دمج Web3 و AI: بناء بنية الإنترنت التحتية للجيل القادم
تعتبر Web3 كنموذج جديد للإنترنت لامركزي ومفتوح وشفاف، فرصة طبيعية للاندماج مع الذكاء الاصطناعي. في إطار الهيكل التقليدي المركزي، يتم التحكم بدقة في حسابات الذكاء الاصطناعي ومصادر البيانات، مما يواجه العديد من التحديات مثل اختناقات قوة الحوسبة، تسرب الخصوصية، وصناديق السوداء الخوارزمية. بينما تستند Web3 إلى تقنيات موزعة، فإنها تضخ حيوية جديدة في تطوير الذكاء الاصطناعي من خلال شبكات قوة الحوسبة المشتركة، وأسواق البيانات المفتوحة، والحوسبة المتعلقة بالخصوصية. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية وخوارزميات مكافحة الغش، لدعم بناء بيئتها. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي أمر بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل القادم، وإطلاق قيمة البيانات وقوة الحوسبة.
مدفوع بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3
البيانات هي القوة الدافعة الأساسية لتطور الذكاء الاصطناعي، مثلما الوقود للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استهلاك كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرات استدلال قوية. لا توفر البيانات فقط الأساس لتدريب نماذج التعلم الآلي، بل تحدد أيضًا دقة وموثوقية النموذج.
توجد عدة مشاكل رئيسية في نموذج الحصول على البيانات واستخدامها في الذكاء الاصطناعي المركزي التقليدي:
تكلفة الحصول على البيانات مرتفعة، مما يجعل من الصعب على الشركات الصغيرة والمتوسطة تحملها
تم احتكار موارد البيانات من قبل عمالقة التكنولوجيا، مما أدى إلى تكوين جزر بيانات.
تواجه خصوصية البيانات الشخصية مخاطر التسريب والإساءة
يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد:
يمكن للمستخدمين بيع الشبكة غير المستخدمة لشركات الذكاء الاصطناعي، لالتقاط بيانات الشبكة بشكل لامركزي، وبعد التنظيف والتحويل، لتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي.
اعتماد نموذج "label to earn"، من خلال حوافز رمزية لتشجيع العمال العالميين على المشاركة في توضيح البيانات، وجمع المعرفة المهنية العالمية، وتعزيز قدرة تحليل البيانات.
منصة تبادل بيانات البلوكشين توفر بيئة تداول شفافة للجميع بين طرفي العرض والطلب، مما يحفز على الابتكار ومشاركة البيانات.
على الرغم من ذلك، توجد بعض المشكلات في جمع البيانات من العالم الحقيقي، مثل اختلاف جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية نجم المستقبل في مسار بيانات Web3. بناءً على تقنيات الذكاء الاصطناعي التوليدية 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 إمكانات تطبيق ناضجة.
حماية الخصوصية: دور FHE في Web3
في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس القوانين مثل النظام العام لحماية البيانات في الاتحاد الأوروبي (GDPR) الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فإن هذا يشكل تحديات: بعض البيانات الحساسة لا يمكن استخدامها بشكل كامل بسبب مخاطر الخصوصية، وهذا بلا شك يقيد إمكانيات النموذج الذكي وقدراته الاستنتاجية.
FHE هو التشفير المتجانس بالكامل، يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، والنتيجة الحسابية متطابقة مع نتيجة 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 تتطلب الوصول إلى 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 ويوفر إطار عمل آمن للحوسبة لتطبيقات الذكاء الاصطناعي.
FHEML هو مكمل لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يركز FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
ثورة القوة الحاسوبية: الحوسبة بالذكاء الاصطناعي في الشبكات اللامركزية
تضاعف تعقيد حسابات أنظمة الذكاء الاصطناعي الحالية كل 3 أشهر، مما أدى إلى زيادة هائلة في الطلب على قوة الحوسبة، وهو ما يفوق بكثير إمدادات موارد الحوسبة الحالية. على سبيل المثال، يتطلب تدريب نموذج لغوي كبير قوة حسابية هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. مثل هذا النقص في قوة الحوسبة لا يقتصر فقط على تقييد تقدم تقنيات الذكاء الاصطناعي، بل يجعل أيضًا النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.
