انعكاس الذكرى السنوية ChatGpt: AIGC Bottlenecks و Web3 فرص

المؤلف: أكاديمية Gryphsis المصدر: متوسطة الترجمة: شان أوبا ، رؤية Baitchain

ملخص:

1. بحلول نهاية عام 2022 ، ستجذب التطبيقات التجارية للمنظمة العفوبية التوليدية العالم ، ولكن مع تلاشي النضارة ، تظهر بعض المشكلات الحالية مع الذكاء الاصطناعى التوليدي.يستخدم حقل Web3 الناضج بشكل متزايد الشفافية والتحقق والطبيعة اللامركزية لـ blockchain لتوفير منظور جديد لمعالجة مشكلات الذكاء الاصطناعي هذه.

2. الذكاء الاصطناعي التوليدي هي تقنية ناشئة في السنوات الأخيرة ، استنادًا إلى إطار الشبكة العصبية التعليمية العميقة.أظهر تطبيقه في نماذج توليد الصور ونماذج لغة ChatGPT إمكانات تجارية رائعة.

3. في Web3 ، تتضمن الهندسة المعمارية التي تنفذ الذكاء الاصطناعي البنية التحتية والنماذج والتطبيقات والبيانات.تعد مكونات البيانات ، خاصة عند الاندماج مع Web3 ، حاسمة ولها إمكانات نمو كبيرة.تجدر الإشارة إلى أن نماذج البيانات القائمة على blockchain ومشاريع وكالة الذكاء الاصطناعي والتطبيق في المجالات المهنية قد تصبح مجالات رئيسية للتنمية المستقبلية.

4. يحتوي بروتوكول Web3 AI في السوق حاليًا على أوجه القصور في الأساسيات ولديه قدرة محدودة على الحصول على قيمة رمزية.نتطلع إلى اتجاهات جديدة في الاقتصاد الرمزي في المستقبل.

5. تتمتع AI Generative بإمكانات كبيرة في مساحة Web3 ، ومن المتوقع أن يؤدي دمجها مع تقنيات البرامج والأجهزة الأخرى إلى التطورات المستقبلية المثيرة.

1. لماذا تحتاج AI و Web3 التوليدي إلى بعضهما البعض؟

2022 هو مستجمعات المياه للذكاء الاصطناعي التوليدي ، قبل ذلك ، كان الذكاء الاصطناعي التوليدي أداة مساعدة للمهنيين.لقد تغير هذا بشكل كبير مع ظهور Dall-E 2 ، الانتشار المستقر ، Imagen و Midjourney.دفعت هذه التقنيات محتوى الذكاء الاصطناعي الذي تم إنشاؤه (AIGC) إلى طليعة الاتجاهات التكنولوجية ، مما أدى إلى ازدهار المحتوى الشهير على وسائل التواصل الاجتماعي.تم إصدار ChatGPT بعد فترة وجيزة من تغيير اللعبة ودفعت الاتجاه إلى ذروته.

كأداة AI الأولى للإجابة على كل سؤال تقريبًا بمطالبة نصية بسيطة ، سرعان ما أصبح ChatGPT مساعد عمل يوميًا لكثير من الناس.يمكنه التعامل مع العديد من المهام مثل كتابة المستندات ، والدروس المنزلية ، ومساعدة البريد الإلكتروني ، وتحرير الورق ، وحتى الاستشارة العاطفية ، والتي أثارت مناقشة ساخنة عبر الإنترنت حول نتائج التحسين من خلال “المطالبات السحرية” ، مما يسمح للناس بالشعور حقًا بـ “ذكاء” الذكاء الاصطناعي.

يمكن أن تعزز الذكاء الاصطناعي الناتج عن نمو إنتاجية الولايات المتحدة ، مما قد يقود الناتج المحلي الإجمالي العالمي (أو ما يقرب من 7 تريليونات دولار) بنسبة 7 ٪ في عقد من الزمان ويعزز نمو الإنتاجية بمقدار 1.5 نقطة ، وفقًا لتقرير صادر عن فريق Goldman Sachs Macro.

شعر حقل Web3 أيضًا بالتأثير الإيجابي لـ AIGC (محتوى الذكاء الاصطناعي الذي تم إنشاؤه).في يناير 2023 ، ارتفع قطاع AI في Web3 في جميع المجالات.

ومع ذلك ، مع بدء الإثارة الأولية في التلاشي ، شهدت حركة المرور العالمية لـ Chatgpt انخفاضها الأول منذ إطلاقها في يونيو 2023 (بيانات من Sametimeweb).يمثل هذا الركود فرصة في الوقت المناسب لإعادة التفكير في أهمية وقيود توليد الذكاء الاصطناعي.

تشمل التحديات الحالية التي تواجه الذكاء الاصطناعي ، على سبيل المثال لا الحصر: منصات وسائل الإعلام الاجتماعية غير المصرح بها وغير المصرفية ؛ -لا يزال لدى النماذج النطاق مثل ChatGPT تحيزات في بعض الجوانب بسبب عدم التوازن في توزيع البيانات.

نظرًا لأن الحماس الأولي لـ AI التوليدي مثل ChatGPT يتلاشى ، فإن مجال Web3 الناضج والمتطور ، من خلال اللامركزية والشفافية والتحقق ، يوفر حلولًا جديدة للتحديات التي تواجه الذكاء الاصطناعى التوليدي:

1. الشفافية WEB3 وتتبعها يمكن أن تحل مشكلات حقوق الطبع والنشر والخصوصية المتعلقة بالمحتوى الذي تم إنشاؤه من الذكاء الاصطناعى

يمكن أن تتحقق شفافية Web3 وتتبعها بشكل فعال من مصدر المحتوى والأصالة ، مما يزيد بشكل كبير من تكلفة إنتاج محتوى احتيالي أو مخالفة من الذكاء الاصطناعى ، مثل مقاطع فيديو Tiktok المحمية بحقوق الطبع والنشر أو مقاطع فيديو Deepfake التي تشكل خصوصية.يمكن للعقود الذكية في إدارة المحتوى حل مشكلات حقوق الطبع والنشر والتأكد من تعويض المبدعين إلى حد ما.

2. لا مركزية Web3 يقلل من خطر حوسبة الذكاء الاصطناعى المركزي

يتطلب تطوير الذكاء الاصطناعي التوليدي الكثير من موارد الحوسبة.على سبيل المثال ، يتكلف تدريب ChatGPT على أساس GPT-3 أكثر من 2 مليون دولار ، مع فاتورة كهرباء يوميًا تبلغ حوالي 47000 دولار ، ومن المتوقع أن تنمو هذه التكاليف بشكل كبير مع تقدم التكنولوجيا والتقدم.

في الوقت الحاضر ، تتركز كميات كبيرة من موارد الحوسبة في أيدي الشركات الكبيرة ، مما يؤدي إلى ارتفاع تكاليف التطوير والصيانة والتشغيل ، والمخاطر المركزية ، ومن الصعب على الشركات الصغيرة التنافس.على الرغم من أن تدريب النماذج الكبيرة قد لا يزال بحاجة إلى أن يكون مركزيًا بسبب احتياجاتهم الحاسوبية الواسعة ، إلا أن تقنية blockchain في Web3 يمكن أن تتيح استنتاج النموذج الموزع ، وحوكمة التصويت المجتمعي ، ورمز النموذج.

مع إجراء تبادل لا مركزي على سبيل المثال ، يمكننا أن نتخيل نظام استنتاج نموذج الذكاء الاصطناعي القائم على المجتمع حيث يمتلك المجتمع نماذج كبيرة.

