الذكاء الاصطناعي + ويب 3: الأبراج والساحات

في العامين الماضيين، يبدو أن تطور الذكاء الاصطناعي قد تم الضغط على زر التسريع فيه، هذه الظاهرة التي أثارها Chatgpt لم تفتح فقط عالماً جديداً من الذكاء الاصطناعي التوليدي، بل أثارت أيضاً أمواجاً كبيرة في مجال Web3.

بدعم من مفهوم الذكاء الاصطناعي، شهدت سوق التشفير انتعاشًا ملحوظًا في التمويل. فقط في النصف الأول من عام 2024، أكمل 64 مشروعًا من مشاريع Web3 + AI تمويلًا، حيث حصل Zyber365 على تمويل قدره 100 مليون دولار في الجولة A.

السوق الثانوية أكثر ازدهارًا، حيث وصل إجمالي قيمة سوق الذكاء الاصطناعي إلى 48.5 مليار دولار، وحجم التداول خلال 24 ساعة قريب من 8.6 مليار دولار. التقدم الملحوظ في تقنيات الذكاء الاصطناعي جلب فوائد كبيرة، مثل إصدار نموذج Sora من OpenAI، حيث ارتفع متوسط سعر قطاع الذكاء الاصطناعي بنسبة 151%. تأثير الذكاء الاصطناعي أيضًا امتد إلى قطاع الميم: حيث أصبح أول مفهوم لوكيل الذكاء الاصطناعي، ميم كوين GOAT، شائعًا بسرعة، حيث بلغت قيمته 1.4 مليار دولار.

تتناول الأبحاث والمواضيع المتعلقة بـ AI+Web3 أيضًا موضوعًا ساخنًا، من AI+Depin إلى AI Memecoin ثم إلى AI Agent و AI DAO، سرعة تبديل السرد الجديد تثير الدهشة.

يجمع مفهوم AI+Web3، الذي يمتاز بالمال الساخن وأحلام المستقبل، بين الحماس الاستثماري والشراكة القسرية. من الصعب علينا أن نميز تحت هذا المظهر الفخم، هل هي احتفالات المضاربين أم هي حقًا ليلة الابتكار التكنولوجي؟

للإجابة على هذا السؤال، يكمن المفتاح في التفكير فيما إذا كان الطرفان يمكن أن يستفيدا من بعضهما البعض ويعززا بعضهما البعض. ستستعرض هذه المقالة كيف يمكن أن تلعب Web3 دورًا في جميع مراحل تقنية الذكاء الاصطناعي، وما الفرص الجديدة التي يمكن أن يجلبها الذكاء الاصطناعي لـ Web3.

! الذكاء الاصطناعي+Web3: الأبراج والساحات

فرص Web3 تحت بنية الذكاء الاصطناعي

قبل مناقشة هذا الموضوع، نحتاج إلى فهم كومة التكنولوجيا لنموذج الذكاء الاصطناعي الكبير:

1. جمع البيانات ومعالجتها مسبقًا
2. تدريب النموذج والتعديل الدقيق
3. الاستدلال والتطبيق

بالنسبة لنقاط الألم في جميع مراحل الذكاء الاصطناعي، فقد شكلت Web3 حاليًا نظامًا بيئيًا متعدد الطبقات ومرتبطًا ببعضه البعض.

الطبقة الأساسية: اقتصاد المشاركة في القوة الحاسوبية والبيانات

قوة الحوسبة

تتمثل إحدى التكاليف الكبيرة للذكاء الاصطناعي في قوة الحوسبة والطاقة المطلوبة للتدريب والاستدلال. على سبيل المثال، يتطلب LLAMA3 من Meta 16000 وحدة معالجة رسومات NVIDIA H100 تعمل لمدة 30 يومًا لإكمال التدريب، حيث يتطلب الاستثمار في الأجهزة من 4 إلى 7 مليارات دولار، ويبلغ استهلاك الطاقة الشهري حوالي 1.6 مليار كيلووات ساعة.

أبرز مجال كان يتقاطع فيه Web3 مع الذكاء الاصطناعي هو مشروع DePin لمشاركة القوة الحاسوبية. المنطق الأساسي هو: السماح للأفراد أو الكيانات التي لديها موارد GPU غير مستخدمة بالمساهمة في القوة الحاسوبية بطريقة لامركزية، من خلال سوق للباعة والمشترين مشابه لـ Uber لزيادة استخدام GPU، وتوفير قوة حاسوبية منخفضة التكلفة وفعالة للمستخدمين. وفي الوقت نفسه، يتم معاقبة الانتهاكات من خلال آلية الرهانات.

الميزات الرئيسية:

• تجميع موارد GPU غير المستغلة: مثل مراكز البيانات التابعة لجهات خارجية، وقوة التعدين غير المستغلة في العملات المشفرة، إلخ.
• السوق الطويل الذيل الموجه نحو قوة الحوسبة للذكاء الاصطناعي: أكثر ملاءمة للاستدلال بدلاً من التدريب، تلبي احتياجات الحوسبة المتوسطة والصغيرة
• الملكية اللامركزية: يحتفظ مالكو الموارد بالتحكم، ويقومون بتعديل العوائد بشكل مرن

تشمل المشاريع الممثلة io.net و Aethir و Akash و Render Network وغيرها.

