في القمة العالمية للحكومات الأخيرة، طرح أحد عمالقة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وهذا أثار تساؤلاً: كيف يمكن بناء نظام ذكاء اصطناعي يلبي مصالح ومتطلبات مجتمع التشفير؟ قد تكون الإجابة موجودة في دمج Web3 مع الذكاء الاصطناعي.
ناقش مؤسس الإيثيريوم في مقال له تأثير التعاون بين تقنيات التشفير والذكاء الاصطناعي. وأشار إلى أن خاصية اللامركزية لتقنيات التشفير يمكن أن توازن الميل نحو المركزية في الذكاء الاصطناعي؛ وشفافية البلوكشين يمكن أن تعزز من مصداقية الذكاء الاصطناعي؛ كما أن البلوكشين مفيد لتخزين البيانات المطلوبة للذكاء الاصطناعي وتتبعها. يمتد هذا التعاون عبر النظام البيئي الصناعي بالكامل لـ Web3+AI.
حالياً، تكرّس معظم مشاريع Web3+AI جهودها لاستخدام تقنية blockchain لحل مشكلات بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تستخدم بعض المشاريع الذكاء الاصطناعي لتحسين تطبيقات Web3. تشمل صناعة Web3+AI بشكل رئيسي الجوانب الأربعة التالية:
1. طبقة القوة الحاسوبية: تحويل القوة الحاسوبية إلى أصول
في السنوات الأخيرة، شهدت القوة الحاسوبية المطلوبة لتدريب نماذج الذكاء الاصطناعي زيادة كبيرة بشكل متسارع، متجاوزة التوقعات بموجب قانون مور. وقد أدى ذلك إلى عدم التوازن بين العرض والطلب على قوة الحوسبة، مما تسبب في ارتفاع أسعار الأجهزة مثل وحدات معالجة الرسومات، وزيادة تكلفة القوة الحاسوبية. في الوقت نفسه، هناك الكثير من أجهزة القوة الحاسوبية المتوسطة والمنخفضة التي لا تُستخدم في السوق. يمكن لتقنية Web3 من خلال إنشاء شبكة قوة حوسبة موزعة، تحقيق تأجير ومشاركة القوة الحاسوبية، وبالتالي بناء شبكة موارد حوسبة اللامركزية، لتلبية احتياجات التطبيقات المتنوعة للذكاء الاصطناعي، مع خفض تكلفة قوة حوسبة الذكاء الاصطناعي بشكل ملحوظ.
تنقسم طبقة قوة الحوسبة إلى:
قوة حسابية لامركزية عالمية
قوة حسابية لامركزية مخصصة لتدريب الذكاء الاصطناعي
قوة حساب اللامركزية المخصصة لاستنتاج الذكاء الاصطناعي
قوة حسابية لعرض ثلاثي الأبعاد مخصصة لللامركزية
تتمثل ميزة تفعيل أصول القدرة الحاسوبية في Web3 + AI في أن مشاريع القدرة الحاسوبية اللامركزية، مع دمج الحوافز الرمزية، يمكن أن توسع بسهولة من حجم الشبكة، وتوفر موارد حسابية عالية التكلفة الفعالة، لتلبية احتياجات القدرة الحاسوبية المتوسطة والمنخفضة.
2. طبقة البيانات: تحويل البيانات إلى أصول
البيانات هي المورد الرئيسي لتطور الذكاء الاصطناعي. في النموذج التقليدي، يمكن فقط للشركات الكبيرة الحصول على كميات هائلة من بيانات المستخدمين، بينما تجد الشركات الناشئة العادية صعوبة في الحصول على دعم بيانات واسع. كما أن قيمة بيانات المستخدمين لم تتمكن من العودة بشكل فعال إلى المستخدمين أنفسهم. يمكن أن يحقق دمج Web3 + AI عمليات جمع البيانات، والتعليق، والتخزين الموزع بتكاليف أقل، وشفافية أكبر، وفائدة أكبر للمستخدم.
من خلال تقنية Web3، بالت结合 مع آليات التحفيز المناسبة للرموز، يمكن استخدام طريقة الحشد للحصول على بيانات عالية الجودة وواسعة بتكلفة منخفضة. تشمل المشاريع المتعلقة بالبيانات بشكل رئيسي:
جمع البيانات
تداول البيانات
تسمية البيانات
مصدر بيانات blockchain
اللامركزية存储
تواجه هذه الأنواع من المشاريع تحديات أكبر عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات أكثر صعوبة في التوحيد القياسي من القدرة الحاسوبية.
3. الطبقة الأساسية: تحويل قيمة الأصول الخاصة بالمنصة
تهدف مشاريع المنصات إلى دمج جميع موارد صناعة الذكاء الاصطناعي، وإنشاء منصة مركزية تربط بين البيانات، وقوة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي، والموارد المتعلقة بالـاللامركزية، لتلبية مختلف الاحتياجات بشكل مريح. على سبيل المثال، هناك مشاريع مكرسة لبناء منصة تشغيل شاملة لـzkML، تهدف من خلالها إلى التحقق من التنفيذ الصحيح لاستنتاج النماذج باستخدام تقنيات التشفير، مما يعزز من موثوقية وشفافية الذكاء الاصطناعي.
