دمج Web3 و AI: بناء بيئة الإنترنت المستقبلية

تعتبر Web3 كنوع جديد من نماذج الإنترنت اللامركزية والمفتوحة والشفافة، نقطة التقاء طبيعية مع تقنيات الذكاء الاصطناعي. في ظل الهياكل المركزية التقليدية، تكون موارد الحساب والبيانات للذكاء الاصطناعي مقيدة بشدة، وتواجه تحديات متعددة مثل اختناقات القدرة الحاسوبية، ومشكلات الخصوصية، وعدم الشفافية في الخوارزميات. بينما تعتمد Web3 على تقنيات موزعة، يمكن من خلال شبكة مشاركة القدرة الحاسوبية، وتداول البيانات المفتوحة، والحوسبة الخاصة، أن توفر دفعة جديدة لتطور الذكاء الاصطناعي. في الوقت نفسه، يمكن أن يجلب الذكاء الاصطناعي العديد من الفوائد لـ Web3، مثل تحسين العقود الذكية وآليات مكافحة الغش، مما يسهم في بناء بيئتها. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي له أهمية كبيرة في بناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.

البيانات المدفوعة: حجر الزاوية في الذكاء الاصطناعي وWeb3

تعتبر البيانات القوة الدافعة الأساسية لتطور الذكاء الاصطناعي، تمامًا مثل وقود المحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات هائلة من البيانات عالية الجودة للحصول على فهم عميق وقدرة استدلال قوية. لا توفر البيانات فقط الأساس للتدريب على نماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.

توجد المشاكل الرئيسية التالية في نماذج الحصول على البيانات واستخدامها في الذكاء الاصطناعي المركزية التقليدية:

• تكلفة الحصول على البيانات مرتفعة، والشركات الصغيرة والمتوسطة تجد صعوبة في تحملها
• يتم احتكار موارد البيانات من قبل شركات التكنولوجيا الكبرى، مما يشكل جزر بيانات
• تواجه خصوصية البيانات الشخصية مخاطر التسريب وسوء الاستخدام

يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد:

• يمكن للمستخدمين بيع الموارد الشبكية غير المستخدمة لشركات الذكاء الاصطناعي، لجمع بيانات الشبكة بشكل لامركزي، وبعد التنظيف والتحويل، لتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي.
• اعتماد نموذج "التعليق للحصول على الأرباح"، من خلال تحفيز الرموز للعاملين في جميع أنحاء العالم للمشاركة في وضع البيانات، وتجميع المعرفة المهنية العالمية، وتعزيز القدرة على تحليل البيانات
• منصة تداول بيانات البلوكشين توفر بيئة تداول شفافة وعلنية لطرفي العرض والطلب على البيانات، وتحفز الابتكار ومشاركة البيانات.

ومع ذلك، هناك بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل تفاوت جودة البيانات، وصعوبة المعالجة، وندرة التنوع والتمثيل. قد تكون البيانات الاصطناعية هي السمة البارزة المستقبلية في مجال بيانات الويب 3. بناءً على تكنولوجيا الذكاء الاصطناعي التوليدي والمحاكاة، يمكن أن تحاكي البيانات الاصطناعية خصائص البيانات الحقيقية، كإضافة فعالة، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، والتداول المالي، وتطوير الألعاب، أظهرت البيانات الاصطناعية آفاق تطبيق ناضجة.

! [استكشاف عمليات التكامل الرئيسية الستة ل الذكاء الاصطناعي و Web3] (https://img-cdn.gateio.im/webp-social/moments-5d986f6a1caabde91382ed8980fc03d4.webp)

حماية الخصوصية: تطبيق التشفير المتجانس الكامل في Web3

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس تشريعات مثل اللائحة العامة لحماية البيانات (GDPR) للاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فإن هذا يطرح تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يقيد إمكانيات نموذج الذكاء الاصطناعي وقدرته على الاستدلال.

