IOSG |.

للوهلة الأولى ، يبدو أن AI X Web3 تقنيات مستقلة ، كل منها يعتمد على مبادئ مختلفة بشكل أساسي ويخدم وظائف مختلفة.ومع ذلك ، كشفت المناقشات المتعمقة أن هاتين التقنيتين لديهما فرصة لتحقيق التوازن بين مفاضلات بعضهما البعض ، وأن مزاياها الفريدة يمكن أن تكمل بعضها البعض وتحسين بعضها البعض.قام Balaji Srinivasan بتوضيح مفهوم هذه القدرة التكميلية في مؤتمر Superai ، مما يلهم مقارنة مفصلة لكيفية تفاعل هذه التقنيات.

يتبنى الرمز النهج من القاعدة إلى القمة ، الخروج من الجهود اللامركزية التي بذلها Cyberpunk المجهول ، وتطور على مدى عقد من الزمان من خلال الجهود التعاونية للعديد من الكيانات المستقلة في جميع أنحاء العالم.بدلاً من ذلك ، تم تطوير الذكاء الاصطناعي من خلال نهج من أعلى إلى أسفل ويهيمن عليه حفنة من عمالقة التكنولوجيا.تحدد هذه الشركات وتيرة وديناميات الصناعة ، ويتم تحديد عتبة الدخول أكثر من شدة الموارد من التعقيد الفني.

هاتان التقنيتان أيضا الطبيعة المختلفة تماما.في الأساس ، الرمز المميز هو نظام حتمي ينتج نتائج غير قابلة للتغيير مثل القدرة على التنبؤ بوظيفة التجزئة أو إثبات المعرفة الصفرية.هذا في تناقض حاد مع احتمال عدم القدرة على التنبؤ بالذكاء الاصطناعي.

وبالمثل ، تقنية التشفيرجانب التحققأداء ممتاز ، ضمان صحة وأمن المعاملات ، والبناءغير موثوقالعمليات والأنظمة ، بينما تركز الذكاء الاصطناعي علىيولد، إنشاء محتوى رقمي غني.ومع ذلك ، أصبح ضمان مصادر المحتوى ومنع سرقات الهوية تحديًا في خلق ثراء رقمي.

لحسن الحظ ، يوفر الرمز المميز مفاهيم معارضة غنية رقميًا –الندرة الرقمية.إنه يوفر أدوات ناضجة نسبيًا يمكن تعميمها على تقنيات الذكاء الاصطناعي لضمان موثوقية مصادر المحتوى وتجنب مشكلات سرقة الهوية.

تتمثل ميزة كبيرة في الرمز المميز في جذب كمية كبيرة من الأجهزة ورأس المال في شبكة التنسيق لخدمة أهداف محددة.هذه القدرة مفيدة بشكل خاص للذكاء الاصطناعي الذي يستهلك الكثير من قوة الحوسبة.يمكن أن يؤدي تعبئة الموارد غير المستقرة لتوفير قوة حوسبة أرخص إلى تحسين كفاءة الذكاء الاصطناعي بشكل كبير.

بمقارنة هاتين التقنيتين ، لا يمكننا فقط تقدير مساهمات كل منهما ، ولكن أيضًا نرى كيف يمكنهم إنشاء مسارات جديدة للتكنولوجيا والاقتصاد.يمكن أن تعوض كل تقنية أوجه القصور في تقنية أخرى وتخلق مستقبلًا أكثر تكاملاً وابتكارًا.في منشور المدونة هذا ، نهدف إلى استكشاف خريطة صناعة AI X Web3 الناشئة ، مع التركيز على بعض القطاعات الناشئة عند تقاطع هذه التقنيات.

المصدر: مشاريع IOSG

2.1 شبكة الحوسبة

تقدم خريطة الصناعة أولاً شبكات الحوسبة التي تحاول حل مشكلة توفير GPU المقيدة ومحاولة تقليل تكاليف الحوسبة بطرق مختلفة.العناصر التالية تستحق الاهتمام بـ:

• قابلية التشغيل البيني غير المصححة GPU: هذه محاولة طموحة للغاية ، مع مخاطر تقنية عالية وشكوك ، ولكن إذا نجحت ، فسيكون من الممكن إنشاء نتائج من الحجم والتأثير ، مما يجعل جميع موارد الحوسبة قابلة للتبديل.في الأساس ، تتمثل الفكرة في بناء المترجمين وغيرهم من المتطلبات المسبقة بحيث يمكن إدراج أي مورد للأجهزة على جانب العرض ، بينما على جانب الطلب ، سيتم استخلاص جميع الأجهزة تمامًا بحيث يمكن توجيه طلبات الحوسبة الخاصة بك إلى الشبكة أي مورد في.إذا نجحت هذه الرؤية ، فستقلل من الاعتماد الحالي على برنامج CUDA الذي يهيمن عليه مطورو الذكاء الاصطناعى.على الرغم من المخاطر التقنية العالية ، فإن العديد من الخبراء متشككين للغاية في جدوى هذا النهج.