3. استخدم Web3 لتحقيق مجموعات بيانات منظمة العفو الدولية ونماذج الذكاء الاصطناعي القابلة للتفسير

غالبًا ما تكون الطرق التقليدية لجمع البيانات مقيدة بالجغرافيا والثقافة ، مما يؤدي إلى تحيزات ذاتية في المحتوى الناتج عن استجابات AI و ChatGPT ، مثل تغيير لون الجلد للمهمة المستهدفة.يعمل نموذج الحوافز الرمزي لـ Web3 على تحسين بيانات جمع البيانات وجمعها وترجيحها من جميع أنحاء العالم.بالإضافة إلى ذلك ، تعزز شفافية Web3 وقابلية التتبع تفسير النموذج وتشجيع الناتج المتنوع لإثراء النموذج.

4. نموذج AI فريد من البيانات الضخمة على سلسلة Web3

عادةً ما يتم تصميم تصميم نموذج الذكاء الاصطناعي وتدريبه حول تنسيق البيانات المستهدف (النص أو الكلام أو الصورة أو الفيديو).يتمثل الاتجاه المستقبلي الفريد لتقارب الذكاء الاصطناعي و Web3 في تطوير نماذج واسعة النطاق للبيانات على السلسلة ، على غرار نماذج اللغة الطبيعية.

يمكن أن يوفر هذا النهج رؤى فريدة غير متوفرة في تحليلات البيانات التقليدية (مثل تتبع الأموال الذكي ، وتدفق تمويل المشروع) ، و AI لديها القدرة على معالجة كميات كبيرة من البيانات في وقت واحد.

5. AI التوليدي يعمل كحافز لتقليل الحواجز التي تحول دون دخول Web3

حاليًا ، تتطلب المشاركة الرئيسية في مشاريع Web3 فهمًا متعمقًا للمفاهيم المعقدة على السلسلة وعمليات المحفظة ، مما يزيد من تكاليف التعلم ومخاطر الخطأ.على النقيض من ذلك ، تم تصميم تطبيقات Web2 حول “مبدأ كسول” وتسمح للمستخدمين بالبدء بسهولة وأمان.

يمكن أن تعزز الذكاء الاصطناعى التوليدي تجربة المستخدم بشكل كبير من خلال العمل باعتباره “مساعد ذكي” بين المستخدمين والبروتوكولات في Web3 للمساعدة في المشاريع المتمحورة حول النية.

2. ملخص لتكنولوجيا الذكاء الاصطناعى

2.1 الخلفية الفنية للذكاء الاصطناعي التوليدي

منذ أن تم اقتراح مفهوم الذكاء الاصطناعي في الخمسينيات من القرن الماضي ، شهدت عدة قمم وحوض ، وكل ابتكار تكنولوجي رئيسي أدى إلى موجة جديدة.

يبرز AI التوليدي ، وهو مفهوم ناشئ المقترح في العقد الماضي ، بين مختلف اتجاهات أبحاث الذكاء الاصطناعي لتكنولوجياها المثيرة للإعجاب وأداء المنتج ، وجذب الانتباه العالمي بين عشية وضحاها.قبل الخوض في الهندسة المعمارية التقنية للذكاء الاصطناعي التوليدي ، من الضروري تحديد معنى الذكاء الاصطناعي التوليدي في هذه المقالة ومراجعة باختصار التقنيات الأساسية للذكاء الاصطناعي الشائع مؤخرًا.

AI Generation AI هي منظمة العفو الدولية المستخدمة لإنشاء محتوى وأفكار جديدة ، بما في ذلك المحادثات والقصص والصور ومقاطع الفيديو والموسيقى.إنه مبني على إطار الشبكة العصبية التعليمية العميقة والقطارات باستخدام مجموعات بيانات كبيرة تحتوي على عدد كبير من المعلمات.

يمكن تقسيم منتجات الذكاء الاصطناعى التوليدي التي أدخلت مؤخرًا رؤية الجمهور إلى فئتين: إحداها منتجات توليد الصور (فيديو) استنادًا إلى إدخال النص أو النمط ، والآخر هو منتجات تشبه ChatGPT استنادًا إلى إدخال النص.تعتمد كلتا الفئتين على نفس التكنولوجيا الأساسية: نماذج اللغة الكبيرة المدربة مسبقًا (LLM) بناءً على بنية المحولات.

يجمع الفئة السابقة بين إدخال النص ونماذج الانتشار لإنشاء صور أو مقاطع فيديو عالية الجودة ، بينما يستخدم الأخير تعلم التعرف على التعليقات البشرية (RLHF) لإنشاء مخرجات تشبه إلى حد كبير المنطق البشري.

2.2 الهندسة المعمارية التقنية الحالية لوكالة الذكاء الاصطناعي:

هناك العديد من المقالات الممتازة التي تناقش تأثير الذكاء الاصطناعي التوليدي على بنيات التكنولوجيا الحالية من وجهات نظر مختلفة.على سبيل المثال ، يلخص مقالة شاملة لـ A16Z بعنوان “Who تملك منصة AI التوليدية” بشكل شامل البنية التقنية الحالية للمنظمة العفوية.

وفقًا لهذا البحث ، يتم تقسيم بنية AI التوليدية في عصر Web2 الحالي إلى ثلاثة مستويات: البنية التحتية (طاقة الحوسبة) ، والنماذج ، والتطبيقات.توفر المقالة أيضًا نظرة ثاقبة على التطورات الحالية على هذه المستويات الثلاثة.

البنية التحتية: في الوقت الحالي ، لا يزال التركيز على منطق البنية التحتية لـ Web2 ، وهناك عدد قليل من المشاريع التي تدمج Web3 و AI حقًا.اكتسبت البنية التحتية أكبر قيمة في هذه المرحلة.حقق شركة Web2 Giant ، التي شاركت بعمق في مجال التخزين والحوسبة لعقود ، أرباحًا ضخمة من خلال “بيع المجارف” في مرحلة الاستكشاف من الذكاء الاصطناعي.

النموذج: من الناحية المثالية ، يجب أن يكون النموذج المبدع الحقيقي ومالك الذكاء الاصطناعي.ومع ذلك ، فإن عدد قليل من نماذج الأعمال تسمح حاليًا لمؤلفي هذه النماذج بالتقاط قيمة العمل المقابلة.

التطبيقات: لقد ولدت التطبيقات التي تم تطويرها في العديد من العموديات أكثر من مئات الملايين من الدولارات.ومع ذلك ، فإن تكاليف الصيانة المرتفعة وانخفاض الاحتفاظ بالمستخدم تشكل تحديات للحفاظ على هذه التطبيقات كنموذج أعمال طويل الأجل قابل للتطبيق.

2.3 تطبيق الذكاء الاصطناعي التوليدي في Web3

2.3.1 استخدام الذكاء الاصطناعي لتحليل بيانات Web3 الضخمة

البيانات هي حجر الزاوية في بناء الحواجز التقنية أمام التطوير المستقبلي للذكاء الاصطناعي.لفهم أهميتها ، ننظر أولاً إلى البحث عن مصدر أداء نماذج الذكاء الاصطناعي الكبيرة.

توضح هذه الدراسة الظهور الفريد لنماذج الذكاء الاصطناعى الكبيرة: عندما يتجاوز حجم النموذج عتبة معينة ، ترتفع دقة النموذج فجأة.كما هو موضح في الشكل ، يمثل كل مخطط مهمة تدريب ويمثل كل سطر أداء (دقة) نموذج كبير.

خلصت التجارب على مختلف النماذج الكبيرة باستمرار إلى أنه بعد تجاوز عتبة معينة ، سيشهد أداء النموذج نموًا اختراقًا في مهام مختلفة.

في جوهرها ، سيؤدي التغيير الكمي في حجم النموذج إلى تغيير نوعي في أداء النموذج.يرتبط هذا الحجم بعدد المعلمات النموذجية ومدة التدريب وجودة بيانات التدريب.حاليًا ، هناك طريقتان رئيسيتان لتطوير المنتجات الرائدة عندما لا يكون هناك اختلاف كبير في معلمات النماذج (التي صممتها أفضل فرق البحث في كل شركة) ومدة التدريب (يتم شراء معظم أجهزة الحوسبة من NVIDIA).

