إمكانيات حلبة بيانات الذكاء الاصطناعي وصعود Web3 DataFi
في الآونة الأخيرة، كانت أبرز الأحداث في عالم الذكاء الاصطناعي هي القوة الكبيرة التي أظهرتها ميتا. يقوم زوكربيرغ بتجنيد المواهب في كل مكان، حيث شكل فريقًا فخمًا يتكون بشكل رئيسي من الباحثين الصينيين في مجال الذكاء الاصطناعي. من بين هؤلاء، أصبح ألكسندر وانغ البالغ من العمر 28 عامًا هو القائد. أسس وانغ شركة Scale AI التي تبلغ قيمتها 29 مليار دولار، والتي تقدم خدمات البيانات لعدة عمالقة في مجال الذكاء الاصطناعي، بما في ذلك الجيش الأمريكي وOpenAI وAnthropic وMeta. النشاط الأساسي لشركة Scale AI هو توفير كميات كبيرة من البيانات المعلّمة الدقيقة.
تتمثل أهمية Scale AI في تميزها بين العديد من أحصنة طروادة في إدراكها المبكر لأهمية البيانات في صناعة الذكاء الاصطناعي. تعتبر القدرة الحاسوبية والنماذج والبيانات الركائز الثلاثة لنموذج الذكاء الاصطناعي. إذا اعتبرنا النموذج الكبير كإنسان، فإن النموذج هو الجسم، والقدرة الحاسوبية هي الطعام، بينما البيانات هي المعرفة والمعلومات.
خلال التطور السريع لنماذج اللغة الكبيرة، شهدت الصناعة تحولًا في التركيز من النماذج إلى قوة الحوسبة. اليوم، تعتمد معظم النماذج على بنية ترانسفورمر، وأحيانًا يتم استخدام ابتكارات مثل MoE أو MoRe. تقوم الشركات الكبرى إما ببناء تجمعات حوسبة خارقة خاصة بها، أو توقيع اتفاقيات طويلة الأمد مع مقدمي خدمات السحابة مثل AWS. بعد حل مشكلة قوة الحوسبة الأساسية، أصبحت أهمية البيانات تبرز تدريجياً.
على عكس شركات البيانات الكبيرة التقليدية التي تستهدف الأعمال، تكرّس شركة Scale AI جهودها لبناء قاعدة بيانات قوية لنماذج الذكاء الاصطناعي. تشمل أعمالها ليس فقط استخراج البيانات الموجودة، ولكن أيضًا توليد البيانات على المدى الطويل. كما شكلت الشركة فريق تدريب للذكاء الاصطناعي يتكون من خبراء بشريين من مجالات مختلفة، لتوفير بيانات تدريب عالية الجودة لنماذج الذكاء الاصطناعي.
تتكون مراحل تدريب النموذج من مرحلتين: المرحلة الأولية والمرحلة الدقيقة. تشبه المرحلة الأولية عملية تعلم الطفل الكلام، حيث تحتاج إلى إدخال كميات كبيرة من النصوص، الأكواد، وغيرها من المعلومات المستخرجة من الإنترنت إلى نموذج الذكاء الاصطناعي. أما المرحلة الدقيقة، فتشبه التعليم المدرسي، حيث توجد عادةً إجابات صحيحة وخاطئة واضحة وتوجيهات. من خلال مجموعة بيانات محددة، يمكننا تنمية القدرات المطلوبة للنموذج.
لذلك، يتم تقسيم البيانات المطلوبة إلى فئتين: الفئة الأولى هي البيانات الكبيرة التي لا تتطلب معالجة مفرطة، والتي تأتي عادةً من بيانات الزحف من منصات UGC مثل Reddit و Twitter و Github، وقواعد البيانات الأدبية العامة وقواعد البيانات الخاصة بالشركات؛ بينما الفئة الثانية تحتاج إلى تصميم دقيق وتصفية، من أجل تطوير خصائص معينة جيدة للنموذج، وهذا يتطلب تنظيف البيانات وتصفية البيانات ووضع العلامات والتعليقات اليدوية وغيرها من الأعمال.
