دمج الذكاء الاصطناعي وWeb3: بناء بنية تحتية للإنترنت من الجيل التالي

تعتبر Web3 نموذجًا جديدًا للإنترنت يتميز باللامركزية والانفتاح والشفافية، ولها فرص دمج طبيعية مع الذكاء الاصطناعي. في ظل الهياكل المركزية التقليدية، تكون حسابات الذكاء الاصطناعي وموارد البيانات خاضعة لرقابة صارمة، مما يؤدي إلى تحديات عديدة مثل اختناقات القدرة الحاسوبية، تسريبات الخصوصية، وصناديق السوداء الخوارزمية. بينما تعتمد Web3 على تقنيات موزعة، يمكن أن تضخ قوة جديدة في تطوير الذكاء الاصطناعي من خلال شبكات مشاركة القدرة الحاسوبية، أسواق البيانات المفتوحة، والحسابات الخاصة. في الوقت نفسه، يمكن أن يقدم الذكاء الاصطناعي العديد من القدرات لـ Web3، مثل تحسين العقود الذكية وخوارزميات مكافحة الغش، مما يساعد في بناء بيئتها. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي يعد أمرًا بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل التالي وإطلاق قيمة البيانات والقدرة الحاسوبية.

البيانات المدفوعة: حجر الزاوية للذكاء الاصطناعي وWeb3

البيانات هي القوة الدافعة وراء تطوير الذكاء الاصطناعي، مثلما هو الحال مع الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات هائلة من البيانات عالية الجودة لتتمكن من الحصول على فهم عميق وقدرات استدلال قوية. لا توفر البيانات فقط الأساس للتدريب على نماذج التعلم الآلي، بل تحدد أيضًا دقة وموثوقية هذه النماذج.

توجد المشكلات 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
• تم احتكار موارد البيانات من قبل عمالقة التكنولوجيا، مما أدى إلى تشكيل جزر البيانات
• تواجه خصوصية البيانات الشخصية مخاطر التسرب والاستخدام غير الصحيح

يمكن أن يحل Web3 نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد:

• من خلال طرق لامركزية لجمع بيانات الشبكة، نقدم بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي
• اعتماد نموذج "label to earn"، من خلال تحفيز العمال العالميين للمشاركة في وسم البيانات، وتجمع المعرفة المهنية العالمية
• منصة تداول بيانات blockchain توفر بيئة تداول شفافة ومفتوحة للطرفين المعنيين بالبيانات، مما يحفز الابتكار ومشاركة البيانات.

ومع ذلك، هناك بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل جودة البيانات غير المتسقة، وصعوبة المعالجة، وقلة التنوع والتمثيل. قد تكون البيانات الاصطناعية هي السمة البارزة لمجال بيانات Web3 في المستقبل. بناءً على تقنية الذكاء الاصطناعي التوليدي 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 قدرتها على التطبيق الناضج.

حماية الخصوصية: تطبيق FHE في Web3

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي. إن صدور لوائح مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي، يعكس الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فقد جلب ذلك أيضًا تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يحد بلا شك من إمكانيات ونماذج الذكاء الاصطناعي.

FHE هو تشفير متجانس كامل، يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، وتكون نتائج الحساب متطابقة مع نتائج الحساب التي تجرى على البيانات النصية.

تقدم FHE حماية قوية للحوسبة الخاصة بالذكاء الاصطناعي، مما يتيح لقدرة GPU الحسابية تنفيذ مهام تدريب النموذج والاستدلال في بيئة لا تلمس البيانات الأصلية. وهذا يوفر مزايا هائلة لشركات الذكاء الاصطناعي. يمكنهم فتح خدمات API بأمان مع حماية الأسرار التجارية.

يدعم FHEML معالجة البيانات والنماذج بشكل مشفر على مدار دورة التعلم الآلي بأكملها، 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 يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يركز FHEML على إجراء الحسابات على البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة القوة الحاسوبية: حسابات الذكاء الاصطناعي في الشبكات اللامركزية

تتضاعف تعقيدات حساب النظام الذكي الحالي كل 3 أشهر، مما يؤدي إلى زيادة هائلة في طلبات القوة الحسابية، متجاوزة بكثير إمدادات الموارد الحسابية الحالية. على سبيل المثال، يتطلب تدريب نموذج اللغة الكبيرة لشركة AI معروفة قوة حسابية هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. إن نقص القوة الحسابية هذا لا يقتصر فقط على تقييد تقدم تقنيات الذكاء الاصطناعي، بل يجعل هذه النماذج المتقدمة 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، والعوامل الجيوسياسية وسلسلة التوريد التي أدت إلى نقص في الرقائق، كل ذلك جعل مشكلة إمدادات الحوسبة أكثر حدة. يجد محترفو الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة الخاصة بهم، أو استئجار موارد سحابية، وهم في حاجة ماسة إلى طريقة لتقديم خدمات الحوسبة بشكل فعال من حيث التكلفة وعند الطلب.