الأول هو تحديد ومعالجة نقاط الألم المحددة في المنطقة المتخصصة ، والتي تتطلب فهمًا عميقًا ورؤية في المنطقة المستهدفة.ثانياً ، هناك نهج أكثر عملية هو جمع بيانات أكثر شمولاً من المنافسين.

هذا يفتح نقطة دخول ممتازة لنماذج كبيرة من الذكاء الاصطناعي للدخول إلى عالم Web3.يتم تدريب النماذج الكبيرة أو النماذج الأساسية الحالية على بيانات ضخمة من مختلف المجالات ، وتفرد البيانات الموجودة على السلسلة في Web3 يجعل البيانات على السلسلة طريقة مثيرة ومجدية.

في Web3 ، يوجد حاليًا منطقان للمنتج على مستوى البيانات: الأول هو تحفيز مقدمي البيانات ، وتشجيع المستخدمين على مشاركة حقوق استخدام البيانات وحماية خصوصية البيانات وملكتها.يوفر بروتوكول المحيط نموذجًا فعالًا لمشاركة البيانات في هذا الصدد.يتضمن النهج الثاني مشاريع تدمج البيانات والتطبيقات من أجل تزويد المستخدمين بخدمات خاصة بالمهمة.على سبيل المثال ، تقوم شركة Trusta Lab بجمع وتحليل بيانات المستخدمين على السلسلة وتوفر خدمات مثل تحليل حساب Witch ، وتحليل مخاطر الأصول على السلسلة ، وما إلى ذلك من خلال نظام تسجيل الوسائط الفريد.

2.3.2 تطبيق وكيل الذكاء الاصطناعى في Web3

كما ذكرنا سابقًا ، فإن تطبيق وكلاء الذكاء الاصطناعي على السلسلة يزدهر.مع نماذج اللغة الكبيرة وتحديد أولويات خصوصية المستخدم ، فإنها توفر خدمات قابلة للقياس الكمي على السلسلة.وفقًا لمدونة مدونة من قبل ليليان وينج ، كبير الباحثين في الذكاء الاصطناعي في Openai ، يمكن تقسيم وكلاء الذكاء الاصطناعي إلى أربعة أجزاء: Agent = LLM (نموذج لغة كبير) + تخطيط + استخدام الذاكرة.

نظرًا لأن جوهر عامل الذكاء الاصطناعى ، يتعامل LLM مع التفاعلات الخارجية ، ويتعلم من كميات كبيرة من البيانات ، ويعبر عنها منطقيًا بلغة طبيعية.يشبه جانب التخطيط + الذاكرة مفاهيم الإجراءات والاستراتيجيات والمكافآت في تقنيات التعلم التعزيز المستخدمة لتدريب Alphago.

يتضمن تقسيم المهام إلى أهداف أصغر وتعلم الحل الأمثل من خلال التدريب والتعليقات المتكررة ، وتخزين المعلومات في أنواع مختلفة من الذاكرة بناءً على الوظائف.يشير استخدام الأدوات إلى قدرة الوكيل على استخدام الأدوات المعيارية واسترجاع معلومات الإنترنت أو الوصول إلى أدوات مثل مصادر المعلومات الخاصة أو واجهات برمجة التطبيقات.تجدر الإشارة إلى أن معظم هذه المعلومات يصعب تعديلها بعد التدريب المسبق.

بالنظر إلى هذا المنطق لوكيل الذكاء الاصطناعي ، يمكننا أن نتخيل الإمكانيات اللانهائية للجمع بين Web3 و AI Agent.على سبيل المثال:

1. في تطبيقات التداول الحالية ، يمكن أن يوفر نموذج وكيل AI المتكامل للعملاء واجهة لغة طبيعية ، وتوفير مجموعة متنوعة من وظائف التداول بما في ذلك التنبؤ بالأسعار ، واستراتيجية التداول ، واستراتيجية الخسارة ، وتعديل الرافعة الديناميكية ، وقائد الرأي الذكي ، والاقتراض وغيرها وظائف التداول.

2. عند تنفيذ استراتيجية كمية ، يمكن تقسيم الاستراتيجية إلى مهام فرعية وتعيينها لوكلاء الذكاء الاصطناعي المختلفة للتنفيذ.يمكن أن يعزز وكلاء الذكاء الاصطناعى التعاوني حماية الخصوصية وتمكين المراقبة في الوقت الفعلي لمنع الاستغلال من قبل المعارضين.

3. تتماشى العديد من NPCs في الألعاب القائمة على blockchain بشكل طبيعي مع وكلاء الذكاء الاصطناعي.هناك بالفعل مشاريع تطبق GPT لإنشاء محادثات شخصية اللعبة ديناميكيًا.قد تتجاوز التطورات المستقبلية النص مسبقًا ، وإنشاء تفاعلات أكثر واقعية في الوقت الفعلي (أو حتى الإنسان الرقمي) ، وتعمل بشكل مستقل عن تدخل اللاعب.تعد “المدينة الافتراضية” في ستانفورد مثالًا جيدًا على هذه التطبيقات.

4. على الرغم من أن مشاريع وكيل Web3+ AI الحالية تتركز بشكل أساسي في السوق الأساسية أو البنية التحتية لمنظمة العفو الدولية ، ولم تظهر أي تطبيقات للمستهلكين القاتلة حتى الآن ، فإن إمكانات مشروع Web3+ AI متغير اللعبة ضخم.تتمتع هذه المشاريع بآفاق واسعة في المستقبل من خلال ميزات blockchain المختلفة مثل الحوكمة الموزعة على السلسلة ، والمعرفة الصفرية ، وتوزيع النماذج ، والتفسير المحسّن.

2.3.3 التطبيقات الرأسية المحتملة لـ Web3+AI

أ. التطبيقات في مجال التعليم

تقارب Web3 والذكاء الاصطناعي يتجاهل ثورة في مجال التعليم ، حيث تعتبر الفصول الدراسية الواقعية التوليدية ابتكارًا ملحوظًا.تضمين تكنولوجيا الذكاء الاصطناعي في منصة التعلم عبر الإنترنت ، ويمكن للطلاب الحصول على تجربة تعليمية مخصصة.يولد النظام محتوى تعليميًا مخصصًا استنادًا إلى تاريخ التعلم واهتمامات كل طالب.من المتوقع أن يحسن هذا النهج المخصص الدافع والكفاءة في تعلم الطلاب وجعل التعليم أكثر تخصيصًا.

بالإضافة إلى ذلك ، تمثل حوافز الائتمان القائمة على الرمز المميز ممارسات مبتكرة في مجال التعليم.باستخدام تقنية blockchain ، يمكن تشفير اعتمادات الطلاب ودرجاته في الرموز لتشكيل نظام ائتمان رقمي.تشجع آلية الحوافز هذه المشاركة النشطة في أنشطة التعلم وتخلق بيئة تعليمية أكثر جاذبية وتحفيزًا.

مستوحى من FriendTech ، وهو مشروع SocialFI شهير ، يمكن تطبيق منطق التسعير الرئيسي المماثل على إنشاء أنظمة مراجعة النظراء بين الطلاب لإضافة المزيد من العناصر الاجتماعية إلى التعليم.الاستفادة من عدم استقرار blockchain ، أصبحت مراجعات الأقران أكثر عدالة وشفافية.لا تؤدي آلية مراجعة الأقران هذه فقط إلى تنمية القدرات الجماعية للطلاب ، ولكنها توفر أيضًا تقييمًا أكثر شمولاً ومتعددة الأبعاد لأداء الطلاب ، وتقديم أساليب التقييم المتنوعة والشمولية في نظام التعليم.

