دمج Web3 و AI: بناء نظام بيئي للذكاء الاصطناعي اللامركزي
في خطاب حديث، قدم أحد المختصين في الصناعة مفهوم "الذكاء الاصطناعي السيادي". وقد أثار هذا تفكيرنا: كيف يمكن بناء نظام ذكاء اصطناعي يلبي مصالح واحتياجات مجتمع التشفير؟ قد تكون الإجابة موجودة في دمج Web3 مع الذكاء الاصطناعي.
ناقش خبير مشهور في مجال blockchain في مقال له تأثير التآزر بين الذكاء الاصطناعي وتقنية التشفير. وأشار إلى أن خاصية اللامركزية في تقنية التشفير يمكن أن توازن الاتجاه المركزي للذكاء الاصطناعي؛ يمكن أن تعوض شفافية blockchain عدم شفافية الذكاء الاصطناعي؛ كما أن تقنية blockchain تفيد أيضًا في تخزين وتتبع البيانات المطلوبة للذكاء الاصطناعي. يمتد هذا التأثير التآزري عبر التخطيط الصناعي بالكامل لـ Web3+AI.
حالياً، تركز معظم مشاريع Web3+AI على استخدام تقنيات البلوكتشين لحل مشكلات بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تركز قلة من المشاريع على استخدام الذكاء الاصطناعي لحل مشكلات معينة في تطبيقات Web3. تشمل تخطيط صناعة Web3+AI الجوانب الرئيسية التالية:
1. طبقة القوة الحسابية: تحويل القوة الحسابية إلى أصول
في السنوات الأخيرة، شهدت قوة الحوسبة المطلوبة لتدريب نماذج الذكاء الاصطناعي الكبرى نمواً هائلاً، مما أدى إلى عدم توازن حاد بين العرض والطلب على قوة الحوسبة، وارتفاع أسعار الأجهزة مثل وحدات معالجة الرسومات. ومع ذلك، هناك أيضًا العديد من موارد قوة الحوسبة المتوسطة والمنخفضة غير المستغلة في السوق. من خلال تقنية Web3، يمكن إنشاء شبكة حوسبة موزعة، مما يتيح تأجير ومشاركة قوة الحوسبة، وبالتالي خفض تكاليف قوة الحوسبة للذكاء الاصطناعي.
تنقسم طبقة القوة الحاسوبية إلى:
قوة حوسبة لامركزية عالمية
قوة الحوسبة اللامركزية المخصصة لتدريب الذكاء الاصطناعي
قوة الحوسبة اللامركزية المخصصة لاستدلال الذكاء الاصطناعي
قوة حسابية لامركزية مخصصة للتصيير ثلاثي الأبعاد
تتمثل الميزة الأساسية لهذا النموذج من قوة الحوسبة اللامركزية في أنه، من خلال الجمع بين آلية تحفيز الرموز، يمكن توسيع حجم الشبكة بسرعة، في حين توفر موارد حوسبة عالية التكلفة مقابل الفائدة، لتلبية احتياجات الحوسبة المتوسطة والمنخفضة.
2. طبقة البيانات: تحويل البيانات إلى أصول
البيانات هي المورد الرئيسي لتطوير الذكاء الاصطناعي. في النمط التقليدي، يتمركز الكثير من بيانات المستخدمين في أيدي عدد قليل من عمالقة التكنولوجيا، مما يجعل من الصعب على الشركات الناشئة الحصول على موارد بيانات واسعة. من خلال طريقة Web3+AI، يمكن تحقيق جمع البيانات، والتعليق، والتخزين الموزع بتكلفة أقل وشفافية أكبر.
مشاريع طبقة البيانات تشمل بشكل رئيسي:
مشاريع جمع البيانات
مشاريع تبادل البيانات
مشاريع تصنيف البيانات
مشاريع من نوع مصادر بيانات اللامركزية
مشاريع تخزين اللامركزية
تواجه هذه المشاريع تحديات أكبر عند تصميم نماذج الاقتصاد الرمزي، لأن البيانات يصعب توحيدها.
3. طبقة المنصة: تحويل قيمة المنصة إلى أصول
تهدف مشاريع المنصة إلى دمج موارد صناعة الذكاء الاصطناعي المختلفة، وجمع البيانات، والقدرات الحاسوبية، والنماذج، ومطوري الذكاء الاصطناعي، وغيرها من الموارد والأدوار المتعلقة بالبلوك تشين. تركز بعض المشاريع على بناء منصات تشغيل zkML، من خلال تقنيات التشفير للتحقق من صحة استنتاجات النماذج، وحل مشكلة الصندوق الأسود الشائعة في الذكاء الاصطناعي المتعلقة بالبيانات والنماذج.
