jakiro
عندما ألقى هوانغ رينكسون خطابًا في WGS في دبي ، اقترح كلمة “AI الاجتماعية”.لذلك ، ما هي الذكاء الاصطناعي السيادي الذي يمكن أن تلبي مصالح ومطالب مجتمع التشفير؟
ربما يجب بناؤها في شكل web3+ai.
في مقالة “وعود وتحديات تطبيقات Crypto + AI” ، يتحدث Vitalik عن التآزر بين الذكاء الاصطناعي والتشفير: يفضي إلى تخزين البيانات وتتبعها.يعمل هذا التعاون عبر مشهد الصناعة بأكمله لـ Web3+AI.
تستخدم معظم مشاريع Web3 + AI تقنية blockchain لحل مشاكل بناء مشاريع البنية التحتية في صناعة الذكاء الاصطناعي ، ويستخدم عدد قليل من المشاريع الذكاء الاصطناعي لحل بعض المشكلات في تطبيقات Web3.
مشهد صناعة Web3 + AI تقريبًا على النحو التالي:
إنتاج وسير العمل من الذكاء الاصطناعى على النحو التالي:
في هذه الروابط ، ينعكس مزيج Web3 و AI بشكل أساسي في أربعة جوانب:
1. طبقة طاقة الحوسبة: أصول الطاقة الحاسوبية
في العامين الماضيين ، زادت قوة الحوسبة المستخدمة لتدريب نماذج الذكاء الاصطناعي بشكل كبير ، وتضاعف بشكل أساسي كل ربع ، وتنمو بعنف بمعدل يتجاوز بكثير قانون مور.وقد أدى هذا الموقف إلى اختلال التوازن طويل الأجل في العرض والطلب على قوة الحوسبة الذكاء الاصطناعى ، وارتفعت أسعار الأجهزة مثل وحدات معالجة الرسومات بسرعة ، مما زاد بدوره من تكلفة الطاقة الحاسوبية.
ولكن في الوقت نفسه ، هناك أيضًا عدد كبير من أجهزة طاقة الحوسبة المتوسطة والمنخفضة في السوق ، وقد لا تلبي قوة الحوسبة المفردة لهذا الجزء من الأجهزة المتوسطة والمنخفضة الاحتياجات ذات الأداء العالي .ومع ذلك ، إذا تم تصميم شبكة طاقة حوسبة موزعة من خلال Web3 ، ويمكن بناء شبكة موارد الحوسبة اللامركزية من خلال تأجير الطاقة ومشاركتها ، لا يزال بإمكانها تلبية العديد من احتياجات تطبيق AI.نظرًا لأنه يستخدم طاقة الحوسبة الخاملة الموزعة ، يمكن تقليل تكلفة قوة الحوسبة الذكاء الاصطناعي بشكل كبير.
يتضمن تجزئة طبقة طاقة الحوسبة:
-
قوة الحوسبة اللامركزية العامة (مثل Arkash ، io.net ، إلخ) ؛
-
قوة الحوسبة اللامركزية المستخدمة في تدريب الذكاء الاصطناعي (مثل Gensyn ، Flock.io ، إلخ) ؛
-
قوة الحوسبة اللامركزية المستخدمة لاستدلال الذكاء الاصطناعى (مثل fetch.ai ، الزائد ، إلخ) ؛
-
قوة الحوسبة اللامركزية لتقديم ثلاثي الأبعاد (مثل شبكة التجسيد ، إلخ).
الميزة الأساسية لأصل الحوسبة في Web3+AI هي مشاريع الطاقة اللامركزية. قوة الحوسبة.
2. طبقة البيانات: أصول البيانات
البيانات هي زيت ودم الذكاء الاصطناعي.إذا لم تكن تعتمد على Web3 ، فإن الشركات العملاقة فقط لديها كمية كبيرة من بيانات المستخدم.من خلال Web3+AI ، يمكن أن تكون عمليات مثل جمع البيانات ، وشروح البيانات ، وتخزين البيانات الموزعة أرخص وأكثر شفافية وأكثر فائدة للمستخدمين.
يعد جمع البيانات عالية الجودة شرطًا أساسيًا للتدريب على نموذج الذكاء الاصطناعي.
وفقًا لغرض المشروع ، تتضمن مشاريع البيانات بشكل أساسي الفئات التالية:
-
مشاريع جمع البيانات (مثل العشب ، إلخ) ؛
-
مشاريع معاملات البيانات (مثل بروتوكول المحيط ، وما إلى ذلك) ؛
-
عناصر شرح البيانات (مثل تايوان ، ألايا ، إلخ) ؛
-
مشاريع مصدر بيانات blockchain (مثل التوابل الذكاء الاصطناعي ، والفضاء والوقت ، وما إلى ذلك) ؛
-
مشاريع التخزين اللامركزية (مثل pilecoin ، arweave ، إلخ).
تعتبر مشاريع Data Web3+AI أكثر تحديًا في عملية تصميم النموذج الاقتصادي الرمزي ، لأن البيانات أكثر صعوبة في توحيد الطاقة.