التطبيق في المجال الطبي

في المجال الطبي ، عزز دمج Web3 و AI التعلم الموزوم والتفكير الموزعة.من خلال الجمع بين الحوسبة الموزعة والتعلم الآلي ، يمكن للمهنيين الطبيين مشاركة البيانات على نطاق واسع ، مما يتيح التعلم الجماعي الأعمق والأكثر شمولاً.هذا النهج الذكي الجماعي يمكن أن يسرع تطور تشخيص الأمراض وخطط العلاج وتعزيز التقدم في مجال الطب.

تعد حماية الخصوصية أيضًا جانبًا مهمًا للتطبيق في المجال الطبي.مع اللامركزية في Web3 وسهولة التثبيت في blockchain ، يمكن تخزين البيانات الطبية للمريض ونقلها بشكل آمن.يمكن للعقود الذكية تحقيق تحكم دقيق وإدارة أذونات البيانات الطبية ، مما يضمن أن الموظفين المعتمدين فقط يمكنهم الوصول إلى معلومات الحساسية للمريض ، وبالتالي الحفاظ على خصوصية البيانات الطبية.

ج. الطلبات في مجال التأمين

في صناعة التأمين ، من المتوقع أن يجلب دمج Web3 و AI حلولًا أكثر كفاءة وذكية للعمليات التقليدية.على سبيل المثال ، في التأمين على السيارات والتأمين المنزلي ، يساعد تطبيق تكنولوجيا رؤية الكمبيوتر في التأمين على تقييم قيمة العقار ومستويات المخاطر بشكل أكثر فعالية من خلال تحليل الصور وتقييمها.وهذا يوفر لشركات التأمين استراتيجيات تسعير أكثر دقة وشخصية ويعزز إدارة المخاطر في صناعة التأمين.

في الوقت نفسه ، تعتبر معالجة المطالبة الآلية في السلسلة بمثابة تقدم مبتكر في صناعة التأمين.باستخدام العقود الذكية وتكنولوجيا blockchain ، تصبح عملية المطالبة أكثر شفافية وفعالية ، مما يقلل من إمكانية الإجراءات الشاقة والتدخل البشري.هذا لا يسرع فقط في زيادة عملية المطالبات ، ولكنه يقلل أيضًا من تكاليف التشغيل ويوفر تجربة أفضل لشركات التأمين والعملاء.

تعديل قسط ديناميكي هو مجال آخر للابتكار.من خلال تحليل البيانات في الوقت الفعلي وخوارزميات التعلم الآلي ، يمكن لشركات التأمين ضبط أقساط التأمين بشكل أكثر دقة وفي الوقت المناسب ، وتخصيص الأسعار بناءً على حالة المخاطر الفعلية للمؤمن عليها.هذا النهج لا يجعل أقساط التأمين أكثر عدلاً فحسب ، بل يشجع أيضًا المؤمنين على اتخاذ سلوكيات أكثر صحة وأكثر أمانًا ، مما يعزز إدارة المخاطر والتدابير الوقائية في جميع أنحاء المجتمع.

D. التطبيقات في مجال حقوق الطبع والنشر

في مجال حقوق الطبع والنشر ، قدم مزيج Web3 والذكاء الاصطناعي نماذج جديدة لإنشاء المحتوى الرقمي وإدارته وتطوير الكود.من خلال العقود الذكية والتخزين اللامركزي ، يمكن حماية معلومات حقوق الطبع والنشر للمحتوى الرقمي بشكل أفضل ، مما يسهل على المبدعين تتبع حقوق الملكية الفكرية وإدارتها.يمكن لتكنولوجيا blockchain أيضًا إنشاء سجلات إبداعية شفافة وغير قابلة للتغيير ، مما يوفر وسائل أكثر موثوقية لتتبع الأعمال والتحقق منها.

يمثل الابتكار في نماذج العمل أيضًا تغييرًا كبيرًا في مجال حقوق الطبع والنشر.يجمع العمل التعاوني على الحوافز الرمزية بين مساهمات العمل مع المكافآت الرمزية ، وتشجيع المبدعين والقيمين والمطورين على المشاركة في المشروع.هذا لا يعزز التعاون بين الفرق الإبداعية فحسب ، بل يمنح المشاركين أيضًا الفرصة للاستفادة مباشرة من نجاح المشروع ، وبالتالي توليد المزيد من الأعمال الممتازة.

من ناحية أخرى ، فإن استخدام الرموز كدليل على حقوق الطبع والنشر يعزز نموذج توزيع الفوائد.من خلال آلية الأرباح التي يتم تنفيذها تلقائيًا بواسطة العقود الذكية ، يمكن لجميع المشاركين في العمل الحصول على حصتهم الخاصة من دخلهم في الوقت الحقيقي عند استخدام العمل أو بيعه أو نقله.يحل نموذج توزيع الفوائد اللامركزي هذا بشكل فعال مشاكل التعتيم والتأخير في نموذج حقوق الطبع والنشر التقليدية ، ويوفر للمبدعين آلية توزيع فائدة أكثر عدلاً وأكثر كفاءة.

E. التطبيقات في الكون الافتراضي

في Metaverse ، يفتح تقارب Web3 و AI إمكانيات جديدة لإنشاء AIGCs منخفضة التكلفة لإثراء محتوى الألعاب القائم على blockchain.يمكن للبيئات الافتراضية والأحرف التي أنشأتها الذكاء الاصطناعى إثراء محتوى اللعبة ، وتزويد المستخدمين بتجربة أكثر وضوحًا وتنوعًا ، مع تقليل تكاليف العمل ووقت الإنتاج.

إنشاء البشر الرقمي الزاهي هو ابتكار في تطبيق metaverse.لدى البشر الرقميين مظهر مادي مفصل رفيع للشعر والمنطق النفسي المبني على نماذج لغة كبيرة يمكن أن تلعب أدوارًا مختلفة في الفوقية.يمكنهم التفاعل مع المستخدمين وحتى المشاركة في التوائم الرقمية في سيناريوهات العالم الحقيقي.يوفر هذا تجربة أكثر واقعية وعميقة للواقع الافتراضي ، وتعزيز التطبيق الواسع النطاق للتكنولوجيا البشرية الرقمية في مجال الترفيه والتعليم وغيرها من المجالات.

يعد إنشاء محتوى إعلان تلقائيًا استنادًا إلى صور مستخدم blockchain هو تطبيق إعلان ذكي في Metaverse.من خلال تحليل سلوكيات المستخدمين وتفضيلاتها في Metaverse ، يمكن لخوارزميات الذكاء الاصطناعي إنشاء إعلانات أكثر تخصيصًا وجذابة يمكنها تحسين معدلات النقر إلى الظهور ومشاركة المستخدم.لا تلبي طريقة إنشاء الإعلانات هذه اهتمامات المستخدم فحسب ، بل توفر أيضًا للمعلنين قنوات ترويجية أكثر كفاءة.

NFT التفاعلية التوليدية هي تقنية مقنعة في Metaverse.من خلال الجمع بين NFT والتصميم التوليدي ، يمكن للمستخدمين المشاركة في إنشاء أعمالهم الفنية NFT الخاصة بهم في Metaverse ، مما يمنحهم التفاعل والتفرد.هذا يفتح إمكانيات جديدة لإنشاء ومعاملة الأصول الرقمية ويعزز تطوير الفن الرقمي والاقتصاد الافتراضي في الكون الظاهري.

ثلاثة.بروتوكول Web3 Signature

في هذا القسم ، اختار المؤلفون خمسة بروتوكولات تمثيلية لاكتساب فهم متعمق للوضع الحالي لمنظمة العفو الدولية في حقل Web3: يتم تسليط الضوء في Web3 ؛

3.1 شبكة العرض ($ RNDR)

تأسست شركة Render Network في عام 2017 من قبل Jules Urbach ، مؤسس الشركة الأم Otoy.إن أعمال Otoy الأساسية هي تقديم الرسومات المستندة إلى مجموعة النظراء ، والتي نصحها المؤسسون المشاركون في Google و Mozilla ، ساهم في مشروع الفيلم الحائز على جائزة الأوسكار وعمل مع Apple.