تقدم شبكة حسابات الذكاء الاصطناعي اللامركزية من خلال تجميع موارد وحدات معالجة الرسوميات الخاملة على مستوى العالم سوقًا للحسابات يمكن الوصول إليه بسهولة وبأسعار معقولة لشركات الذكاء الاصطناعي. يمكن للجهات التي تحتاج إلى حسابات نشر مهام الحسابات على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد المعدنين الذين يساهمون في توفير الحسابات، وينفذ المعدنون المهام ويقدمون النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. تعزز هذه الخطة كفاءة استخدام الموارد وتساعد في حل مشاكل اختناق الحسابات في مجالات مثل الذكاء الاصطناعي.

بالإضافة إلى الشبكة العامة اللامركزية للحوسبة، هناك منصات تركز على تدريب الذكاء الاصطناعي، وشبكات حوسبة مخصصة تركز على استدلال الذكاء الاصطناعي.

تقدم شبكة قوى حوسبة لامركزية سوق قوى حوسبة شفاف وعادل، مما يكسر الاحتكار، ويقلل من عوائق الدخول، ويزيد من كفاءة استخدام قوى الحوسبة. في نظام الإيكولوجيا Web3، ستلعب شبكة قوى الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من التطبيقات اللامركزية المبتكرة للانضمام، لدفع تطوير وتطبيق تقنيات الذكاء الاصطناعي معًا.

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 البيانات، مما يحقق تأخيراً منخفضاً، ومعالجة في الوقت الحقيقي، بينما تحمي خصوصية المستخدمين، وقد تم تطبيق تقنية Edge AI في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3، لدينا اسم أكثر معرفة - DePIN. يركز Web3 على اللامركزية وحقوق سيادة بيانات المستخدم، بينما يمكن لـ DePIN من خلال معالجة البيانات محليًا تعزيز حماية خصوصية المستخدم وتقليل مخاطر تسرب البيانات؛ يمكن لآلية الاقتصاد الرمزي الأصلية لـ Web3 تحفيز عقد DePIN على تقديم موارد الحوسبة، وبناء نظام بيئي مستدام.

تتطور DePIN حاليًا بسرعة في نظام بيئي لسلسلة عامة معينة، لتصبح واحدة من المنصات العامة المفضلة لنشر المشاريع. توفر TPS العالية، والتكاليف المنخفضة للمعاملات، والابتكارات التقنية 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: نموذج AI الجديد

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

في النموذج التقليدي، بسبب عدم وجود آلية لمشاركة العائدات، بمجرد تطوير نموذج الذكاء الاصطناعي وإدخاله في السوق، غالبًا ما يجد المطورون صعوبة في الحصول على عائدات مستمرة 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 عوائد منه. بالإضافة إلى ذلك، غالبًا ما تفتقر أداء وفعالية نموذج الذكاء الاصطناعي إلى الشفافية، مما يجعل المستثمرين المحتملين والمستخدمين يجدون صعوبة في تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي للنموذج وإمكاناته التجارية.

تقدم IMO طريقة جديدة تمامًا لدعم الأموال ومشاركة القيمة لنماذج الذكاء الاصطناعي المفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO لمشاركة الأرباح الناتجة عن النموذج في المستقبل. تستخدم بروتوكول معين معيارين ERC، بالإضافة إلى تقنية AI Oracle وOPML لضمان مصداقية نموذج الذكاء الاصطناعي وتمكين حاملي الرموز من مشاركة الأرباح.

نموذج IMO يعزز الشفافية والثقة، ويشجع التعاون المفتوح، ويتكيف مع اتجاهات سوق التشفير، ويدفع التنمية المستدامة لتقنية الذكاء الاصطناعي. لا يزال IMO في مرحلة التجريب الأولية، لكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاره وقيمته المحتملة تستحق توقعاتنا.

وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل

يمكن لوكلاء الذكاء الاصطناعي إدراك البيئة، والتفكير بشكل مستقل، واتخاذ إجراءات مناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، لا يستطيع وكلاء الذكاء الاصطناعي فهم اللغة الطبيعية فحسب، بل يمكنهم أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكن أن يعملوا كمساعدين افتراضيين، يتعلمون تفضيلات المستخدم من خلال التفاعل معه، وتقديم حلول مخصصة. في غياب التعليمات الصريحة، يمكن لوكلاء الذكاء الاصطناعي أيضًا حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.

تقدم منصة تطبيقات AI الأصلية مجموعة أدوات إبداعية شاملة وسهلة الاستخدام، تدعم المستخدمين في تكوين وظائف الروبوتات والمظهر والصوت، بالإضافة إلى الاتصال بمستودعات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي لمحتوى AI مفتوح وعادل، مستفيدة من تقنيات AI التوليدية، لتمكين الأفراد ليصبحوا مبدعين رائعين. قامت المنصة بتدريب نموذج لغة كبير متخصص، مما يجعل الأدوار أكثر إنسانية؛ يمكن أن تسرع تقنية استنساخ الصوت التفاعل الشخصي لمنتجات AI، حيث تقلل تكلفة تركيب الصوت بنسبة 99%، ويمكن تنفيذ استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكيل AI المخصص من هذه المنصة، يمكن تطبيقه حاليا في مجالات متعددة بما في ذلك الدردشة المرئية، وتعلم اللغة، وتوليد الصور.

في دمج Web3 و AI، يتم حالياً استكشاف المزيد من الطبقة الأساسية، 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 أن دمج Web3 و AI سيفضي إلى ولادة مجموعة من نماذج الأعمال والخدمات المبتكرة.