jakiro
المصدر: عاصمة IOBC
كنموذج جديد للامركزية ومفتوحة وشفافة ، يتمتع Web3 بفرصة طبيعية للاندماج مع الذكاء الاصطناعي.بموجب الهندسة المعمارية المركزية التقليدية ، يتم التحكم في موارد الحوسبة وبيانات الذكاء الاصطناعى بشكل صارم ، وهناك العديد من التحديات مثل حوسبة اختناقات الطاقة ، وتسرب الخصوصية ، والصناديق السوداء الخوارزمية.يعتمد Web3 على التكنولوجيا الموزعة ويمكنه حقن قوة دفع جديدة في تطوير الذكاء الاصطناعي من خلال شبكة طاقة الحوسبة المشتركة وسوق البيانات المفتوحة والحوسبة الخاصة.في الوقت نفسه ، يمكن لـ AI أيضًا إحضار العديد من التمكينات إلى Web3 ، مثل تحسين العقد الذكي ، وخوارزميات مكافحة التخزين ، وما إلى ذلك ، للمساعدة في بنائها البيئي.لذلك ، يعد استكشاف مزيج Web3 و AI أمرًا ضروريًا لبناء الجيل القادم من البنية التحتية للإنترنت وإصدار قيمة البيانات وقوة الحوسبة.
تعتمد على البيانات: أساس متين لـ AI و Web3
البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي ، تمامًا مثل الوقود للمحرك.تحتاج نماذج الذكاء الاصطناعي إلى هضم كمية كبيرة من البيانات عالية الجودة لاكتساب فهم متعمق وقدرات التفكير القوية.
في نموذج الحصول على بيانات الذكاء الاصطناعى التقليدي والاستخدام ، توجد المشكلات الرئيسية التالية:
-
تكاليف الحصول على البيانات مرتفعة ومن الصعب على الشركات الصغيرة والمتوسطة الحجم تحمل ؛
-
يتم احتكار موارد البيانات من قبل عمالقة التكنولوجيا ، وتشكيل صوامع البيانات ؛
-
خصوصية البيانات الشخصية معرضة لخطر التسرب والإساءة
يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لا مركزية جديد.
-
من خلال العشب ، يمكن للمستخدمين بيع شبكات الخمول لشركات الذكاء الاصطناعى ، والتقاط بيانات الشبكة اللامركزية ، وتوفير بيانات حقيقية وعالية الجودة للتدريب على نموذج الذكاء الاصطناعي بعد التنظيف والتحول ؛
-
تتبنى AI العام نموذج “الملصق لكسب” ، ويحفز العمال العالميين على المشاركة في شرح البيانات من خلال الرموز ، ويجمع المعرفة المهنية العالمية ويعزز قدرات تحليل البيانات ؛
-
توفر منصات تداول بيانات blockchain مثل بروتوكول المحيطات ، Streamr ، إلخ.
على الرغم من ذلك ، هناك أيضًا بعض المشكلات المتعلقة بالحصول على البيانات في العالم الحقيقي ، مثل جودة البيانات وصعوبة المعالجة والتنوع وعدم كفاية التمثيل.قد تكون البيانات الاصطناعية هي النجم المستقبلي لمسار بيانات Web3.استنادًا إلى تقنية الذكاء الاصطناعي والمحاكاة ، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية ، كملحق فعال للبيانات الحقيقية ، وتحسين كفاءة استخدام البيانات.في مجالات القيادة المستقلة ، تداول السوق المالي ، تطوير الألعاب ، وما إلى ذلك ، أظهرت البيانات الاصطناعية إمكانات تطبيقها الناضجة.
حماية الخصوصية: دور Fhe في Web3
في عصر البيانات القائمة على البيانات ، أصبحت حماية الخصوصية محور الاهتمام العالمي.ومع ذلك ، فإن هذا يمثل أيضًا تحديات: لا يمكن استخدام بعض البيانات الحساسة بالكامل بسبب مخاطر الخصوصية ، مما يحد بلا شك من إمكانات نماذج الذكاء الاصطناعى والمنطق.
FHE هو تشفير متجانس بالكامل ، مما يسمح بعمليات الحساب المباشر على البيانات المشفرة دون فك تشفير البيانات ، ونتائج الحساب تتفق مع نتائج الحسابات نفسها على بيانات النص العادي.