إن شبكة العرض هي انتقال Otoy إلى حقل Web3 ، حيث تهدف إلى الاستفادة من الطبيعة الموزعة لـ blockchain لربط متطلبات التقديم الصغيرة والذكاء الاصطناعي مع الموارد اللامركزية.تم تصميم هذه الخطوة لتوفير تكاليف الاستوديوهات الصغيرة التي من شأنها أن تستأجر موارد الحوسبة المركزية باهظة الثمن (مثل AWS و MS Azure و Alibaba Cloud) وتوفر فرصًا مدتها الإيرادات لأولئك الذين لديهم موارد الحوسبة الخاملة.

بدعم من Otoy ، التي أصدرت عارضها الخاص العارض الأوكتان ، تم اعتبار شبكة العرض قريبًا مشروع Web3 مع أساس متين وإمكانات ، حيث تم إطلاقها مع احتياجاتها المتأصلة ونموذج الأعمال القوي.

مع ظهور منظمة العفو الدولية التوليدية ، فإن الطلب على مهام التحقق الموزعة والاستدلال قد زاد ، وتناسب بشكل مثالي مع العمارة التقنية لـ Render ، مما يجعله اتجاهًا واعدًا للتنمية في المستقبل.يقود Render مسار الذكاء الاصطناعى في مساحة Web3 ، ليصبح نوعًا من الكيان الشبيه بالميمي ، ويستفيد من اتجاه تصاعدي كلما كانت السرد حول الذكاء الاصطناعي ، والرافى الحويث والموزع يرتفع ، مما يدل على تنوعه.

في فبراير 2023 ، أعلنت شركة Render Network عن خارطة طريق لتحديث نظام التسلسل الهرمي للتسعير وتقديم آلية تثبيت الأسعار للتصويت المجتمعي لـ $ RNDR (على الرغم من أن تاريخ الإصدار لم يتم الإعلان عنه بعد).أعلن المشروع أيضًا عن الترحيل من Polygon إلى Solana (ترقية رمز RNDR $ إلى رمز Rend $ على أساس Solana SPL ، الذي تم الانتهاء منه في نوفمبر 2023).

يقسم نظام التسعير الجديد لشبكة التقديم الخدمات على السلسلة إلى ثلاثة مستويات ، من ارتفاع إلى منخفض ، كل مستوى يتوافق مع نقاط أسعار مختلفة وجودة خدمة التقديم.توفر هذه الطبقات للعملاء خيارات بناءً على احتياجاتهم المحددة.

لقد تغيرت آلية استقرار أسعار RNDR للتصويت المجتمعي من عمليات إعادة الشراء غير المنتظمة إلى نموذج “التدمير وتوازن العملة (BME)”.يؤكد هذا التغيير على $ RNDR باعتباره stablecoin للتداول ، بدلاً من عقد الأصول على المدى الطويل.العملية التجارية المحددة لعصر BME هي كما يلي:

1. إنشاء المنتج: منشئ المنتج على العرض ، أي مزود تقديم الموارد ، وحزم موارد عرض الخمول في المنتجات (العقد) والانتقال إلى الإنترنت ، في انتظار الاستخدام.

2. شراء المنتج: يمكن للعملاء الذين لديهم احتياجات التقديم تدمير رمز RNDR $ كرسوم خدمة.إذا لم يكن لديهم رموز $ RNDR ، فإنهم أولاً يشترونها على DEX بالعملة فيات ثم يدمرون الرموز.يتم تسجيل السعر الذي تدفعه الخدمة بشكل عام على blockchain.

3. الرموز المربوطة: Mint New Dokens وفقًا لقواعد الإعداد المسبق.

ملاحظة: عرض رسوم الشبكة 5 ٪ من رسوم معاملات تشغيل المشروع التي يدفعها مشتري المنتجات.

في كل عصر BME ، يتم تراجع عدد مسبق من الرموز الجديدة (تنخفض الكمية بمرور الوقت).يتم توزيع هذه الرموز الجديدة على ثلاثة أطراف:

1. منشئي المنتجات: المكافآت التي يتلقونها هي:

أ.إكمال المهمة: تعتمد المكافآت على عدد مهام التقديم التي تنجزها كل عقدة منتج.

ب.

2. مشتري المنتج: على غرار عودة قسيمة منتج التسوق ، يمكن للمشترين الحصول على ما يصل إلى 100 ٪ من عائد رمز RNDR ، مما يشجع الاستخدام المستقبلي لشبكة العرض.

3. موفر السيولة DEX: الشراكة مع مقدمي الخدمات في DEX لضمان تقديم الرموز المميزة لـ $ RNDR بأسعار معقولة للتدمير اللازم ، وسيتم مكافأتها بناءً على مبلغ RNDR $ الذي تم التعهد به.

انطلاقًا من اتجاه سعر $ RNDR في العام الماضي ، باعتباره مشروع AI الرئيسي الرائد في Web3 ، يستفيد $ RNDR من طفرة الذكاء الاصطناعى التي يقودها ChatGpt في نهاية 2022 وأوائل 2023.مع إدخال آلية رمزية جديدة ، بلغ سعر RNDR $ في النصف الأول من عام 2023.

بعد فترة من الاستقرار ، وصل سعر $ RNDR إلى أعلى مستوياته الأخيرة مع استرداد الذكاء الاصطناعى الناتج عن الإصدار الجديد من Openai ، وترحيل شبكة العرض إلى Solana ، والتنفيذ المتوقع لآلية الرمز المميز الجديد.بالنظر إلى أن أساسيات RNDR $ صغيرة ، فإن الاستثمارات المستقبلية في $ RNDR تتطلب إدارة بعناية في المواقف والتحكم في المخاطر.

توضح البيانات من لوحة معلومات تحليل الكثبان الرملية أن العدد الإجمالي لمهام التقديم قد زاد منذ بداية عام 2023 ، لكن عدد العقد التقديم لم يزيد.هذا يشير إلى أن المستخدمين الجدد الذين يؤديون إلى زيادة أعباء العمل هم أولئك الذين يتمتعون بالاحتياجات ، بدلاً من أولئك الذين يوفرون موارد تقديم.

بالنظر إلى أن الذكاء الاصطناعي التوليدي سوف يرتفع بحلول نهاية عام 2022 ، فمن المعقول أن نستنتج أن مهام التقديم الإضافية ذات صلة بتطبيقات الذكاء الاصطناعي.ما إذا كانت هذه الزيادة في الطلب تمثل اتجاهًا طويل الأجل أو يبقى زيادة مؤقتة ويحتاج إلى مزيد من الملاحظة.

3.2 شبكة Akash ($ AKT)

Akash Network هي منصة حوسبة سحابية لا مركزية مصممة لتزويد المطورين والمؤسسات بحلول الحوسبة السحابية أكثر مرونة وفعالية وفعالة من حيث التكلفة.

تعتمد منصة “Super Cloud” للمشروع على تقنية blockchain الموزعة ويستخدم الخصائص اللامركزية لـ blockchain لتزويد المستخدمين ببنية تحتية سحابية عالمية وغير مركزية ، بما في ذلك وحدات المعالجة المركزية المتنوعة ، وحدات معالجة الرسومات ، والتخزين ، وما إلى ذلك.

تأسست Akash Network التي أسسها Greg Osuri و Adam Bozanich ، وهي رائد أعمال لها خلفية غنية في Project ، وهي مهمة واضحة: تقليل تكاليف الحوسبة السحابية ، وزيادة التوفر ، ومنح المستخدمين سيطرة أكبر على موارد الحوسبة الخاصة بهم.من خلال تحفيز مقدمي الخدمات لفتح موارد الحوسبة الخاملة من خلال عمليات تقديم العطاءات ، تحقق Akash Network استخدامًا أكثر كفاءة في الموارد وتوفر أسعارًا تنافسية لمقدمي الموارد.

