دمج Web3 والذكاء الاصطناعي: بناء مستقبل ذكي لامركزي
في الآونة الأخيرة، أثار تطوير الذكاء الاصطناعي (AI) مناقشات واسعة النطاق. اقترح بعض الخبراء مفهوم "الذكاء الاصطناعي السيادي"، ولكن قد يكون الشكل الأكثر ملاءمة لمجتمع العملات المشفرة هو الدمج بين Web3 والذكاء الاصطناعي. ناقش مؤسس إيثيريوم فيتالك بوتيرين في مقال له التآزر بين الذكاء الاصطناعي وتقنية التشفير: يمكن أن توازن اللامركزية في تقنية التشفير الاتجاه المركزي للذكاء الاصطناعي؛ يمكن أن تعوض الشفافية في تقنية التشفير عدم الشفافية في الذكاء الاصطناعي؛ كما أن البلوكشين مفيد لتخزين البيانات المطلوبة للذكاء الاصطناعي وتتبعها. يمتد هذا التآزر عبر النظام البيئي الصناعي بالكامل لـ Web3+AI.
حالياً، يكرس معظم مشاريع Web3+AI جهوده للاستفادة من تقنية البلوكشين لحل مشكلات بناء البنية التحتية لصناعة الذكاء الاصطناعي، بينما تحاول بعض المشاريع استخدام الذكاء الاصطناعي لحل مشكلات محددة في تطبيقات Web3. تشمل البيئة الصناعية لـ Web3+AI بشكل رئيسي الجوانب الأربعة التالية:
1. طبقة الطاقة الحاسوبية: تحويل الطاقة الحاسوبية إلى أصول
في السنوات الأخيرة، زادت القدرة الحاسوبية المطلوبة لتدريب نماذج الذكاء الاصطناعي بشكل كبير، مما أدى إلى عدم التوازن بين العرض والطلب على القدرة الحاسوبية، وارتفاع أسعار الأجهزة مثل وحدات معالجة الرسوميات بسرعة. ومع ذلك، هناك الكثير من الأجهزة الحاسوبية المتوسطة والمنخفضة المستوى غير المستغلة في السوق. من خلال تقنيات Web3، يمكن إنشاء شبكة قدرة حاسوبية موزعة، من خلال الإيجار والمشاركة، لإنشاء شبكة موارد حاسوبية لامركزية تلبي احتياجات تطبيقات الذكاء الاصطناعي المتنوعة، وفي الوقت نفسه تخفض من تكلفة القدرة الحاسوبية للذكاء الاصطناعي.
تتضمن تقسيم طبقة القدرة الحاسوبية:
قدرة حوسبة اللامركزية العامة
قوة الحوسبة اللامركزية المخصصة لتدريب الذكاء الاصطناعي
قدرة حسابية لامركزية مخصصة لاستدلال الذكاء الاصطناعي
قوة الحوسبة اللامركزية المخصصة للتصيير ثلاثي الأبعاد
تتمثل ميزة توطين أصول قوة الحوسبة في Web3 + AI في أن دمج آلية تحفيز الرموز يجعل من السهل توسيع نطاق الشبكة، وتقديم موارد حوسبة عالية القيمة مقابل المال، وتلبية احتياجات قوة الحوسبة المتوسطة والمنخفضة.
2. طبقة البيانات: تحويل البيانات إلى أصول
البيانات هي المورد الأساسي للذكاء الاصطناعي. في النماذج التقليدية، يمكن فقط للشركات الكبيرة الحصول على كميات كبيرة من بيانات المستخدمين، بينما تجد الشركات الناشئة العادية صعوبة في الحصول على موارد بيانات واسعة. من خلال Web3+AI، يمكن تحقيق جمع البيانات، ووضع العلامات، والتخزين الموزع بتكاليف أقل وشفافية أكبر، بينما يستفيد المستخدمون من ذلك.
تشمل مشاريع طبقة البيانات الرئيسية:
مشاريع جمع البيانات
مشاريع تداول البيانات
مشاريع تعليم البيانات
مشاريع من نوع مصادر بيانات اللامركزية
مشاريع التخزين اللامركزية
تواجه هذه المشاريع تحديات أكبر عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات يصعب توحيدها.
3. طبقة المنصة: تحويل قيمة الأصول إلى أصول
تهدف مشاريع المنصات إلى دمج موارد صناعة الذكاء الاصطناعي المختلفة، وتجمع البيانات، وقوة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي، والموارد المتعلقة بالبلوكشين، وذلك لحل احتياجات متنوعة مركزية حول المنصة. على سبيل المثال، تركز بعض المشاريع على بناء منصة تشغيل zkML، من خلال تقنيات التشفير للتحقق من صحة استنتاجات النماذج، مما يزيد من موثوقية وشفافية الذكاء الاصطناعي.