بيانات

البيانات هي حجر الزاوية للذكاء الاصطناعي. تتجلى صعوبات الطلب على بيانات الذكاء الاصطناعي حالياً في:

• جوع البيانات: الحاجة إلى إدخال كميات هائلة من البيانات
• زيادة متطلبات جودة البيانات
• مسائل الخصوصية والامتثال
• تكلفة المعالجة مرتفعة

تشمل حلول Web3:

1. جمع البيانات: الحصول على بيانات المستخدمين الخاصة بتكلفة منخفضة من خلال آلية الحوافز، مثل Grass و Vana.

2. معالجة البيانات: استخدام آلية تحفيز لامركزية لتوسيم البيانات، مثل Synesis و Sapien وغيرها

3. خصوصية البيانات والأمان: استخدام تقنيات TEE و FHE و ZK لحماية البيانات الحساسة، مثل Super Protocol و BasedAI وغيرها.

4. تخزين البيانات: حل مشكلة توفر البيانات على السلسلة، مثل 0g.AI وغيرها

الوسيطة: تدريب النموذج والاستدلال

سوق النماذج مفتوحة المصدر اللامركزية

تقدم Web3 إنشاء سوق نماذج مفتوح المصدر لامركزي، حيث يتم توكين النماذج ومشاركة العوائد المستقبلية. مثل مشاريع Bittensor و ORA و Sentient.

استدلال قابل للتحقق

استخدام تقنيات مثل إثبات ZK، للتحقق من حسابات نموذج الذكاء الاصطناعي على السلسلة بدون إذن. تشمل التقنيات الرئيسية zkML و opML و TeeML.

طبقة التطبيق: وكيل الذكاء الاصطناعي

لقد انتقل التركيز الحالي في تطوير الذكاء الاصطناعي من قدرة النماذج إلى وكلاء الذكاء الاصطناعي. تشمل مساهمات Web3 في هذا الصدد:

• لامركزية: من خلال آليات مثل PoS، إنشاء آلية تحفيز وعقاب لتعزيز ديمقراطية نظام الوكيل
• بدء التشغيل البارد: يساعد مشاريع الوكلاء الذكية المحتملة في الحصول على تمويل مبكر

مثل البروتوكول الافتراضي والمشاريع الطيفية وغيرها.

تمكين الذكاء الاصطناعي لـ Web3

تأثير الذكاء الاصطناعي على Web3 واضح للغاية، ويتجلى بشكل رئيسي في:

الذكاء الصناعي والتمويل على السلسلة

1. الذكاء الاصطناعي والاقتصاد المشفر: يمكن لوكلاء الذكاء الاصطناعي تنفيذ المعاملات على السلسلة بشكل مستقل، مما يساعد في إدارة الأصول وتحسين تجربة التداول وغيرها.

2. الذكاء الاصطناعي وأمان المعاملات على السلسلة: تعزيز مراقبة المعاملات وقدرات تحليل المخاطر

الذكاء الاصطناعي والبنية التحتية على السلسلة

1. الذكاء الاصطناعي وبيانات السلسلة: تقديم أدوات تحليل بيانات أكثر ذكاءً

2. الذكاء الاصطناعي والتطوير & التدقيق: تبسيط عملية تطوير العقود الذكية، وزيادة كفاءة التدقيق

السرد الجديد للذكاء الاصطناعي وWeb3

1. NFT: حقن الإبداع في NFT التوليدي

2. GameFi: زيادة كفاءة وإبداع إنتاج محتوى الألعاب

3. DAO: دعم إدارة المجتمع واتخاذ القرار

! الذكاء الاصطناعي+Web3: الأبراج والمربعات

معنى دمج AI+Web3: الأبراج والساحات

يمكن تشبيه علاقة الذكاء الاصطناعي وWeb3 بالبرج والساحة. يمثل الذكاء الاصطناعي قدرة تقنية مركزة عالية، بينما يمثل Web3 نظام الابتكار اللامركزي.

تكمن أهمية الجمع بين الاثنين في:

• توفر Web3 من خلال اقتصاد الرموز، والحوكمة اللامركزية، آفاقاً أكثر شفافية وإنصافاً لتطوير الذكاء الاصطناعي
• الذكاء الاصطناعي يضخ حيوية جديدة في Web3، ويخفض من عتبة الاستخدام، ويجلب المزيد من إمكانيات الابتكار

على الرغم من أن الذكاء الاصطناعي وWeb3 لهما مسارات تطوير مختلفة، إلا أن الهدف النهائي لهما هو جعل التكنولوجيا تخدم البشرية بشكل أفضل. نتطلع إلى رؤية المزيد من الشرارات المدهشة التي ستتولد من تلاقي الذكاء الاصطناعي وWeb3.

! الذكاء الاصطناعي+Web3: الأبراج والمربعات