مؤخراً، خلال قمة الحكومة العالمية التي عقدت في دبي، طرح أحد قادة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وهذا أثار تفكيرنا: كيف يمكننا بناء نظام ذكاء اصطناعي قادر على تلبية مصالح واحتياجات مجتمع العملات المشفرة؟ الإجابة قد تكمن في دمج Web3 والذكاء الاصطناعي.
ناقش مؤسس الإيثيريوم في مقال له تأثير التآزر بين العملات المشفرة والذكاء الاصطناعي: اللامركزية للعملات المشفرة يمكن أن توازن الاتجاه المركزي للذكاء الاصطناعي؛ الشفافية التي تقدمها العملات المشفرة يمكن أن تعوض عدم شفافية الذكاء الاصطناعي؛ كما أن تقنية البلوك تشين مفيدة لتخزين البيانات اللازمة للذكاء الاصطناعي وتتبعها. يتجلى هذا التآزر في جميع أنحاء النظام البيئي الصناعي لـ Web3 + AI.
حالياً، تركز معظم مشاريع Web3+AI على استخدام تقنية blockchain لحل مشاكل بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول عدد قليل من المشاريع استخدام الذكاء الاصطناعي لحل مشاكل محددة في تطبيقات Web3. تشمل المنظومة الصناعية لـ Web3+AI بشكل رئيسي المجالات التالية:
1. طبقة القوة الحاسوبية: أصول القوة الحاسوبية
في السنوات الأخيرة، شهدت القوة الحاسوبية المطلوبة لتدريب نماذج الذكاء الاصطناعي نمواً أسياً، متجاوزة توقعات قانون مور. وقد أدى ذلك إلى عدم التوازن في العرض والطلب على قوة الذكاء الاصطناعي، مما تسبب في ارتفاع أسعار الأجهزة مثل وحدات معالجة الرسوميات (GPU)، ورفع تكاليف القوة الحاسوبية. ومع ذلك، هناك العديد من موارد القوة الحاسوبية المتوسطة والمنخفضة غير المستغلة في السوق. من خلال إنشاء شبكة قوة حاسوبية موزعة بطريقة Web3، يمكن دمج هذه الموارد بفعالية، مما يقلل بشكل كبير من تكاليف قوة الذكاء الاصطناعي.
تنقسم طبقة القوة الحاسوبية إلى:
قدرة حوسبة اللامركزية العامة
قوة حسابية لامركزية مخصصة لتدريب الذكاء الاصطناعي
قوة الحوسبة اللامركزية المخصصة لاستنتاج الذكاء الاصطناعي
قوة الحوسبة اللامركزية المخصصة للتصيير ثلاثي الأبعاد
تتمثل الميزة الأساسية لتحويل قوة الحوسبة إلى أصول في Web3+AI في أن المشاريع اللامركزية لقوة الحوسبة يمكن أن توسع حجم الشبكة بسرعة من خلال حوافز التوكن، وتوفر موارد قوة حوسبة عالية الكفاءة من حيث التكلفة، وتلبي احتياجات قوة الحوسبة المتوسطة والمنخفضة.
2. طبقة البيانات: توطين الأصول البيانات
البيانات هي المورد الرئيسي لتطور الذكاء الاصطناعي. في النموذج التقليدي، يمكن فقط للشركات الكبيرة الوصول إلى كميات هائلة من بيانات المستخدمين، بينما يصعب على الشركات الناشئة العادية الحصول على موارد بيانات واسعة. من خلال استخدام Web3 + AI، يمكن تحقيق جمع البيانات، ووضع العلامات، والتخزين الموزع بتكلفة منخفضة وشفافية عالية، مع تمكين المستخدمين من الاستفادة من ذلك.
تشمل المشاريع المتعلقة بالبيانات بشكل رئيسي:
فئة جمع البيانات
بيانات التجارة
تصنيف البيانات
فئة مصدر بيانات blockchain
اللامركزية存储类
تواجه هذه الأنواع من المشاريع تحديات أكبر عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات أصعب في القياس القياسي مقارنة بالقوة الحاسوبية.
3. طبقة المنصة: تحويل قيمة الأصول إلى أصول
تهدف المشاريع من نوع المنصات إلى دمج موارد صناعة الذكاء الاصطناعي، وبناء نظام بيئي يربط بين البيانات، والقوة الحاسوبية، والنماذج، والمطورين، والـاللامركزية والموارد الأخرى المختلفة. على سبيل المثال، تركز بعض المشاريع على بناء منصات تشغيل zkML، بهدف تحسين موثوقية وشفافية استدلال تعلم الآلة. وهناك مشاريع أخرى مكرسة لتطوير سلاسل الكتل العامة أو حلول Layer 2 المخصصة لخدمة الذكاء الاصطناعي.
