قطاع بيانات الذكاء الاصطناعي يحتوي على إمكانيات هائلة، وقد تصبح Web3 DataFi بحرًا جديدًا
في ظل تزايد حدة المنافسة العالمية في مجال الذكاء الاصطناعي، أصبحت البيانات تدريجياً تشكل خندقاً رئيسياً لبناء نماذج أساسية ممتازة. مع تقلص الفجوة بين هياكل النماذج والقدرات الحسابية، ستصبح البيانات التدريبية عالية الجودة العنصر الأساسي الذي يحدد قدرة الشركات في مجال الذكاء الاصطناعي على المنافسة.
هذا الشهر، كان الحدث الأكثر لفتاً للانتباه في مجال الذكاء الاصطناعي هو التوظيف الضخم من قبل ميتا، حيث شكلت فريقاً متقدماً من الباحثين في الذكاء الاصطناعي يتكون بشكل رئيسي من علماء صينيين. ومن بينهم، يعتبر ألكسندر وانغ، البالغ من العمر 28 عامًا، الأكثر بروزاً. لقد أسس Scale AI التي تقدر قيمتها حالياً بـ 29 مليار دولار، وتقدم خدمات البيانات للعديد من عمالقة الذكاء الاصطناعي، بما في ذلك الجيش الأمريكي. وقد تمكنت Scale AI من التميز بين العديد من الشركات الناشئة بفضل إدراكها المبكر لأهمية البيانات في صناعة الذكاء الاصطناعي.
إذا تم اعتبار النموذج الكبير كشخص، فإن النموذج هو الجسم، وقوة الحساب هي الطعام، بينما البيانات هي المعرفة والمعلومات. خلال التطور السريع للنماذج اللغوية الكبيرة، انتقل تركيز الصناعة من هيكل النموذج إلى قوة الحساب، حيث تعتمد معظم النماذج الآن على المحولات كإطار أساسي. تقوم الشركات الكبرى إما بإنشاء مجموعات حوسبة فائقة خاصة بها، أو توقيع اتفاقيات طويلة الأمد مع مزودي خدمات السحابة، مما يلبي الاحتياجات الأساسية لقوة الحساب. في هذا السياق، تزداد أهمية البيانات بشكل متزايد.
على عكس شركات البيانات الكبيرة التقليدية الموجهة للأعمال، تركز Scale AI على بناء قاعدة بيانات قوية لنماذج الذكاء الاصطناعي. تشمل أعمالها ليس فقط التنقيب في البيانات الموجودة، ولكن أيضًا العمل على توليد البيانات على المدى الطويل، وقد شكلت فريق تدريب للذكاء الاصطناعي يتكون من خبراء من مختلف المجالات لتوفير بيانات تدريب عالية الجودة للنماذج.
عادةً ما تنقسم عملية تدريب النموذج إلى مرحلتين: المرحلة الأولى هي التدريب المسبق، والتي تشبه عملية تعلم الطفل التحدث، حيث تحتاج إلى كميات كبيرة من النصوص والمعلومات المستخرجة من الإنترنت، مثل النصوص والكود. أما المرحلة الثانية، فهي التعديل الدقيق، والتي تشبه الذهاب إلى المدرسة، حيث يكون هناك وضوح في الصواب والخطأ والاتجاه، ويتم تطوير القدرات المحددة للنموذج من خلال مجموعات بيانات مصممة بعناية.
لذا، يمكن تقسيم بيانات الذكاء الاصطناعي إلى فئتين: الأولى هي بيانات ضخمة ولكن لا تحتاج إلى معالجة كثيرة، مثل بيانات الزحف من وسائل التواصل الاجتماعي ومخازن الأكواد؛ بينما تحتاج الثانية إلى تصميم دقيق واختيار، للتأكد من أنها تستطيع تطوير خصائص جيدة محددة للنموذج، مما يتطلب تنظيف البيانات، وتوسيمها، وغيرها من الأعمال. تشكل هاتان الفئتان من مجموعات البيانات الموضوع الرئيسي لمسار بيانات الذكاء الاصطناعي.
مع تعزيز قدرات النموذج بشكل أكبر، ستصبح أنواع مختلفة من بيانات التدريب المتخصصة والدقيقة المتغيرات الرئيسية التي تحدد قدرة النموذج. تعتبر مجموعات البيانات عالية الجودة كأنها أسرار خفية لفنوني القتال، وهي ضرورية لتحسين قدرات النموذج. على المدى الطويل، تعتبر بيانات الذكاء الاصطناعي أيضًا مسارًا يتمتع بتأثير كرة الثلج، حيث ستؤدي تراكم الأعمال الأولية إلى تأثير الفائدة المركبة للأصول البيانية، مما يبرز قيمتها بشكل متزايد.
