دمج Web3 و AI: بناء بنية تحتية للإنترنت من الجيل التالي

تعتبر Web3 كنموذج إنترنت جديد لامركزي ومفتوح وشفاف، لديها فرصة طبيعية للتكامل مع الذكاء الاصطناعي. في إطار الهيكل المركزي التقليدي، تكون حسابات الذكاء الاصطناعي وموارد البيانات مقيدة بشدة، مما يواجه تحديات متعددة مثل اختناق القدرة الحاسوبية، تسرب الخصوصية، وعدم الشفافية في الخوارزميات. بينما تعتمد Web3 على التكنولوجيا الموزعة، يمكنها من خلال شبكة مشاركة القدرة الحاسوبية، وسوق البيانات المفتوحة، والحسابات الخاصة، توفير动力 جديدة لتطوير الذكاء الاصطناعي. في الوقت نفسه، يمكن أن يقدم الذكاء الاصطناعي أيضًا الكثير من المساعدة لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يعزز تطوير نظامها البيئي. وبالتالي، فإن استكشاف تكامل Web3 والذكاء الاصطناعي له أهمية كبيرة في بناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.

مدعوم بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3

البيانات هي القوة الدافعة وراء تطوير الذكاء الاصطناعي، تمامًا كما هو الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة استدلال قوية. لا توفر البيانات فقط الأساس للتدريب لنماذج التعلم الآلي، بل تحدد أيضًا دقة وموثوقية النموذج.

توجد في نماذج الحصول على البيانات واستخدامها في الذكاء الاصطناعي المركزية التقليدية عدة مشاكل رئيسية:

• تكلفة الحصول على البيانات مرتفعة، والشركات الصغيرة والمتوسطة تكافح لتحملها
• الموارد البياناتية تحتكرها الشركات الكبرى في مجال التكنولوجيا، مما يؤدي إلى تكوين جزر بيانات.
• تتعرض خصوصية البيانات الشخصية لمخاطر التسرب وسوء الاستخدام

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

• من خلال أسلوب لامركزي لجمع بيانات الشبكة، وبعد التنظيف والتحويل، يتم توفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي
• اعتماد نموذج "label to earn"، من خلال تحفيز العاملين في جميع أنحاء العالم عبر الرموز للمشاركة في توضيح البيانات، وجمع المعرفة المهنية العالمية، وتعزيز قدرة تحليل البيانات.
• توفر منصة تداول بيانات البلوكشين بيئة تداول علنية وشفافة للطرفين المعنيين بالعرض والطلب على البيانات، مما يحفز الابتكار ومشاركة البيانات.

ومع ذلك، لا تزال هناك بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل تفاوت جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية هي النقطة البارزة في مسار بيانات Web3 في المستقبل. استنادًا إلى تقنيات الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، كتكملة فعالة للبيانات الحقيقية، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية بالفعل إمكانيات تطبيق ناضجة.

حماية الخصوصية: دور FHE في Web3

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس القوانين مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي الحرص الشديد على الخصوصية الشخصية. ومع ذلك، فإن ذلك قد جلب تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بالكامل بسبب مخاطر الخصوصية، مما يحد بلا شك من إمكانيات نماذج الذكاء الاصطناعي وقدرتها على الاستدلال.

FHE هو التشفير بالكامل المتجانس، الذي يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، والنتيجة الحسابية تتطابق مع نتيجة إجراء نفس العمليات الحسابية على البيانات النصية.

يوفر FHE حماية قوية للحوسبة الخاصة بالذكاء الاصطناعي، مما يسمح لقوة معالجة GPU بتنفيذ مهام تدريب النماذج والاستدلال في بيئة لا تلمس البيانات الأصلية. وهذا يوفر مزايا هائلة لشركات الذكاء الاصطناعي. يمكنهم فتح خدمات API بأمان مع حماية الأسرار التجارية.

يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة تعلم الآلة، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات ويقدم إطار عمل آمن للحوسبة لتطبيقات الذكاء الاصطناعي.

FHEML هو تكملة لـ ZKML، حيث تثبت ZKML التنفيذ الصحيح لتعلم الآلة، بينما يؤكد FHEML على إجراء الحسابات على البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة الحوسبة: الحوسبة بالذكاء الاصطناعي في الشبكات اللامركزية

تتضاعف تعقيدات الحسابات في أنظمة الذكاء الاصطناعي الحالية كل ثلاثة أشهر، مما يؤدي إلى زيادة هائلة في الطلب على القدرة الحاسوبية، والتي تفوق بكثير عرض الموارد الحاسوبية الحالية. على سبيل المثال، يتطلب تدريب نموذج لغوي كبير قدرًا هائلًا من القدرة الحاسوبية، يعادل 355 عامًا من وقت التدريب على جهاز واحد. هذه النقص في القدرة الحاسوبية لا يقتصر فقط على تقييد تقدم تقنيات الذكاء الاصطناعي، بل يجعل تلك النماذج المتقدمة بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.

في الوقت نفسه، لم تتجاوز نسبة استخدام وحدات معالجة الرسوميات العالمية 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناتج عن عوامل سلسلة التوريد والجغرافيا السياسية، مما جعل مشكلة إمدادات القوة الحاسوبية أكثر حدة. يجد العاملون في مجال الذكاء الاصطناعي أنفسهم في موقف حرج: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم في حاجة ماسة إلى طريقة خدمات حسابية فعالة من حيث التكلفة حسب الطلب.

