دمج Web3 و AI: بناء بنية تحتية للإنترنت من الجيل الجديد

دمج Web3 و AI: بناء بنية الإنترنت التحتية للجيل التالي

تعتبر Web3 كإطار إنترنت جديد لا مركزي ومفتوح وشفاف، ولديها إمكانيات دمج طبيعية مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، تواجه موارد حساب الذكاء الاصطناعي والبيانات العديد من التحديات، مثل عنق الزجاجة في القدرة الحاسوبية، تسرب الخصوصية ومشاكل الصندوق الأسود في الخوارزميات. بينما تستند Web3 إلى التكنولوجيا الموزعة، يمكن أن تضيف دفعة جديدة لتطوير الذكاء الاصطناعي من خلال مشاركة شبكة القدرة الحاسوبية، الأسواق المفتوحة للبيانات والحوسبة الخاصّة. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية والخوارزميات المضادة للغش، مما يدعم بناء بيئتها. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي أمر بالغ الأهمية لبناء بنية الإنترنت التحتية للجيل التالي وإطلاق قيمة البيانات والقدرة الحاسوبية.

مدفوع بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3

البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي، تماماً كما هو الحال مع الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى معالجة كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة استدلال قوية. ليست البيانات فقط هي التي توفر الأساس للتدريب لنماذج التعلم الآلي، بل تحدد أيضاً دقة النموذج وموثوقيته.

في نمط الحصول على بيانات الذكاء الاصطناعي واستخدامها المركزية التقليدية، توجد المشاكل الرئيسية التالية:

  • تكلفة الحصول على البيانات مرتفعة، مما يجعل من الصعب على الشركات الصغيرة والمتوسطة تحملها
  • يتم احتكار موارد البيانات من قبل عمالقة التكنولوجيا، مما أدى إلى تكوين جزر بيانات
  • تواجه خصوصية البيانات الشخصية مخاطر التسرب وسوء الاستخدام

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 "label to earn"، من خلال تحفيز العمال العالميين بالرموز للمشاركة في توضيح البيانات، وجمع المعرفة المهنية العالمية، وتعزيز قدرة تحليل البيانات.
  • منصة تجارة بيانات البلوكشين توفر بيئة تجارية شفافة وعامة لطرفي العرض والطلب على البيانات، مما يحفز الابتكار ومشاركة البيانات.

ومع ذلك، هناك بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل عدم اتساق جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية نجم مستقبل قطاع بيانات Web3. بناءً على تقنية الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، كإضافة فعالة للبيانات الحقيقية، مما يعزز كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتجارة الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية بالفعل إمكاناتها التطبيقية الناضجة.

حماية الخصوصية: دور FHE في Web3

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

FHE هو التشفير المتجانس بالكامل، مما يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، كما أن نتائج الحساب تتوافق مع النتائج التي تم الحصول عليها من إجراء نفس الحسابات على البيانات النصية.

يوفر FHE حماية قوية للحوسبة الخصوصية للذكاء الاصطناعي، مما يسمح لقدرة GPU الحاسوبية بتنفيذ مهام تدريب النموذج واستدلاله في بيئة لا تلمس البيانات الأصلية. وهذا يمنح شركات الذكاء الاصطناعي ميزة كبيرة. يمكنها فتح خدمات API بأمان مع حماية الأسرار التجارية.

يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة تعلم الآلة، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات، مما يوفر إطارًا آمنًا للحوسبة لتطبيقات الذكاء الاصطناعي.

FHEML هو مكمل لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح لتعلم الآلة، بينما يركز FHEML على إجراء الحسابات على البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة قوة الحوسبة: الحوسبة الذكية في الشبكات اللامركزية

تتضاعف تعقيدات الحوسبة في أنظمة الذكاء الاصطناعي الحالية كل ثلاثة أشهر، مما يؤدي إلى زيادة هائلة في الطلب على القوة الحاسوبية، مما يتجاوز بكثير إمدادات الموارد الحاسوبية الحالية. على سبيل المثال، يتطلب تدريب نموذج لغوي كبير قوة حوسبة هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. هذه النقص في القوة الحاسوبية لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.

في الوقت نفسه، فإن معدل استخدام وحدات معالجة الرسومات (GPU) عالميًا أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، والعوامل الجيوسياسية وسلسلة التوريد التي أدت إلى نقص في الرقائق، كل ذلك جعل مشكلة توفير القدرة الحاسوبية أكثر حدة. يجد محترفو الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم في حاجة ملحة إلى طريقة خدمة حسابية اقتصادية وفعالة حسب الطلب.

تقوم شبكة قوة الحوسبة اللامركزية للذكاء الاصطناعي من خلال تجميع موارد وحدات معالجة الرسوميات الفائضة على مستوى العالم بتوفير سوق قوة حوسبة اقتصادي وسهل الوصول لشركات الذكاء الاصطناعي. يمكن لمستخدمي طلبات القوة الحوسبية نشر مهام الحوسبة على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد التعدين التي تساهم بقوة الحوسبة، يقوم المعدنون بتنفيذ المهام وتقديم النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. تعزز هذه الخطة كفاءة استخدام الموارد وتساعد في حل مشكلة اختناق قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.

بالإضافة إلى شبكة الحوسبة اللامركزية العامة، هناك منصات تركز على تدريب الذكاء الاصطناعي، وكذلك شبكات حوسبة مخصصة تركز على استنتاج الذكاء الاصطناعي.

