الدمج العميق بين الذكاء الاصطناعي وWeb3: تشكيل مستقبل الإنترنت

Web3 باعتبارها نموذج إنترنت جديد غير مركزي ومفتوح وشفاف، لديها فرص اندماج طبيعية مع الذكاء الاصطناعي. في ظل البنية التحتية التقليدية المركزية، يتم التحكم بشكل صارم في حسابات الذكاء الاصطناعي وموارد البيانات، مما يواجه تحديات مثل اختناق القدرة الحاسوبية، وتسرب الخصوصية، وعدم الشفافية في الخوارزميات. يعتمد Web3 على تقنيات موزعة، من خلال شبكات قوة الحوسبة المشتركة، وأسواق البيانات المفتوحة، والحوسبة الخاصة، مما يوفر دفعة جديدة لتطوير الذكاء الاصطناعي. في الوقت نفسه، يمكن للذكاء الاصطناعي أيضًا أن يوفر العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يساعد في بناء بيئته. استكشاف دمج Web3 و الذكاء الاصطناعي يعد أمرًا بالغ الأهمية لبناء البنية التحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.

البيانات المدفوعة: الأساس المتين لـ AI و Web3

البيانات هي المحرك الأساسي لتطور الذكاء الاصطناعي. تحتاج نماذج الذكاء الاصطناعي إلى هضم كميات هائلة من البيانات عالية الجودة للحصول على فهم عميق وقدرات استدلال قوية. لا توفر البيانات فقط الأساس للتدريب على نماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.

توجد مشاكل في نماذج الحصول على بيانات الذكاء الاصطناعي المركزية التقليدية واستخدامها:

• تكلفة الحصول على البيانات مرتفعة، والشركات الصغيرة والمتوسطة تجد صعوبة في تحملها
• يتم احتكار موارد البيانات من قبل شركات التكنولوجيا الكبرى، مما يشكل جزر بيانات
• تواجه خصوصية البيانات الشخصية مخاطر التسرب وسوء الاستخدام

يوفر Web3 نموذج بيانات جديد لامركزي لحل هذه المشكلات:

• يمكن للمستخدمين بيع الموارد الشبكية غير المستخدمة، وجمع بيانات الشبكة بطريقة لامركزية، لتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي.
• اعتماد نموذج "التصنيف يعني الربح"، من خلال تحفيز العمال العالميين بالرموز للمشاركة في تصنيف البيانات، وتجميع المعرفة المهنية العالمية، وتعزيز قدرات تحليل البيانات
• منصة تبادل بيانات blockchain توفر بيئة تداول شفافة وعلنية للطرفين المعنيين بالبيانات، مما يحفز الابتكار ومشاركة البيانات.

ومع ذلك، لا تزال هناك بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل تفاوت جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية هي النقطة البارزة في مجال بيانات Web3 في المستقبل. استنادًا إلى تقنيات الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، كملحق فعال للبيانات الحقيقية، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية إمكانات تطبيق ناضجة.

حماية الخصوصية: دور FHE في Web3

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي. تعكس لوائح مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فإن هذا يجلب أيضًا تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يحد 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، وأن تكون نتائج الحسابات متطابقة مع النتائج الناتجة عن إجراء نفس الحسابات على البيانات الواضحة.

تقدم FHE حماية قوية لحساب الخصوصية في الذكاء الاصطناعي، مما يسمح لقوة معالجة GPU بتنفيذ مهام تدريب النماذج واستنتاجها في بيئة لا تتلامس مع 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 إطارًا آمنًا للحوسبة لتطبيقات الذكاء الاصطناعي.

FHEML هو تكملة لـ ZKML، حيث تثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يركز FHEML على إجراء الحسابات على البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة القدرة الحاسوبية: حسابات الذكاء الاصطناعي في الشبكات اللامركزية

تتضاعف تعقيدات حساب النظام AI الحالي كل 3 أشهر، مما يؤدي إلى زيادة هائلة في طلب القدرة الحاسوبية، مما يتجاوز بكثير إمدادات الموارد الحاسوبية الحالية. على سبيل المثال، يتطلب تدريب نموذج اللغة الكبير لشركة AI معروفة قدرة حاسوبية هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. هذه النقص في القدرة الحاسوبية لا يقتصر على الحد من تقدم تكنولوجيا AI فحسب، بل يجعل هذه النماذج المتقدمة بعيدة المنال عن معظم الباحثين والمطورين.

في 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 ذلك يجعل مشكلة توافر القدرة الحاسوبية أكثر خطورة. يجد العاملون في مجال الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم، أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة خدمات حوسبة فعالة من حيث التكلفة وعلى الطلب.

تقدم شبكة حوسبة الذكاء الاصطناعي اللامركزية هذه سوقاً للحوسبة يمكن الوصول إليه بسهولة وبسعر اقتصادي لشركات الذكاء الاصطناعي من خلال تجميع موارد GPU غير المستخدمة على مستوى العالم. يمكن لطالبي الحوسبة نشر مهام الحساب على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على العقد المنجمية التي تساهم في الحوسبة، وينفذ المنجمون المهام ويقدمون النتائج، وبعد التحقق يحصلون على مكافآت نقاط. تعزز هذه الخطة كفاءة استخدام الموارد، وتساعد في حل مشكلة اختناق الحوسبة في مجالات مثل الذكاء الاصطناعي.

