دمج Web3 والذكاء الاصطناعي: بناء نظام بيئي للإنترنت من الجيل التالي

تعتبر Web3 كنموذج إنترنت جديد لامركزي ومفتوح وشفاف، لديها نقاط ارتباط طبيعية مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، كانت موارد حسابات الذكاء الاصطناعي والبيانات محدودة بشدة، مما يواجه تحديات متعددة مثل اختناق القدرة الحاسوبية، تسرب الخصوصية، وعدم شفافية الخوارزميات. بينما تقدم Web3، استنادًا إلى التكنولوجيا الموزعة، دافعًا جديدًا لتطور الذكاء الاصطناعي من خلال مشاركة شبكة القدرة الحاسوبية، وسوق البيانات المفتوحة، والحوسبة الخاصة. في الوقت نفسه، يمكن أن يجلب الذكاء الاصطناعي العديد من التعزيزات لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يعزز من تطور نظامها البيئي. لذلك، فإن استكشاف دمج Web3 و الذكاء الاصطناعي له أهمية كبيرة في بناء البنية التحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.

مدفوع بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3

البيانات هي المحرك الرئيسي وراء تطوير الذكاء الاصطناعي. تحتاج نماذج الذكاء الاصطناعي إلى معالجة كميات هائلة من البيانات عالية الجودة لتحقيق فهم عميق وقدرات استنتاج قوية، حيث توفر البيانات أساس التدريب لنماذج التعلم الآلي، كما تحدد دقة وموثوقية النموذج.

توجد المشكلات الرئيسية التالية في نماذج الحصول على البيانات واستخدامها في الذكاء الاصطناعي المركزي التقليدي:

• تكلفة الحصول على البيانات مرتفعة، مما يجعل من الصعب على الشركات الصغيرة والمتوسطة تحملها
• تم احتكار موارد البيانات من قبل شركات التكنولوجيا الكبرى، مما أدى إلى تشكيل جزر بيانات.
• تواجه خصوصية البيانات الشخصية مخاطر التسرب وسوء الاستخدام

يوفر Web3 نموذج بيانات لامركزي جديد لمعالجة هذه التحديات:

• يمكن للمستخدمين بيع الموارد الشبكية غير المستخدمة لشركات الذكاء الاصطناعي، لجمع بيانات الشبكة بطريقة لامركزية، بعد التنظيف والتحويل، لتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي.
• اعتماد نموذج "التعليمات تعني الربح"، من خلال تحفيز التوكن للعاملين في جميع أنحاء العالم للمشاركة في وضع العلامات على البيانات، وتجمع المعرفة المهنية العالمية، وتعزيز قدرة تحليل البيانات.
• يوفر منصة تداول بيانات blockchain بيئة تداول علنية وشفافة للطرفين المعنيين بالبيانات، مما يحفز الابتكار ومشاركة البيانات.

ومع ذلك، لا تزال هناك بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل عدم اتساق جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية هي اللمسة المستقبلية في مجال بيانات Web3. استنادًا إلى تقنيات الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية تقليد خصائص البيانات الحقيقية، كإضافة 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. بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يحد من إمكانيات ونماذج الذكاء الاصطناعي.

تسمح التشفير الشامل المتجانس ( FHE ) بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، كما أن نتائج العمليات الحسابية تتطابق مع نتائج نفس العمليات الحسابية على البيانات النصية. يوفر FHE حماية قوية لحسابات خصوصية الذكاء الاصطناعي، مما يمكّن قوة معالجة GPU من تنفيذ مهام تدريب النماذج والاستنتاج في بيئة لا تتصل بالبيانات الأصلية. وهذا يوفر مزايا كبيرة لشركات الذكاء الاصطناعي، حيث يمكنها 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، ويوفر إطارًا آمنًا للحساب لتطبيقات الذكاء الاصطناعي.

FHEML هو تكملة لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يؤكد FHEML على إجراء الحسابات على البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة القوة الحاسوبية: الحوسبة الذكية في الشبكات اللامركزية

تضاعف تعقيد حسابات أنظمة الذكاء الاصطناعي الحالية كل 3 أشهر، مما أدى إلى زيادة هائلة في الطلب على قوة الحوسبة، متجاوزة بكثير العرض الحالي من الموارد الحسابية. على سبيل المثال، يتطلب تدريب نموذج لغوي كبير قوة حوسبة هائلة، تعادل 355 عامًا من وقت التدريب على جهاز واحد. إن هذا النقص في القوة الحاسوبية لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل تلك النماذج المتقدمة من الذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.

في الوقت نفسه، لا تتجاوز نسبة استخدام وحدات معالجة الرسوميات العالمية 40٪، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناتج عن عوامل سلسلة التوريد والجغرافيا السياسية، كل ذلك يجعل مشكلة توفير القوة الحاسوبية أكثر حدة. يجد العاملون في مجال الذكاء الاصطناعي أنفسهم في موقف صعب: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم في حاجة ماسة إلى طريقة خدمة حسابية فعالة من حيث التكلفة ومرنة حسب الطلب.

تقدم بعض شبكات الحوسبة الذكية اللامركزية من خلال تجميع الموارد غير المستغلة من وحدات المعالجة الرسومية (GPU) على مستوى العالم سوق حوسبة اقتصادي وسهل الوصول لشركات الذكاء الاصطناعي. يمكن لمستخدمي الحوسبة نشر مهام الحوسبة على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عُقد المُعدنين التي تساهم بقوة الحوسبة، وينفذ المُعدنون المهام ويقدمون النتائج، وبعد التحقق يحصلون على مكافآت نقاط. تعزز هذه الخطة كفاءة استخدام الموارد وتساعد في حل مشكلة اختناق قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.