في الوقت نفسه، فإن استخدام وحدات معالجة الرسوميات العالمية أقل من 40%، بالإضافة إلى التباطؤ في تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناتج عن عوامل سلسلة التوريد والجغرافيا السياسية، كل ذلك يجعل مشكلة إمدادات القوة الحاسوبية أكثر حدة. يجد العاملون في مجال الذكاء الاصطناعي أنفسهم في موقف صعب: إما شراء الأجهزة بأنفسهم، أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة خدمة حاسوبية فعالة من حيث التكلفة وعند الطلب.
لقد ظهرت بالفعل بعض مشاريع الشبكات اللامركزية لقوة الحوسبة الذكية، من خلال تجميع موارد GPU غير المستخدمة على مستوى العالم، توفر 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 العقد التعدينية التي تساهم بقوة الحوسبة، يقوم عمال المناجم بتنفيذ المهام وتقديم النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. هذه الخطة تعزز كفاءة استخدام الموارد، وتساعد في حل مشكلة نقص قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.
بجانب الشبكات العامة للحوسبة اللامركزية، هناك بعض المنصات التي تركز على تدريب الذكاء الاصطناعي، بالإضافة إلى الشبكات المتخصصة في استدلال الذكاء الاصطناعي.
تقدم شبكة الحوسبة اللامركزية سوقًا عادلًا وشفافًا للحوسبة، مما يكسر الاحتكار، ويقلل من عوائق الدخول للتطبيقات، ويزيد من كفاءة استخدام الحوسبة. في نظام الإيكولوجيا web3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من تطبيقات dapp المبتكرة للانضمام، لدفع تطوير وتطبيق تقنية الذكاء الاصطناعي معًا.
DePIN: تمكين Web3 للذكاء الاصطناعي الحدي
تخيل أن هاتفك المحمول وساعتك الذكية وحتى الأجهزة الذكية في منزلك تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية Edge AI. إنها تجعل الحساب يحدث في مصدر البيانات، مما يحقق تأخيرًا منخفضًا ومعالجة في الوقت الفعلي، بينما تحمي خصوصية المستخدم. لقد تم تطبيق تقنية Edge AI بالفعل في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3 ، لدينا اسم أكثر شهرة - DePIN. يؤكد Web3 على اللامركزية وحقوق سيادة بيانات المستخدمين ، حيث يمكن لـ DePIN تعزيز حماية خصوصية المستخدم من خلال معالجة البيانات محليًا وتقليل مخاطر تسرب البيانات. يمكن لآلية اقتصاد الرموز الأصلية لـ Web3 تحفيز عقد DePIN لتوفير موارد الحوسبة ، وبناء نظام بيئي مستدام.
تتطور DePIN حاليًا بسرعة في نظام بيئي لسلسلة عامة معينة، لتصبح واحدة من منصات السلسلة العامة المفضلة لنشر المشاريع. يوفر معدل المعاملات العالي (TPS)، وانخفاض رسوم المعاملات، والابتكار التكنولوجي في هذه السلسلة العامة دعمًا قويًا لمشاريع DePIN. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه السلسلة العامة 10 مليارات دولار، وقد حققت بعض المشاريع المعروفة تقدمًا ملحوظًا.
IMO: إطلاق نموذج جديد لنموذج الذكاء الاصطناعي
تم تقديم مفهوم IMO بواسطة بروتوكول معين، حيث يتم توكين نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب غياب آلية مشاركة الأرباح، بمجرد تطوير نموذج الذكاء الاصطناعي وإطلاقه في السوق، غالباً ما يجد المطورون صعوبة في الحصول على إيرادات مستمرة من الاستخدامات اللاحقة للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع الاستخدام، ناهيك عن الحصول على أي إيرادات. بالإضافة إلى ذلك، فإن أداء نموذج الذكاء الاصطناعي وفعاليته غالباً ما تفتقر إلى الشفافية، مما يجعل من الصعب على المستثمرين المحتملين والمستخدمين تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي للنموذج وإمكاناته التجارية.