• تجميع GPU عالية الأداء: دمج وحدات معالجة الرسومات الأكثر شعبية في العالم في شبكة موزعة وغير مصرح بها دون القلق بشأن قابلية التشغيل البيني بين موارد GPU غير المصححة.

• تجميع وحدة معالجة الرسومات على مستوى المستهلك للسلع: أشر إلى تجميع بعض وحدات معالجة الرسومات التي تكون أقل أداءًا ولكنها قد تكون متوفرة في أجهزة المستهلكين التي هي أكثر الموارد غير المستغلة على جانب العرض.إنه يلبي أولئك الذين يرغبون في التضحية بالأداء والسرعة لعمليات تدريب أطول وأطول.

2.2 التدريب والتفكير

تستخدم الشبكات الحسابية بشكل أساسي لوظيفة رئيسية: التدريب والاستدلال.يأتي الطلب على هذه الشبكات من مشاريع Web 2.0 و Web 3.0.في عالم الويب 3.0 ، تستخدم مشاريع مثل Bittensor موارد الحوسبة لضبط النموذج.من حيث التفكير ، يؤكد مشروع الويب 3.0 على التحقق من العملية.لقد ولدت هذا التركيز التفكير الذي يمكن التحقق منه باعتباره رأسيًا في السوق ، وتستكشف المشروعات كيفية دمج التفكير الذكي في العقود الذكية مع الحفاظ على مبدأ اللامركزية.

2.3 منصة الوكيل الذكية

التاليمنصة الوكيل الذكية، تحدد الخريطة المشكلات الأساسية التي تحتاجها الشركات الناشئة في هذه الفئة إلى حلها:

• قابلية التشغيل المتداخل والاكتشاف والاتصالات: يمكن للوكلاء اكتشاف والتواصل مع بعضهم البعض.

• إمكانيات البناء والإدارة عن كتلة العوامل: يمكن للوكلاء تشكيل مجموعات وإدارة وكلاء آخرين.

• ملكية وتسويق وكلاء الذكاء الاصطناعى: توفير الملكية والسوق لوكلاء الذكاء الاصطناعى.

تؤكد هذه الميزات على أهمية الأنظمة المرنة والمعيارية التي يمكن دمجها بسلاسة في مجموعة متنوعة من تطبيقات blockchain والذكاء الاصطناعي.لدى وكلاء الذكاء الاصطناعى القدرة على إحداث ثورة في الطريقة التي نتفاعل بها مع الإنترنت ، ونعتقد أن الوكلاء سوف يستفيدون من البنية التحتية لدعم عملياتهم.نتصور أن وكلاء الذكاء الاصطناعي يعتمدون على البنية التحتية في الجوانب التالية:

• الوصول إلى بيانات الشبكة في الوقت الفعلي باستخدام شبكات الزحف الموزعة

• استخدم قنوات Defi لجعل الدفع بين العوامل

• إن الحاجة إلى إيداع اقتصادي ليس للعقاب فقط عند حدوث سوء السلوك ، ولكن أيضًا لتحسين قابلية اكتشاف الوكيل (أي استخدام الإيداع كإشارة اقتصادية أثناء عملية الاكتشاف)

• يستخدمإجماعحدد الأحداث التي يجب أن تؤدي إلى تخفيضات

• يفتحقابلية التشغيل البينيالأطر القياسية والوكالة لدعم البناءCombinable الجماعية

• وفقتاريخ البيانات غير القابل للتغييرلتقييم الأداء السابق واختيار الوكيل المناسب الجماعي في الوقت الحقيقي

المصدر: مشاريع IOSG

2.4 طبقة البيانات

في تقارب AI X Web3 ، تعد البيانات مكونًا أساسيًا.البيانات هي أصول استراتيجية في منافسة الذكاء الاصطناعي وتشكل موردًا رئيسيًا مع موارد الحوسبة.ومع ذلك ، غالبًا ما يتم تجاهل هذه الفئة لأن معظم انتباه الصناعة يركز على مستوى الحوسبة.في الواقع ، توفر البدائية العديد من اتجاهات القيمة المثيرة للاهتمام في عملية الحصول على البيانات ، بما في ذلك الاتجاهين التاليين على مستوى رفيعي المستوى:

• وصولبيانات الإنترنت العامة

• وصولالبيانات المحمية

الوصول إلى بيانات الإنترنت العامة: يهدف هذا الاتجاه إلى إنشاء شبكة زاحف موزعة يمكنها الزحف عبر الإنترنت بأكمله في غضون أيام قليلة ، أو الحصول على مجموعات بيانات ضخمة ، أو الوصول إلى بيانات الإنترنت المحددة للغاية في الوقت الفعلي.ومع ذلك ، للزحف إلى عدد كبير من مجموعات البيانات على الإنترنت ، يكون الطلب على الشبكة مرتفعًا للغاية ، ويحتاج بضع مئات على الأقل إلى بدء بعض العمل ذي معنى.لحسن الحظ ، تمتلك Grass ، وهي شبكة عقدة الزاحف الموزعة ، أكثر من مليوني عقد تشارك النطاق الترددي عبر الإنترنت بنشاط إلى الشبكة ، بهدف تزحف الإنترنت بأكمله.هذا يدل على إمكانات كبيرة للحوافز الاقتصادية في جذب موارد قيمة.

