هل يمكن لوكيل الذكاء الاصطناعي أن يكون طوق النجاة لـ Web3 + AI؟
تعتبر مشاريع وكيل الذكاء الاصطناعي من الأنواع الشائعة والناضجة في ريادة الأعمال في Web2، حيث تركز بشكل أساسي على خدمات الشركات، بينما في مجال Web3 أصبحت مشاريع تدريب النماذج وتجميع المنصات التي تلعب دوراً حيوياً في بناء النظام البيئي هي السائدة.
حاليًا، عدد مشاريع الوكيل الذكي في Web3 قليل ويشكل 8%، لكن قيمتها السوقية في مجال الذكاء الاصطناعي تصل إلى 23%، مما يظهر قوة تنافسية عالية في السوق. نتوقع أنه مع نضوج التقنية وزيادة الاعتراف بالسوق، ستظهر مشاريع متعددة تتجاوز قيمتها 10 مليارات دولار في المستقبل.
بالنسبة لمشاريع Web3، قد يصبح إدخال تقنية الذكاء الاصطناعي ميزة استراتيجية للتطبيقات التي ليست نواة الذكاء الاصطناعي. يجب أن تركز طرق دمج مشاريع الوكلاء الذكية على بناء النظام البيئي الكامل وتصميم نموذج الاقتصاد الرمزي، لتعزيز اللامركزية وتأثير الشبكة.
موجة الذكاء الاصطناعي: حالة تدفق المشاريع وزيادة التقييمات
منذ ظهور ChatGPT في نوفمبر 2022، جذب أكثر من مئة مليون مستخدم في غضون شهرين فقط. بحلول مايو 2024، وصلت الإيرادات الشهرية لـ ChatGPT إلى 20.3 مليون دولار مذهلة، وبعد إصدار ChatGPT، أطلقت OpenAI بسرعة إصدارات متكررة مثل GPT-4 و GP4-4o. مع هذا الاتجاه السريع، أدركت كبرى شركات التكنولوجيا التقليدية أهمية تطبيقات النماذج الذكية مثل LLM، وبدأت جميعها في إطلاق نماذجها وتطبيقاتها الخاصة، مثل إصدار جوجل لنموذج اللغة الكبير PaLM2، وإطلاق ميتا لـ Llama3، بينما أطلقت الشركات الصينية نماذج كبيرة مثل Wenxin Yiyan و Zhipu Qingyan. من الواضح أن مجال الذكاء الاصطناعي أصبح ساحة تنافس حامية.
لقد أدت المنافسة بين عمالقة التكنولوجيا إلى دفع تطوير التطبيقات التجارية، وفي الوقت نفسه، من خلال التحقيقات الإحصائية حول أبحاث الذكاء الاصطناعي مفتوحة المصدر، أظهر تقرير AI Index لعام 2024 أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على GitHub قد ارتفع بشكل كبير من 845 مشروعًا في عام 2011 إلى حوالي 1.8 مليون مشروع في عام 2023، خاصة بعد إصدار GPT في عام 2023، حيث زاد عدد المشاريع بنسبة 59.3٪ مقارنةً بالعام السابق، مما يعكس حماس مجتمع المطورين العالمي لأبحاث الذكاء الاصطناعي.
تعكس الحماس تجاه تقنيات الذكاء الاصطناعي بشكل مباشر في سوق الاستثمار، حيث يظهر سوق استثمار الذكاء الاصطناعي نمواً قوياً، مع تسجيل نمو انفجاري في الربع الثاني من عام 2024. هناك 16 استثماراً متعلقاً بالذكاء الاصطناعي تجاوزت قيمتها 150 مليون دولار على مستوى العالم، وهو ما يعادل ضعف العدد في الربع الأول. كما أن إجمالي تمويل الشركات الناشئة في مجال الذكاء الاصطناعي قد ارتفع إلى 24 مليار دولار، بزيادة تفوق الضعف على أساس سنوي. ومن بين هذه الشركات، جمعت xAI التابعة لماسك 6 مليارات دولار، مما جعل قيمتها 24 مليار دولار، لتصبح ثاني أعلى تقييم لشركة ناشئة في مجال الذكاء الاصطناعي بعد OpenAI.
تعمل التطورات السريعة في تكنولوجيا الذكاء الاصطناعي على إعادة تشكيل مشهد التكنولوجيا بسرعة غير مسبوقة. من المنافسة الشديدة بين عمالقة التكنولوجيا، إلى النمو المزدهر لمشاريع المجتمع المفتوح المصدر، وصولاً إلى الحماس الكبير من قبل سوق رأس المال لمفهوم الذكاء الاصطناعي. تتزايد المشاريع باستمرار، وترتفع استثماراتها إلى مستويات قياسية، كما ترتفع قيمتها السوقية تبعًا لذلك. بشكل عام، يوجد سوق الذكاء الاصطناعي في فترة ذهبية من النمو السريع، حيث حققت النماذج اللغوية الكبيرة وتقنيات التعزيز بالاسترجاع تقدمًا كبيرًا في مجال معالجة اللغة. ومع ذلك، تواجه هذه النماذج تحديات عند تحويل المزايا التقنية إلى منتجات فعلية، مثل عدم اليقين في نواتج النماذج، وخطر إنتاج معلومات غير دقيقة، ومشكلات الشفافية للنموذج. تصبح هذه القضايا ذات أهمية خاصة في السيناريوهات التي تتطلب موثوقية عالية.