تقدم IMO طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العوائد الناتجة عن النموذج لاحقًا. تستخدم بروتوكول معين معيارين من ERC، وتجمع بين Oracle الذكاء الاصطناعي (Onchain AI Oracle) وتقنية OPML لضمان صحة نموذج الذكاء الاصطناعي وتمكين حاملي الرموز من مشاركة العوائد.
نموذج IMO يعزز الشفافية والثقة، ويشجع على التعاون مفتوح المصدر، ويتكيف مع اتجاهات سوق التشفير، ويضخ الطاقة في التنمية المستدامة لتقنيات الذكاء الاصطناعي. لا يزال IMO في مرحلة التجريب الأولية، ولكن مع زيادة قبول السوق وتوسع نطاق المشاركة، فإن إبداعه وقيمته 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 بالإضافة إلى تخطيط القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كمساعِد افتراضي، من خلال التفاعل مع المستخدمين لتعلم تفضيلاتهم وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي حل المشكلات بشكل مستقل، مما يزيد من الكفاءة ويخلق قيمة جديدة.
تقوم بعض المشاريع بتطوير منصة تطبيقات مفتوحة الأصل للذكاء الاصطناعي، وت提供 مجموعة أدوات إبداعية شاملة وسهلة الاستخدام، تدعم المستخدمين في تكوين ميزات الروبوت، والمظهر، والصوت، وكذلك ربط قواعد المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي، مستغلة تقنيات الذكاء الاصطناعي التوليدية، وتمكين الأفراد ليصبحوا مبدعين خارقين. قامت هذه المشاريع بتدريب نماذج لغوية كبيرة متخصصة، مما يجعل أدوار التمثيل أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات الذكية، مما يقلل بشكل كبير من تكلفة تركيب الصوت، بحيث يمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام هذه الوكلاء الذكيين المخصصين، يمكن تطبيقها حاليًا في مجالات متعددة مثل محادثات الفيديو، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، يتم حالياً استكشاف المزيد حول طبقة 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 أسباب للاعتقاد بأن دمج Web3 و AI سيولد 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
6
إعادة النشر
مشاركة
تعليق
0/400
CryptoTarotReader
· 08-09 06:29
لقد تم تداول المفهوم مرة أخرى مرة أخرى مرة أخرى
شاهد النسخة الأصليةرد0
LiquidationWatcher
· 08-09 06:23
ووهو، الكبير قادم
شاهد النسخة الأصليةرد0
gas_fee_therapy
· 08-09 06:13
أشك بشدة أن الويب 3 جاء لدعم الذكاء الاصطناعي.
شاهد النسخة الأصليةرد0
ShibaMillionairen't
· 08-09 06:12
لا بد أن btc إثيريوم أكثر استقرارًا
شاهد النسخة الأصليةرد0
ParanoiaKing
· 08-09 06:09
المال هو الحقيقة الصلبة، إنه رائع
شاهد النسخة الأصليةرد0
PriceOracleFairy
· 08-09 06:05
همم... أخيرًا شخص ما يفهم ذلك. حساب لامركزي + ذكاء اصطناعي = موسم تسرب ألفا خالص
ويب 3 و الذكاء الاصطناعي: بناء بنية تحتية للإنترنت الذكي اللامركزي
دمج Web3 و AI: بناء بنية الإنترنت التحتية للجيل القادم
تعتبر Web3 كنموذج جديد للإنترنت لامركزي ومفتوح وشفاف، فرصة طبيعية للاندماج مع الذكاء الاصطناعي. في إطار الهيكل التقليدي المركزي، يتم التحكم بدقة في حسابات الذكاء الاصطناعي ومصادر البيانات، مما يواجه العديد من التحديات مثل اختناقات قوة الحوسبة، تسرب الخصوصية، وصناديق السوداء الخوارزمية. بينما تستند Web3 إلى تقنيات موزعة، فإنها تضخ حيوية جديدة في تطوير الذكاء الاصطناعي من خلال شبكات قوة الحوسبة المشتركة، وأسواق البيانات المفتوحة، والحوسبة المتعلقة بالخصوصية. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية وخوارزميات مكافحة الغش، لدعم بناء بيئتها. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي أمر بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل القادم، وإطلاق قيمة البيانات وقوة الحوسبة.
