دمج Web3 و AI: بناء مستقبل ذكي لا مركزي

في قمة الحكومات العالمية الأخيرة، قدم أحد قادة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وقد أثار هذا تساؤلات حول كيفية بناء نظام ذكاء اصطناعي يمكن أن يتوافق مع مصالح ومتطلبات مجتمع التشفير؟ قد تكون الإجابة في دمج Web3 مع الذكاء الاصطناعي.

شرح مؤسس الإيثيريوم في مقال تأثير التعاون بين تقنية التشفير والذكاء الاصطناعي: يمكن أن توازن اللامركزية في التشفير الميل نحو المركزية في الذكاء الاصطناعي؛ يمكن أن تعوض الشفافية التي يوفرها التشفير عن عدم الشفافية في الذكاء الاصطناعي؛ بينما تساعد البلوكشين في تخزين البيانات اللازمة للذكاء الاصطناعي وتتبعها. يتخلل هذا التعاون كامل النظام البيئي الصناعي لـ Web3+AI.

حالياً، تركز معظم مشاريع Web3+AI على استخدام تقنية البلوكتشين لحل مشكلات بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول بعض المشاريع استخدام الذكاء الاصطناعي لحل بعض المشكلات في تطبيقات Web3. إن المشهد الصناعي لـ Web3+AI يتجلى بشكل رئيسي في الجوانب الأربعة التالية:

1. طبقة القوة الحاسوبية: أصول القوة الحاسوبية

في السنوات الأخيرة، شهدت قوة الحوسبة المطلوبة لتدريب نماذج الذكاء الاصطناعي نموًا أسّيًا، متجاوزة بكثير توقعات قانون مور. وقد أدى ذلك إلى عدم التوازن بين العرض والطلب على قوة الحوسبة للذكاء الاصطناعي، مما أدى إلى ارتفاع أسعار الأجهزة مثل وحدات معالجة الرسومات (GPU) وارتفاع تكاليف الحوسبة. ومع ذلك، هناك العديد من أجهزة الحوسبة المتوسطة والمنخفضة التي لا تُستخدم في السوق. من خلال بناء شبكة حوسبة موزعة بطريقة Web3، يمكن دمج هذه الموارد غير المستغلة لإنشاء شبكة موارد حوسبة اللامركزية، لتلبية احتياجات تطبيقات الذكاء الاصطناعي المتنوعة، مع تقليل التكاليف بشكل كبير.

تنقسم طبقة القوة الحاسوبية إلى:

• قوة حوسبة لامركزية عامة
• قوة الحوسبة اللامركزية المخصصة لتدريب الذكاء الاصطناعي
• قدرة حسابية لامركزية مخصصة لاستدلال الذكاء الاصطناعي
• قوة حسابية لامركزية مخصصة للتصيير ثلاثي الأبعاد

تتمثل ميزة أصول قوة الحوسبة في Web3+AI في أنه من خلال الجمع بين حوافز الرموز، يمكن توسيع حجم الشبكة بسرعة، وتوفير موارد قوة حوسبة ذات تكلفة فعالة، لتلبية احتياجات قوة الحوسبة المتوسطة والمنخفضة.

2.层 البيانات: أصول البيانات

البيانات هي المورد الرئيسي لتطوير الذكاء الاصطناعي. في النمط التقليدي، لا تستطيع سوى الشركات التكنولوجية الكبرى الحصول على كميات هائلة من بيانات المستخدمين، بينما تواجه الشركات الناشئة العادية صعوبة في الحصول على دعم بيانات واسع. من خلال طريقة Web3+AI، يمكن تحقيق جمع البيانات، والتعليق، والتخزين الموزع بتكاليف منخفضة وشفافية عالية، مما يتيح للمستخدمين الاستفادة من ذلك.