في هذا السياق، بدأنا البحث في وكيل الذكاء الاصطناعي، حيث يركز وكيل الذكاء الاصطناعي على شمولية حل المشكلات العملية والتفاعل مع البيئة. تمثل هذه النقلة تطور التكنولوجيا الذكية من نماذج لغوية بحتة إلى أنظمة ذكية قادرة على فهم التعلم وحل المشكلات الواقعية بشكل حقيقي. لذلك، نرى الأمل من خلال تطور وكيل الذكاء الاصطناعي، حيث إنه يعمل تدريجياً على سد الفجوة بين تكنولوجيا الذكاء الاصطناعي وحل المشكلات العملية. إن تطور تكنولوجيا الذكاء الاصطناعي يعيد تشكيل هيكل الإنتاج، بينما تعيد تقنية Web3 تشكيل علاقات الإنتاج في الاقتصاد الرقمي. عندما تتكامل العناصر الثلاثة الرئيسية للذكاء الاصطناعي: البيانات والنماذج وقوة الحوسبة، مع المفاهيم الأساسية لـ Web3 مثل اللامركزية والاقتصاد القائم على الرموز والعقود الذكية، نتوقع أن يولد ذلك سلسلة من التطبيقات الابتكارية. في هذا المجال المتقاطع المليء بالفرص، نعتقد أن وكيل الذكاء الاصطناعي، بفضل قدرته على تنفيذ المهام بشكل مستقل، يظهر إمكانيات هائلة لتحقيق تطبيقات واسعة النطاق.
لذلك، بدأنا في دراسة تطبيقات AI Agent المتنوعة في Web3 بعمق، من البنية التحتية لـ Web3، والبرمجيات الوسيطة، إلى مستوى التطبيقات، بالإضافة إلى أسواق البيانات والنماذج، بهدف تحديد وتقييم أنواع المشاريع الأكثر واعدة وسيناريوهات التطبيقات، لفهم الاندماج العميق بين AI وWeb3.
توضيح المفاهيم: مقدمة ونظرة عامة على تصنيفات وكلاء الذكاء الاصطناعي
مقدمة أساسية
قبل تقديم وكيل الذكاء الاصطناعي، ولتسهيل فهم القارئ للفرق بين التعريف والنموذج نفسه، سنقدم مثالاً من خلال سيناريو عملي: لنفترض أنك تخطط لرحلة. توفر نماذج اللغة الكبيرة التقليدية معلومات عن الوجهة ونصائح السفر. بينما يمكن لتقنية البحث المعزز للتوليد أن توفر محتوى وجهة أكثر ثراءً وتحديداً. أما وكيل الذكاء الاصطناعي فهو مثل جارفيس في أفلام الرجل الحديدي، حيث يمكنه فهم الاحتياجات، ويمكنه أيضاً البحث بنشاط عن الرحلات الجوية والفنادق استناداً إلى جملة واحدة منك، وتنفيذ عمليات الحجز وإضافة الجدول الزمني إلى التقويم.
التعريف الشائع لوكلاء الذكاء الاصطناعي في الصناعة هو الأنظمة الذكية القادرة على إدراك البيئة واتخاذ إجراءات مناسبة، من خلال الحصول على معلومات البيئة عبر أجهزة الاستشعار، ومعالجتها، ومن ثم التأثير على البيئة عبر المنفذات (ستيوارت راسيل وبيتر نورفيغ، 2020). نحن نعتقد أن وكيل الذكاء الاصطناعي هو مساعد يجمع بين قدرات LLM و RAG والذاكرة وتخطيط المهام واستخدام الأدوات. فهو لا يقدم المعلومات فقط، بل يمكنه أيضًا التخطيط وتفكيك المهام وتنفيذها فعليًا.
وفقًا لهذا التعريف والخصائص، يمكننا أن نلاحظ أن وكيل الذكاء الاصطناعي قد اندمج بالفعل في حياتنا، وتم تطبيقه في مشاهد مختلفة، مثل AlphaGo، Siri، ونظام القيادة الذاتية من المستوى L5 وما فوق في تسلا، والتي يمكن اعتبارها أمثلة على وكيل الذكاء الاصطناعي. تتميز هذه الأنظمة بقدرتها على إدراك مدخلات المستخدم الخارجية، وبناءً على ذلك تؤثر على البيئة الواقعية.