مدفوع بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3
البيانات هي القوة الدافعة الأساسية لتطور الذكاء الاصطناعي، مثلما الوقود للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استهلاك كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرات استدلال قوية. لا توفر البيانات فقط الأساس لتدريب نماذج التعلم الآلي، بل تحدد أيضًا دقة وموثوقية النموذج.
توجد عدة مشاكل رئيسية في نموذج الحصول على البيانات واستخدامها في الذكاء الاصطناعي المركزي التقليدي:
يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد:
على الرغم من ذلك، توجد بعض المشكلات في جمع البيانات من العالم الحقيقي، مثل اختلاف جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية نجم المستقبل في مسار بيانات Web3. بناءً على تقنيات الذكاء الاصطناعي التوليدية 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 إمكانات تطبيق ناضجة.
حماية الخصوصية: دور FHE في Web3
في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس القوانين مثل النظام العام لحماية البيانات في الاتحاد الأوروبي (GDPR) الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فإن هذا يشكل تحديات: بعض البيانات الحساسة لا يمكن استخدامها بشكل كامل بسبب مخاطر الخصوصية، وهذا بلا شك يقيد إمكانيات النموذج الذكي وقدراته الاستنتاجية.
FHE هو التشفير المتجانس بالكامل، يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، والنتيجة الحسابية متطابقة مع نتيجة 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 تتطلب الوصول إلى 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 ويوفر إطار عمل آمن للحوسبة لتطبيقات الذكاء الاصطناعي.
FHEML هو مكمل لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يركز FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
ثورة القوة الحاسوبية: الحوسبة بالذكاء الاصطناعي في الشبكات اللامركزية
تضاعف تعقيد حسابات أنظمة الذكاء الاصطناعي الحالية كل 3 أشهر، مما أدى إلى زيادة هائلة في الطلب على قوة الحوسبة، وهو ما يفوق بكثير إمدادات موارد الحوسبة الحالية. على سبيل المثال، يتطلب تدريب نموذج لغوي كبير قوة حسابية هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. مثل هذا النقص في قوة الحوسبة لا يقتصر فقط على تقييد تقدم تقنيات الذكاء الاصطناعي، بل يجعل أيضًا النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.
في الوقت نفسه، فإن استخدام وحدات معالجة الرسوميات العالمية أقل من 40%، بالإضافة إلى التباطؤ في تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناتج عن عوامل سلسلة التوريد والجغرافيا السياسية، كل ذلك يجعل مشكلة إمدادات القوة الحاسوبية أكثر حدة. يجد العاملون في مجال الذكاء الاصطناعي أنفسهم في موقف صعب: إما شراء الأجهزة بأنفسهم، أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة خدمة حاسوبية فعالة من حيث التكلفة وعند الطلب.
لقد ظهرت بالفعل بعض مشاريع الشبكات اللامركزية لقوة الحوسبة الذكية، من خلال تجميع موارد GPU غير المستخدمة على مستوى العالم، توفر 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 العقد التعدينية التي تساهم بقوة الحوسبة، يقوم عمال المناجم بتنفيذ المهام وتقديم النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. هذه الخطة تعزز كفاءة استخدام الموارد، وتساعد في حل مشكلة نقص قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.
بجانب الشبكات العامة للحوسبة اللامركزية، هناك بعض المنصات التي تركز على تدريب الذكاء الاصطناعي، بالإضافة إلى الشبكات المتخصصة في استدلال الذكاء الاصطناعي.
تقدم شبكة الحوسبة اللامركزية سوقًا عادلًا وشفافًا للحوسبة، مما يكسر الاحتكار، ويقلل من عوائق الدخول للتطبيقات، ويزيد من كفاءة استخدام الحوسبة. في نظام الإيكولوجيا web3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من تطبيقات dapp المبتكرة للانضمام، لدفع تطوير وتطبيق تقنية الذكاء الاصطناعي معًا.
