في الآونة الأخيرة، كان أحد المواضيع الساخنة في مجال الذكاء الاصطناعي هو مفهوم "الذكاء الاصطناعي السيادي". وقد أثار ذلك تساؤلات حول كيفية بناء نظام ذكاء اصطناعي يلبي احتياجات مجتمع التشفير، بينما يوازن بين اللامركزية والذكاء. إحدى الإجابات المحتملة هي تحقيق ذلك من خلال طريقة Web3+AI.
تحدث مؤسس الإيثيريوم فيتاليك بوتيرين في مقال له عن التآزر بين تكنولوجيا التشفير والذكاء الاصطناعي. وأشار إلى أن خاصية اللامركزية في تكنولوجيا التشفير يمكن أن توازن الاتجاه المركزي للذكاء الاصطناعي؛ وشفافية البلوكشين يمكن أن تعوض عن عدم شفافية الذكاء الاصطناعي؛ كما أن تكنولوجيا البلوكشين تفيد في تخزين البيانات المطلوبة للذكاء الاصطناعي وتتبعها. هذا التآزر يمتد عبر النظام البيئي الصناعي لويب 3 + الذكاء الاصطناعي.
حاليا، تكرس معظم مشاريع Web3 + AI جهودها لاستغلال تكنولوجيا البلوكشين لحل مشاكل بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول بعض المشاريع استخدام الذكاء الاصطناعي لحل مشاكل محددة في تطبيقات Web3. يشمل النظام البيئي لصناعة Web3 + AI بشكل رئيسي الجوانب الأربعة التالية:
1. طبقة قوة الحوسبة: أصول قوة الحوسبة
في السنوات الأخيرة، شهدت قدرات الحوسبة المطلوبة لتدريب نماذج الذكاء الاصطناعي نموًا أسيًا، مما أدى إلى اختلال توازن العرض والطلب في قدرات الحوسبة، وارتفاع أسعار الأجهزة مثل وحدات معالجة الرسوميات. في الوقت نفسه، يوجد العديد من موارد الحوسبة المتوسطة والمنخفضة غير المستغلة في السوق. يمكن لتقنية Web3 من خلال إنشاء شبكة حوسبة موزعة أن تحقق تأجير ومشاركة قدرات الحوسبة لتلبية احتياجات تطبيقات الذكاء الاصطناعي المتنوعة، مع تقليل التكاليف بشكل كبير.
تنقسم طبقة قوة الحوسبة إلى:
القدرة الحسابية اللامركزية العامة
قوة الحوسبة اللامركزية المخصصة لتدريب الذكاء الاصطناعي
قوة الحوسبة اللامركزية المخصصة لاستدلال الذكاء الاصطناعي
قوة حسابية لامركزية مخصصة للتصيير ثلاثي الأبعاد
تتمثل الميزة الرئيسية لأصول قوة الحوسبة في Web3+AI في أنه يمكن توسيع حجم الشبكة بسرعة من خلال تحفيز الرموز، مما يوفر موارد قوة حوسبة عالية التكلفة وفعالة لتلبية احتياجات الحوسبة المتوسطة والمنخفضة.
2. طبقة البيانات: تحويل البيانات إلى أصول
البيانات هي المورد الرئيسي لتطوير الذكاء الاصطناعي. في النموذج التقليدي، تتركز كميات كبيرة من بيانات المستخدمين في أيدي عدد قليل من الشركات الكبرى، مما يجعل من الصعب على الشركات الناشئة العادية الحصول على موارد بيانات واسعة. يمكن أن يتيح دمج Web3 + AI جمع البيانات، والتعليق عليها، والتخزين الموزع بأساليب أكثر كفاءة من حيث التكلفة وشفافية، مما يمكن المستخدمين من الاستفادة منها.
مشاريع طبقة البيانات تشمل بشكل رئيسي:
مشاريع جمع البيانات
مشاريع تبادل البيانات
مشاريع تصنيف البيانات
مشاريع فئة مصادر بيانات اللامركزية
مشاريع التخزين اللامركزية
تواجه هذه الأنواع من المشاريع تحديات كبيرة عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات أصعب في التوحيد مقارنةً بقوة الحوسبة.
3. طبقة المنصة: تحويل قيمة الأصول إلى أصول
تسعى المشاريع من نوع المنصات إلى دمج جميع أنواع الموارد في صناعة الذكاء الاصطناعي، بما في ذلك البيانات، وقدرة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي و اللامركزية. إنها توفر حلولاً مريحة لمجموعة متنوعة من الاحتياجات، مثل بناء منصة تشغيل zkML، لزيادة موثوقية وشفافية استنتاجات التعلم الآلي.
بعض المشاريع تركز على تطوير طبقة blockchain مخصصة للذكاء الاصطناعي، من خلال تقديم مكونات عامة وSDK، لمساعدة تطبيقات Web3+AI على البناء والتطور بسرعة. وهناك بعض المشاريع التي تسعى لبناء منصة شبكة الوكلاء، لتقديم خدمات بناء الوكلاء الذكائيين لمجموعة متنوعة من السيناريوهات.