لأخذ ChatGPT كمثال لتوضيح المفاهيم، يجب أن نوضح أن Transformer هو الهيكل التكنولوجي الذي يتكون منه نموذج الذكاء الاصطناعي، و GPT هو سلسلة النماذج التي تطورت بناءً على هذا الهيكل، بينما تمثل GPT-1 و GPT-4 و GPT-4o إصدارات النموذج في مراحل تطور مختلفة. ChatGP هو وكيل ذكاء اصطناعي تطور بناءً على نموذج GPT.
نظرة عامة على الفئات
لا يزال سوق وكلاء الذكاء الاصطناعي الحالي غير موحد في معاييره التصنيفية. من خلال وضع علامات على 204 مشروعًا من وكلاء الذكاء الاصطناعي في أسواق Web2 وWeb3، قمنا بتقسيمها إلى تصنيفات رئيسية وثانوية بناءً على العلامات البارزة لكل مشروع. حيث تنقسم التصنيفات الرئيسية إلى ثلاثة أنواع: البنية التحتية، إنشاء المحتوى، والتفاعل مع المستخدمين، ثم يتم تقسيمها بناءً على حالات الاستخدام الفعلية.
البنية التحتية: تركز هذه الفئة على بناء محتوى أكثر أساسية في مجال الوكلاء، بما في ذلك المنصات والنماذج والبيانات وأدوات التطوير، بالإضافة إلى خدمات B-end التي تعتبر أكثر نضجًا وتطبيقات أساسية.
أدوات التطوير: تقديم أدوات وإطارات مساعدة للمطورين لبناء وكلاء الذكاء الاصطناعي.
فئة معالجة البيانات: معالجة وتحليل بيانات بتنسيقات مختلفة، تُستخدم بشكل رئيسي لدعم اتخاذ القرار، وتوفير مصادر للتدريب.
فئة تدريب النماذج: تقدم خدمات تدريب النماذج المتعلقة بالذكاء الاصطناعي، بما في ذلك الاستدلال، وإنشاء النماذج، والإعدادات، وغيرها.
خدمات الطرف B: تستهدف بشكل أساسي المستخدمين من الشركات، وتقدم حلولًا للخدمات المؤسسية، والعمودية، والأتمتة.
منصات تجميعية: منصة تجمع بين خدمات وأدوات متعددة لوكلاء الذكاء الاصطناعي.
التفاعلية: مشابهة لفئة توليد المحتوى، والفرق هو التفاعل المستمر ثنائي الاتجاه. وكيل التفاعلية لا يقبل فقط ويفهم احتياجات المستخدم، بل يقدم أيضًا ردودًا من خلال تقنيات مثل معالجة اللغة الطبيعية (NLP) لتحقيق التفاعل الثنائي مع المستخدم.
نوع الدعم العاطفي: وكيل الذكاء الاصطناعي الذي يقدم الدعم العاطفي والمرافقة.
نوع GPT: وكيل الذكاء الاصطناعي المستند إلى نموذج GPT (محول مُدرب مسبقًا للتوليد).
فئة البحث: تركز على وظيفة البحث، وتقدم وكيلًا يركز على توفير معلومات أكثر دقة.
أنواع توليد المحتوى: تركز هذه المشاريع على إنشاء المحتوى، باستخدام تقنيات النماذج الكبيرة لتوليد أشكال مختلفة من المحتوى بناءً على أوامر المستخدم، وتنقسم إلى أربعة أنواع: توليد النصوص، توليد الصور، توليد الفيديو وتوليد الصوت.
تحليل حالة تطوير وكيل الذكاء الاصطناعي Web2
وفقًا لإحصاءاتنا ، يظهر تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 اتجاهًا واضحًا نحو التركيز القطاعي. على وجه التحديد ، يتركز حوالي ثلثي المشاريع في فئة البنية التحتية ، حيث تهيمن خدمات B-end وأدوات التطوير بشكل رئيسي ، وقد أجرينا أيضًا بعض التحليلات حول هذه الظاهرة.
تأثير نضج التكنولوجيا: المشاريع المتعلقة بالبنية التحتية تهيمن في المقام الأول بفضل نضج تقنيتها. تعتمد هذه المشاريع عادةً على تقنيات وإطارات تم اختبارها عبر الزمن، مما يقلل من صعوبة المخاطر في التطوير. إنها تعادل "المجرفة" في مجال الذكاء الاصطناعي، حيث توفر أساسًا قويًا لتطوير وتطبيق وكلاء الذكاء الاصطناعي.
دفع الطلب في السوق: عامل رئيسي آخر هو الطلب في السوق. بالمقارنة مع سوق المستهلكين، فإن الطلب على تقنيات الذكاء الاصطناعي في السوق الشركات أكثر إلحاحًا، خاصة في السعي للحصول على حلول لتحسين كفاءة العمليات وتقليل التكاليف. في الوقت نفسه، بالنسبة للمطورين، فإن التدفق النقدي من الشركات مستقر نسبيًا، مما يسهل عليهم تطوير المشاريع اللاحقة.