تشمل مشاريع طبقة البيانات بشكل رئيسي:

• مشاريع جمع البيانات
• مشاريع تبادل البيانات
• مشاريع تصنيف البيانات
• مشاريع من نوع مصادر بيانات اللامركزية
• مشاريع التخزين اللامركزية

تواجه هذه المشاريع تحديات أكبر عند تصميم نموذج الاقتصاد الرمزي، لأن صعوبة توحيد البيانات أعلى من قوة الحوسبة.

3.层 اللامركزية: قيمة أصول المنصة

تهدف المشاريع من نوع المنصات إلى دمج مختلف الموارد في صناعة الذكاء الاصطناعي، وتجميع البيانات، وقوة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي، وموارد متعددة مثل اللامركزية، لتقديم حلول شاملة للمستخدمين. على سبيل المثال، تركز بعض المشاريع على بناء منصات تشغيل zkML، من خلال تقنيات التشفير للتحقق من صحة استنتاج النماذج، مما يزيد من مصداقية وشفافية الذكاء الاصطناعي.

هناك بعض المشاريع التي تهدف إلى إنشاء شبكات بلوكشين مخصصة للذكاء الاصطناعي، من خلال توفير مكونات عامة وSDK، لمساعدة تطبيقات Web3+AI على البناء والتطوير بسرعة. بالإضافة إلى ذلك، توفر منصات من نوع شبكة الوكيل خدمات بناء وكيل ذكاء اصطناعي لمجموعة متنوعة من سيناريوهات التطبيقات.

تستفيد المشاريع القائمة على المنصات بشكل رئيسي من خلال رموزها لالتقاط قيمة المنصة، وتحفيز الأطراف المختلفة على المشاركة في البناء المشترك. هذا مفيد بشكل خاص لعملية تطوير المشاريع الناشئة من 0 إلى 1، حيث يمكن أن يقلل من صعوبة البحث عن الشركاء.

4.层 التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول

تركز مشاريع الطبقة التطبيقية بشكل رئيسي على استخدام الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. تشمل الاتجاهات التي تستحق الاهتمام:

1. الذكاء الاصطناعي كطرف مشارك في Web3: على سبيل المثال في ألعاب Web3، يمكن أن يعمل الذكاء الاصطناعي على مساعدة اللاعبين في فهم القواعد بسرعة وإنجاز المهام بكفاءة؛ في البورصات اللامركزية، لعب الذكاء الاصطناعي دورًا مهمًا في تداولات التحكيم؛ في أسواق التنبؤ، يمكن لوكلاء الذكاء الاصطناعي من خلال تحليل كميات كبيرة من البيانات، تقديم خدمات التنبؤ بالأحداث بطريقة نموذجية للمستخدمين.

2. إنشاء ذكاء اصطناعي خاص قابل للتوسع اللامركزية: من خلال طريقة Web3، منح المجتمع حقوق الحكم الموزعة على الذكاء الاصطناعي، وزيادة ثقة المستخدمين في نظام الذكاء الاصطناعي، وحل مشكلة الصندوق الأسود والمشكلات المحتملة في التحيز.

على الرغم من عدم ظهور مشاريع رائدة في طبقة تطبيقات Web3 + AI حتى الآن، إلا أن هذا المجال لديه إمكانات كبيرة.

الخاتمة

لا تزال دمج Web3+AI في مراحله المبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطوره. ومع ذلك، من المتوقع أن يخلق هذا المجال منتجات أكثر قيمة من الذكاء الاصطناعي المركزي، ويتخلص من علامات "السيطرة من قبل الكبار" و"الاحتكار"، ويحقق نموذج "الذكاء الاصطناعي المشترك" الأكثر مجتمعاً. من خلال المشاركة الأكثر عمقاً في وإدارة الذكاء الاصطناعي، قد يتمكن البشر من إيجاد توازن في تفاعلهم مع الذكاء الاصطناعي، مع الحفاظ على شعور بالتقدير، دون أن يشعروا بالخوف المفرط.