تستند هذه المشاريع بشكل رئيسي إلى الرموز لالتقاط قيمة المنصة، وتحفيز المشاركين من جميع الأطراف لبناء النظام البيئي بشكل مشترك.
4. طبقة التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول
تستكشف المشاريع في طبقة التطبيقات كيفية استخدام الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. قدم فيتاليك بوتيرين اتجاهين ذوي مغزى:
الذكاء الاصطناعي كطرف في Web3: على سبيل المثال، في ألعاب Web3، يمكن للذكاء الاصطناعي أن يساعد اللاعبين على فهم القواعد بسرعة وإكمال المهام بكفاءة؛ في DEX، تم استخدام الذكاء الاصطناعي على نطاق واسع في تداولات الاستغلال؛ في أسواق التنبؤ، يمكن لوكيل الذكاء الاصطناعي استخدام كميات كبيرة من البيانات والمعرفة لإجراء التحليلات والتنبؤات.
إنشاء ذكاء اصطناعي خاص لا مركزي قابل للتوسع: من خلال منح المجتمع حق الحكم الموزع على الذكاء الاصطناعي، يتم معالجة مخاوف المستخدمين بشأن الصندوق الأسود للذكاء الاصطناعي، والتحيز، والسلوكيات المحتملة الخادعة.
حاليًا، لم تظهر مشاريع ذات تأثير كبير في طبقة تطبيقات Web3+AI، ولكن لديها إمكانات هائلة.
الخاتمة
لا يزال دمج Web3 + AI في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطوره. نتطلع إلى أن يخلق هذا الدمج منتجات أكثر قيمة من AI المركزية، ويتخلص من سمات "السيطرة الكبرى" و"الاحتكار"، ويحقق "الحوكمة المشتركة للذكاء الاصطناعي" بطريقة أكثر مجتمعية. من خلال المشاركة والحوكمة بشكل أعمق، قد يتمكن البشر من إحداث قدر أكبر من الإعجاب تجاه الذكاء الاصطناعي وتقليل الخوف.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 20
أعجبني
20
5
مشاركة
تعليق
0/400
BottomMisser
· 07-24 02:24
害 还不如ai تداول العملات الرقمية呢
شاهد النسخة الأصليةرد0
LiquidityHunter
· 07-22 06:29
فقط استمر في الكلام، يمكن أن تتجاوز chatgpt
شاهد النسخة الأصليةرد0
GigaBrainAnon
· 07-22 06:21
مرة أخرى يرسمون الكعكة هذا
شاهد النسخة الأصليةرد0
GhostChainLoyalist
· 07-22 06:15
أليس هذا ما أصرخ به كل يوم؟
شاهد النسخة الأصليةرد0
token_therapist
· 07-22 06:07
لقد قمت بفتح أسلوب جديد للذكاء الاصطناعي، أليس كذلك؟
Web3+AI دمج: بناء اللامركزية الذكية生态的四大层次
دمج Web3 و AI: بناء نظام بيئي ذكي لامركزي
في الآونة الأخيرة، كان أحد المواضيع الساخنة في مجال الذكاء الاصطناعي هو مفهوم "الذكاء الاصطناعي السيادي". وقد أثار ذلك تساؤلات حول كيفية بناء نظام ذكاء اصطناعي يلبي احتياجات مجتمع التشفير، بينما يوازن بين اللامركزية والذكاء. إحدى الإجابات المحتملة هي تحقيق ذلك من خلال طريقة Web3+AI.
تحدث مؤسس الإيثيريوم فيتاليك بوتيرين في مقال له عن التآزر بين تكنولوجيا التشفير والذكاء الاصطناعي. وأشار إلى أن خاصية اللامركزية في تكنولوجيا التشفير يمكن أن توازن الاتجاه المركزي للذكاء الاصطناعي؛ وشفافية البلوكشين يمكن أن تعوض عن عدم شفافية الذكاء الاصطناعي؛ كما أن تكنولوجيا البلوكشين تفيد في تخزين البيانات المطلوبة للذكاء الاصطناعي وتتبعها. هذا التآزر يمتد عبر النظام البيئي الصناعي لويب 3 + الذكاء الاصطناعي.