مع زيادة قدرة النماذج، ستصبح أنواع مختلفة من بيانات التدريب الأكثر دقة وتخصصًا عوامل تأثير رئيسية على قدرة النموذج. على المدى الطويل، تعتبر بيانات الذكاء الاصطناعي أيضًا مسارًا طويل الأمد يتمتع بقدرة تزايدية، حيث ستكتسب أصول البيانات القدرة على الفائدة المركبة مع تراكم العمل في المراحل السابقة، مما يجعلها أكثر قيمة مع مرور الوقت.
في مجال Web3، ظهر مفهوم DataFi. يتمتع Web3 DataFi بالعديد من المزايا:
تضمن العقود الذكية سيادة البيانات والأمان والخصوصية
المزايا الجغرافية الطبيعية في التحكيم، تجذب القوى العاملة الموزعة عالمياً الأكثر ملاءمة
مزايا التحفيز والتسوية الواضحة في البلوكشين
يساعد في بناء سوق بيانات "شاملة" أكثر كفاءةً وانفتاحاً
بالنسبة للمستخدمين العاديين، تعتبر DataFi أكثر مشاريع الذكاء الاصطناعي اللامركزية فائدة للمشاركة. لا يحتاج المستخدمون إلى توقيع عقد مصنع البيانات، بل يمكنهم المشاركة ببساطة من خلال تسجيل الدخول إلى المحفظة وإكمال مجموعة متنوعة من المهام البسيطة، مثل تقديم البيانات، وتقييم النماذج، واستخدام أدوات الذكاء الاصطناعي في إبداعات بسيطة أو المشاركة في تداول البيانات.
في الوقت الحالي، ظهرت مجموعة من المشاريع الواعدة في مجال Web3 DataFi، مثل Sahara AI وYupp وVana وChainbase وSapien وPrisma X وMasa وIrys وORO وGata. تركز هذه المشاريع على مجالات خدمات البيانات المختلفة، بما في ذلك جمع البيانات، وتقييم النماذج، وتدويل البيانات الشخصية، وفهرسة البيانات على السلسلة.
على الرغم من أن الحواجز الحالية لهذه المشاريع عمومًا ليست عالية، إلا أنه بمجرد تراكم المستخدمين والالتصاق البيئي، ستتراكم مزايا المنصة بسرعة. لذلك، يجب على المشاريع المبكرة التركيز على الحوافز وتجربة المستخدم. في الوقت نفسه، تحتاج هذه المنصات البيانات أيضًا إلى النظر في كيفية إدارة العمالة وضمان جودة إنتاج البيانات، لتجنب ظهور حالة طرد الجيد بالرديء.
علاوة على ذلك، فإن تعزيز الشفافية هو أيضًا تحدٍ مهم تواجهه المشاريع على السلسلة الحالية. تحتاج المزيد من المشاريع إلى إظهار التزام طويل الأمد علني وشفاف من أجل تعزيز التنمية الصحية لـ Web3 DataFi.
تشمل مسارات التطبيق الواسع لـ DataFi جانبين: الأول هو جذب عدد كافٍ من المستخدمين العاديين للمشاركة في جمع البيانات وتوليدها، مما يشكل مجموعة مستهلكين للاقتصاد الذكي؛ والثاني هو الحصول على اعتراف الشركات الكبرى الرئيسية، لأنها لا تزال المصدر الرئيسي للعقود الكبيرة للبيانات على المدى القصير.
بشكل عام، تمثل DataFi عملية زراعة الذكاء البشري للذكاء الآلي على المدى الطويل، مع ضمان عائدات العمل البشري من خلال العقود الذكية، مما يؤدي في النهاية إلى تغذية الذكاء الآلي للبشر. بالنسبة لأولئك الذين يشعرون بعدم اليقين حول عصر الذكاء الاصطناعي، فإن الانضمام إلى DataFi يعد خيارًا حكيمًا يتماشى مع الاتجاه.
شاهد النسخة الأصلية
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 11
أعجبني
11
4
إعادة النشر
مشاركة
تعليق
0/400
TommyTeacher1
· منذ 19 س
يا أخي الذي يجني المال، خذني معك.