بالإضافة إلى شبكات القوة الحاسوبية اللامركزية العامة، هناك منصات تركز على تدريب الذكاء الاصطناعي، وشبكات قوة حاسوبية مخصصة تركز على استدلال الذكاء الاصطناعي.

تقدم شبكة الحوسبة اللامركزية سوق حوسبة عادل وشفاف، مما يكسر الاحتكار، ويقلل من عوائق التطبيق، ويزيد من كفاءة استخدام الحوسبة. في نظام الإيكولوجيا web3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من تطبيقات dapp الابتكارية للانضمام، لدفع تطوير وتطبيق تقنيات الذكاء الاصطناعي معًا.

DePIN: تمكين Web3 للذكاء الاصطناعي الحدي

تخيل أن هاتفك الذكي، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك، تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية Edge AI. إنه يجعل الحساب يحدث في مصدر إنتاج البيانات، مما يحقق انخفاضاً في زمن الانتظار، ومعالجة في الوقت الحقيقي، بينما يحمي خصوصية المستخدم. لقد تم تطبيق تقنية Edge AI في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3، لدينا اسم أكثر شهرة - DePIN. يؤكد Web3 على اللامركزية وحقوق سيادة بيانات المستخدمين، ويعزز DePIN حماية خصوصية المستخدم من خلال معالجة البيانات محليًا، مما يقلل من مخاطر تسرب البيانات؛ يمكن أن تحفز آلية الاقتصاد الرمزي الأصلية لـ Web3 عقد DePIN على توفير موارد الحوسبة، مما يبني نظامًا بيئيًا مستدامًا.

حاليًا، يتطور DePIN بسرعة في نظام بيئي معروف لسلسلة الكتل، ويصبح واحدًا من المنصات المفضلة لنشر المشاريع. توفر TPS العالية، وانخفاض رسوم المعاملات، والابتكارات التقنية في هذه السلسلة دعمًا قويًا لمشاريع DePIN. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه السلسلة 10 مليارات دولار، وقد حققت العديد من المشاريع المعروفة تقدمًا ملحوظًا.

IMO: نموذج الذكاء الاصطناعي يصدر نموذجًا جديدًا

تم اقتراح مفهوم IMO لأول مرة من قبل بروتوكول معين، حيث يتم توكين نموذج الذكاء الاصطناعي.

في النموذج التقليدي، وبسبب غياب آلية مشاركة العائدات، بمجرد تطوير نموذج AI وإطلاقه في السوق، غالبًا ما يواجه المطورون صعوبة في الحصول على عائدات مستدامة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع استخدامه، ناهيك عن الحصول على عائدات منه. بالإضافة إلى ذلك، غالبًا ما تفتقر أداءات ونتائج نموذج AI إلى الشفافية، مما يجعل المستثمرين والمستخدمين المحتملين يجدون صعوبة في تقييم قيمته الحقيقية، مما يحد من اعتراف السوق بالنموذج وإمكاناته التجارية.

توفر IMO طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي المفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العائدات التي تنتجها النماذج لاحقًا. تستخدم بروتوكول معين معيار ERC محدد، بالاشتراك مع تقنية AI Oracle و OPML لضمان مصداقية نموذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة العائدات.

تعزز نمط IMO الشفافية والثقة، وتشجع التعاون مفتوح المصدر، وتتكيف مع اتجاهات سوق التشفير، وتضخ الطاقة في التنمية المستدامة لتقنية AI. لا يزال IMO في مرحلة التجريب الأولية، لكن مع زيادة قبول السوق وتوسع نطاق المشاركة، فإن ابتكاراته وقيمته المحتملة تستحق توقعنا.

وكيل الذكاء الاصطناعي: عصر جديد من تجارب التفاعل

يمكن لوكيل الذكاء الاصطناعي استشعار 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 مهام معقدة. يمكن أن تعمل كمساعِد افتراضي، تتعلم تفضيلات المستخدم من خلال التفاعل معه وتقدم حلولاً مخصصة. حتى في غياب تعليمات واضحة، يمكن لوكيل الذكاء الاصطناعي أن يحل المشكلات بشكل مستقل، مما يزيد من الكفاءة ويخلق قيمة جديدة.

توفر منصة تطبيقات AI الأصلية مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوتات والمظهر والصوت بالإضافة إلى ربط المكتبات المعرفية الخارجية، وتكرس جهودها لإنشاء نظام بيئي لمحتوى AI عادل ومنفتح. باستخدام تقنية AI التوليدية، تمكن الأفراد من أن يصبحوا مبدعين عظماء. قامت المنصة بتدريب نموذج لغوي كبير مخصص، مما يجعل الأدوار أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي مع منتجات AI، وتقليل تكلفة توليد الصوت بنسبة 99٪، حيث يمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام AI Agent المخصص من هذه المنصة، يمكن الآن تطبيقه في مجالات متعددة مثل الدردشة المرئية، تعلم اللغات، وتوليد الصور.

في دمج Web3 و AI، يتم حالياً استكشاف المزيد من 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 النماذج اللغوية الكبيرة وغيرها من القضايا الرئيسية. مع تحسين هذه البنية التحتية تدريجياً، لدينا سبب للاعتقاد بأن دمج Web3 و AI سيثمر عن مجموعة من نماذج الأعمال والخدمات المبتكرة.