قيود سيناريوهات التطبيق: في الوقت نفسه، نلاحظ أن تطبيقات الذكاء الاصطناعي في مجال توليد المحتوى في السوق B تعاني من محدودية نسبية في سيناريوهات التطبيق. نظرًا لعدم استقرار نواتجها، تميل الشركات إلى تلك التطبيقات التي تستطيع تحسين الإنتاجية بشكل ثابت. وهذا أدى إلى نسبة صغيرة لتطبيقات الذكاء الاصطناعي في توليد المحتوى في مكتبة المشاريع.
تعكس هذه الاتجاهات نضج التكنولوجيا واحتياجات السوق والاعتبارات الفعلية لمواضيع التطبيق. مع التقدم المستمر في تكنولوجيا الذكاء الاصطناعي ووضوح احتياجات السوق بشكل أكبر، نتوقع أن تتمكن هذه الصورة من التعديل، لكن البنية التحتية ستبقى حجر الزاوية القوي لتطوير وكلاء الذكاء الاصطناعي.
تحليل مشروع الوكالات الذكية في Web2 الرائد
نحن نستكشف بعمق بعض المشاريع الخاصة بعملاء الذكاء الاصطناعي في سوق Web2 الحالي، ونقوم بتحليلها، مع أخذ مشاريع Character AI و Perplexity AI و Midjourney كمثال.
شخصية الذكاء الاصطناعي:
مقدمة المنتج: توفر Character.AI نظام حوار قائم على الذكاء الاصطناعي وأدوات لإنشاء شخصيات افتراضية. تتيح منصتها للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية، التي تستطيع إجراء محادثات بلغة طبيعية وتنفيذ مهام محددة.
تحليل البيانات: بلغ عدد الزيارات لـ Character.AI في مايو 277 مليون، حيث يمتلك المنصة أكثر من 3.5 مليون مستخدم نشط يومياً، ومعظم المستخدمين تتراوح أعمارهم بين 18 و34 عاماً، مما يظهر خصائص مجموعة المستخدمين الشابة. حققت Character AI أداءً ممتازاً في سوق المال، حيث أكملت تمويلاً بقيمة 150 مليون دولار، مما جعل تقييمها يصل إلى مليار دولار، بقيادة a16z.
التحليل الفني: وقعت Character AI اتفاقية ترخيص غير حصرية مع الشركة الأم لجوجل Alphabet لاستخدام نماذجها اللغوية الكبيرة، مما يشير إلى أن Character AI تعتمد على تقنيات تم تطويرها داخليًا. من الجدير بالذكر أن مؤسسي الشركة Noam Shazeer وDaniel De Freitas شاركوا في تطوير نموذج اللغة المحادثية Llama الخاص بجوجل.
الحيرة الذكاء الاصطناعي:
مقدمة المنتج: يمكن لـ Perplexity أن يجمع ويقدم إجابات مفصلة من الإنترنت. من خلال الاقتباسات وروابط المرجع، يضمن موثوقية ودقة المعلومات، كما يقوم بتعليم وإرشاد المستخدمين لطرح أسئلة متابعة والبحث عن كلمات رئيسية، مما يلبي احتياجات الاستعلام المتنوعة للمستخدمين.
تحليل البيانات: بلغ عدد المستخدمين النشطين شهريًا لـ Perplexity 10 ملايين، حيث حققت الزيارات لتطبيقاتها على الهواتف المحمولة وسطح المكتب زيادة بنسبة 8.6% في فبراير، مما جذب حوالي 50 مليون مستخدم. في سوق رأس المال، أعلنت Perplexity AI مؤخرًا عن حصولها على تمويل بقيمة 62.7 مليون دولار، مع تقييم يصل إلى 1.04 مليار دولار، بقيادة Daniel Gross، وشارك فيها Stan Druckenmiller وNVIDIA.
التحليل الفني: النموذج الرئيسي الذي تستخدمه Perplexity هو GPT-3.5 المعدل، بالإضافة إلى نموذجين كبيرين معدلين من نماذج كبيرة مفتوحة المصدر: pplx-7b-online و pplx-70b-online. النموذج مناسب لأبحاث أكاديمية متخصصة واستفسارات في مجالات عمودية، مما يضمن دقة المعلومات وموثوقيتها.
منتصف الرحلة:
مقدمة المنتج: يمكن للمستخدمين إنشاء صور بأنماط ومواضيع مختلفة في Midjourney من خلال Prompts، تغطي من الواقعية إلى
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.
تسجيلات الإعجاب 17
أعجبني
17
7
مشاركة
تعليق
0/400
OldLeekNewSickle
· منذ 4 س
مرة أخرى نموذج خداع الحمقى، رأى لكنه لم يتحدث عنه.
شاهد النسخة الأصليةرد0
BearMarketSurvivor
· منذ 18 س
ما هو القش وما ليس بقش، يجب أن ننظر بالفعل إلى ما إذا كانت الأموال الكبيرة ستدخل السوق أم لا.
شاهد النسخة الأصليةرد0
GasWrangler
· 07-25 22:23
من الناحية التقنية، فإن القيمة السوقية لا تعني شيئًا إذا لم تكن الطبقة الأساسية مُحسّنة... يأسف لذلك
شاهد النسخة الأصليةرد0
NFTArchaeologis
· 07-25 22:21
كما لو كان نقطة تحول بعد فقاعة الإنترنت في السنوات الماضية، مألوف ولكنه غريب.
