دمج Web3 و AI: بناء نظام بيئي ذكي اللامركزي

في خطاب حديث، قدم أحد قادة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وهذا أثار تفكيرنا: كيف يمكن بناء نظام ذكاء اصطناعي يلبي احتياجات مجتمع التشفير وفي نفس الوقت يحافظ على جوهر اللامركزية؟ قد يكمن الجواب في دمج Web3 والذكاء الاصطناعي.

مؤسس الإيثيريوم قد أوضح في مقال له بالتفصيل تأثير التعاون بين تقنية التشفير و الذكاء الاصطناعي. وقد أشار إلى أن خاصية اللامركزية في تقنية التشفير يمكن أن توازن الميل نحو المركزية للذكاء الاصطناعي؛ وشفافية البلوكشين يمكن أن تعوض عدم الشفافية في الذكاء الاصطناعي؛ كما أن تقنية البلوكشين تساعد أيضًا في تخزين وتتبع البيانات المطلوبة للذكاء الاصطناعي. هذا التعاون يمتد عبر النظام البيئي الصناعي بالكامل لـ Web3 + AI.

في الوقت الحالي، تركز غالبية مشاريع Web3+AI على استخدام تقنية blockchain لحل مشكلات بناء البنية التحتية في صناعة AI، بينما تركز بعض المشاريع على استخدام تقنية AI لحل مشكلات محددة في تطبيقات Web3. تشمل البيئة الصناعية لـ Web3+AI الجوانب التالية:

1. طبقة قوة الحوسبة: تحويل قوة الحوسبة إلى أصول

في السنوات الأخيرة، شهدت قوة الحوسبة اللازمة لتدريب نماذج الذكاء الاصطناعي زيادة هائلة، تتجاوز بكثير توقعات قانون Moore. وقد أدى ذلك إلى عدم توازن حاد في العرض والطلب على قوة الحوسبة في مجال الذكاء الاصطناعي، مما أدى إلى ارتفاع أسعار الأجهزة. ومع ذلك، هناك الكثير من موارد الحوسبة المتوسطة والمنخفضة التي لا تُستخدم في السوق. من خلال تقنيات Web3، يمكن إنشاء شبكة توزيع قوة الحوسبة، مما يتيح تأجير ومشاركة قوة الحوسبة، وبالتالي خفض تكاليف قوة الحوسبة للذكاء الاصطناعي.

تنقسم طبقة القوة الحاسوبية إلى: قوة حاسوبية لامركزية عامة، وقوة حاسوبية مخصصة لتدريب الذكاء الاصطناعي، وقوة حاسوبية لاستدلال الذكاء الاصطناعي، بالإضافة إلى قوة حاسوبية لتصيير ثلاثي الأبعاد. تتمثل الميزة الأساسية لهذه المشاريع للقوة الحاسوبية اللامركزية في انخفاض تكلفتها، وارتفاع نسبة الأداء إلى السعر، مما يجعلها قادرة على تلبية احتياجات القوة الحاسوبية المتوسطة والمنخفضة.

2. طبقة البيانات: تحويل البيانات إلى أصول

تُعتبر البيانات "نفط" و"دم" الذكاء الاصطناعي. في النموذج التقليدي، يمكن فقط للشركات الكبيرة الوصول إلى كميات كبيرة من بيانات المستخدمين، بينما تعاني الشركات الناشئة العادية من صعوبة الحصول على موارد بيانات واسعة. من خلال طريقة Web3+AI، يمكن تحقيق تقليل التكلفة وشفافية عمليات جمع البيانات، وتسمية البيانات، والتخزين الموزع، مع حماية مصالح المستخدمين بشكل أفضل.

تشمل مشاريع طبقة البيانات بشكل أساسي: جمع البيانات، تداول البيانات، وضع العلامات على البيانات، مصادر البيانات المبنية على البلوكشين، بالإضافة إلى التخزين اللامركزي وغيرها من الفئات. تواجه هذه المشاريع تحديات أكبر عند تصميم نماذج الاقتصاد الرمزي، لأن البيانات أصعب في التوحيد القياسي من القدرة الحاسوبية.

3. طبقة المنصة: تحويل قيمة المنصة إلى أصول

تهدف مشاريع المنصات إلى دمج جميع موارد صناعة الذكاء الاصطناعي، وإنشاء منصة مركزية تربط بين البيانات، وقدرات الحوسبة، والنماذج، والمطورين، وblockchain وغيرها من الموارد. على سبيل المثال، تركز بعض المشاريع على بناء منصة شاملة لعمليات التعلم الآلي، تهدف إلى تعزيز موثوقية وشفافية استنتاجات التعلم الآلي.

هناك بعض المشاريع التي تكرّس جهودها لتطوير شبكات بلوكتشين مخصصة للذكاء الاصطناعي، من خلال توفير مكونات عامة وSDK، لمساعدة تطبيقات Web3 + AI على البناء والتطور بسرعة. بالإضافة إلى ذلك، تركز بعض المنصات على بناء شبكة وكلاء الذكاء الاصطناعي، لتوفير الدعم لمجموعة متنوعة من سيناريوهات التطبيقات.

4. طبقة التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول

تستخدم مشاريع الطبقة التطبيقية تقنيات الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. على سبيل المثال، يمكن أن يعمل الذكاء الاصطناعي كلاعب في ألعاب الويب 3، أو كمتداول تحكيمي في DEX، أو لتقديم التحليل والتنبؤات في أسواق التنبؤ.

الاتجاه المهم الآخر هو إنشاء الذكاء الاصطناعي الخاص اللامركزي القابل للتطوير. ستدير هذه الأنظمة الذكائية بشكل موزع من قبل المجتمع مثل مشاريع الويب 3، مما يساعد على تعزيز ثقة المستخدمين في الذكاء الاصطناعي.

ما زالت مجالات Web3+AI في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطورها. نحن نتطلع إلى أن يجمع Web3 وAI ليخلقا منتجات أكثر قيمة من AI اللامركزية، مما يمكّن AI من التحرر من "سيطرة الشركات الكبرى" و"الاحتكار"، وتحقيق "حوكمة مشتركة للذكاء الاصطناعي" بطريقة أكثر مجتمعية. ربما في عملية المشاركة الأعمق وحوكمة الذكاء الاصطناعي، سيشعر البشر بمزيد من التقدير للذكاء الاصطناعي، مما يقلل من الخوف.