في يناير 2023 ، أطلقت Akash Network تحديث Akash Network Economics 2.0 لمعالجة العديد من العيوب في الاقتصاد الرمزي الحالي ، بما في ذلك:

1. تقلب $ AKT في أسعار السوق يؤدي إلى عدم التوافق بين أسعار العقد طويلة الأجل والقيم.

2. لا يوجد حافز كافي لإصدار الكثير من طاقة الحوسبة لمقدمي الموارد.

3. يعيق الحوافز المجتمعية غير الكافية التطور طويل الأجل للمشروع.

4. التقاط القيمة غير الكافي لـ $ AKT يشكل خطرًا على استقرار المشروع.

وفقًا للموقع الرسمي ، تشمل الحلول المقترحة في خطة Akash Network Economy 2.0 تقديم مدفوعات StableCoin ، وزيادة رسوم الطلب لزيادة إيرادات الاتفاق ، وتعزيز الحوافز لمقدمي الموارد ، وزيادة حوافز المجتمع.تجدر الإشارة إلى أنه تم تنفيذ وظيفة دفع stablecoin ورسوم الطلب.

بصفته رمزًا أصليًا لشبكة Akash ، لدى $ AKT مجموعة متنوعة من الاستخدامات في البروتوكول ، بما في ذلك الاهتمام بالتحقق (الأمن) ، والحوافز ، وحوكمة الشبكة ، ودفع رسوم المعاملات.وفقًا للموقع الرسمي ، فإن إجمالي الحد الأقصى لـ $ AKT هو 388 مليون ، واعتبارًا من نوفمبر 2023 ، تم إلغاء قفل حوالي 229 مليون (59 ٪).سيتم فتح الرموز المميزة في Genesis المخصصة في بداية المشروع بالكامل ودخلت السوق الثانوية في مارس 2023.تخصيص رموز سفر التكوين هو كما يلي:

فيما يتعلق باكتساب القيمة ، تتمثل إحدى الميزات البارزة التي لم يتم تنفيذها في الورقة البيضاء في أن Akash تخطط لشحن “رسوم” لكل عقد إيجار ناجح.سيتم إرسال هذه الرسوم إلى مجموعة الإيرادات للتوزيع على الحامل.

تنص الخطة على رسوم بنسبة 10 ٪ لمعاملات AKT ورسوم 20 ٪ للمعاملات باستخدام عملات مشفرة أخرى.بالإضافة إلى ذلك ، تعتزم Akash مكافأة حاملي القفل في AKT Holdings لفترة طويلة ، وبالتالي تحفيز الاستثمار طويل الأجل.

تظهر اتجاهات الأسعار من Coingecko أن $ AKT شهدت اتجاهًا صعوديًا في منتصف شهر أغسطس وفي أواخر نوفمبر 2023 ، على الرغم من أن المكاسب لم تكن جيدة مثل المشاريع الأخرى في مساحة الذكاء الاصطناعي ، والتي قد تكون بسبب معنويات السوق الحالية.

بشكل عام ، تعد Akash Network واحدة من المشاريع الجودة القليلة على مسار الذكاء الاصطناعى ، حيث تتفوق الأساسيات على معظم المنافسين.يمكن أن تجلب إيراداتها التجارية المحتملة الربحية المستقبلية للبروتوكول ، ومع تطوير صناعة الذكاء الاصطناعى والطلب المتزايد على موارد الحوسبة السحابية ، من المتوقع أن تحرز Akash Network تقدمًا كبيرًا في الموجة التالية من الذكاء الاصطناعي.

3.3 Bittensor ($ tao)

بالنسبة لأولئك المطلعين على الهندسة التقنية $ BTC ، فإن فهم تصميم Bittensor بسيط للغاية.في الواقع ، عند تصميم Bittensor ، استلهم منشئوها من العديد من ميزات Cryptocurrency Pioneer $ BTC.

ويشمل ذلك إمدادات رمزية إجمالية قدرها 21 مليون ، وتخفيض إنتاج حوالي نصفه كل أربع سنوات ، وآلية إجماع عمل (POW) ، إلخ.

لتصورها ، تخيل عملية إنتاج Bitcoin الأولية ثم استبدال عملية “التعدين” المكثفة من الناحية الحسابية بتدريب ونماذج AI التي لا تخلق قيمة في العالم الحقيقي.يتم تحفيز عمال المناجم على أساس أداء وموثوقية نماذج الذكاء الاصطناعي.هذا يشكل ملخصًا بسيطًا لهندسة مشروع Bittensor ($ tao).

تأسست Bittensor في عام 2019 من قبل باحثو الذكاء الاصطناعى Jacob Steeves و Ala Shaabana على أساس ورقة بيضاء كتبها المؤلف الغامض Yuma Rao.باختصار ، إنه بروتوكول مفتوح المصدر وخالي من الترخيص ينشئ بنية شبكة متصلة بواسطة العديد من الشبكات الفرعية ، كل مسؤول عن مهام مختلفة (الترجمة الآلية ، التعرف على الصور وتوليدها ، نماذج لغة كبيرة ، إلخ).تتم مكافأة المهام الممتازة لإكمالها ، ويمكن للشبكات الفرعية التفاعل والتعلم من بعضها البعض.

أما بالنسبة لنماذج الذكاء الاصطناعي الرئيسي الحالي ، فهي نتيجة كمية كبيرة من الاستثمار في الحوسبة الموارد والبيانات من قبل عمالقة التكنولوجيا.في حين أن منتجات AI هذه تعمل بشكل جيد ، فإن هذا النهج يجلب أيضًا مخاطر مركزية عالية.

تتيح البنية التحتية لـ Bittensor شبكات خبراء الاتصالات بالتفاعل والتعلم من بعضها البعض ، ووضع الأساس للتدريب اللامركزي للنماذج واسعة النطاق.تتمثل رؤية Bittensor على المدى الطويل في التنافس مع نماذج المصدر المغلقة من العمالقة مثل Openai و Meta و Google ، الحفاظ على الخصائص اللامركزية مع تطهيرها لمطابقة أداء الاستدلال.

إن النواة الفنية لـ Bittensor هي آلية الإجماع التي صممها Yuma Rao بشكل فريد ، والمعروفة أيضًا باسم Yuma Ewinensus ، والتي تمزج عناصر POW وإثبات الحصة (POS).يتضمن المورد بشكل أساسي “خوادم” (عمال المناجم) و “التحقق” (التحقق) ، بينما يتكون demander من “العملاء” (العملاء) باستخدام نماذج في الشبكة.العملية كما يلي:

1. يرسل العميل الطلب والبيانات إلى المدقق للمعالجة.

2. يوزع المدقق البيانات على عمال المناجم تحت شبكة فرعية محددة.

3. يستخدم عمال المناجم نموذجهم وتلقي البيانات لسبب النتائج وإرجاعها.

4. تحدد Verifiers نتائج الاستدلال بالجودة وتسجيلها على blockchain.

5. يتم إرجاع أفضل نتائج الاستدلال إلى العميل ، ويتلقى عمال المناجم والمقاورين مكافآت بناءً على التصنيفات وأعباء العمل.

تجدر الإشارة إلى أن Bittensor نفسه لا يقوم بتدريب أي نموذج في معظم الشبكات الفرعية ؛حاليًا ، يوجد (أو بالفعل) 30 شبكة فرعية عبر الإنترنت ، كل شبكة فرعية تتوافق مع نموذج مهمة مختلفة.

يلعب $ tao ، كرمز أصلي لـ Bittensor ، دورًا حاسمًا في إنشاء شبكات فرعية ، والتسجيل في الشبكات الفرعية ، ودفع رسوم الخدمة ، ومقاتلي الالتزام داخل النظام البيئي.بعد روح BTC ، اختار $ TAO الإفراج بشكل عادل ، مما يعني أن جميع الرموز يتم توليدها من خلال المساهمات في الشبكة.

