دمج Web3 و AI: بناء بنية الإنترنت التحتية من الجيل التالي

تعتبر Web3 كنموذج إنترنت جديد لامركزي ومفتوح وشفاف، فرصة طبيعية للاندماج مع الذكاء الاصطناعي. في إطار الهيكل التقليدي المركزي، يتم التحكم بصرامة في موارد حساب الذكاء الاصطناعي والبيانات، بالإضافة إلى وجود تحديات عديدة مثل اختناقات القدرة الحاسوبية، تسرب الخصوصية، وصندوق الأسود الخوارزمي. بينما تعتمد Web3 على التكنولوجيا الموزعة، يمكن أن تضخ طاقة جديدة في تطور الذكاء الاصطناعي من خلال الشبكات المشتركة للقدرة الحاسوبية، أسواق البيانات المفتوحة، والحوسبة الخصوصية. في الوقت نفسه، يمكن للذكاء الاصطناعي أن يوفر العديد من الإمكانيات 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 الإنترنت التحتية من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.

مدفوع بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3

البيانات هي القوة الدافعة وراء تطوير الذكاء الاصطناعي، تمامًا كما هو الحال مع الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة استدلال قوية، فالبيانات لا توفر فقط الأساس للتدريب على نماذج التعلم الآلي، بل تحدد أيضًا دقة وموثوقية النموذج.

في نمط الحصول على بيانات الذكاء الاصطناعي واستخدامها المركزي التقليدي، توجد المشاكل الرئيسية التالية:

• تكلفة الحصول على البيانات مرتفعة للغاية، والشركات الصغيرة والمتوسطة تجد صعوبة في تحملها؛
• الموارد البيانات مهيمنة من قبل عمالقة التكنولوجيا، مما أدى إلى تشكيل جزر بيانات؛
• تواجه خصوصية البيانات الشخصية مخاطر التسرب والإساءة

يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد.

• من خلال طريقة لامركزية لجمع بيانات الشبكة، بعد التنظيف والتحويل، لتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي؛
• اعتماد نموذج "كسب من خلال التوسيم"، من خلال تحفيز العاملين في جميع أنحاء العالم للمشاركة في وضع العلامات على البيانات، وجمع المعرفة المتخصصة من جميع أنحاء العالم، وتعزيز قدرة تحليل البيانات؛
• توفر منصة تداول بيانات blockchain بيئة تداول شفافة وعامة للطرفين المعنيين بالبيانات، مما يحفز على الابتكار ومشاركة البيانات.

على الرغم من ذلك، هناك بعض المشكلات في الحصول على بيانات العالم الحقيقي، مثل تفاوت جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات المركبة نجم المستقبل في مجال بيانات Web3. بناءً على تقنية الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات المركبة 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 المركبة بالفعل إمكانات تطبيق ناضجة.

حماية الخصوصية: دور FHE في Web3

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس القوانين مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فإن هذا يجلب أيضًا تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يقيد بلا شك إمكانيات نماذج الذكاء الاصطناعي وقدرات الاستدلال.

FHE هو تشفير متجانس بالكامل، يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، وتكون نتائج الحساب متطابقة مع النتائج التي تم الحصول عليها عند إجراء نفس العمليات على البيانات الواضحة.

تقدم FHE حماية قوية لحساب خصوصية الذكاء الاصطناعي، مما يسمح لقوة GPU بتنفيذ مهام تدريب النماذج والاستدلال في بيئة لا تلمس البيانات الأصلية. وهذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي. يمكنها فتح خدمات API بأمان مع حماية الأسرار التجارية.

يدعم FHEML معالجة البيانات والنماذج بالتشفير طوال دورة تعلم الآلة، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات ويوفر إطار عمل آمن للتطبيقات الذكية.

FHEML هو تكملة لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يركز FHEML على إجراء العمليات الحسابية على البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة قوة الحوسبة: الحوسبة بالذكاء الاصطناعي في الشبكات اللامركزية

إن التعقيد الحسابي للأنظمة الذكية الحالية يتضاعف كل ثلاثة أشهر، مما يؤدي إلى زيادة هائلة في الطلب على القدرة الحاسوبية، متجاوزاً بكثير إمدادات الموارد الحسابية الحالية. على سبيل المثال، يتطلب تدريب نموذج لغة كبير من شركة معروفة في مجال الذكاء الاصطناعي قدرة حاسوبية هائلة، تعادل 355 عاماً من وقت التدريب على جهاز واحد. إن نقص القدرة الحاسوبية هذا لا يقيد فقط تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل هذه النماذج المتقدمة بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.

في الوقت نفسه، تقل نسبة استخدام وحدات معالجة الرسوميات العالمية عن 40%، بالإضافة إلى أن تباطؤ تحسين أداء المعالجات الدقيقة، وعوامل سلسلة التوريد والجغرافيا السياسية التي أدت إلى نقص في الرقائق، كل هذه الأمور جعلت مشكلة توفير القوة الحاسوبية أكثر حدة. يجد العاملون في مجال الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم، أو استئجار موارد سحابية، وهم في حاجة ماسة إلى طريقة خدمة حسابية فعالة من حيث التكلفة وعند الطلب.