بالإضافة إلى شبكة الحوسبة اللامركزية العامة، هناك أيضًا بعض المنصات التي تركز على تدريب الذكاء الاصطناعي، وشبكات الحوسبة المتخصصة في استنتاج الذكاء الاصطناعي.

توفر شبكة الحوسبة اللامركزية سوقاً عادلاً وشفافاً للقوة الحوسبية، مما يكسر الاحتكار، ويقلل من عتبة الدخول للتطبيقات، ويزيد من كفاءة استخدام القوة الحوسبية. في نظام web3 البيئي، ستلعب شبكة الحوسبة اللامركزية دوراً أساسياً لجذب المزيد من التطبيقات اللامركزية المبتكرة، ودفع تطوير وتطبيق تقنيات الذكاء الاصطناعي بشكل مشترك.

DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة

تتيح تقنية Edge AI حدوث الحوسبة في مصدر إنتاج البيانات، مما يحقق انخفاض زمن التأخير، ومعالجة في الوقت الفعلي، مع حماية خصوصية المستخدم. تم تطبيق تقنية Edge AI في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3، لدينا اسم أكثر دراية - DePIN. يؤكد Web3 على اللامركزية وحقوق المستخدمين في البيانات، يمكن لـ DePIN من خلال معالجة البيانات محليًا تعزيز حماية خصوصية المستخدم وتقليل مخاطر تسرب البيانات؛ آلية الاقتصاد الرمزي الأصلية لـ Web3 يمكن أن تحفز عقد DePIN على توفير موارد الحوسبة، وبناء نظام بيئي مستدام.

تتطور DePIN حاليًا بسرعة في بعض نظم سلسلة الكتل العامة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر TPS العالية، وانخفاض تكاليف المعاملات، والابتكار التكنولوجي دعمًا قويًا لمشاريع DePIN. حاليًا، تجاوزت القيمة السوقية لمشاريع DePIN على هذه السلسلة العامة 10 مليارات دولار، وقد حققت بعض المشاريع المعروفة تقدمًا ملحوظًا.

IMO: إصدار نموذج جديد لنموذج الذكاء الاصطناعي

تم اقتراح مفهوم IMO لأول مرة من قبل بروتوكول معين، حيث يتم توكين نموذج الذكاء الاصطناعي.

في النموذج التقليدي، نظرًا لغياب آلية مشاركة الإيرادات، بمجرد تطوير نموذج الذكاء الاصطناعي وإدخاله إلى السوق، غالبًا ما يصعب على المطورين الحصول على إيرادات مستمرة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع الاستخدام، ناهيك عن الحصول على إيرادات منه. بالإضافة إلى ذلك، غالبًا ما تفتقر أداء وفعالية نموذج الذكاء الاصطناعي إلى الشفافية، مما يجعل من الصعب على المستثمرين والمستخدمين المحتملين تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي للنموذج وإمكاناته التجارية.

توفر IMO طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العائدات الناتجة عن النموذج لاحقًا. يستخدم بروتوكول معين معيارين ERC، مع دمج تكنولوجيا Oracle للذكاء الاصطناعي وOPML لضمان مصداقية نموذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة الأرباح.

تعزز نماذج IMO الشفافية والثقة، وتشجع التعاون مفتوح المصدر، وتتكيف مع اتجاهات سوق العملات المشفرة، وتضخ طاقة في التنمية المستدامة لتكنولوجيا الذكاء الاصطناعي. لا يزال نموذج IMO في مرحلة التجريب الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاره وقيمته المحتملة تستحق انتظارنا.

وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل

يمكن لوكيل الذكاء الاصطناعي إدراك البيئة، والتفكير بشكل مستقل، واتخاذ الإجراءات اللازمة لتحقيق الأهداف المحددة. بدعم من النماذج اللغوية الكبيرة، يمكن لوكيل الذكاء الاصطناعي أن يفهم اللغة الطبيعية، ويخطط للقرارات، وينفذ المهام المعقدة. يمكن أن يعملوا كمساعدين افتراضيين، يتعلمون تفضيلات المستخدم من خلال التفاعل، ويقدمون حلولاً مخصصة. حتى في غياب تعليمات واضحة، يمكن لوكيل الذكاء الاصطناعي حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.

تقدم بعض منصات التطبيقات الأصلية المفتوحة للذكاء الاصطناعي مجموعة أدوات إبداعية شاملة وسهلة الاستخدام، تدعم المستخدمين في تكوين وظائف الروبوتات والمظهر والصوت، بالإضافة إلى ربطها بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي للمحتوى الذكي المفتوح والعادل. تستخدم هذه المنصات تقنية الذكاء الاصطناعي التوليدي لتمكين الأفراد ليصبحوا مبدعين خارقين. قامت هذه المنصات بتدريب نماذج لغوية كبيرة متخصصة، مما يجعل تجربة اللعب أكثر إنسانية؛ تقنية استنساخ الصوت يمكن أن تسرع من التفاعل الشخصي للمنتجات الذكية، وتقلل بشكل كبير من تكاليف توليد الصوت، حيث يمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. يمكن استخدام وكلاء الذكاء الاصطناعي المخصصين من هذه المنصات حاليًا في مجالات متعددة مثل الدردشة عبر الفيديو، وتعلم اللغات، وتوليد الصور.

في دمج Web3 والذكاء الاصطناعي، التركيز الحالي هو أكثر على استكشاف طبقة البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال لقوة الحوسبة اللامركزية، وكيفية التحقق من نماذج اللغة الكبيرة وغيرها من القضايا الرئيسية. مع التحسين التدريجي لهذه البنية التحتية، لدينا سبب للاعتقاد بأن دمج Web3 والذكاء الاصطناعي سيفضي إلى مجموعة من نماذج الأعمال والخدمات المبتكرة.