حاليًا ، ينتج $ TAO حوالي 7200 رمز يوميًا ، ويتم توزيعه بالتساوي على عمال المناجم والمقاولين.منذ أن بدأ المشروع ، تم إنتاج ما يقرب من 26.3 ٪ من الرموز المميزة البالغة 21 مليون ، منها 87.21 ٪ تستخدم في الاهتمام والتحقق.يتبع المشروع أيضًا نموذج إنتاج BTC النصف كل أربع سنوات تقريبًا ، مع جدولة الجدول النصف التالي في 20 سبتمبر 2025 ، ومن المتوقع أن يكون سائقًا كبيرًا للأسعار.

ابتداءً من أواخر أكتوبر 2023 ، شهد اتجاه سعر $ tao ارتفاعًا حادًا ، مدفوعًا بشكل أساسي بموجة جديدة من حماس الذكاء الاصطناعي بعد مؤتمر Openai والتحول نحو حقل الذكاء الاصطناعي.

كمشروع جديد في مسار Web3+AI ، اجتذبت جودة $ TAO ورؤية طويلة الأجل أيضًا الاستثمار.ولكن يجب الاعتراف بأنه ، مثل مشاريع الذكاء الاصطناعي الأخرى ، على الرغم من أن مزيج Web3+AI لديه إمكانات كبيرة ، إلا أنه لم يتم العثور عليه بعد في الأعمال التجارية الفعلية لدعم المشاريع المربحة طويلة الأجل.

3.4 alethea.ai ($ أو)

تأسست Alethea.ai في عام 2020 ، مشروع مخصص لاستخدام تكنولوجيا blockchain لجلب الملكية والحوكمة اللامركزية لتوليد المحتوى.

يعتقد مؤسسو Alethea.ai أن الذكاء الاصطناعى التوليدي سيقودنا إلى عصر التكرار للمعلومات الناتجة عن محتوى توليدي ، حيث يمكن نسخ كميات كبيرة من المحتوى الرقمي بسهولة أو توليدها باستخدام نسخة بسيطة أو نقرة. للمبدعين الأصليين لاكتساب الفوائد.من خلال توصيل بدايات blockchain مثل NFTS مع الذكاء الاصطناعى التوليدي ، فإن هدفهم هو ضمان ملكية الذكاء الاصطناعى التوليدي ومحتواها والمشاركة في حوكمة المجتمع علاوة على ذلك.

مدفوعًا بهذا المفهوم ، أطلقت alethea.ai في البداية NFT Standard INFT ، والتي تستخدم قرون الذكاء لتضمين الرسوم المتحركة من الذكاء الاصطناعي ، وتوليف الكلام وحتى الذكاء الاصطناعي في الصور.عملت Althea.ai أيضًا مع فنانين لإنشاء INFT باستخدام أعمالهم الفنية ، تم بيع أحدها مقابل 478،000 دولار في مزاد Sotheby.

ثم قدم alethea.ai بروتوكول الذكاء الاصطناعى يسمح لأي مطور أو منشئ الذكاء الاصطناعى بإنشاء معيار INFT دون إذن.لإظهار بروتوكول الذكاء الاصطناعى ، تم تطوير alethea.ai ، وهي أداة تعتمد على نظريات النموذج الكبيرة مثل GPT لإنشاء NFTs التفاعلية.في الآونة الأخيرة ، أصدروا اندماجًا مفتوحًا ، مما يسمح بدمج أي ERC-721 NFT مع الذكاء وإصداره على بروتوكول الذكاء الاصطناعي.

الرمز الأصلي لـ alethea.ai هو $ ali ، الذي له أربعة استخدامات رئيسية:

1. قفل مبلغ معين من $ ali لإنشاء INTST.

2. كلما زاد عدد $ ALIS ، كلما ارتفع مستوى جراب الاستخبارات.

3. شارك حاملي $ ali في حوكمة المجتمع.

4. $ ali هو بيانات اعتماد للتفاعل بين INFTs (لا توجد حالات استخدام فعلية حتى الآن).

انطلاقًا من حالة استخدام $ ali ، من الواضح أن التقاط قيمة الرموز لا يزال يعتمد بشكل أساسي على الروايات.أكدت اتجاهات سعر الرمز المميز على مدار العام الماضي: استفاد $ $ من طفرة الذكاء الاصطناعى التوليدي التي قادها Chatgpt منذ ديسمبر 2022.بالإضافة إلى ذلك ، عندما أعلنت Althea.ai عن ميزة Open Fusion جديدة في يونيو ، أثارت زيادة في الأسعار.ومع ذلك ، بصرف النظر عن هذه الحالات ، كان سعر $ ali في اتجاه هبوطي ، ولم يتفاعل حتى مع end-2023 AI lype مثل المشاريع المماثلة.

بالإضافة إلى الرموز الأصلية ، يستحق مشروع NFT الخاص بـ Althea.ai (بما في ذلك مجموعته الرسمية) الاهتمام في سوق NFT.

وفقًا للوحة معلومات الكثبان الرملية ، تلاشت سلسلة الاستخبارات من الطرف الثالث وسلسلة Revenants من الطرف الأول من الأنظار بعد إصدارها الأول.يعتقد المؤلف أن السبب الرئيسي هو أن الجدة الأولية تتلاشى تدريجياً ، ولا توجد قيمة كبيرة أو مشاركة مجتمعية للاحتفاظ بالمستخدمين.

3.5 fetch.ai ($ fet)

Fetch.ai هو مشروع مخصص لتعزيز تكامل الذكاء الاصطناعي (AI) وتكنولوجيا blockchain.هدفها هو بناء اقتصاد ذكي غير مركزي من خلال الجمع بين التعلم الآلي ، و blockchain وتقنيات دفتر الأستاذ الموزعة لدعم النشاط الاقتصادي بين العوامل الذكية.

تأسست في عام 2019 من قبل العلماء البريطانيين همايون شيخ ، توبي سيمبسون وتوماس هاين ، تتمتع جلب.

كان Humayun Sheikh مستثمرًا مبكرًا في DeepMind ، شغل توبي سيمبسون مناصب تنفيذية في العديد من الشركات ، وتوماس هاين أستاذ في مجال الذكاء الاصطناعي بجامعة شيفيلد.تمتد تجربة المؤسس المتنوعة شركات تكنولوجيا المعلومات التقليدية ، ومشاريع Blockchain Star ، والرعاية الطبية ، وحقول الحوسبة الفائقة ، مما يوفر Fetch.ai موارد الصناعة الغنية.

تتمثل مهمة Fetch.ai في بناء منصة شبكة لا مركزية تتكون من عوامل اقتصادية مستقلة (AEAS) وتطبيقات الذكاء الاصطناعي ، مما يسمح للمطورين بإكمال المهام الموجهة نحو الأهداف مسبقًا من خلال إنشاء عوامل مستقلة.التكنولوجيا الأساسية للمنصة هي بنية ثلاث طبقات فريدة من نوعها:

1. تقوم هذه الطبقة الأساسية التي تدعم بها آلية الإجماع في POS-UD (إثبات الحصة المرخصة) ، وتدعم شبكات العقود الذكية ، وتعزز تعاون المناجم ، والتدريب الأساسي على التعلم الآلي والتفكير.

2. الطبقة الوسطى: يوفر الإطار الاقتصادي المفتوح (OEF) مساحة مشتركة للتفاعلات والبروتوكولات الأساسية بين AEAS ، ودعم البحث والاكتشاف والمعاملات بين AEAS.