شاهد النسخة الأصليةرد0
ThreeHornBlasts
· 07-25 22:11
على الرغم من النسبة القليلة، لكن المال ليس قليلاً.
شاهد النسخة الأصليةرد0
AirdropHunterXM
· 07-25 22:08
أطلق العنان، أطلق العنان، يجب أن نتوجه مرة أخرى إلى مسار الذكاء الاصطناعي.
هل يمكن لوكيل الذكاء الاصطناعي أن يصبح القوة الدافعة الرئيسية لدمج Web3 والذكاء الاصطناعي؟
هل يمكن لوكيل الذكاء الاصطناعي أن يكون طوق النجاة لـ Web3 + AI؟
تعتبر مشاريع وكيل الذكاء الاصطناعي من الأنواع الشائعة والناضجة في ريادة الأعمال في Web2، حيث تركز بشكل أساسي على خدمات الشركات، بينما في مجال Web3 أصبحت مشاريع تدريب النماذج وتجميع المنصات التي تلعب دوراً حيوياً في بناء النظام البيئي هي السائدة.
حاليًا، عدد مشاريع الوكيل الذكي في Web3 قليل ويشكل 8%، لكن قيمتها السوقية في مجال الذكاء الاصطناعي تصل إلى 23%، مما يظهر قوة تنافسية عالية في السوق. نتوقع أنه مع نضوج التقنية وزيادة الاعتراف بالسوق، ستظهر مشاريع متعددة تتجاوز قيمتها 10 مليارات دولار في المستقبل.
بالنسبة لمشاريع Web3، قد يصبح إدخال تقنية الذكاء الاصطناعي ميزة استراتيجية للتطبيقات التي ليست نواة الذكاء الاصطناعي. يجب أن تركز طرق دمج مشاريع الوكلاء الذكية على بناء النظام البيئي الكامل وتصميم نموذج الاقتصاد الرمزي، لتعزيز اللامركزية وتأثير الشبكة.
موجة الذكاء الاصطناعي: حالة تدفق المشاريع وزيادة التقييمات
منذ ظهور ChatGPT في نوفمبر 2022، جذب أكثر من مئة مليون مستخدم في غضون شهرين فقط. بحلول مايو 2024، وصلت الإيرادات الشهرية لـ ChatGPT إلى 20.3 مليون دولار مذهلة، وبعد إصدار ChatGPT، أطلقت OpenAI بسرعة إصدارات متكررة مثل GPT-4 و GP4-4o. مع هذا الاتجاه السريع، أدركت كبرى شركات التكنولوجيا التقليدية أهمية تطبيقات النماذج الذكية مثل LLM، وبدأت جميعها في إطلاق نماذجها وتطبيقاتها الخاصة، مثل إصدار جوجل لنموذج اللغة الكبير PaLM2، وإطلاق ميتا لـ Llama3، بينما أطلقت الشركات الصينية نماذج كبيرة مثل Wenxin Yiyan و Zhipu Qingyan. من الواضح أن مجال الذكاء الاصطناعي أصبح ساحة تنافس حامية.
لقد أدت المنافسة بين عمالقة التكنولوجيا إلى دفع تطوير التطبيقات التجارية، وفي الوقت نفسه، من خلال التحقيقات الإحصائية حول أبحاث الذكاء الاصطناعي مفتوحة المصدر، أظهر تقرير AI Index لعام 2024 أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على GitHub قد ارتفع بشكل كبير من 845 مشروعًا في عام 2011 إلى حوالي 1.8 مليون مشروع في عام 2023، خاصة بعد إصدار GPT في عام 2023، حيث زاد عدد المشاريع بنسبة 59.3٪ مقارنةً بالعام السابق، مما يعكس حماس مجتمع المطورين العالمي لأبحاث الذكاء الاصطناعي.
تعكس الحماس تجاه تقنيات الذكاء الاصطناعي بشكل مباشر في سوق الاستثمار، حيث يظهر سوق استثمار الذكاء الاصطناعي نمواً قوياً، مع تسجيل نمو انفجاري في الربع الثاني من عام 2024. هناك 16 استثماراً متعلقاً بالذكاء الاصطناعي تجاوزت قيمتها 150 مليون دولار على مستوى العالم، وهو ما يعادل ضعف العدد في الربع الأول. كما أن إجمالي تمويل الشركات الناشئة في مجال الذكاء الاصطناعي قد ارتفع إلى 24 مليار دولار، بزيادة تفوق الضعف على أساس سنوي. ومن بين هذه الشركات، جمعت xAI التابعة لماسك 6 مليارات دولار، مما جعل قيمتها 24 مليار دولار، لتصبح ثاني أعلى تقييم لشركة ناشئة في مجال الذكاء الاصطناعي بعد OpenAI.