على الرغم من أن Grass يوفر حقلًا متكافئًا في البيانات العامة ، إلا أنه لا تزال هناك مشكلة في الاستفادة من البيانات المحتملة – أي الوصول إلى مجموعات البيانات الخاصة.على وجه التحديد ، لا يزال هناك كمية كبيرة من البيانات التي يتم الاحتفاظ بها بطريقة محمية للخصوصية بسبب طبيعتها الحساسة.تقوم العديد من الشركات الناشئة بالاستفادة من أدوات التشفير التي تمكن مطوري الذكاء الاصطناعى من بناء وضبط نماذج لغة كبيرة باستخدام هياكل البيانات الأساسية لمجموعات البيانات الخاصة مع الحفاظ على المعلومات الحساسة.

التعلم الفدرالي ، والخصوصية التفاضلية ، وبيئة التنفيذ الموثوقة ، والتشكيل التماثل الكامل والحوسبة متعددة الأحزاب ، إلخ.توفر التكنولوجيا مستويات مختلفة من حماية الخصوصية والمقايضات.تلخص مقالة أبحاث Bagel (https://blog.bagel.net/p/with-data-comes- great-sponbibility-d67) نظرة عامة ممتازة على هذه التقنيات.لا تحمي هذه التقنيات خصوصية البيانات فقط أثناء التعلم الآلي ، ولكن أيضًا تتيح حلول الحماية الشاملة للحماية من الخصوصية على مستوى الحوسبة.

2.5 مصادر البيانات ومصادر النماذج

تم تصميم تقنية مصدر البيانات ومصدر النماذج لإنشاء عمليات يمكن أن تؤكد للمستخدمين أنهم يتفاعلون مع النماذج والبيانات المتوقعة.بالإضافة إلى ذلك ، توفر هذه التقنيات تأكيدات الأصالة والمصدر.أخذ تقنية العلامات المائية على سبيل المثال ، تعد العلامة المائية واحدة من تقنيات مصدر النموذج ، والتي تدمج التواقيع مباشرة في خوارزميات التعلم الآلي ، وبشكل أكثر تحديداً في أوزان النموذج ، بحيث يمكن أن تتحقق مما إذا كان المنطق يأتي من النموذج المتوقع.

2.6 التطبيق

من حيث التطبيق ، فإن إمكانيات التصميم لا حصر لها.في خريطة الصناعة أعلاه ، ندرج بعض حالات التطوير المثيرة بشكل خاص مع تطبيق تقنية الذكاء الاصطناعى في حقل الويب 3.0.نظرًا لأن معظم حالات الاستخدام هذه موصوفة ذاتيًا ، فلن نعلق على هذا.ومع ذلك ، تجدر الإشارة إلى أن تقاطع الذكاء الاصطناعى و Web 3.0 لديه القدرة على إعادة تشكيل العديد من العموديات في هذا المجال ، حيث توفر هذه البدائية الجديدة للمطورين المزيد من الحرية لخلق حالات استخدام مبتكرة وتحسين الحرية الحالية.

لخص

إن تقارب AI X Web3 يجلب آفاقًا مليئة بالابتكار والإمكانات.من خلال الاستفادة من المزايا الفريدة لكل تقنية ، يمكننا حل التحديات المختلفة وفتح مسارات تكنولوجية جديدة.بينما نستكشف هذه الصناعة الناشئة ، يمكن للتآزر بين AI X Web3 أن يحقق التقدم ، وإعادة تشكيل تجاربنا الرقمية المستقبلية وكيفية تفاعلنا على الويب.

إن دمج الندرة الرقمية والثراء الرقمي ، وتعبئة الموارد غير المستغلة لتحقيق كفاءة الحوسبة ، وإنشاء ممارسات البيانات من أجل حماية الأمان والخصوصية سيحدد عصر تطور الجيل القادم من التكنولوجيا.

ومع ذلك ، يجب أن ندرك أن هذه الصناعة لا تزال في مهدها وأن المشهد الحالي للصناعة قد يصبح قديمًا في فترة زمنية قصيرة.تعني الوتيرة السريعة للابتكار أن الحلول المتطورة اليوم قد يتم استبدالها قريبًا باختراقات جديدة.ومع ذلك ، فإن المفاهيم الأساسية التي تم استكشافها – مثل شبكات الحوسبة ، ومنصات الوكيل وبروتوكولات البيانات – تبرز الإمكانية الهائلة المتمثلة في تقارب الذكاء الاصطناعي مع Web 3.0.