3. المستوى العلوي: AEA هو المكون الأساسي لـ Fetch.ai.كل AEA هو برنامج وكيل ذكي يمكنه أداء وظائف مختلفة من خلال وحدات المهارات وأداء المهام المحددة مسبقًا من قبل المستخدمين.لا تعمل هذه الوكلاء مباشرة على blockchain ، ولكنها تتفاعل مع العقود blockchain والعقود الذكية من خلال OEF.يمكن أن يعتمد برنامج الوكيل الذكي على البرامج البحتة أو يمكن أن يكون ملزماً بالأجهزة المادية مثل الهواتف الذكية وأجهزة الكمبيوتر والسيارات.يوفر Fetch.ai إطار عمل مجموعة AEA المستندة إلى Python ، والذي يعد معيارًا ، مما يمكّن المطورين من بناء وكيلهم الذكي.

علاوة على هذه البنية ، أطلقت Fetch.ai المنتجات والخدمات اللاحقة مثل Co-Learn (نموذج التعلم الآلي المشترك بين الوكلاء) و Metaverse (خدمة استضافة Cloud) لدعم المستخدمين في تطوير الوكلاء على منصاتهم.

فيما يتعلق بالرموز ، يغطي $ FET ، بصفته الرمز الأصلي لـ Fetch.ai ، ميزات قياسية مثل دفع الغاز والتحقق من المخاطر وخدمات الشراء داخل الشبكة.تم فتح أكثر من 90 ٪ من رموز $ FET ، وتخصيص المحدد كما يلي:

منذ إنشائها ، شهدت Fetch.ai جولات تمويل متعددة لتخفيف الرمز المميز ، وهو الأخير هو استثمار بقيمة 30 مليون دولار تم تلقيه من DWF Lab في 29 مارس 2023.بالنظر إلى أن الرموز المميزة لـ $ لا يمكنها استخلاص القيمة من إيرادات المشروع ، فإن زخم الأسعار يعتمد بشكل أساسي على تحديثات المشروع ومعنويات السوق تجاه مجال الذكاء الاصطناعي.في الواقع ، في خضم موجتين من الازدهار في سوق الذكاء الاصطناعى ، شهد سعر Fetch.ai زيادة تزيد عن 100 ٪ في أوائل عام 2023 ونهاية العام.

يشبه مسار تطوير Fetch.ai إلى Web2.0 AI بدء تشغيل مع التركيز على تحسين تقنيتها.إنها تسعى إلى الاعتراف والربحية من خلال جمع التبرعات المستمر والتعاون الواسع.

يترك هذا النهج مجالًا كبيرًا للتطبيقات المستقبلية التي تم تطويرها على Fetch.ai ، ولكن يعني أيضًا أنه قد لا يكون جذابًا لمشاريع blockchain الأخرى ، مما يحد من حيوية النظام الإيكولوجي.حاول أحد مؤسسي fetch.ai حتى إطلاق مشروع DEX ، Mettalex Dex ، استنادًا إلى fetch.ai ، لكنه انتهى في الفشل.كمشروع يركز على البنية التحتية ، أعاق تحلل النظام الإيكولوجي نمو القيمة الجوهرية لـ Fetch.ai.

أربعة.مستقبل مشرق للذكاء الاصطناعي التوليدي

قارن Jensen Huang ، الرئيس التنفيذي لشركة Nvidia ، إطلاق نماذج كبيرة تم إنشاؤها إلى “لحظة iPhone” للذكاء الاصطناعي ، مما يشير إلى تحول رئيسي في دور الذكاء الاصطناعي ، حيث أصبحت رقائق الحوسبة عالية الأداء جوهرًا لمورد نادر للذكاء الاصطناعي.

لا تزال مشاريع البنية التحتية لمنظمة العفو الدولية التي تغلق معظم الأموال في المسار الفرعي لـ Web3 AI محور اهتمام المستثمرين على المدى الطويل.نظرًا لأن شركة Chip Giants ترقية تدريجيًا قدرات الحوسبة الخاصة بهم ، فإن قدرات الذكاء الاصطناعى ستتوسع ، ومن المحتمل أن تفرد المزيد من مشاريع البنية التحتية لمنظمة العفو الدولية في Web3 ، وربما حتى الرقائق المصممة خصيصًا لتدريب الذكاء الاصطناعي في Web3.

في حين أن منتجات AI التوليدية المتمحورة حول المستهلك لا تزال في المرحلة التجريبية ، فقد أظهرت بعض تطبيقات الصف الصناعي إمكانات كبيرة.أحد التطبيقات هو “التوأم الرقمي” الذي ينقل سيناريوهات العالم الحقيقي إلى المجال الرقمي.

مع الأخذ في الاعتبار القيمة غير المستغلة في البيانات الصناعية ، توضع NVIDIA MetacoSmic Digital Twin Platform AI كجزء مهم من التوائم الرقمية الصناعية.في Web3 ، بما في ذلك العوالم الافتراضية ، وإنشاء المحتوى الرقمي وأصول العالم الحقيقي ، فإن التوائم الرقمية المتأثرة بالذكاء الاصطناعي ستلعب دورًا مهمًا.

يعد تطوير الأجهزة التفاعلية الجديدة أمرًا بالغ الأهمية.تاريخياً ، أدى كل ابتكار للأجهزة في مجال الحوسبة إلى تغييرات وفرص ثورية ، مثل ماوس الكمبيوتر في كل مكان أو شاشة المكثفات متعددة اللمس في iPhone 4.

أعلنت شركة Apple Vision Pro أنه سيتم إصدارها في الربع الأول من عام 2024 ، حيث تجتذب الانتباه العالمي مع مظاهراتها المثيرة للإعجاب ، ومن المتوقع أن تجلب تغييرات وفرص غير متوقعة لمختلف الصناعات.غالبًا ما تستفيد صناعة الترفيه ، المعروفة بإنتاجها السريع للمحتوى ونشرها على نطاق واسع ، من تحديثات الأجهزة أولاً.وتشمل هذه metaverse من Web3 ، ألعاب blockchain ، NFT ، وما إلى ذلك ، والتي تستحق الاهتمام والبحث على المدى الطويل.

على المدى الطويل ، يمثل تطوير الذكاء الاصطناعي التوليدي تغييرًا كميًا يؤدي إلى التغيير النوعي.في قلب ChatGPT ، يوجد حل للمشكلة الأكاديمية التي تم بحثها على المدى الطويل المتمثل في التفكير في سؤال وجواب.فقط من خلال البيانات الممتدة وتكرارات النماذج ، يمكن الوصول إلى مستوى مثير للإعجاب من GPT-4.تتشابه تطبيقات الذكاء الاصطناعي في Web3 ، وهي حاليًا في المرحلة عندما يتكيف نموذج Web2 مع Web3.لم يظهر نموذج يعتمد بالكامل على بيانات Web3 بعد.المشاريع البصيرة ومجموعة واسعة من الموارد المخصصة للبحث في المشكلات الخاصة بـ Web3 ستجلب Web3 تطبيق القاتل على مستوى ChatGPT.

هناك العديد من الطرق الواعدة لاستكشاف الأساس التقني للذكاء الاصطناعي التوليدي ، مثل تكنولوجيا سلسلة الفكر.تتيح هذه التقنية نماذج لغة كبيرة للقيام بقفزة كبيرة في التفكير متعدد الخطوات.ومع ذلك ، فإنه يسلط الضوء أيضًا على حدود النماذج الكبيرة في التفكير المنطقي المعقد.يمكن للقراء المهتمين استكشاف ورقة المؤلف الأصلية عن سلسلة الأفكار.

بعد ChatGPT ، ظهرت العديد من المشاريع التي تحمل موضوع GPT في Web3 ، ولكن ببساطة الجمع بين GPT مع العقود الذكية لا يمكن تلبية احتياجات المستخدم.بعد حوالي عام من إصدار Chatgpt ، لا تزال هناك إمكانات هائلة في المستقبل.يجب أن تبدأ المنتجات المستقبلية من الاحتياجات الحقيقية لمستخدمي Web3.مع زيادة الاستحقاق لتكنولوجيا Web3 ، سيكون تطبيق الذكاء الاصطناعى التوليدي في Web3 شاسعًا ومثيرًا بالتأكيد.