هناك بعض المشاريع التي تكرّس جهودها لتطوير طبقة بلوكشين تركز على الذكاء الاصطناعي، من خلال تقديم مكونات عامة وSDK، لمساعدة تطبيقات Web3+AI على البناء والتطور بسرعة. بالإضافة إلى ذلك، فإن منصات من نوع Agent Network بدأت في الظهور، لبناء وكيل الذكاء الاصطناعي لمختلف سيناريوهات التطبيقات.
تقوم مشاريع Web3+AI من نوع المنصات بشكل رئيسي من خلال توكنات لالتقاط قيمة المنصة، وتحفيز جميع الأطراف على المشاركة في البناء المشترك. وهذا مفيد بشكل خاص في تطوير المشاريع الناشئة، حيث يمكن أن يقلل من صعوبة البحث عن شركاء.
4. الطبقة التطبيقية: تحويل قيمة الذكاء الاصطناعي إلى أصول
تركز المشاريع في طبقة التطبيقات بشكل أساسي على استخدام الذكاء الاصطناعي لحل المشكلات في تطبيقات Web3. اقترح فيتاليك اتجاهين ذوي مغزى:
الذكاء الاصطناعي كمشارك في Web3: على سبيل المثال في ألعاب Web3، يمكن أن يعمل الذكاء الاصطناعي كوسيلة لمساعدة اللاعبين على فهم القواعد بسرعة وإتمام المهام بكفاءة؛ في البورصات اللامركزية، لعب الذكاء الاصطناعي دورًا مهمًا في عمليات التداول الآلي؛ في أسواق التنبؤ، يمكن لوكيل الذكاء الاصطناعي من خلال تحليل كميات كبيرة من البيانات تقديم خدمات التنبؤ بالأحداث للمستخدمين.
إنشاء ذكاء اصطناعي خاص لامركزي قابل للتوسع: من خلال منح المجتمع حق الحكم الموزع على الذكاء الاصطناعي، يتم معالجة مخاوف المستخدمين بشأن الصندوق الأسود للذكاء الاصطناعي والتحيز والسلوك المحتمل المخادع.
حالياً، لم تظهر مشاريع رائدة بارزة في طبقة تطبيقات Web3+AI.
الخاتمة
لا يزال مجال Web3 + AI في مرحلة مبكرة، وهناك انقسامات في الصناعة حول آفاق تطوره. نحن نأمل أن يجمع Web3 و AI بينهما لخلق منتجات أكثر قيمة من AI اللامركزية، والتخلص من "سيطرة الشركات الكبرى" و"الاحتكار"، وتحقيق "حكم مشترك للذكاء الاصطناعي" بطريقة أكثر مجتمعية. ربما من خلال المشاركة الأعمق والحكم، سيتحول موقف البشرية تجاه الذكاء الاصطناعي من "الخوف" إلى "الإعجاب".
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.
Web3 و AI融合: بناء مستقبل ذكي لامركزي في أربعة مجالات
دمج Web3 والذكاء الاصطناعي: بناء مستقبل ذكي لامركزي
في الآونة الأخيرة، أثار تطوير الذكاء الاصطناعي (AI) مناقشات واسعة النطاق. اقترح بعض الخبراء مفهوم "الذكاء الاصطناعي السيادي"، ولكن قد يكون الشكل الأكثر ملاءمة لمجتمع العملات المشفرة هو الدمج بين Web3 والذكاء الاصطناعي. ناقش مؤسس إيثيريوم فيتالك بوتيرين في مقال له التآزر بين الذكاء الاصطناعي وتقنية التشفير: يمكن أن توازن اللامركزية في تقنية التشفير الاتجاه المركزي للذكاء الاصطناعي؛ يمكن أن تعوض الشفافية في تقنية التشفير عدم الشفافية في الذكاء الاصطناعي؛ كما أن البلوكشين مفيد لتخزين البيانات المطلوبة للذكاء الاصطناعي وتتبعها. يمتد هذا التآزر عبر النظام البيئي الصناعي بالكامل لـ Web3+AI.
حالياً، يكرس معظم مشاريع Web3+AI جهوده للاستفادة من تقنية البلوكشين لحل مشكلات بناء البنية التحتية لصناعة الذكاء الاصطناعي، بينما تحاول بعض المشاريع استخدام الذكاء الاصطناعي لحل مشكلات محددة في تطبيقات Web3. تشمل البيئة الصناعية لـ Web3+AI بشكل رئيسي الجوانب الأربعة التالية:
1. طبقة الطاقة الحاسوبية: تحويل الطاقة الحاسوبية إلى أصول
في السنوات الأخيرة، زادت القدرة الحاسوبية المطلوبة لتدريب نماذج الذكاء الاصطناعي بشكل كبير، مما أدى إلى عدم التوازن بين العرض والطلب على القدرة الحاسوبية، وارتفاع أسعار الأجهزة مثل وحدات معالجة الرسوميات بسرعة. ومع ذلك، هناك الكثير من الأجهزة الحاسوبية المتوسطة والمنخفضة المستوى غير المستغلة في السوق. من خلال تقنيات Web3، يمكن إنشاء شبكة قدرة حاسوبية موزعة، من خلال الإيجار والمشاركة، لإنشاء شبكة موارد حاسوبية لامركزية تلبي احتياجات تطبيقات الذكاء الاصطناعي المتنوعة، وفي الوقت نفسه تخفض من تكلفة القدرة الحاسوبية للذكاء الاصطناعي.