شاهد النسخة الأصليةرد0
FOMOmonster
· منذ 19 س
28 أصبح ثروته مليار مئة وقد تأثر بذلك
شاهد النسخة الأصليةرد0
LidoStakeAddict
· منذ 19 س
تقييمه 29 مليار في سن 28 ، لم يعد قادراً على الاستلقاء بشكل مسطح
شاهد النسخة الأصليةرد0
MetaReckt
· منذ 19 س
زاك يفعل كل هذا الضجيج، يتعلم من هواوي في سرقة الموظفين.
ظهور Web3 DataFi وإمكانات غير محدودة لسباق بيانات الذكاء الاصطناعي
إمكانيات حلبة بيانات الذكاء الاصطناعي وصعود Web3 DataFi
في الآونة الأخيرة، كانت أبرز الأحداث في عالم الذكاء الاصطناعي هي القوة الكبيرة التي أظهرتها ميتا. يقوم زوكربيرغ بتجنيد المواهب في كل مكان، حيث شكل فريقًا فخمًا يتكون بشكل رئيسي من الباحثين الصينيين في مجال الذكاء الاصطناعي. من بين هؤلاء، أصبح ألكسندر وانغ البالغ من العمر 28 عامًا هو القائد. أسس وانغ شركة Scale AI التي تبلغ قيمتها 29 مليار دولار، والتي تقدم خدمات البيانات لعدة عمالقة في مجال الذكاء الاصطناعي، بما في ذلك الجيش الأمريكي وOpenAI وAnthropic وMeta. النشاط الأساسي لشركة Scale AI هو توفير كميات كبيرة من البيانات المعلّمة الدقيقة.
تتمثل أهمية Scale AI في تميزها بين العديد من أحصنة طروادة في إدراكها المبكر لأهمية البيانات في صناعة الذكاء الاصطناعي. تعتبر القدرة الحاسوبية والنماذج والبيانات الركائز الثلاثة لنموذج الذكاء الاصطناعي. إذا اعتبرنا النموذج الكبير كإنسان، فإن النموذج هو الجسم، والقدرة الحاسوبية هي الطعام، بينما البيانات هي المعرفة والمعلومات.
خلال التطور السريع لنماذج اللغة الكبيرة، شهدت الصناعة تحولًا في التركيز من النماذج إلى قوة الحوسبة. اليوم، تعتمد معظم النماذج على بنية ترانسفورمر، وأحيانًا يتم استخدام ابتكارات مثل MoE أو MoRe. تقوم الشركات الكبرى إما ببناء تجمعات حوسبة خارقة خاصة بها، أو توقيع اتفاقيات طويلة الأمد مع مقدمي خدمات السحابة مثل AWS. بعد حل مشكلة قوة الحوسبة الأساسية، أصبحت أهمية البيانات تبرز تدريجياً.
على عكس شركات البيانات الكبيرة التقليدية التي تستهدف الأعمال، تكرّس شركة Scale AI جهودها لبناء قاعدة بيانات قوية لنماذج الذكاء الاصطناعي. تشمل أعمالها ليس فقط استخراج البيانات الموجودة، ولكن أيضًا توليد البيانات على المدى الطويل. كما شكلت الشركة فريق تدريب للذكاء الاصطناعي يتكون من خبراء بشريين من مجالات مختلفة، لتوفير بيانات تدريب عالية الجودة لنماذج الذكاء الاصطناعي.
تتكون مراحل تدريب النموذج من مرحلتين: المرحلة الأولية والمرحلة الدقيقة. تشبه المرحلة الأولية عملية تعلم الطفل الكلام، حيث تحتاج إلى إدخال كميات كبيرة من النصوص، الأكواد، وغيرها من المعلومات المستخرجة من الإنترنت إلى نموذج الذكاء الاصطناعي. أما المرحلة الدقيقة، فتشبه التعليم المدرسي، حيث توجد عادةً إجابات صحيحة وخاطئة واضحة وتوجيهات. من خلال مجموعة بيانات محددة، يمكننا تنمية القدرات المطلوبة للنموذج.