تقوم شبكة قوة الحوسبة اللامركزية للذكاء الاصطناعي من خلال تجميع موارد GPU غير المستخدمة على نطاق عالمي، بتوفير سوق قوة حوسبة اقتصادي وسهل الوصول للشركات العاملة في مجال الذكاء الاصطناعي. يمكن لجهات طلب قوة الحوسبة نشر مهام حسابية على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد التعدين التي تساهم بقوة الحوسبة، ويقوم عمال المناجم بتنفيذ المهام وتقديم النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. هذه الخطة تعزز كفاءة استخدام الموارد وتساعد في حل مشاكل اختناق قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.

بالإضافة إلى الشبكات العامة للقوة الحاسوبية اللامركزية، هناك أيضًا شبكات مخصصة للقوة الحاسوبية تركز على تدريب الذكاء الاصطناعي واستنتاجه.

شبكة الحوسبة اللامركزية توفر سوق حوسبة عادل وشفاف، تكسر الاحتكار، وتخفض عتبة الدخول للتطبيقات، مما يزيد من كفاءة استخدام الحوسبة. في نظام الإيكولوجيا web3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، وتجذب المزيد من التطبيقات المبتكرة (dapp) للانضمام، لدفع تطوير وتطبيق تقنيات الذكاء الاصطناعي معًا.

DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة

تخيل أن هاتفك المحمول، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك، تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية Edge AI. إنها تجعل الحساب يحدث في مصدر إنتاج البيانات، مما يحقق تأخيراً منخفضاً ومعالجة في الوقت الحقيقي، بينما تحمي خصوصية المستخدمين، وقد تم تطبيق تقنية Edge AI في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3، لدينا اسم أكثر ألفة - DePIN. يركز Web3 على اللامركزية وسيادة بيانات المستخدم، حيث يمكن أن يعزز DePIN حماية خصوصية المستخدم من خلال معالجة البيانات محليًا، مما يقلل من مخاطر تسرب البيانات؛ يمكن لآلية الاقتصاد الرمزي الأصلية في Web3 تحفيز عقد DePIN على توفير موارد الحوسبة، وبناء نظام بيئي مستدام.

تتطور DePIN حاليًا بسرعة في بعض بيئات سلاسل الكتل العامة، حيث أصبحت واحدة من المنصات المفضلة لنشر المشاريع. توفر TPS العالية، وانخفاض تكاليف المعاملات، والابتكار التكنولوجي دعمًا قويًا لمشاريع DePIN. حاليًا، تجاوزت القيمة السوقية لبعض مشاريع DePIN على سلاسل الكتل العامة 10 مليارات دولار، وقد حققت العديد من المشاريع المعروفة تقدمًا ملحوظًا.

IMO: نموذج AI إصدار نمط جديد

تم اقتراح مفهوم IMO من قبل بروتوكول معين، والذي يقوم بتوكني نموذج الذكاء الاصطناعي.

في النموذج التقليدي، بسبب عدم وجود آلية لمشاركة العائدات، بمجرد تطوير نموذج الذكاء الاصطناعي وإطلاقه في السوق، غالبًا ما يكون من الصعب على المطورين الحصول على عائدات مستمرة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع استخدامه، ناهيك عن الحصول على عائدات منه. بالإضافة إلى ذلك، غالبًا ما تفتقر أداء نموذج الذكاء الاصطناعي ونتائجه إلى الشفافية، مما يجعل من الصعب على المستثمرين المحتملين والمستخدمين تقييم قيمته الحقيقية، مما يحد من اعتراف السوق بالنموذج وإمكاناته التجارية.

يوفر IMO طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي المفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO لمشاركة العوائد الناتجة عن النموذج في المستقبل. تستخدم بروتوكول معين معيار ERC محدد، بالاشتراك مع تقنية AI Oracle و OPML لضمان صحة نموذج الذكاء الاصطناعي وتمكين حاملي الرموز من مشاركة العوائد.

تعزز نموذج IMO الشفافية والثقة، وتدعم التعاون مفتوح المصدر، وتتأقلم مع اتجاهات سوق العملات المشفرة، وتضخ طاقة في التنمية المستدامة لتقنية الذكاء الاصطناعي. لا يزال نموذج IMO في مرحلة التجربة الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاريته وقيمته المحتملة تستحق توقعاتنا.

وكيل الذكاء الاصطناعي: عصر جديد من تجارب التفاعل

يمكن لوكيل الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، يمكن لوكيل الذكاء الاصطناعي ليس فقط فهم اللغة الطبيعية، ولكن أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كمدرب افتراضي، من خلال التفاعل مع المستخدمين وتعلم تفضيلاتهم، وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي أيضًا حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.

توفر منصة تطبيقات أصلية مدعومة بالذكاء الاصطناعي مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوتات، المظهر، الصوت، بالإضافة إلى ربط قواعد المعرفة الخارجية، وتهدف إلى بناء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي، من خلال استخدام تقنيات الذكاء الاصطناعي التوليدية، وتمكين الأفراد ليصبحوا مبدعين خارقين. قامت هذه المنصة بتدريب نموذج لغة كبير مخصص، مما يجعل تجربة الأدوار أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات الذكية، وتقليل تكلفة توليد الصوت بنسبة 99%، ويمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكيل الذكاء الاصطناعي المخصص على هذه المنصة، يمكن تطبيقه الآن في مجالات متعددة مثل الدردشة بالفيديو، تعلم اللغات، وتوليد الصور.

في دمج Web3 و AI، يتم حاليا استكشاف المزيد من الطبقة الأساسية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال للقدرة الحاسوبية اللامركزية، وكيفية التحقق من نماذج اللغة الكبيرة، وغيرها من القضايا الرئيسية. مع التحسين التدريجي لهذه البنية التحتية، لدينا ما يبرر الاعتقاد بأن دمج Web3 و AI سيولد مجموعة من نماذج الأعمال والخدمات المبتكرة.