حاليا، تكرس معظم مشاريع Web3 + AI جهودها لاستغلال تكنولوجيا البلوكشين لحل مشاكل بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول بعض المشاريع استخدام الذكاء الاصطناعي لحل مشاكل محددة في تطبيقات Web3. يشمل النظام البيئي لصناعة Web3 + AI بشكل رئيسي الجوانب الأربعة التالية:
1. طبقة قوة الحوسبة: أصول قوة الحوسبة
في السنوات الأخيرة، شهدت قدرات الحوسبة المطلوبة لتدريب نماذج الذكاء الاصطناعي نموًا أسيًا، مما أدى إلى اختلال توازن العرض والطلب في قدرات الحوسبة، وارتفاع أسعار الأجهزة مثل وحدات معالجة الرسوميات. في الوقت نفسه، يوجد العديد من موارد الحوسبة المتوسطة والمنخفضة غير المستغلة في السوق. يمكن لتقنية Web3 من خلال إنشاء شبكة حوسبة موزعة أن تحقق تأجير ومشاركة قدرات الحوسبة لتلبية احتياجات تطبيقات الذكاء الاصطناعي المتنوعة، مع تقليل التكاليف بشكل كبير.
تنقسم طبقة قوة الحوسبة إلى:
تتمثل الميزة الرئيسية لأصول قوة الحوسبة في Web3+AI في أنه يمكن توسيع حجم الشبكة بسرعة من خلال تحفيز الرموز، مما يوفر موارد قوة حوسبة عالية التكلفة وفعالة لتلبية احتياجات الحوسبة المتوسطة والمنخفضة.
2. طبقة البيانات: تحويل البيانات إلى أصول
البيانات هي المورد الرئيسي لتطوير الذكاء الاصطناعي. في النموذج التقليدي، تتركز كميات كبيرة من بيانات المستخدمين في أيدي عدد قليل من الشركات الكبرى، مما يجعل من الصعب على الشركات الناشئة العادية الحصول على موارد بيانات واسعة. يمكن أن يتيح دمج Web3 + AI جمع البيانات، والتعليق عليها، والتخزين الموزع بأساليب أكثر كفاءة من حيث التكلفة وشفافية، مما يمكن المستخدمين من الاستفادة منها.
مشاريع طبقة البيانات تشمل بشكل رئيسي:
تواجه هذه الأنواع من المشاريع تحديات كبيرة عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات أصعب في التوحيد مقارنةً بقوة الحوسبة.
3. طبقة المنصة: تحويل قيمة الأصول إلى أصول
تسعى المشاريع من نوع المنصات إلى دمج جميع أنواع الموارد في صناعة الذكاء الاصطناعي، بما في ذلك البيانات، وقدرة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي و اللامركزية. إنها توفر حلولاً مريحة لمجموعة متنوعة من الاحتياجات، مثل بناء منصة تشغيل zkML، لزيادة موثوقية وشفافية استنتاجات التعلم الآلي.
بعض المشاريع تركز على تطوير طبقة blockchain مخصصة للذكاء الاصطناعي، من خلال تقديم مكونات عامة وSDK، لمساعدة تطبيقات Web3+AI على البناء والتطور بسرعة. وهناك بعض المشاريع التي تسعى لبناء منصة شبكة الوكلاء، لتقديم خدمات بناء الوكلاء الذكائيين لمجموعة متنوعة من السيناريوهات.
تستند هذه المشاريع بشكل رئيسي إلى الرموز لالتقاط قيمة المنصة، وتحفيز المشاركين من جميع الأطراف لبناء النظام البيئي بشكل مشترك.
4. طبقة التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول
تستكشف المشاريع في طبقة التطبيقات كيفية استخدام الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. قدم فيتاليك بوتيرين اتجاهين ذوي مغزى:
الذكاء الاصطناعي كطرف في Web3: على سبيل المثال، في ألعاب Web3، يمكن للذكاء الاصطناعي أن يساعد اللاعبين على فهم القواعد بسرعة وإكمال المهام بكفاءة؛ في DEX، تم استخدام الذكاء الاصطناعي على نطاق واسع في تداولات الاستغلال؛ في أسواق التنبؤ، يمكن لوكيل الذكاء الاصطناعي استخدام كميات كبيرة من البيانات والمعرفة لإجراء التحليلات والتنبؤات.
إنشاء ذكاء اصطناعي خاص لا مركزي قابل للتوسع: من خلال منح المجتمع حق الحكم الموزع على الذكاء الاصطناعي، يتم معالجة مخاوف المستخدمين بشأن الصندوق الأسود للذكاء الاصطناعي، والتحيز، والسلوكيات المحتملة الخادعة.
حاليًا، لم تظهر مشاريع ذات تأثير كبير في طبقة تطبيقات Web3+AI، ولكن لديها إمكانات هائلة.
الخاتمة
لا يزال دمج Web3 + AI في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطوره. نتطلع إلى أن يخلق هذا الدمج منتجات أكثر قيمة من AI المركزية، ويتخلص من سمات "السيطرة الكبرى" و"الاحتكار"، ويحقق "الحوكمة المشتركة للذكاء الاصطناعي" بطريقة أكثر مجتمعية. من خلال المشاركة والحوكمة بشكل أعمق، قد يتمكن البشر من إحداث قدر أكبر من الإعجاب تجاه الذكاء الاصطناعي وتقليل الخوف.