هناك بعض المشاريع التي تركز على بناء شبكات بلوكتشين مخصصة للذكاء الاصطناعي، من خلال تقديم مكونات عامة وSDK، للمساعدة في بناء وتطوير تطبيقات Web3+AI بسرعة. بالإضافة إلى ذلك، تكرّس بعض المنصات جهودها لبناء شبكة وكلاء الذكاء الاصطناعي لدعم مجموعة متنوعة من سيناريوهات التطبيقات.
تقوم مشاريع هذه المنصات بشكل رئيسي بالاستفادة من الرموز لالتقاط قيمة المنصة، وتحفيز المشاركين من جميع الأطراف على التعاون في البناء، مما يساعد بشكل خاص على تطوير المشاريع الناشئة.
4. طبقة التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول
تستخدم مشاريع الطبقة التطبيقية تقنية الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. اقترح مؤسس الإيثيريوم اتجاهين ذوي مغزى:
الذكاء الاصطناعي كفاعل في Web3: على سبيل المثال في ألعاب Web3، يمكن للذكاء الاصطناعي أن يساعد اللاعبين على فهم القواعد بسرعة وإنجاز المهام بكفاءة؛ في البورصات اللامركزية، لعب الذكاء الاصطناعي دوراً مهماً في تداولات التحكيم؛ في أسواق التنبؤ، يمكن للذكاء الاصطناعي من خلال تحليل كميات كبيرة من البيانات أن يساعد المستخدمين في إجراء التنبؤات.
إنشاء ذكاء صناعي خاص قابل للتوسع: من خلال تقنيات Web3، يمنح المجتمع حقوق الحكم اللامركزي على الذكاء الاصطناعي، مما يزيد من ثقة المستخدمين وقبولهم للذكاء الاصطناعي.
حتى الآن، لم يظهر في طبقة تطبيقات Web3 + AI أي مشروع نجم يتمتع بإمكانيات نمو عالية.
الخاتمة
لا يزال مجال Web3 + AI في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطويره. نحن نتطلع إلى أن يؤدي الجمع بين Web3 و AI إلى خلق منتجات أكثر قيمة من AI اللامركزية، مما يسمح للذكاء الاصطناعي بالتخلص من "سيطرة العملاقة" و "الاحتكار"، وتحقيق "حوكمة مشتركة للذكاء الاصطناعي" بطريقة أكثر مجتمعية. ربما من خلال المشاركة الأعمق وحوكمة الذكاء الاصطناعي، يمكن للبشر أن يشعروا بمزيد من الهيبة تجاه الذكاء الاصطناعي، 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: بناء أربعة مجالات لمستقبل ذكي لامركزي
دمج Web3 و AI: بناء مستقبل ذكي لامركزي
في القمة العالمية للحكومات الأخيرة، طرح أحد عمالقة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وهذا أثار تساؤلاً: كيف يمكن بناء نظام ذكاء اصطناعي يلبي مصالح ومتطلبات مجتمع التشفير؟ قد تكون الإجابة موجودة في دمج Web3 مع الذكاء الاصطناعي.
ناقش مؤسس الإيثيريوم في مقال له تأثير التعاون بين تقنيات التشفير والذكاء الاصطناعي. وأشار إلى أن خاصية اللامركزية لتقنيات التشفير يمكن أن توازن الميل نحو المركزية في الذكاء الاصطناعي؛ وشفافية البلوكشين يمكن أن تعزز من مصداقية الذكاء الاصطناعي؛ كما أن البلوكشين مفيد لتخزين البيانات المطلوبة للذكاء الاصطناعي وتتبعها. يمتد هذا التعاون عبر النظام البيئي الصناعي بالكامل لـ Web3+AI.
حالياً، تكرّس معظم مشاريع Web3+AI جهودها لاستخدام تقنية blockchain لحل مشكلات بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تستخدم بعض المشاريع الذكاء الاصطناعي لتحسين تطبيقات Web3. تشمل صناعة Web3+AI بشكل رئيسي الجوانب الأربعة التالية:
1. طبقة القوة الحاسوبية: تحويل القوة الحاسوبية إلى أصول
في السنوات الأخيرة، شهدت القوة الحاسوبية المطلوبة لتدريب نماذج الذكاء الاصطناعي زيادة كبيرة بشكل متسارع، متجاوزة التوقعات بموجب قانون مور. وقد أدى ذلك إلى عدم التوازن بين العرض والطلب على قوة الحوسبة، مما تسبب في ارتفاع أسعار الأجهزة مثل وحدات معالجة الرسومات، وزيادة تكلفة القوة الحاسوبية. في الوقت نفسه، هناك الكثير من أجهزة القوة الحاسوبية المتوسطة والمنخفضة التي لا تُستخدم في السوق. يمكن لتقنية Web3 من خلال إنشاء شبكة قوة حوسبة موزعة، تحقيق تأجير ومشاركة القوة الحاسوبية، وبالتالي بناء شبكة موارد حوسبة اللامركزية، لتلبية احتياجات التطبيقات المتنوعة للذكاء الاصطناعي، مع خفض تكلفة قوة حوسبة الذكاء الاصطناعي بشكل ملحوظ.