توفر شبكة الحوسبة اللامركزية سوقًا شفافًا وعادلًا للقوة الحاسوبية، مما يكسر الاحتكار، ويقلل من عوائق الدخول، ويزيد من كفاءة استخدام القوة الحاسوبية. في نظام الويب 3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا في جذب المزيد من التطبيقات المبتكرة (dapp) للمشاركة، مما يعزز تطوير وتطبيق تقنيات الذكاء الاصطناعي.

DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة

تخيل أن هاتفك المحمول، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك، جميعها تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية الذكاء الاصطناعي على الحافة. إنه يجعل الحساب يحدث عند مصدر البيانات، مما يحقق تأخيرًا منخفضًا ومعالجة في الوقت الحقيقي، بينما يحمي خصوصية المستخدمين. لقد تم تطبيق تقنية الذكاء الاصطناعي على الحافة في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3، لدينا اسم أكثر شهرة - DePIN. يركز Web3 على اللامركزية وحقوق سيادة بيانات المستخدم، 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 على توفير موارد الحوسبة، وبناء نظام بيئي مستدام.

حالياً، يتطور DePIN بسرعة في بعض بيئات السلاسل العامة، ليصبح واحدًا من المنصات المفضلة لنشر المشاريع. توفر TPS عالية، ورسوم معاملات منخفضة، وابتكارات تقنية دعمًا قويًا لمشاريع DePIN. حالياً، تجاوزت القيمة السوقية لمشاريع DePIN على بعض السلاسل العامة 10 مليار دولار، وقد حققت بعض المشاريع المعروفة تقدمًا ملحوظًا.

IMO: إطلاق نموذج جديد لنموذج الذكاء الاصطناعي

تم تقديم مفهوم IMO لأول مرة بواسطة بروتوكول blockchain، حيث يتم توكين نموذج الذكاء الاصطناعي.

في النموذج التقليدي، وبسبب غياب آلية مشاركة العوائد، بمجرد تطوير نموذج الذكاء الاصطناعي وإطلاقه في السوق، غالباً ما يواجه المطورون صعوبة في تحقيق عائد مستدام من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المنشئين الأصليين تتبع الاستخدام، ناهيك عن تحقيق العائدات. بالإضافة إلى ذلك، فإن أداء نموذج الذكاء الاصطناعي وفعاليته غالباً ما يفتقران إلى الشفافية، مما يجعل من الصعب على المستثمرين المحتملين والمستخدمين تقييم قيمته الحقيقية، مما يحد من اعتراف السوق بالنموذج وإمكاناته التجارية.

تقدم IMO طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العائدات الناتجة عن النموذج لاحقًا. تستخدم بعض بروتوكولات blockchain معايير ERC معينة، بالاشتراك مع تقنية AI oracle وOPML لضمان صحة نماذج الذكاء الاصطناعي وتمكين حاملي الرموز من المشاركة في العائدات.

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

وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل

يمكن لوكلاء الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، يمكن لوكلاء الذكاء الاصطناعي ليس فقط فهم اللغة الطبيعية ولكن أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكنهم العمل كمساعِدِين افتراضيين، يتعلمون تفضيلات المستخدم من خلال التفاعل ويوفرون حلولاً مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكلاء الذكاء الاصطناعي حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.

تقدم بعض المنصات المفتوحة الأصل التي تعتمد على الذكاء الاصطناعي مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوتات، والمظهر، والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى بناء نظام بيئي محتوى ذكاء اصطناعي مفتوح وعادل، مستفيدة من تقنيات الذكاء الاصطناعي التوليدي، لتمكين الأفراد من أن يصبحوا مبدعين متميزين. قامت هذه المنصات بتدريب نماذج لغوية كبيرة مخصصة، مما يجعل تجربة التمثيل أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي لمنتجات الذكاء الاصطناعي، وتقليل تكلفة توليد الصوت بشكل كبير، حيث يمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. يمكن استخدام وكلاء الذكاء الاصطناعي المخصصة من خلال هذه المنصات في مجالات متعددة مثل الدردشة الفيديو، وتعلم اللغات، وتوليد الصور.

في دمج Web3 مع الذكاء الاصطناعي، يتركز الاستكشاف حاليًا على مستوى 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 نماذج اللغة الكبيرة وغيرها من القضايا الرئيسية. مع التحسين التدريجي لهذه البنية التحتية، لدينا أسباب للاعتقاد بأن دمج Web3 مع الذكاء الاصطناعي سيثمر عن مجموعة من نماذج الأعمال والخدمات المبتكرة.

شاهد النسخة الأصلية
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
  • أعجبني
  • 5
  • مشاركة
تعليق
0/400
BrokeBeansvip
· 07-09 12:24
تتحدث عن الاندماج طوال اليوم، هل يمكنك أن تكون موثوقًا؟
شاهد النسخة الأصليةرد0
token_therapistvip
· 07-06 17:32
يا إلهي، هل تبدأ العلاقة بين الذكاء الاصطناعي وWeb3؟
شاهد النسخة الأصليةرد0
GhostInTheChainvip
· 07-06 17:24
فخ هذه الكلمات الفارغة من يصدقها، كيف نتعامل مع تسريبات الذكاء الاصطناعي للخصوصية؟
شاهد النسخة الأصليةرد0
AirdropHunterWangvip
· 07-06 17:22
فتاة فاندوم لم تلاحق توزيع مجاني بجنون مثلي
شاهد النسخة الأصليةرد0
AirdropChaservip
· 07-06 17:12
لماذا لا تندفع للحصول على ما هو مجاني؟ إذا تأخرت، ستندم لاحقًا.
شاهد النسخة الأصليةرد0
  • تثبيت