تعمل التطورات السريعة في تكنولوجيا الذكاء الاصطناعي على إعادة تشكيل مشهد التكنولوجيا بسرعة غير مسبوقة. من المنافسة الشديدة بين عمالقة التكنولوجيا، إلى النمو المزدهر لمشاريع المجتمع المفتوح المصدر، وصولاً إلى الحماس الكبير من قبل سوق رأس المال لمفهوم الذكاء الاصطناعي. تتزايد المشاريع باستمرار، وترتفع استثماراتها إلى مستويات قياسية، كما ترتفع قيمتها السوقية تبعًا لذلك. بشكل عام، يوجد سوق الذكاء الاصطناعي في فترة ذهبية من النمو السريع، حيث حققت النماذج اللغوية الكبيرة وتقنيات التعزيز بالاسترجاع تقدمًا كبيرًا في مجال معالجة اللغة. ومع ذلك، تواجه هذه النماذج تحديات عند تحويل المزايا التقنية إلى منتجات فعلية، مثل عدم اليقين في نواتج النماذج، وخطر إنتاج معلومات غير دقيقة، ومشكلات الشفافية للنموذج. تصبح هذه القضايا ذات أهمية خاصة في السيناريوهات التي تتطلب موثوقية عالية.
في هذا السياق، بدأنا البحث في وكيل الذكاء الاصطناعي، حيث يركز وكيل الذكاء الاصطناعي على شمولية حل المشكلات العملية والتفاعل مع البيئة. تمثل هذه النقلة تطور التكنولوجيا الذكية من نماذج لغوية بحتة إلى أنظمة ذكية قادرة على فهم التعلم وحل المشكلات الواقعية بشكل حقيقي. لذلك، نرى الأمل من خلال تطور وكيل الذكاء الاصطناعي، حيث إنه يعمل تدريجياً على سد الفجوة بين تكنولوجيا الذكاء الاصطناعي وحل المشكلات العملية. إن تطور تكنولوجيا الذكاء الاصطناعي يعيد تشكيل هيكل الإنتاج، بينما تعيد تقنية Web3 تشكيل علاقات الإنتاج في الاقتصاد الرقمي. عندما تتكامل العناصر الثلاثة الرئيسية للذكاء الاصطناعي: البيانات والنماذج وقوة الحوسبة، مع المفاهيم الأساسية لـ Web3 مثل اللامركزية والاقتصاد القائم على الرموز والعقود الذكية، نتوقع أن يولد ذلك سلسلة من التطبيقات الابتكارية. في هذا المجال المتقاطع المليء بالفرص، نعتقد أن وكيل الذكاء الاصطناعي، بفضل قدرته على تنفيذ المهام بشكل مستقل، يظهر إمكانيات هائلة لتحقيق تطبيقات واسعة النطاق.
لذلك، بدأنا في دراسة تطبيقات AI Agent المتنوعة في Web3 بعمق، من البنية التحتية لـ Web3، والبرمجيات الوسيطة، إلى مستوى التطبيقات، بالإضافة إلى أسواق البيانات والنماذج، بهدف تحديد وتقييم أنواع المشاريع الأكثر واعدة وسيناريوهات التطبيقات، لفهم الاندماج العميق بين AI وWeb3.
توضيح المفاهيم: مقدمة ونظرة عامة على تصنيفات وكلاء الذكاء الاصطناعي
مقدمة أساسية
قبل تقديم وكيل الذكاء الاصطناعي، ولتسهيل فهم القارئ للفرق بين التعريف والنموذج نفسه، سنقدم مثالاً من خلال سيناريو عملي: لنفترض أنك تخطط لرحلة. توفر نماذج اللغة الكبيرة التقليدية معلومات عن الوجهة ونصائح السفر. بينما يمكن لتقنية البحث المعزز للتوليد أن توفر محتوى وجهة أكثر ثراءً وتحديداً. أما وكيل الذكاء الاصطناعي فهو مثل جارفيس في أفلام الرجل الحديدي، حيث يمكنه فهم الاحتياجات، ويمكنه أيضاً البحث بنشاط عن الرحلات الجوية والفنادق استناداً إلى جملة واحدة منك، وتنفيذ عمليات الحجز وإضافة الجدول الزمني إلى التقويم.
التعريف الشائع لوكلاء الذكاء الاصطناعي في الصناعة هو الأنظمة الذكية القادرة على إدراك البيئة واتخاذ إجراءات مناسبة، من خلال الحصول على معلومات البيئة عبر أجهزة الاستشعار، ومعالجتها، ومن ثم التأثير على البيئة عبر المنفذات (ستيوارت راسيل وبيتر نورفيغ، 2020). نحن نعتقد أن وكيل الذكاء الاصطناعي هو مساعد يجمع بين قدرات LLM و RAG والذاكرة وتخطيط المهام واستخدام الأدوات. فهو لا يقدم المعلومات فقط، بل يمكنه أيضًا التخطيط وتفكيك المهام وتنفيذها فعليًا.