لذلك، يتم تقسيم البيانات المطلوبة إلى فئتين: الفئة الأولى هي البيانات الكبيرة التي لا تتطلب معالجة مفرطة، والتي تأتي عادةً من بيانات الزحف من منصات UGC مثل Reddit و Twitter و Github، وقواعد البيانات الأدبية العامة وقواعد البيانات الخاصة بالشركات؛ بينما الفئة الثانية تحتاج إلى تصميم دقيق وتصفية، من أجل تطوير خصائص معينة جيدة للنموذج، وهذا يتطلب تنظيف البيانات وتصفية البيانات ووضع العلامات والتعليقات اليدوية وغيرها من الأعمال.
مع زيادة قدرة النماذج، ستصبح أنواع مختلفة من بيانات التدريب الأكثر دقة وتخصصًا عوامل تأثير رئيسية على قدرة النموذج. على المدى الطويل، تعتبر بيانات الذكاء الاصطناعي أيضًا مسارًا طويل الأمد يتمتع بقدرة تزايدية، حيث ستكتسب أصول البيانات القدرة على الفائدة المركبة مع تراكم العمل في المراحل السابقة، مما يجعلها أكثر قيمة مع مرور الوقت.
في مجال Web3، ظهر مفهوم DataFi. يتمتع Web3 DataFi بالعديد من المزايا:
بالنسبة للمستخدمين العاديين، تعتبر DataFi أكثر مشاريع الذكاء الاصطناعي اللامركزية فائدة للمشاركة. لا يحتاج المستخدمون إلى توقيع عقد مصنع البيانات، بل يمكنهم المشاركة ببساطة من خلال تسجيل الدخول إلى المحفظة وإكمال مجموعة متنوعة من المهام البسيطة، مثل تقديم البيانات، وتقييم النماذج، واستخدام أدوات الذكاء الاصطناعي في إبداعات بسيطة أو المشاركة في تداول البيانات.
في الوقت الحالي، ظهرت مجموعة من المشاريع الواعدة في مجال Web3 DataFi، مثل Sahara AI وYupp وVana وChainbase وSapien وPrisma X وMasa وIrys وORO وGata. تركز هذه المشاريع على مجالات خدمات البيانات المختلفة، بما في ذلك جمع البيانات، وتقييم النماذج، وتدويل البيانات الشخصية، وفهرسة البيانات على السلسلة.
على الرغم من أن الحواجز الحالية لهذه المشاريع عمومًا ليست عالية، إلا أنه بمجرد تراكم المستخدمين والالتصاق البيئي، ستتراكم مزايا المنصة بسرعة. لذلك، يجب على المشاريع المبكرة التركيز على الحوافز وتجربة المستخدم. في الوقت نفسه، تحتاج هذه المنصات البيانات أيضًا إلى النظر في كيفية إدارة العمالة وضمان جودة إنتاج البيانات، لتجنب ظهور حالة طرد الجيد بالرديء.
علاوة على ذلك، فإن تعزيز الشفافية هو أيضًا تحدٍ مهم تواجهه المشاريع على السلسلة الحالية. تحتاج المزيد من المشاريع إلى إظهار التزام طويل الأمد علني وشفاف من أجل تعزيز التنمية الصحية لـ Web3 DataFi.
تشمل مسارات التطبيق الواسع لـ DataFi جانبين: الأول هو جذب عدد كافٍ من المستخدمين العاديين للمشاركة في جمع البيانات وتوليدها، مما يشكل مجموعة مستهلكين للاقتصاد الذكي؛ والثاني هو الحصول على اعتراف الشركات الكبرى الرئيسية، لأنها لا تزال المصدر الرئيسي للعقود الكبيرة للبيانات على المدى القصير.
بشكل عام، تمثل DataFi عملية زراعة الذكاء البشري للذكاء الآلي على المدى الطويل، مع ضمان عائدات العمل البشري من خلال العقود الذكية، مما يؤدي في النهاية إلى تغذية الذكاء الآلي للبشر. بالنسبة لأولئك الذين يشعرون بعدم اليقين حول عصر الذكاء الاصطناعي، فإن الانضمام إلى DataFi يعد خيارًا حكيمًا يتماشى مع الاتجاه.