التشفير المتجانس بالكامل ( FHE ) يسمح بإجراء الحسابات مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، والنتيجة الحسابية تتطابق مع نتيجة البيانات النصية. يوفر FHE حماية قوية لحسابات الخصوصية للذكاء الاصطناعي، مما يمكّن قدرة معالجة GPU من تنفيذ تدريب النماذج واستنتاجها دون الحاجة للوصول إلى البيانات الأصلية. هذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي، حيث يمكنها فتح خدمات API بأمان مع حماية أسرارها التجارية.

يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة التعلم الآلي، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات، ويوفر إطار حساب آمن لتطبيقات الذكاء الاصطناعي.

FHEML هو تكملة 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 بالذكاء الاصطناعي في الشبكات اللامركزية

تتضاعف تعقيدات حساب نظام الذكاء الاصطناعي الحالي كل 3 أشهر، مما يؤدي إلى زيادة هائلة في الطلب على القدرة الحاسوبية، تفوق بكثير العرض الحالي من الموارد الحاسوبية. على سبيل المثال، يتطلب تدريب نموذج لغوي كبير قدرة حاسوبية هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. هذه النقص في القدرة الحاسوبية لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل من الصعب على معظم الباحثين والمطورين الوصول إلى نماذج الذكاء الاصطناعي المتقدمة.

في الوقت نفسه، فإن معدل استخدام وحدات معالجة الرسوميات العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، والعوامل الجيوسياسية وسلسلة التوريد التي تؤدي إلى نقص الرقائق، مما يجعل مشكلة توفير القوة الحاسوبية أكثر حدة. يواجه المتخصصون في الذكاء الاصطناعي مأزقًا: إما شراء الأجهزة بأنفسهم أو استئجار الموارد السحابية، وهم بحاجة ماسة إلى طريقة خدمة حسابية فعالة من حيث التكلفة وعند الطلب.

يعمل شبكة الحوسبة الذكية اللامركزية على تجميع موارد GPU غير المستخدمة على مستوى العالم، لتوفير سوق حوسبة سهل الوصول إليه لشركات الذكاء الاصطناعي. يمكن لمستخدمي الحوسبة نشر مهام الحساب على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على العقد التي تساهم في الحوسبة، وتقوم العقد بتنفيذ المهام وتقديم النتائج، وبعد التحقق منها تحصل على مكافآت. تعزز هذه الخطة كفاءة استخدام الموارد، وتساعد في حل مشكلة اختناق الحوسبة في مجالات مثل الذكاء الاصطناعي.

بالإضافة إلى شبكة الحوسبة اللامركزية العامة، يوجد أيضًا منصة حوسبة مخصصة تركز على تدريب الذكاء الاصطناعي واستنتاجه. توفر هذه الشبكات اللامركزية سوق حوسبة عادل وشفاف، مما يكسر الاحتكار، ويخفض عتبة التطبيقات، ويزيد من كفاءة استخدام الحوسبة. في بيئة ويب 3، ستلعب الشبكات اللامركزية دورًا حاسمًا، مما يجذب المزيد من التطبيقات اللامركزية المبتكرة للانضمام، لدفع تطوير وتطبيق تقنيات الذكاء الاصطناعي معًا.

أجهزة إنترنت الأشياء: Web3 تمكين الذكاء الاصطناعي على الحافة

تخيل أن هاتفك المحمول، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية الذكاء الاصطناعي على الحافة. إنه يجعل الحوسبة تحدث في مصدر إنتاج البيانات، مما يحقق معالجة فورية ومنخفضة التأخير، بينما يحافظ على خصوصية المستخدم. تم تطبيق تقنية الذكاء الاصطناعي على الحافة في مجالات رئيسية مثل القيادة الذاتية.

في مجال Web3، نسميها شبكة البنية التحتية الفيزيائية اللامركزية. يركز Web3 على اللامركزية وحقوق ملكية بيانات المستخدم، وتعمل هذه الشبكة على تعزيز حماية خصوصية المستخدم من خلال معالجة البيانات محليًا، وتقليل مخاطر تسرب البيانات؛ آلية الاقتصاد الرمزي الأصلية لـ Web3 يمكن أن تحفز العقد على تقديم موارد حسابية، مما يبني نظامًا بيئيًا مستدامًا.