يوفر FHE حماية قوية لحوسبة خصوصية الذكاء الاصطناعي ، مما يتيح طاقة حوسبة GPU لأداء مهام التدريب والاستدلال النماذج في بيئة لا تلمس البيانات الأصلية.هذا يجلب مزايا ضخمة لشركات الذكاء الاصطناعى.يمكنهم فتح خدمات API بشكل آمن مع حماية الأسرار التجارية.
يدعم FHEML تشفير البيانات والنماذج خلال دورة التعلم الآلي ، مما يضمن أمان المعلومات الحساسة ومنع خطر تسرب البيانات.وبهذه الطريقة ، تعزز FHEML خصوصية البيانات وتوفر إطارًا آمنًا للحوسبة لتطبيقات الذكاء الاصطناعي.
FHEML هي مكملة لـ ZKML ، والتي توضح التنفيذ الصحيح للتعلم الآلي ، بينما تؤكد FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
ثورة القوة الحاسوبية: AI Computing في شبكات لا مركزية
يتضاعف تعقيد الحوسبة الحالي لأنظمة الذكاء الاصطناعى كل ثلاثة أشهر ، مما يؤدي إلى زيادة في الحوسبة في طاقة الطلب ، مما يتجاوز بكثير توريد موارد الحوسبة الحالية.على سبيل المثال ، يتطلب التدريب على طراز GPT-3 من Openai قوة حوسبة ضخمة ، أي ما يعادل 355 عامًا من وقت التدريب على جهاز واحد.هذا النقص في قوة الحوسبة لا يحد فقط من التقدم في تقنية الذكاء الاصطناعي ، ولكن أيضًا يجعل نماذج الذكاء الاصطناعى المتقدمة بعيدة عن معظم الباحثين والمطورين.
في الوقت نفسه ، يكون معدل استخدام GPU العالمي أقل من 40 ٪ ، إلى جانب التباطؤ في تحسين أداء المعالج الدقيق ونقص الرقائق الناجم عن سلسلة التوريد والعوامل الجيوسياسية ، وكلها تجعل مشكلة إمدادات الطاقة الحاسوبية أكثر خطورة.ممارسي الذكاء الاصطناعى في معضلة: إما شراء الأجهزة بمفردهم أو تأجير الموارد السحابية ، فإنهم يحتاجون بشكل عاجل إلى طريقة خدمة الحوسبة عند الطلب وفعالة من حيث التكلفة.
IO.NET هي شبكة طاقة حوسبة منظمة العفو الدولية غير المركزية التي تعتمد على سولانا وتوفر لشركات الذكاء الاصطناعى سوق طاقة حوسبة مالية وسهلة الوصول من خلال تجميع موارد GPU في جميع أنحاء العالم.يمكن للطرف الحوسبي الذي يتطلب الأمر نشر مهام الحوسبة على الشبكة.يحسن حل IO.NET كفاءة استخدام الموارد ويساعد على حل اختناقات الطاقة في الحقول مثل الذكاء الاصطناعي.
بالإضافة إلى شبكة طاقة الحوسبة اللامركزية العامة ، هناك منصات مثل Gensyn و Flock.io التي تركز على تدريب الذكاء الاصطناعى ، وشبكات طاقة الحوسبة المخصصة مثل الطقوس وجلب.
توفر شبكة طاقة الحوسبة اللامركزية سوق طاقة الحوسبة العادلة والشفافة ، وتخطي الاحتكار ، ويقلل من عتبة التطبيق ، ويحسن من كفاءة استخدام طاقة الحوسبة.في النظام البيئي لـ Web3 ، ستلعب شبكة قوة الحوسبة اللامركزية دورًا رئيسيًا ، وجذب المزيد من DAPPs للانضمام ، وتعزيز تطوير تقنية الذكاء الاصطناعى وتطبيقها بشكل مشترك.
DePin: Web3 يمكّن Edge AI
تخيل أن هاتفك وساعاتك الذكية وحتى الأجهزة الذكية في المنزل لديهم القدرة على تشغيل الذكاء الاصطناعي – هذا هو سحر Edge AI.يتيح الحوسبة أن تحدث في مصدر توليد البيانات ، ويحقق انخفاضًا في الوقت الفعلي والمعالجة في الوقت الفعلي ، مع حماية خصوصية المستخدم.
في حقل Web3 ، لدينا اسم أكثر دراية – Depin.ويؤكد Web3 على اللامركزية والسيادة لبيانات المستخدمين.
