دمج Web3 و AI: بناء مستقبل الذكاء اللامركزي

في خطاب حديث، طرح أحد قادة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وقد أثار ذلك تساؤلات حول كيفية بناء نظام ذكاء اصطناعي يتماشى مع مصالح ومتطلبات مجتمع التشفير؟ قد تكون الإجابة موجودة في دمج Web3 مع الذكاء الاصطناعي.

تناول مؤسس الإيثيريوم في مقال له بالتفصيل تأثيرات التعاون بين تقنية التشفير و الذكاء الاصطناعي. وأشار إلى أن الخصائص اللامركزية لتقنية التشفير يمكن أن توازن الاتجاهات المركزية للذكاء الاصطناعي؛ كما أن شفافية البلوكشين يمكن أن تعوض عن عدم الشفافية في الذكاء الاصطناعي؛ بينما تتناسب مزايا البلوكشين في تخزين البيانات وتتبعها تمامًا مع احتياجات الذكاء الاصطناعي للبيانات. هذه العلاقة التعاونية تسري عبر النظام البيئي لصناعة Web3 + AI.

في الوقت الحالي، تكرس معظم مشاريع Web3+AI جهودها لاستغلال تقنية blockchain لحل مشاكل بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول بعض المشاريع استخدام الذكاء الاصطناعي لحل مشاكل محددة في تطبيقات Web3. يتمثل المشهد الصناعي لـ Web3+AI بشكل رئيسي في أربعة مستويات:

1. طبقة القوة الحاسوبية: أصول القوة الحاسوبية مع النمو الأسي في الطلب على القدرة الحاسوبية لتدريب نماذج الذكاء الاصطناعي، ظهرت مشكلة عدم التوازن في العرض والطلب على القدرة الحاسوبية في السوق. يمكن لتقنية Web3 من خلال إنشاء شبكة قدرة حاسوبية موزعة أن تجمع بشكل فعال الموارد المادية المتوسطة والمنخفضة غير المستغلة، مما يقلل من تكاليف القدرة الحاسوبية للذكاء الاصطناعي. يتضمن ذلك القدرة الحاسوبية اللامركزية العامة، وقدرة التدريب والاستدلال الخاصة بالذكاء الاصطناعي، بالإضافة إلى مجالات فرعية مثل القدرة الحاسوبية للتصيير ثلاثي الأبعاد.

2. طبقة البيانات: تحويل البيانات إلى أصول البيانات كمورد أساسي للذكاء الاصطناعي، يمكن تحقيق جمع البيانات، والتوسيم، والتخزين بشكل أكثر كفاءة وشفافية من خلال تقنية Web3. هذا لا يقلل فقط من تكلفة الحصول على البيانات، بل يوفر أيضًا للمستخدمين فرصة لاسترداد قيمة البيانات. تشمل المشاريع ذات الصلة جمع البيانات، والتجارة، والتوسيم، ومصادر البيانات على السلسلة، والتخزين اللامركزي وغيرها من المجالات.

3. طبقة المنصة: تحفيز قيمة الأصول للمنصة تهدف المشاريع من نوع المنصات إلى دمج مختلف الموارد في صناعة الذكاء الاصطناعي، وبناء نظام بيئي يربط البيانات، والقدرات الحاسوبية، والنماذج، والمطورين. تركز بعض المشاريع على تحسين مصداقية وشفافية التعلم الآلي، مثل استخدام تقنيات الإثبات الصفري للتحقق من عملية استدلال النموذج. وهناك مشاريع مكرسة لبناء بنية تحتية خاصة بالذكاء الاصطناعي، بالإضافة إلى منصات شبكة تدعم تطوير وكلاء الذكاء الاصطناعي.

4. طبقة التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول على مستوى التطبيق، تستكشف مشاريع Web3+AI اتجاهين رئيسيين: الأول هو استخدام AI كفاعل في نظام Web3 البيئي، مثل الدور الذي تلعبه في الألعاب، وال exchanges اللامركزية، والأسواق التنبؤية؛ والثاني هو إنشاء AI خاص اللامركزي قابل للتوسع، مما يعزز الثقة والقبول من قبل المستخدمين في نظام AI من خلال حوكمة المجتمع.

على الرغم من أن مجال Web3+AI لا يزال في مراحله المبكرة، إلا أن لديه إمكانيات تطوير كبيرة. نحن نتطلع إلى أن يتمكن هذا الاندماج من إنشاء منتجات ذات قيمة أكبر من الذكاء الاصطناعي المركزي التقليدي، والتخلص من علامات "التحكم من قبل الشركات الكبرى" و"الاحتكار"، وتحقيق "حوكمة الذكاء الاصطناعي" الحقيقية. من خلال المشاركة والحوكمة الأعمق، ربما يمكن للبشرية تقليل المخاوف غير الضرورية مع الحفاظ على احترامها للذكاء الاصطناعي.