في هذا السياق، يتمتع Web3 DataFi كحقل ناشئ بميزة طبيعية في بيانات الذكاء الاصطناعي:
تضمن العقود الذكية سيادة البيانات والأمان والخصوصية. يمكن للمستخدمين أن يفهموا بوضوح كيف يتم استخدام بياناتهم، بينما تحمي التقنيات مثل الإثباتات ذات المعرفة الصفرية المعلومات الحساسة.
الهيكلية الموزعة تجذب أفضل قوة عمل في العالم. الخصائص اللامركزية للبلوك تشين وآلية التحفيز الشفافة يمكن أن تجذب العمالة من جميع أنحاء العالم للمساهمة في البيانات، مما يساعد على زيادة تنوع البيانات.
توفر تقنية البلوكشين مزايا واضحة من حيث الحوافز والتسويات. يمكن للعقود الذكية أن تحقق نظام حوافز شفاف، مما يتجنب المشكلات التي قد تواجهها الشركات المركزية التقليدية. في الوقت نفسه، يمكن أن تتجاوز طريقة التسوية على السلسلة الحدود الجغرافية، مما يتيح مدفوعات عبر الحدود بشكل أكثر كفاءة.
يساعد في بناء سوق بيانات فعال ومفتوح. يمكن أن تسمح السوق اللامركزية بتواصل أكثر شفافية وكفاءة بين طرفي العرض والطلب على البيانات، مما يعزز التنمية الازدهار للنظام البيئي.
بالنسبة للمستخدمين العاديين، فإن DataFi هو أفضل نقطة دخول للمشاركة في مشاريع الذكاء الاصطناعي اللامركزية. مقارنةً بتعدين القوة الحاسوبية أو تطوير النماذج ذي العوائق العالية، يحتاج المستخدمون فقط إلى المشاركة من خلال مهام بسيطة، مثل تقديم البيانات، وتقييم النماذج، وما إلى ذلك. وهذا يوفر للأشخاص العاديين فرصة للاستفادة من الثورة في الذكاء الاصطناعي.
في الوقت الحالي، ظهرت مجموعة من المشاريع الواعدة في مجال Web3 DataFi، مثل Sahara AI وYupp وVana. تتميز هذه المشاريع بخصائص مختلفة في مجالات تحفيز المستخدمين وإدارة جودة البيانات. ومع ذلك، فإنها تواجه أيضًا بعض التحديات المشتركة، مثل كيفية تحقيق التوازن بين المصالح قصيرة الأجل والجودة طويلة الأجل، وزيادة الشفافية.
في المستقبل، يتطلب التطبيق الواسع لـ DataFi التقدم في جانبين: الأول هو جذب عدد كافٍ من المستخدمين العاديين للمشاركة، لتشكيل قوة حيوية لجمع البيانات وتوليدها؛ والثاني هو الحصول على اعتراف الشركات الكبرى السائدة، لجذب الطلبات الكبيرة. لقد حققت بعض المشاريع الرائدة تقدمًا جيدًا في هذين الاتجاهين.
بشكل عام، تمثل DataFi نموذجًا جديدًا من التفاعل بين الذكاء البشري والذكاء الاصطناعي. من خلال العقود الذكية، فهي تضمن عائدات العمل البشري، وتوفر أيضًا مغذيات لتطوير الذكاء الاصطناعي. بالنسبة لأولئك الذين يتطلعون إلى عصر الذكاء الاصطناعي ويؤمنون بمثل blockchain، فإن DataFi بلا شك مجال يستحق الانتباه والاستثمار.
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 18
أعجبني
18
8
مشاركة
تعليق
0/400
Web3ProductManager
· منذ 17 س
مقاييس رحلة المستخدم تصرخ من أجل اعتماد البيانات المالية الآن...