تنقسم طبقة قوة الحوسبة إلى:
تتمثل ميزة تفعيل أصول القدرة الحاسوبية في Web3 + AI في أن مشاريع القدرة الحاسوبية اللامركزية، مع دمج الحوافز الرمزية، يمكن أن توسع بسهولة من حجم الشبكة، وتوفر موارد حسابية عالية التكلفة الفعالة، لتلبية احتياجات القدرة الحاسوبية المتوسطة والمنخفضة.
2. طبقة البيانات: تحويل البيانات إلى أصول
البيانات هي المورد الرئيسي لتطور الذكاء الاصطناعي. في النموذج التقليدي، يمكن فقط للشركات الكبيرة الحصول على كميات هائلة من بيانات المستخدمين، بينما تجد الشركات الناشئة العادية صعوبة في الحصول على دعم بيانات واسع. كما أن قيمة بيانات المستخدمين لم تتمكن من العودة بشكل فعال إلى المستخدمين أنفسهم. يمكن أن يحقق دمج Web3 + AI عمليات جمع البيانات، والتعليق، والتخزين الموزع بتكاليف أقل، وشفافية أكبر، وفائدة أكبر للمستخدم.
من خلال تقنية Web3، بالت结合 مع آليات التحفيز المناسبة للرموز، يمكن استخدام طريقة الحشد للحصول على بيانات عالية الجودة وواسعة بتكلفة منخفضة. تشمل المشاريع المتعلقة بالبيانات بشكل رئيسي:
تواجه هذه الأنواع من المشاريع تحديات أكبر عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات أكثر صعوبة في التوحيد القياسي من القدرة الحاسوبية.
3. الطبقة الأساسية: تحويل قيمة الأصول الخاصة بالمنصة
تهدف مشاريع المنصات إلى دمج جميع موارد صناعة الذكاء الاصطناعي، وإنشاء منصة مركزية تربط بين البيانات، وقوة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي، والموارد المتعلقة بالـاللامركزية، لتلبية مختلف الاحتياجات بشكل مريح. على سبيل المثال، هناك مشاريع مكرسة لبناء منصة تشغيل شاملة لـzkML، تهدف من خلالها إلى التحقق من التنفيذ الصحيح لاستنتاج النماذج باستخدام تقنيات التشفير، مما يعزز من موثوقية وشفافية الذكاء الاصطناعي.
هناك بعض المشاريع التي تركز على بناء شبكات بلوكتشين مخصصة للذكاء الاصطناعي، من خلال تقديم مكونات عامة وSDK، للمساعدة في بناء وتطوير تطبيقات Web3+AI بسرعة. بالإضافة إلى ذلك، تكرّس بعض المنصات جهودها لبناء شبكة وكلاء الذكاء الاصطناعي لدعم مجموعة متنوعة من سيناريوهات التطبيقات.
تقوم مشاريع هذه المنصات بشكل رئيسي بالاستفادة من الرموز لالتقاط قيمة المنصة، وتحفيز المشاركين من جميع الأطراف على التعاون في البناء، مما يساعد بشكل خاص على تطوير المشاريع الناشئة.
4. طبقة التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول
تستخدم مشاريع الطبقة التطبيقية تقنية الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. اقترح مؤسس الإيثيريوم اتجاهين ذوي مغزى:
الذكاء الاصطناعي كفاعل في Web3: على سبيل المثال في ألعاب Web3، يمكن للذكاء الاصطناعي أن يساعد اللاعبين على فهم القواعد بسرعة وإنجاز المهام بكفاءة؛ في البورصات اللامركزية، لعب الذكاء الاصطناعي دوراً مهماً في تداولات التحكيم؛ في أسواق التنبؤ، يمكن للذكاء الاصطناعي من خلال تحليل كميات كبيرة من البيانات أن يساعد المستخدمين في إجراء التنبؤات.
إنشاء ذكاء صناعي خاص قابل للتوسع: من خلال تقنيات Web3، يمنح المجتمع حقوق الحكم اللامركزي على الذكاء الاصطناعي، مما يزيد من ثقة المستخدمين وقبولهم للذكاء الاصطناعي.
حتى الآن، لم يظهر في طبقة تطبيقات Web3 + AI أي مشروع نجم يتمتع بإمكانيات نمو عالية.
الخاتمة
لا يزال مجال Web3 + AI في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطويره. نحن نتطلع إلى أن يؤدي الجمع بين Web3 و AI إلى خلق منتجات أكثر قيمة من AI اللامركزية، مما يسمح للذكاء الاصطناعي بالتخلص من "سيطرة العملاقة" و "الاحتكار"، وتحقيق "حوكمة مشتركة للذكاء الاصطناعي" بطريقة أكثر مجتمعية. ربما من خلال المشاركة الأعمق وحوكمة الذكاء الاصطناعي، يمكن للبشر أن يشعروا بمزيد من الهيبة تجاه الذكاء الاصطناعي، وتقليل الخوف.