تقدم شبكة قوة الحوسبة الذكية اللامركزية من خلال تجميع موارد GPU غير المستغلة على مستوى العالم سوقًا لقوة الحوسبة يمكن الوصول إليه بسهولة وبسعر اقتصادي لشركات الذكاء الاصطناعي. يمكن للجهات التي تحتاج إلى قوة الحوسبة نشر مهام حسابية على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد المعدنين الذين يساهمون في قوة الحوسبة، يقوم المعدنون بتنفيذ المهام وتقديم النتائج، وبعد التحقق يحصلون على مكافآت نقاط. تعمل هذه الخطة على تحسين كفاءة استخدام الموارد وتساعد في حل مشكلة اختناق قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.

بجانب الشبكات العامة للقوة الحاسوبية اللامركزية، هناك منصات تركز على تدريب الذكاء الاصطناعي، وشبكات حاسوبية مخصصة تركز على استنتاج الذكاء الاصطناعي.

تقدم شبكة الحوسبة اللامركزية سوقًا عادلًا وشفافًا للطاقة الحوسبية، مما يكسر الاحتكار، ويقلل من حواجز الدخول، ويزيد من كفاءة استخدام الطاقة الحوسبية. في نظام الويب 3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من التطبيقات اللامركزية المبتكرة للانضمام، ويدفع معًا تطوير وتطبيق تقنيات الذكاء الاصطناعي.

DePIN: تمكين Edge AI من خلال Web3

تخيل أن هاتفك المحمول وساعتك الذكية وحتى الأجهزة الذكية في منزلك تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية الذكاء الاصطناعي الحدي. إنه يجعل الحوسبة تحدث في مصدر إنتاج البيانات، مما يحقق زمن وصول منخفض ومعالجة في الوقت الحقيقي، مع حماية خصوصية المستخدم. لقد تم تطبيق تقنية الذكاء الاصطناعي الحدي بالفعل في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3 ، لدينا اسم أكثر ألفة - DePIN. تؤكد Web3 على اللامركزية وسيادة بيانات المستخدمين، وDePIN من خلال معالجة البيانات محليًا يمكن أن يعزز حماية خصوصية المستخدم، ويقلل من مخاطر تسرب البيانات؛ آلية الاقتصاد الرمزي الأصلية لـ Web3 يمكن أن تحفز عقد DePIN لتقديم موارد الحوسبة، مما يبني نظامًا بيئيًا مستدامًا.

تتطور DePIN حاليًا بسرعة في نظام بيئي لسلسلة عامة معينة ، وتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر TPS العالية لهذه السلسلة العامة ، وانخفاض رسوم المعاملات ، والابتكار التكنولوجي دعمًا قويًا لمشاريع DePIN. حاليًا ، تجاوزت القيمة السوقية لمشاريع DePIN على هذه السلسلة العامة 10 مليارات دولار أمريكي ، وقد حققت بعض المشاريع الشهيرة تقدمًا ملحوظًا.

IMO: إطلاق نموذج جديد لنموذج الذكاء الاصطناعي

تم اقتراح مفهوم IMO لأول مرة من خلال بروتوكول معين، الذي يقوم بتوكنيزيه نماذج الذكاء الاصطناعي.

في النموذج التقليدي، بسبب غياب آلية مشاركة الأرباح، بمجرد تطوير نموذج الذكاء الاصطناعي وإدخاله السوق، غالبًا ما يكون من الصعب على المطورين الحصول على عائدات مستمرة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، فإن المبدعين الأصليين يجدون صعوبة في تتبع الاستخدام، ناهيك عن الحصول على عائدات منه. بالإضافة إلى ذلك، غالبًا ما تفتقر أداء وفعالية نموذج الذكاء الاصطناعي إلى الشفافية، مما يجعل من الصعب على المستثمرين المحتملين والمستخدمين تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي للنموذج وإمكاناته التجارية.

يوفر IMO وسيلة جديدة لتمويل ودعم القيمة لنموذج AI مفتوح المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العائدات الناتجة عن النموذج في المستقبل. تستخدم بروتوكول معين معيارين ERC، وتجمع بين Oracle AI على السلسلة وتقنية OPML لضمان صحة نموذج AI وتمكين حاملي الرموز من مشاركة العائدات.

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

وكيل الذكاء الاصطناعي: عصر جديد من تجارب التفاعل

يمكن لوكيل الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، يمكن لوكيل الذكاء الاصطناعي ليس فقط فهم اللغة الطبيعية، ولكن أيضًا التخطيط واتخاذ القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كأدوات افتراضية، من خلال التفاعل مع المستخدمين لتعلم تفضيلاتهم وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.

توفر منصة تطبيقات AI الأصلية مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين ميزات الروبوتات والمظهر والصوت، فضلاً عن الاتصال بقواعد المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي مفتوح وعادل لمحتوى AI، من خلال استخدام تقنية AI التوليدية، وتمكين الأفراد ليصبحوا منشئين متميزين. قامت المنصة بتدريب نموذج لغة كبير مخصص، مما يجعل تمثيل الأدوار أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي لمنتجات AI، وتقليل تكلفة توليد الصوت بنسبة 99%، ويمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام AI Agent المخصص من المنصة، يمكن تطبيقه حاليًا في مجالات متعددة مثل الدردشة المرئية، وتعلم اللغات، وتوليد الصور.

في دمج Web3 و AI، يتم حالياً استكشاف المزيد حول طبقة البنية التحتية، 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 النماذج اللغوية الكبيرة وغيرها من القضايا الرئيسية. مع التحسين التدريجي لهذه البنية التحتية، لدينا سبب للاعتقاد بأن دمج Web3 و AI سيولد سلسلة من نماذج الأعمال والخدمات الجديدة.