شاهد النسخة الأصليةرد0
TokenSherpa
· منذ 19 س
دعني أوضح هذا... dataFi هو مجرد اسم فاخر لالبيع حقوق بياناتك smh
شاهد النسخة الأصليةرد0
HappyMinerUncle
· 07-26 21:04
أخيرًا يمكنني كسب المال وأنا مستلقٍ
شاهد النسخة الأصليةرد0
PuzzledScholar
· 07-26 18:18
مرة أخرى يأتي لرسم BTC
شاهد النسخة الأصليةرد0
WhaleWatcher
· 07-25 05:17
السك عدة NFT وتريد الربح؟
شاهد النسخة الأصليةرد0
CodeAuditQueen
· 07-25 05:15
ثغرات الأمان في مرحلة جمع البيانات تشكل خطرًا كبيرًا وسهلة جدًا لتكون عرضة لحقن بيانات غير نظيفة
Web3 DataFi قد تصبح البحر الأزرق الجديد في حلبة بيانات الذكاء الاصطناعي حيث يساعد البلوكتشين في تحقيق قيمة البيانات.
قطاع بيانات الذكاء الاصطناعي يحتوي على إمكانيات هائلة، وقد تصبح Web3 DataFi بحرًا جديدًا
في ظل تزايد حدة المنافسة العالمية في مجال الذكاء الاصطناعي، أصبحت البيانات تدريجياً تشكل خندقاً رئيسياً لبناء نماذج أساسية ممتازة. مع تقلص الفجوة بين هياكل النماذج والقدرات الحسابية، ستصبح البيانات التدريبية عالية الجودة العنصر الأساسي الذي يحدد قدرة الشركات في مجال الذكاء الاصطناعي على المنافسة.
هذا الشهر، كان الحدث الأكثر لفتاً للانتباه في مجال الذكاء الاصطناعي هو التوظيف الضخم من قبل ميتا، حيث شكلت فريقاً متقدماً من الباحثين في الذكاء الاصطناعي يتكون بشكل رئيسي من علماء صينيين. ومن بينهم، يعتبر ألكسندر وانغ، البالغ من العمر 28 عامًا، الأكثر بروزاً. لقد أسس Scale AI التي تقدر قيمتها حالياً بـ 29 مليار دولار، وتقدم خدمات البيانات للعديد من عمالقة الذكاء الاصطناعي، بما في ذلك الجيش الأمريكي. وقد تمكنت Scale AI من التميز بين العديد من الشركات الناشئة بفضل إدراكها المبكر لأهمية البيانات في صناعة الذكاء الاصطناعي.
إذا تم اعتبار النموذج الكبير كشخص، فإن النموذج هو الجسم، وقوة الحساب هي الطعام، بينما البيانات هي المعرفة والمعلومات. خلال التطور السريع للنماذج اللغوية الكبيرة، انتقل تركيز الصناعة من هيكل النموذج إلى قوة الحساب، حيث تعتمد معظم النماذج الآن على المحولات كإطار أساسي. تقوم الشركات الكبرى إما بإنشاء مجموعات حوسبة فائقة خاصة بها، أو توقيع اتفاقيات طويلة الأمد مع مزودي خدمات السحابة، مما يلبي الاحتياجات الأساسية لقوة الحساب. في هذا السياق، تزداد أهمية البيانات بشكل متزايد.
على عكس شركات البيانات الكبيرة التقليدية الموجهة للأعمال، تركز Scale AI على بناء قاعدة بيانات قوية لنماذج الذكاء الاصطناعي. تشمل أعمالها ليس فقط التنقيب في البيانات الموجودة، ولكن أيضًا العمل على توليد البيانات على المدى الطويل، وقد شكلت فريق تدريب للذكاء الاصطناعي يتكون من خبراء من مختلف المجالات لتوفير بيانات تدريب عالية الجودة للنماذج.
عادةً ما تنقسم عملية تدريب النموذج إلى مرحلتين: المرحلة الأولى هي التدريب المسبق، والتي تشبه عملية تعلم الطفل التحدث، حيث تحتاج إلى كميات كبيرة من النصوص والمعلومات المستخرجة من الإنترنت، مثل النصوص والكود. أما المرحلة الثانية، فهي التعديل الدقيق، والتي تشبه الذهاب إلى المدرسة، حيث يكون هناك وضوح في الصواب والخطأ والاتجاه، ويتم تطوير القدرات المحددة للنموذج من خلال مجموعات بيانات مصممة بعناية.
لذا، يمكن تقسيم بيانات الذكاء الاصطناعي إلى فئتين: الأولى هي بيانات ضخمة ولكن لا تحتاج إلى معالجة كثيرة، مثل بيانات الزحف من وسائل التواصل الاجتماعي ومخازن الأكواد؛ بينما تحتاج الثانية إلى تصميم دقيق واختيار، للتأكد من أنها تستطيع تطوير خصائص جيدة محددة للنموذج، مما يتطلب تنظيف البيانات، وتوسيمها، وغيرها من الأعمال. تشكل هاتان الفئتان من مجموعات البيانات الموضوع الرئيسي لمسار بيانات الذكاء الاصطناعي.