هناك مشاريع أخرى تهدف إلى إنشاء شبكات بلوكتشين مخصصة للذكاء الاصطناعي، من خلال توفير مكونات عامة وSDK، لمساعدة تطبيقات Web3 + AI على البناء والتطور بسرعة. بالإضافة إلى ذلك، توفر منصات من نوع شبكة الوكلاء الدعم لبناء وكلاء الذكاء الاصطناعي لمجموعة متنوعة من سيناريوهات التطبيقات.
تقوم المشاريع من نوع المنصات بشكل أساسي بالتقاط قيمة المنصة من خلال الرموز، وتحفيز جميع الأطراف على المشاركة في البناء المشترك، مما يكون له فوائد خاصة على تطوير المشاريع الناشئة.
4. الطبقة التطبيقية: تفعيل قيمة الأصول الذكية
تستخدم مشاريع طبقة التطبيقات الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. وتشمل بشكل أساسي اتجاهين:
الذكاء الاصطناعي كطرف في Web3: على سبيل المثال، كلاعبي في ألعاب Web3، أو القيام بصفقات التحكيم في DEX، أو تقديم القدرة على تحليل التوقعات في أسواق التنبؤ.
إنشاء ذكاء اصطناعي خاص لامركزي قابل للتوسع: من خلال منح المجتمع حقوق الحوكمة الموزعة على الذكاء الاصطناعي، يتم معالجة مخاوف المستخدمين بشأن مشكلة الصندوق الأسود للذكاء الاصطناعي والتحيزات المحتملة.
حاليًا، لم تظهر مشاريع رائدة في طبقة تطبيقات Web3+AI، ولكن الإمكانيات هائلة.
التطلعات
لا يزال مجال Web3+AI في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطوره. ومع ذلك، نتطلع إلى أن يجمع Web3 مع AI لخلق منتجات أكثر قيمة من AI اللامركزية، والتخلص من "السيطرة الكبرى" و"الاحتكار"، وتحقيق نموذج "التحكم المشترك AI" الأكثر مجتمعية. من خلال المشاركة بشكل أكثر قرباً في تطوير AI وإدارته، قد يتمكن البشر من إيجاد توازن في فهمهم لـ AI، مع الحفاظ على الإعجاب وتقليل الخوف.
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 اللامركزية AI生态的四大关键层级
دمج Web3 و AI: بناء نظام بيئي للذكاء الاصطناعي اللامركزي
في خطاب حديث، قدم أحد المختصين في الصناعة مفهوم "الذكاء الاصطناعي السيادي". وقد أثار هذا تفكيرنا: كيف يمكن بناء نظام ذكاء اصطناعي يلبي مصالح واحتياجات مجتمع التشفير؟ قد تكون الإجابة موجودة في دمج Web3 مع الذكاء الاصطناعي.
ناقش خبير مشهور في مجال blockchain في مقال له تأثير التآزر بين الذكاء الاصطناعي وتقنية التشفير. وأشار إلى أن خاصية اللامركزية في تقنية التشفير يمكن أن توازن الاتجاه المركزي للذكاء الاصطناعي؛ يمكن أن تعوض شفافية blockchain عدم شفافية الذكاء الاصطناعي؛ كما أن تقنية blockchain تفيد أيضًا في تخزين وتتبع البيانات المطلوبة للذكاء الاصطناعي. يمتد هذا التأثير التآزري عبر التخطيط الصناعي بالكامل لـ Web3+AI.
حالياً، تركز معظم مشاريع Web3+AI على استخدام تقنيات البلوكتشين لحل مشكلات بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تركز قلة من المشاريع على استخدام الذكاء الاصطناعي لحل مشكلات معينة في تطبيقات Web3. تشمل تخطيط صناعة Web3+AI الجوانب الرئيسية التالية:
1. طبقة القوة الحسابية: تحويل القوة الحسابية إلى أصول
في السنوات الأخيرة، شهدت قوة الحوسبة المطلوبة لتدريب نماذج الذكاء الاصطناعي الكبرى نمواً هائلاً، مما أدى إلى عدم توازن حاد بين العرض والطلب على قوة الحوسبة، وارتفاع أسعار الأجهزة مثل وحدات معالجة الرسومات. ومع ذلك، هناك أيضًا العديد من موارد قوة الحوسبة المتوسطة والمنخفضة غير المستغلة في السوق. من خلال تقنية Web3، يمكن إنشاء شبكة حوسبة موزعة، مما يتيح تأجير ومشاركة قوة الحوسبة، وبالتالي خفض تكاليف قوة الحوسبة للذكاء الاصطناعي.