تتضمن تقسيم طبقة القدرة الحاسوبية:
تتمثل ميزة توطين أصول قوة الحوسبة في Web3 + AI في أن دمج آلية تحفيز الرموز يجعل من السهل توسيع نطاق الشبكة، وتقديم موارد حوسبة عالية القيمة مقابل المال، وتلبية احتياجات قوة الحوسبة المتوسطة والمنخفضة.
2. طبقة البيانات: تحويل البيانات إلى أصول
البيانات هي المورد الأساسي للذكاء الاصطناعي. في النماذج التقليدية، يمكن فقط للشركات الكبيرة الحصول على كميات كبيرة من بيانات المستخدمين، بينما تجد الشركات الناشئة العادية صعوبة في الحصول على موارد بيانات واسعة. من خلال Web3+AI، يمكن تحقيق جمع البيانات، ووضع العلامات، والتخزين الموزع بتكاليف أقل وشفافية أكبر، بينما يستفيد المستخدمون من ذلك.
تشمل مشاريع طبقة البيانات الرئيسية:
تواجه هذه المشاريع تحديات أكبر عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات يصعب توحيدها.
3. طبقة المنصة: تحويل قيمة الأصول إلى أصول
تهدف مشاريع المنصات إلى دمج موارد صناعة الذكاء الاصطناعي المختلفة، وتجمع البيانات، وقوة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي، والموارد المتعلقة بالبلوكشين، وذلك لحل احتياجات متنوعة مركزية حول المنصة. على سبيل المثال، تركز بعض المشاريع على بناء منصة تشغيل zkML، من خلال تقنيات التشفير للتحقق من صحة استنتاجات النماذج، مما يزيد من موثوقية وشفافية الذكاء الاصطناعي.
هناك بعض المشاريع التي تكرّس جهودها لتطوير طبقة بلوكشين تركز على الذكاء الاصطناعي، من خلال تقديم مكونات عامة وSDK، لمساعدة تطبيقات Web3+AI على البناء والتطور بسرعة. بالإضافة إلى ذلك، فإن منصات من نوع Agent Network بدأت في الظهور، لبناء وكيل الذكاء الاصطناعي لمختلف سيناريوهات التطبيقات.
تقوم مشاريع Web3+AI من نوع المنصات بشكل رئيسي من خلال توكنات لالتقاط قيمة المنصة، وتحفيز جميع الأطراف على المشاركة في البناء المشترك. وهذا مفيد بشكل خاص في تطوير المشاريع الناشئة، حيث يمكن أن يقلل من صعوبة البحث عن شركاء.
4. الطبقة التطبيقية: تحويل قيمة الذكاء الاصطناعي إلى أصول
تركز المشاريع في طبقة التطبيقات بشكل أساسي على استخدام الذكاء الاصطناعي لحل المشكلات في تطبيقات Web3. اقترح فيتاليك اتجاهين ذوي مغزى:
الذكاء الاصطناعي كمشارك في Web3: على سبيل المثال في ألعاب Web3، يمكن أن يعمل الذكاء الاصطناعي كوسيلة لمساعدة اللاعبين على فهم القواعد بسرعة وإتمام المهام بكفاءة؛ في البورصات اللامركزية، لعب الذكاء الاصطناعي دورًا مهمًا في عمليات التداول الآلي؛ في أسواق التنبؤ، يمكن لوكيل الذكاء الاصطناعي من خلال تحليل كميات كبيرة من البيانات تقديم خدمات التنبؤ بالأحداث للمستخدمين.
إنشاء ذكاء اصطناعي خاص لامركزي قابل للتوسع: من خلال منح المجتمع حق الحكم الموزع على الذكاء الاصطناعي، يتم معالجة مخاوف المستخدمين بشأن الصندوق الأسود للذكاء الاصطناعي والتحيز والسلوك المحتمل المخادع.
حالياً، لم تظهر مشاريع رائدة بارزة في طبقة تطبيقات Web3+AI.
الخاتمة
لا يزال مجال Web3 + AI في مرحلة مبكرة، وهناك انقسامات في الصناعة حول آفاق تطوره. نحن نأمل أن يجمع Web3 و AI بينهما لخلق منتجات أكثر قيمة من AI اللامركزية، والتخلص من "سيطرة الشركات الكبرى" و"الاحتكار"، وتحقيق "حكم مشترك للذكاء الاصطناعي" بطريقة أكثر مجتمعية. ربما من خلال المشاركة الأعمق والحكم، سيتحول موقف البشرية تجاه الذكاء الاصطناعي من "الخوف" إلى "الإعجاب".