3. طبقة النظام الأساسي: أصول قيمة النظام الأساسي
سيتم قياس معظم مشاريع المنصات مع المعانقة الوجه ، مع التركيز على دمج الموارد المختلفة في صناعة الذكاء الاصطناعي.إنشاء منصة لتجميع الروابط لمختلف الموارد والأدوار مثل البيانات ، وطاقة الحوسبة ، والنماذج ، ومطوري الذكاء الاصطناعي ، و blockchain ، وما إلى ذلك ، وحل الاحتياجات المختلفة بشكل أكثر ملاءمة مع المنصة كمركز.على سبيل المثال ، تركز Giza على بناء منصة تشغيل شاملة لـ ZKML ، تهدف إلى جعل استنتاج التعلم الآلي جديرًا بالثقة وشفافًا ، لأن البيانات والمربعات السوداء النموذجية هي مشكلات شائعة في الذكاء الاصطناعي ، ويتم تبني كلمات المرور مثل ZK و FHE من خلال Web3 يتم استدعاؤها من قبل الصناعة عاجلاً أم آجلاً إذا تم تنفيذ سبب النموذج بشكل صحيح بالفعل.
هناك أيضًا Layer1/Layer2 التي تركز على الذكاء الاصطناعي ، مثل Nurobblocks ، Janction ، إلخ.تتمثل السرد الأساسي في توصيل مختلف طاقة الحوسبة والبيانات والنماذج ومطوري الذكاء الاصطناعي والموارد الأخرى ، والمساعدة في تطبيقات Web3+AI لتحقيق البناء والتطوير السريع من خلال التغليف العام و SDKs العامة.
هناك أيضًا منصات تشبه شبكة الوكلاء ، استنادًا إلى هذا النوع من المنصات ، يمكن بناء وكلاء الذكاء الاصطناعى لمختلف سيناريوهات التطبيق ، مثل OLAS ، ChainML ، إلخ.
تستخدم مشاريع Web3+AI المستندة إلى النظام الأساسي الرموز المميزة لالتقاط قيمة النظام الأساسي وتشجيع جميع المشاركين على بناء مشترك.من المفيد لعملية بدء المشاريع من 0-1 ، والتي يمكن أن تقلل من صعوبة أطراف المشروع في العثور على شركاء مثل قوة الحوسبة ، والبيانات ، ومجتمعات مطور الذكاء الاصطناعي ، والعقد ، إلخ.
4. طبقة التطبيق: AI قيمة الأصل
تستخدم معظم مشاريع البنية التحتية السابقة تقنية blockchain لحل مشكلة بناء مشروع البنية التحتية في صناعة الذكاء الاصطناعي.تستخدم مشاريع طبقة التطبيق الذكاء الاصطناعي لحل المشكلات في تطبيقات Web3.
على سبيل المثال ، ذكرت Vitalik اتجاهين في المقالة ، والتي أعتقد أنها ذات مغزى للغاية.
أولاً ، الذكاء الاصطناعي هو مشارك Web3.على سبيل المثال: في ألعاب Web3 ، يمكن أن تكون منظمة العفو الدولية لاعبًا ، والتي يمكن أن تفهم بسرعة قواعد اللعبة وإكمال مهام اللعبة بشكل أكثر كفاءة ؛ السوق) ، يمكن أن يقبل وكيل الذكاء الاصطناعى على نطاق واسع كمية كبيرة من البيانات وقواعد المعرفة والمعلومات ، وتدريب القدرات التحليلية والتنبؤية لنماذجه ، وتزويدهم بالمستخدمين بطرق مثمرة لمساعدة المستخدمين على التنبؤ بأحداث محددة من خلال التفكير النموذجي ، مثل الرياضة الأحداث ، الانتخابات الرئاسية ، وما إلى ذلك.
والثاني هو إنشاء AI الخاص القابل للتطوير.نظرًا لأن العديد من المستخدمين يشعرون بالقلق بشأن مشكلة الصندوق الأسود في الذكاء الاصطناعي ، أو القلق بشأن تحيز النظام ، أو القلق بشأن بعض dapps التي تخدع المستخدمين من خلال تقنية الذكاء الاصطناعى لكسب المال.في الأساس ، لأن المستخدمين ليس لديهم مراجعة أذونات وأذونات الحوكمة لعملية التدريب والاستدلال على نموذج الذكاء الاصطناعي.ومع ذلك ، إذا قمت بإنشاء Web3 AI ، مثل مشروع Web3 ، فقد قام المجتمع بتوزيع حقوق الحوكمة على هذا الذكاء الاصطناعي ، فقد يتم قبوله بسهولة أكبر.
حتى الآن ، لم يكن هناك مشروع حصان أبيض مع سقف مرتفع في طبقة تطبيق Web3+AI.
لخص
لا تزال Web3 + AI في أيامها الأولى ، ولديها آراء مختلفة حول آفاق تطوير هذا المسار ، وسنستمر في الانتباه إلى هذا المسار.نأمل أن يتمكن مزيج من Web3 و AI من إنشاء منتجات أكثر قيمة من AI المركزية ، مما يسمح لـ AI بالتخلص من ملصقات “التحكم العملاق” و “الاحتكار” و “الحكون المشترك لمنظمة العفو الدولية” في مجتمع أكثر-مجتمعًا- طريقة على أساس.ربما في عملية المشاركة والحوكمة الدقيقة ، سيكون لدى البشر المزيد من “الرهبة” وأقل “خوفًا” حول الذكاء الاصطناعي.