وفقًا لهذا التعريف والخصائص، يمكننا أن نلاحظ أن وكيل الذكاء الاصطناعي قد اندمج بالفعل في حياتنا، وتم تطبيقه في مشاهد مختلفة، مثل AlphaGo، Siri، ونظام القيادة الذاتية من المستوى L5 وما فوق في تسلا، والتي يمكن اعتبارها أمثلة على وكيل الذكاء الاصطناعي. تتميز هذه الأنظمة بقدرتها على إدراك مدخلات المستخدم الخارجية، وبناءً على ذلك تؤثر على البيئة الواقعية.
لأخذ ChatGPT كمثال لتوضيح المفاهيم، يجب أن نوضح أن Transformer هو الهيكل التكنولوجي الذي يتكون منه نموذج الذكاء الاصطناعي، و GPT هو سلسلة النماذج التي تطورت بناءً على هذا الهيكل، بينما تمثل GPT-1 و GPT-4 و GPT-4o إصدارات النموذج في مراحل تطور مختلفة. ChatGP هو وكيل ذكاء اصطناعي تطور بناءً على نموذج GPT.
نظرة عامة على الفئات
لا يزال سوق وكلاء الذكاء الاصطناعي الحالي غير موحد في معاييره التصنيفية. من خلال وضع علامات على 204 مشروعًا من وكلاء الذكاء الاصطناعي في أسواق Web2 وWeb3، قمنا بتقسيمها إلى تصنيفات رئيسية وثانوية بناءً على العلامات البارزة لكل مشروع. حيث تنقسم التصنيفات الرئيسية إلى ثلاثة أنواع: البنية التحتية، إنشاء المحتوى، والتفاعل مع المستخدمين، ثم يتم تقسيمها بناءً على حالات الاستخدام الفعلية.
البنية التحتية: تركز هذه الفئة على بناء محتوى أكثر أساسية في مجال الوكلاء، بما في ذلك المنصات والنماذج والبيانات وأدوات التطوير، بالإضافة إلى خدمات B-end التي تعتبر أكثر نضجًا وتطبيقات أساسية.
أدوات التطوير: تقديم أدوات وإطارات مساعدة للمطورين لبناء وكلاء الذكاء الاصطناعي.
فئة معالجة البيانات: معالجة وتحليل بيانات بتنسيقات مختلفة، تُستخدم بشكل رئيسي لدعم اتخاذ القرار، وتوفير مصادر للتدريب.
فئة تدريب النماذج: تقدم خدمات تدريب النماذج المتعلقة بالذكاء الاصطناعي، بما في ذلك الاستدلال، وإنشاء النماذج، والإعدادات، وغيرها.
خدمات الطرف B: تستهدف بشكل أساسي المستخدمين من الشركات، وتقدم حلولًا للخدمات المؤسسية، والعمودية، والأتمتة.
منصات تجميعية: منصة تجمع بين خدمات وأدوات متعددة لوكلاء الذكاء الاصطناعي.
التفاعلية: مشابهة لفئة توليد المحتوى، والفرق هو التفاعل المستمر ثنائي الاتجاه. وكيل التفاعلية لا يقبل فقط ويفهم احتياجات المستخدم، بل يقدم أيضًا ردودًا من خلال تقنيات مثل معالجة اللغة الطبيعية (NLP) لتحقيق التفاعل الثنائي مع المستخدم.
نوع الدعم العاطفي: وكيل الذكاء الاصطناعي الذي يقدم الدعم العاطفي والمرافقة.
نوع GPT: وكيل الذكاء الاصطناعي المستند إلى نموذج GPT (محول مُدرب مسبقًا للتوليد).
فئة البحث: تركز على وظيفة البحث، وتقدم وكيلًا يركز على توفير معلومات أكثر دقة.
أنواع توليد المحتوى: تركز هذه المشاريع على إنشاء المحتوى، باستخدام تقنيات النماذج الكبيرة لتوليد أشكال مختلفة من المحتوى بناءً على أوامر المستخدم، وتنقسم إلى أربعة أنواع: توليد النصوص، توليد الصور، توليد الفيديو وتوليد الصوت.
تحليل حالة تطوير وكيل الذكاء الاصطناعي Web2
وفقًا لإحصاءاتنا ، يظهر تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 اتجاهًا واضحًا نحو التركيز القطاعي. على وجه التحديد ، يتركز حوالي ثلثي المشاريع في فئة البنية التحتية ، حيث تهيمن خدمات B-end وأدوات التطوير بشكل رئيسي ، وقد أجرينا أيضًا بعض التحليلات حول هذه الظاهرة.
تأثير نضج التكنولوجيا: المشاريع المتعلقة بالبنية التحتية تهيمن في المقام الأول بفضل نضج تقنيتها. تعتمد هذه المشاريع عادةً على تقنيات وإطارات تم اختبارها عبر الزمن، مما يقلل من صعوبة المخاطر في التطوير. إنها تعادل "المجرفة" في مجال الذكاء الاصطناعي، حيث توفر أساسًا قويًا لتطوير وتطبيق وكلاء الذكاء الاصطناعي.