مع تعزيز قدرات النموذج بشكل أكبر، ستصبح أنواع مختلفة من بيانات التدريب المتخصصة والدقيقة المتغيرات الرئيسية التي تحدد قدرة النموذج. تعتبر مجموعات البيانات عالية الجودة كأنها أسرار خفية لفنوني القتال، وهي ضرورية لتحسين قدرات النموذج. على المدى الطويل، تعتبر بيانات الذكاء الاصطناعي أيضًا مسارًا يتمتع بتأثير كرة الثلج، حيث ستؤدي تراكم الأعمال الأولية إلى تأثير الفائدة المركبة للأصول البيانية، مما يبرز قيمتها بشكل متزايد.
في هذا السياق، يتمتع Web3 DataFi كحقل ناشئ بميزة طبيعية في بيانات الذكاء الاصطناعي:
تضمن العقود الذكية سيادة البيانات والأمان والخصوصية. يمكن للمستخدمين أن يفهموا بوضوح كيف يتم استخدام بياناتهم، بينما تحمي التقنيات مثل الإثباتات ذات المعرفة الصفرية المعلومات الحساسة.
الهيكلية الموزعة تجذب أفضل قوة عمل في العالم. الخصائص اللامركزية للبلوك تشين وآلية التحفيز الشفافة يمكن أن تجذب العمالة من جميع أنحاء العالم للمساهمة في البيانات، مما يساعد على زيادة تنوع البيانات.
توفر تقنية البلوكشين مزايا واضحة من حيث الحوافز والتسويات. يمكن للعقود الذكية أن تحقق نظام حوافز شفاف، مما يتجنب المشكلات التي قد تواجهها الشركات المركزية التقليدية. في الوقت نفسه، يمكن أن تتجاوز طريقة التسوية على السلسلة الحدود الجغرافية، مما يتيح مدفوعات عبر الحدود بشكل أكثر كفاءة.
يساعد في بناء سوق بيانات فعال ومفتوح. يمكن أن تسمح السوق اللامركزية بتواصل أكثر شفافية وكفاءة بين طرفي العرض والطلب على البيانات، مما يعزز التنمية الازدهار للنظام البيئي.
بالنسبة للمستخدمين العاديين، فإن DataFi هو أفضل نقطة دخول للمشاركة في مشاريع الذكاء الاصطناعي اللامركزية. مقارنةً بتعدين القوة الحاسوبية أو تطوير النماذج ذي العوائق العالية، يحتاج المستخدمون فقط إلى المشاركة من خلال مهام بسيطة، مثل تقديم البيانات، وتقييم النماذج، وما إلى ذلك. وهذا يوفر للأشخاص العاديين فرصة للاستفادة من الثورة في الذكاء الاصطناعي.
في الوقت الحالي، ظهرت مجموعة من المشاريع الواعدة في مجال Web3 DataFi، مثل Sahara AI وYupp وVana. تتميز هذه المشاريع بخصائص مختلفة في مجالات تحفيز المستخدمين وإدارة جودة البيانات. ومع ذلك، فإنها تواجه أيضًا بعض التحديات المشتركة، مثل كيفية تحقيق التوازن بين المصالح قصيرة الأجل والجودة طويلة الأجل، وزيادة الشفافية.
في المستقبل، يتطلب التطبيق الواسع لـ DataFi التقدم في جانبين: الأول هو جذب عدد كافٍ من المستخدمين العاديين للمشاركة، لتشكيل قوة حيوية لجمع البيانات وتوليدها؛ والثاني هو الحصول على اعتراف الشركات الكبرى السائدة، لجذب الطلبات الكبيرة. لقد حققت بعض المشاريع الرائدة تقدمًا جيدًا في هذين الاتجاهين.
بشكل عام، تمثل DataFi نموذجًا جديدًا من التفاعل بين الذكاء البشري والذكاء الاصطناعي. من خلال العقود الذكية، فهي تضمن عائدات العمل البشري، وتوفر أيضًا مغذيات لتطوير الذكاء الاصطناعي. بالنسبة لأولئك الذين يتطلعون إلى عصر الذكاء الاصطناعي ويؤمنون بمثل blockchain، فإن DataFi بلا شك مجال يستحق الانتباه والاستثمار.