام الموارد، وتساعد في حل أزمة الحوسبة في مجالات مثل الذكاء الاصطناعي.

بجانب شبكة القوة الحاسوبية العامة، هناك منصات مخصصة تركز على تدريب الذكاء الاصطناعي واستدلاله. توفر شبكة القوة الحاسوبية اللامركزية سوقاً عادلاً وشفافاً، تكسر الاحتكار، وتخفف من العوائق، وتزيد من الكفاءة، وستلعب دوراً حاسماً في نظام Web3 البيئي.

الذكاء الاصطناعي الطرفي: تمكين الأجهزة الذكية من خلال Web3

تخيل أن الهواتف المحمولة، والساعات الذكية، وحتى الأجهزة المنزلية تمتلك القدرة على تشغيل الذكاء الاصطناعي، هذه هي جاذبية الذكاء الاصطناعي الحدي. إنه ينقل الحوسبة إلى مصدر البيانات، مما يحقق زمن انتقال منخفض، ومعالجة في الوقت الحقيقي، مع حماية خصوصية المستخدم. تم تطبيق تقنية الذكاء الاصطناعي الحدي في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3، الشبكات اللامركزية للبنية التحتية الفيزيائية (DePIN) لها أوجه تشابه مع الذكاء الاصطناعي الطرفي. يركز Web3 على اللامركزية وسيادة بيانات المستخدم، بينما تعزز DePIN حماية الخصوصية من خلال معالجة البيانات محليًا؛ يمكن لآلية الاقتصاد الرمزي الأصلية في Web3 تحفيز العقد لتوفير موارد الحوسبة، وبناء نظام بيئي مستدام.

تتطور DePIN حاليًا بسرعة في بيئة سلسلة الكتل ذات الأداء العالي، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. تقدم TPS العالية، وتكاليف المعاملات المنخفضة، والابتكارات التكنولوجية في هذه السلسلة دعمًا قويًا لمشاريع DePIN. حاليًا، تجاوزت القيمة السوقية لمشاريع DePIN على هذه السلسلة 10 مليارات دولار، وقد حققت العديد من المشاريع المعروفة تقدمًا ملحوظًا.

إصدار النموذج الأولي: نموذج جديد لإطلاق نماذج الذكاء الاصطناعي

تم اقتراح مفهوم إصدار نموذج أولي (IMO) لأول مرة من قبل بروتوكول معين، حيث يتم توكين نموذج الذكاء الاصطناعي. في النموذج التقليدي، يواجه مطورو نموذج الذكاء الاصطناعي صعوبة في الحصول على عائد مستمر من الاستخدام اللاحق، كما أن أداء النموذج وفعاليته يفتقران إلى الشفافية، مما يحد من الاعتراف في السوق والإمكانات التجارية.

يوفر IMO دعمًا ماليًا جديدًا ونموذجًا لمشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر. يمكن للمستثمرين شراء رموز IMO لمشاركة العائدات المستقبلية للنموذج. من خلال دمج معايير تقنية محددة، وأوراكل الذكاء الاصطناعي، وتعلم الآلة على السلسلة، يضمن صحة نماذج الذكاء الاصطناعي ومشاركة عائدات حاملي الرموز.

نموذج IMO يعزز الشفافية والثقة، ويشجع التعاون مفتوح المصدر، ويتكيف مع اتجاهات سوق التشفير، ويضخ الزخم في التنمية المستدامة لتقنية الذكاء الاصطناعي. على الرغم من أنه في مرحلة التجارب الأولية حالياً، إلا أن الابتكار والقيمة المحتملة يستحقان الانتظار مع زيادة قبول السوق وتوسيع نطاق المشاركة.

! استكشاف عمليات الدمج الرئيسية الستة ل الذكاء الاصطناعي و Web3

وكيل الذكاء الاصطناعي: عصر جديد من تجارب التفاعل

يمكن لوكلاء الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ إجراءات لتحقيق الأهداف. بدعم من نماذج اللغة الكبيرة، فإنهم لا يفهمون اللغة الطبيعية فحسب، بل يمكنهم أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكن لوكلاء الذكاء الاصطناعي العمل كمساعِدين افتراضيين، من خلال التعلم التفاعلي تفضيلات المستخدمين وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكنهم أيضًا حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق القيمة.

توفر منصة مفتوحة على الذكاء الاصطناعي مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوتات، والمظهر، والصوت، وربطها بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء بيئة محتوى مفتوحة وعادلة للذكاء الاصطناعي. قامت هذه المنصة بتدريب نماذج لغوية كبيرة متخصصة، مما يجعل أدوار التمثيل أكثر إنسانية؛ كما أن تقنية استنساخ الصوت الخاصة بها تقلل تكلفة توليد الصوت بنسبة 99%، حيث يمكن تحقيق ذلك في دقيقة واحدة فقط. باستخدام الذكاء الاصطناعي المخصص عبر هذه المنصة، يمكن تطبيقه حاليًا في مجالات متعددة مثل الدردشة بالفيديو، وتعلم اللغات، وتوليد الصور.

يركز دمج Web3 و AI حاليًا بشكل أكبر على استكشاف طبقة البنية التحتية، مثل الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، واستضافة النماذج على السلسلة، والاستخدام الفعال للقوة الحاسوبية اللامركزية، والتحقق من النماذج اللغوية الكبيرة، وغيرها من القضايا الرئيسية. مع تحسين هذه البنية التحتية تدريجيًا، لدينا سبب للاعتقاد أن دمج Web3 و AI سيولد مجموعة من نماذج الأعمال والخدمات الجديدة.