تنقسم طبقة القوة الحاسوبية إلى:
تتمثل الميزة الأساسية لهذا النموذج من قوة الحوسبة اللامركزية في أنه، من خلال الجمع بين آلية تحفيز الرموز، يمكن توسيع حجم الشبكة بسرعة، في حين توفر موارد حوسبة عالية التكلفة مقابل الفائدة، لتلبية احتياجات الحوسبة المتوسطة والمنخفضة.
2. طبقة البيانات: تحويل البيانات إلى أصول
البيانات هي المورد الرئيسي لتطوير الذكاء الاصطناعي. في النمط التقليدي، يتمركز الكثير من بيانات المستخدمين في أيدي عدد قليل من عمالقة التكنولوجيا، مما يجعل من الصعب على الشركات الناشئة الحصول على موارد بيانات واسعة. من خلال طريقة Web3+AI، يمكن تحقيق جمع البيانات، والتعليق، والتخزين الموزع بتكلفة أقل وشفافية أكبر.
مشاريع طبقة البيانات تشمل بشكل رئيسي:
تواجه هذه المشاريع تحديات أكبر عند تصميم نماذج الاقتصاد الرمزي، لأن البيانات يصعب توحيدها.
3. طبقة المنصة: تحويل قيمة المنصة إلى أصول
تهدف مشاريع المنصة إلى دمج موارد صناعة الذكاء الاصطناعي المختلفة، وجمع البيانات، والقدرات الحاسوبية، والنماذج، ومطوري الذكاء الاصطناعي، وغيرها من الموارد والأدوار المتعلقة بالبلوك تشين. تركز بعض المشاريع على بناء منصات تشغيل zkML، من خلال تقنيات التشفير للتحقق من صحة استنتاجات النماذج، وحل مشكلة الصندوق الأسود الشائعة في الذكاء الاصطناعي المتعلقة بالبيانات والنماذج.
هناك مشاريع أخرى تهدف إلى إنشاء شبكات بلوكتشين مخصصة للذكاء الاصطناعي، من خلال توفير مكونات عامة وSDK، لمساعدة تطبيقات Web3 + AI على البناء والتطور بسرعة. بالإضافة إلى ذلك، توفر منصات من نوع شبكة الوكلاء الدعم لبناء وكلاء الذكاء الاصطناعي لمجموعة متنوعة من سيناريوهات التطبيقات.
تقوم المشاريع من نوع المنصات بشكل أساسي بالتقاط قيمة المنصة من خلال الرموز، وتحفيز جميع الأطراف على المشاركة في البناء المشترك، مما يكون له فوائد خاصة على تطوير المشاريع الناشئة.
4. الطبقة التطبيقية: تفعيل قيمة الأصول الذكية
تستخدم مشاريع طبقة التطبيقات الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. وتشمل بشكل أساسي اتجاهين:
الذكاء الاصطناعي كطرف في Web3: على سبيل المثال، كلاعبي في ألعاب Web3، أو القيام بصفقات التحكيم في DEX، أو تقديم القدرة على تحليل التوقعات في أسواق التنبؤ.
إنشاء ذكاء اصطناعي خاص لامركزي قابل للتوسع: من خلال منح المجتمع حقوق الحوكمة الموزعة على الذكاء الاصطناعي، يتم معالجة مخاوف المستخدمين بشأن مشكلة الصندوق الأسود للذكاء الاصطناعي والتحيزات المحتملة.
حاليًا، لم تظهر مشاريع رائدة في طبقة تطبيقات Web3+AI، ولكن الإمكانيات هائلة.
التطلعات
لا يزال مجال Web3+AI في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطوره. ومع ذلك، نتطلع إلى أن يجمع Web3 مع AI لخلق منتجات أكثر قيمة من AI اللامركزية، والتخلص من "السيطرة الكبرى" و"الاحتكار"، وتحقيق نموذج "التحكم المشترك AI" الأكثر مجتمعية. من خلال المشاركة بشكل أكثر قرباً في تطوير AI وإدارته، قد يتمكن البشر من إيجاد توازن في فهمهم لـ AI، مع الحفاظ على الإعجاب وتقليل الخوف.