DePIN: تمكين Web3 للذكاء الاصطناعي الحدي
تخيل أن هاتفك المحمول وساعتك الذكية وحتى الأجهزة الذكية في منزلك تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية Edge AI. إنها تجعل الحساب يحدث في مصدر البيانات، مما يحقق تأخيرًا منخفضًا ومعالجة في الوقت الفعلي، بينما تحمي خصوصية المستخدم. لقد تم تطبيق تقنية Edge AI بالفعل في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3 ، لدينا اسم أكثر شهرة - DePIN. يؤكد Web3 على اللامركزية وحقوق سيادة بيانات المستخدمين ، حيث يمكن لـ DePIN تعزيز حماية خصوصية المستخدم من خلال معالجة البيانات محليًا وتقليل مخاطر تسرب البيانات. يمكن لآلية اقتصاد الرموز الأصلية لـ Web3 تحفيز عقد DePIN لتوفير موارد الحوسبة ، وبناء نظام بيئي مستدام.
تتطور DePIN حاليًا بسرعة في نظام بيئي لسلسلة عامة معينة، لتصبح واحدة من منصات السلسلة العامة المفضلة لنشر المشاريع. يوفر معدل المعاملات العالي (TPS)، وانخفاض رسوم المعاملات، والابتكار التكنولوجي في هذه السلسلة العامة دعمًا قويًا لمشاريع DePIN. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه السلسلة العامة 10 مليارات دولار، وقد حققت بعض المشاريع المعروفة تقدمًا ملحوظًا.
IMO: إطلاق نموذج جديد لنموذج الذكاء الاصطناعي
تم تقديم مفهوم IMO بواسطة بروتوكول معين، حيث يتم توكين نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب غياب آلية مشاركة الأرباح، بمجرد تطوير نموذج الذكاء الاصطناعي وإطلاقه في السوق، غالباً ما يجد المطورون صعوبة في الحصول على إيرادات مستمرة من الاستخدامات اللاحقة للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع الاستخدام، ناهيك عن الحصول على أي إيرادات. بالإضافة إلى ذلك، فإن أداء نموذج الذكاء الاصطناعي وفعاليته غالباً ما تفتقر إلى الشفافية، مما يجعل من الصعب على المستثمرين المحتملين والمستخدمين تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي للنموذج وإمكاناته التجارية.
تقدم IMO طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العوائد الناتجة عن النموذج لاحقًا. تستخدم بروتوكول معين معيارين من ERC، وتجمع بين Oracle الذكاء الاصطناعي (Onchain AI Oracle) وتقنية OPML لضمان صحة نموذج الذكاء الاصطناعي وتمكين حاملي الرموز من مشاركة العوائد.
نموذج IMO يعزز الشفافية والثقة، ويشجع على التعاون مفتوح المصدر، ويتكيف مع اتجاهات سوق التشفير، ويضخ الطاقة في التنمية المستدامة لتقنيات الذكاء الاصطناعي. لا يزال IMO في مرحلة التجريب الأولية، ولكن مع زيادة قبول السوق وتوسع نطاق المشاركة، فإن إبداعه وقيمته 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 بالإضافة إلى تخطيط القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كمساعِد افتراضي، من خلال التفاعل مع المستخدمين لتعلم تفضيلاتهم وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي حل المشكلات بشكل مستقل، مما يزيد من الكفاءة ويخلق قيمة جديدة.
تقوم بعض المشاريع بتطوير منصة تطبيقات مفتوحة الأصل للذكاء الاصطناعي، وت提供 مجموعة أدوات إبداعية شاملة وسهلة الاستخدام، تدعم المستخدمين في تكوين ميزات الروبوت، والمظهر، والصوت، وكذلك ربط قواعد المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي، مستغلة تقنيات الذكاء الاصطناعي التوليدية، وتمكين الأفراد ليصبحوا مبدعين خارقين. قامت هذه المشاريع بتدريب نماذج لغوية كبيرة متخصصة، مما يجعل أدوار التمثيل أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات الذكية، مما يقلل بشكل كبير من تكلفة تركيب الصوت، بحيث يمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام هذه الوكلاء الذكيين المخصصين، يمكن تطبيقها حاليًا في مجالات متعددة مثل محادثات الفيديو، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، يتم حالياً استكشاف المزيد حول طبقة 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 أسباب للاعتقاد بأن دمج Web3 و AI سيولد مجموعة من نماذج الأعمال والخدمات المبتكرة.