في الوقت الحالي ، تتطور DePin بسرعة في النظام البيئي Solana وأصبحت واحدة من منصات السلسلة العامة المفضلة لنشر المشروع.توفر TPS العالية في Solana ورسوم المعاملات المنخفضة والابتكارات التكنولوجية دعمًا قويًا لمشروع DePin.حاليًا ، تتجاوز القيمة السوقية لمشروع DePin على Solana 10 مليارات دولار أمريكي ، وقد أحرزت مشاريع معروفة مثل Network Network و Helium Network تقدمًا كبيرًا.
IMO: نموذج جديد لإصدار نموذج الذكاء الاصطناعي
تم اقتراح مفهوم IMO لأول مرة بواسطة بروتوكول ORA ، الذي قام برمجية النماذج الذكاء الاصطناعي.
في النموذج التقليدي ، نظرًا لعدم وجود آلية لمشاركة الإيرادات ، بمجرد تطوير نموذج الذكاء الاصطناعي ووضعه في السوق ، يكون من الصعب على المطورين الحصول على فوائد مستمرة من الاستخدام اللاحق للنموذج تم دمج النموذج في المنتجات والخدمات الأخرى.وغالبًا ما يفتقر أداء وفعالية نماذج الذكاء الاصطناعي إلى الشفافية ، مما يجعل من الصعب على المستثمرين والمستخدمين المحتملين تقييم قيمتهم الحقيقية ، مما يحد من التعرف على السوق وإمكانات العمل للنموذج.
يوفر IMO طريقة جديدة للتمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر.يستخدم بروتوكول ORA معايير ERC ، ERC-7641 و ERC-7007 ، يجمع بين AI Oracle (Onchain AI Oracle) وتكنولوجيا OPML لضمان صحة نموذج الذكاء الاصطناعي وقدرة أصحاب الرمز على مشاركة الفوائد.
يعزز نموذج IMO الشفافية والثقة ، ويشجع التعاون المفتوح المصدر ، ويتكيف مع اتجاهات سوق التشفير ، ويحقق قوة الدافع في التنمية المستدامة لتكنولوجيا الذكاء الاصطناعي.لا تزال IMO في مرحلتها المبكرة من التجربة ، ولكن مع زيادة قبول السوق وتوسيع المشاركة ، فإن ابتكارها وقيمتها المحتملة تستحق التطلع إليها.
وكيل الذكاء الاصطناعي:عصر جديد من التجربة التفاعلية
عميل الذكاء الاصطناعى قادر على إدراك البيئة ، والتفكير بشكل مستقل ، واتخاذ الإجراءات المقابلة لتحقيق الأهداف المحددة.بدعم من نموذج اللغة الكبيرة ، لا يمكن لـ AI Agent فهم اللغة الطبيعية فحسب ، بل يخطط أيضًا للقرارات وأداء المهام المعقدة.يمكنهم العمل كمساعدين افتراضيين ، وتعلم تفضيلاتهم من خلال التفاعلات مع المستخدمين وتوفير حلول مخصصة.بدون تعليمات واضحة ، يمكن لوكيل الذكاء الاصطناعي أيضًا حل المشكلات بشكل مستقل ، وتحسين الكفاءة وخلق قيمة جديدة.
MyShell هي منصة تطبيق AI Open AI التي توفر مجموعة أدوات إبداعية شاملة وسهلة الاستخدام ، وتدعم المستخدمين لتكوين وظائف الروبوت والمظهر والصوت والتواصل مع قواعد المعرفة الخارجية. النظام الإيكولوجي ، الاستفادة من تكنولوجيا الذكاء الاصطناعى التوليدي يمكّن الأفراد من أن يصبحوا منشئين فائقين.يقوم MyShell بتدريب نموذج اللغة الكبيرة الخاصة لجعل الأدوار أكثر إنسانية ؛باستخدام وكيل الذكاء الاصطناعي المخصص لـ MyShell ، يمكن استخدامه حاليًا في العديد من المجالات مثل الدردشة المرئية ، وتعلم اللغة ، وتوليد الصور ، إلخ.
في دمج Web3 و AI ، يتعلق الأمر حاليًا باستكشاف طبقة البنية التحتية ، وكيفية الحصول على بيانات عالية الجودة وحماية خصوصية البيانات ، وكيفية استضافة النماذج على السلسلة ، وكيفية تحسين الاستخدام الفعال لقوة الحوسبة اللامركزية ، و كيفية التحقق من القضايا الرئيسية مثل نماذج اللغة الكبيرة.نظرًا لأن هذه البنى التحتية تتحسن تدريجياً ، لدينا سبب للاعتقاد بأن دمج Web3 و AI سوف يولد سلسلة من نماذج وخدمات الأعمال المبتكرة.
<-style-type>