تتطور هذه الأنواع من الشبكات بسرعة في نظام سلسلة الكتل العامة عالية الأداء، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر السلسلة العامة قدرة عالية على معالجة المعاملات، وانخفاض تكاليف المعاملات، وابتكارات تقنية لدعم المشاريع ذات الصلة بشكل كبير. حالياً، تجاوزت القيمة السوقية لمثل هذه المشاريع على السلسلة العامة مئة مليار دولار أمريكي، وقد حققت العديد من المشاريع المعروفة تقدمًا ملحوظًا.

إصدار النموذج الأولي: نشر نمط جديد لنماذج الذكاء الاصطناعي

تم اقتراح مفهوم إصدار نموذج أولي (IMO) من قبل بروتوكول معين، والذي يقوم بتوكنينغ نماذج الذكاء الاصطناعي.

في النمط التقليدي، وبسبب نقص آلية مشاركة العائدات، يواجه مطورو نماذج الذكاء الاصطناعي صعوبة في الحصول على عوائد مستمرة من استخدام النموذج في المستقبل، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع الاستخدام والحصول على العائدات. وعلاوة على ذلك، غالبًا ما تفتقر أداء وفاعلية نماذج الذكاء الاصطناعي إلى الشفافية، مما يجعل المستثمرين المحتملين والمستخدمين غير قادرين على تقييم قيمتها الحقيقية، مما يحد من اعتراف السوق بالنموذج وإمكاناته التجارية.

يقدم IMO طريقة جديدة لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العائدات الناتجة عن النموذج في المستقبل. تستخدم بروتوكول معين معيار ERC المحدد، بال结合 مع تقنية التنبؤ بالذكاء الاصطناعي والتعلم الآلي على السلسلة لضمان مصداقية نماذج الذكاء الاصطناعي وتمكين حاملي الرموز من المشاركة في العائدات.

نموذج IMO يعزز الشفافية والثقة، ويشجع التعاون مفتوح المصدر، ويتكيف مع اتجاهات سوق التشفير، ويعطي دفعة للتنمية المستدامة لتقنية الذكاء الاصطناعي. IMO في الوقت الحالي في مرحلة التجريب الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاره وقيمته المحتملة تستحق التوقع.

وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل

الذكاء الاصطناعي قادر على إدراك البيئة، والتفكير بشكل مستقل، واتخاذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، لا يستطيع الذكاء الاصطناعي فقط فهم اللغة الطبيعية، بل يمكنه أيضًا التخطيط واتخاذ القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كأسياد افتراضيين، من خلال التفاعل مع المستخدمين، لتعلم التفضيلات، وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن للذكاء الاصطناعي أيضًا حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.

توفر منصة تطبيقات الذكاء الاصطناعي المفتوحة الأصل مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوتات، والمظهر، والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي، من خلال استخدام تقنيات الذكاء الاصطناعي التوليدي، تمكين الأفراد ليصبحوا مبتكرين خارقين. قامت هذه المنصة بتدريب نماذج لغة كبيرة مخصصة، مما يجعل أدوار التمثيل أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي لمنتجات الذكاء الاصطناعي، وتقليل تكاليف توليد الصوت بنسبة 99%، ويمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام الوكلاء الذكيين المخصصين على هذه المنصة، يمكن الآن تطبيقها في مجالات متعددة مثل الدردشة المرئية، تعلم اللغات، وتوليد الصور.

فيما يتعلق بدمج Web3 و AI، فإن الاستكشاف الحالي يركز بشكل أكبر على طبقة البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على الشبكة، وكيفية تحسين الاستخدام الفعال للقوة الحاسوبية اللامركزية، وكيفية التحقق من نماذج اللغة الكبيرة وغيرها من المسائل الأساسية. مع تحسين هذه البنية التحتية تدريجياً، لدينا أسباب للاعتقاد أن دمج Web3 و AI سيولد مجموعة من نماذج الأعمال والخدمات المبتكرة.