دفع الطلب في السوق: عامل رئيسي آخر هو الطلب في السوق. بالمقارنة مع سوق المستهلكين، فإن الطلب على تقنيات الذكاء الاصطناعي في السوق الشركات أكثر إلحاحًا، خاصة في السعي للحصول على حلول لتحسين كفاءة العمليات وتقليل التكاليف. في الوقت نفسه، بالنسبة للمطورين، فإن التدفق النقدي من الشركات مستقر نسبيًا، مما يسهل عليهم تطوير المشاريع اللاحقة.
قيود سيناريوهات التطبيق: في الوقت نفسه، نلاحظ أن تطبيقات الذكاء الاصطناعي في مجال توليد المحتوى في السوق B تعاني من محدودية نسبية في سيناريوهات التطبيق. نظرًا لعدم استقرار نواتجها، تميل الشركات إلى تلك التطبيقات التي تستطيع تحسين الإنتاجية بشكل ثابت. وهذا أدى إلى نسبة صغيرة لتطبيقات الذكاء الاصطناعي في توليد المحتوى في مكتبة المشاريع.
تعكس هذه الاتجاهات نضج التكنولوجيا واحتياجات السوق والاعتبارات الفعلية لمواضيع التطبيق. مع التقدم المستمر في تكنولوجيا الذكاء الاصطناعي ووضوح احتياجات السوق بشكل أكبر، نتوقع أن تتمكن هذه الصورة من التعديل، لكن البنية التحتية ستبقى حجر الزاوية القوي لتطوير وكلاء الذكاء الاصطناعي.
تحليل مشروع الوكالات الذكية في Web2 الرائد
نحن نستكشف بعمق بعض المشاريع الخاصة بعملاء الذكاء الاصطناعي في سوق Web2 الحالي، ونقوم بتحليلها، مع أخذ مشاريع Character AI و Perplexity AI و Midjourney كمثال.
شخصية الذكاء الاصطناعي:
مقدمة المنتج: توفر Character.AI نظام حوار قائم على الذكاء الاصطناعي وأدوات لإنشاء شخصيات افتراضية. تتيح منصتها للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية، التي تستطيع إجراء محادثات بلغة طبيعية وتنفيذ مهام محددة.
تحليل البيانات: بلغ عدد الزيارات لـ Character.AI في مايو 277 مليون، حيث يمتلك المنصة أكثر من 3.5 مليون مستخدم نشط يومياً، ومعظم المستخدمين تتراوح أعمارهم بين 18 و34 عاماً، مما يظهر خصائص مجموعة المستخدمين الشابة. حققت Character AI أداءً ممتازاً في سوق المال، حيث أكملت تمويلاً بقيمة 150 مليون دولار، مما جعل تقييمها يصل إلى مليار دولار، بقيادة a16z.
التحليل الفني: وقعت Character AI اتفاقية ترخيص غير حصرية مع الشركة الأم لجوجل Alphabet لاستخدام نماذجها اللغوية الكبيرة، مما يشير إلى أن Character AI تعتمد على تقنيات تم تطويرها داخليًا. من الجدير بالذكر أن مؤسسي الشركة Noam Shazeer وDaniel De Freitas شاركوا في تطوير نموذج اللغة المحادثية Llama الخاص بجوجل.
الحيرة الذكاء الاصطناعي:
مقدمة المنتج: يمكن لـ Perplexity أن يجمع ويقدم إجابات مفصلة من الإنترنت. من خلال الاقتباسات وروابط المرجع، يضمن موثوقية ودقة المعلومات، كما يقوم بتعليم وإرشاد المستخدمين لطرح أسئلة متابعة والبحث عن كلمات رئيسية، مما يلبي احتياجات الاستعلام المتنوعة للمستخدمين.
تحليل البيانات: بلغ عدد المستخدمين النشطين شهريًا لـ Perplexity 10 ملايين، حيث حققت الزيارات لتطبيقاتها على الهواتف المحمولة وسطح المكتب زيادة بنسبة 8.6% في فبراير، مما جذب حوالي 50 مليون مستخدم. في سوق رأس المال، أعلنت Perplexity AI مؤخرًا عن حصولها على تمويل بقيمة 62.7 مليون دولار، مع تقييم يصل إلى 1.04 مليار دولار، بقيادة Daniel Gross، وشارك فيها Stan Druckenmiller وNVIDIA.
التحليل الفني: النموذج الرئيسي الذي تستخدمه Perplexity هو GPT-3.5 المعدل، بالإضافة إلى نموذجين كبيرين معدلين من نماذج كبيرة مفتوحة المصدر: pplx-7b-online و pplx-70b-online. النموذج مناسب لأبحاث أكاديمية متخصصة واستفسارات في مجالات عمودية، مما يضمن دقة المعلومات وموثوقيتها.
منتصف الرحلة:
مقدمة المنتج: يمكن للمستخدمين إنشاء صور بأنماط ومواضيع مختلفة في Midjourney من خلال Prompts، تغطي من الواقعية إلى