تلتقط هذه الأنظمة الأساسية قيمة المنصة من خلال الرموز، مما يحفز جميع الأطراف المشاركة على بناء النظام البيئي معًا. بالنسبة للمشاريع الناشئة، يمكن أن تقلل هذه النموذج من صعوبة العثور على قوى الحوسبة والبيانات ومجتمعات المطورين والعقد وغيرها من الشركاء.
4.层 التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول
تركز المشاريع على مستوى التطبيق بشكل رئيسي على استخدام الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات Web3. الاتجاهان اللذان يستحقان الاهتمام هما:
الذكاء الاصطناعي كطرف مشارك في Web3: على سبيل المثال، يمكن أن يلعب دور لاعب في ألعاب البلوك تشين، أو إجراء صفقات التحكيم في البورصات اللامركزية، أو تقديم خدمات التحليل والتنبؤ في أسواق التنبؤ.
إنشاء AI خاص اللامركزي وقابل للتوسع: من خلال منح المجتمع حقوق الحوكمة الموزعة على AI، يتم معالجة مخاوف المستخدمين بشأن الصناديق السوداء لـ AI، والتحيز، والاحتيال المحتمل.
حالياً، لم تظهر مشاريع رائدة في طبقة تطبيقات Web3+AI، لكن الإمكانيات ضخمة.
توقعات
مجال Web3 + AI لا يزال في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطوره. نتطلع إلى أن يؤدي دمج Web3 و AI إلى إنشاء منتجات أكثر قيمة من الذكاء الاصطناعي اللامركزي، والتخلص من "سيطرة العملاق" و"الاحتكار"، وتحقيق نموذج "الذكاء الاصطناعي المشترك" الأكثر مجتمعية. ربما في عملية المشاركة والحكم الأكثر عمقًا، سيشعر البشر بمزيد من الهيبة تجاه الذكاء الاصطناعي، مما يقلل من الخوف.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 21
أعجبني
21
9
مشاركة
تعليق
0/400
SleepyArbCat
· 07-18 23:33
عبر السلاسل还有غاز费الارتفاع满 没睡醒不碰
شاهد النسخة الأصليةرد0
ser_ngmi
· 07-17 05:07
مرة أخرى تتحدث عن الأماني
شاهد النسخة الأصليةرد0
MindsetExpander
· 07-16 05:08
عصر العلامة
شاهد النسخة الأصليةرد0
FromMinerToFarmer
· 07-16 02:45
خداع الناس لتحقيق الربح لا يمكننا حفر المناجم أيضًا
شاهد النسخة الأصليةرد0
GasGuru
· 07-16 02:36
آه، أليس مجرد خداع آخر لجمع التمويل؟
شاهد النسخة الأصليةرد0
DataOnlooker
· 07-16 02:25
أليس مجرد أسلوب جديد لجمع المال؟
شاهد النسخة الأصليةرد0
RooftopReserver
· 07-16 02:25
حمقى新韭苗
شاهد النسخة الأصليةرد0
BlockDetective
· 07-16 02:23
مرة أخرى نرى هذه الفخ من الأصول.
شاهد النسخة الأصليةرد0
AirdropHuntress
· 07-16 02:22
مرة أخرى نرى رأس المال يرسم البيتزا ولكن البيانات تستحق المتابعة
Web3 و AI: بناء نظام بيئي ذكي لامركزي
دمج Web3 و AI: بناء مستقبل ذكي لامركزي
مؤخراً، خلال قمة الحكومة العالمية التي عقدت في دبي، طرح أحد قادة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وهذا أثار تفكيرنا: كيف يمكننا بناء نظام ذكاء اصطناعي قادر على تلبية مصالح واحتياجات مجتمع العملات المشفرة؟ الإجابة قد تكمن في دمج Web3 والذكاء الاصطناعي.
ناقش مؤسس الإيثيريوم في مقال له تأثير التآزر بين العملات المشفرة والذكاء الاصطناعي: اللامركزية للعملات المشفرة يمكن أن توازن الاتجاه المركزي للذكاء الاصطناعي؛ الشفافية التي تقدمها العملات المشفرة يمكن أن تعوض عدم شفافية الذكاء الاصطناعي؛ كما أن تقنية البلوك تشين مفيدة لتخزين البيانات اللازمة للذكاء الاصطناعي وتتبعها. يتجلى هذا التآزر في جميع أنحاء النظام البيئي الصناعي لـ Web3 + AI.
حالياً، تركز معظم مشاريع Web3+AI على استخدام تقنية blockchain لحل مشاكل بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول عدد قليل من المشاريع استخدام الذكاء الاصطناعي لحل مشاكل محددة في تطبيقات Web3. تشمل المنظومة الصناعية لـ Web3+AI بشكل رئيسي المجالات التالية:
1. طبقة القوة الحاسوبية: أصول القوة الحاسوبية
في السنوات الأخيرة، شهدت القوة الحاسوبية المطلوبة لتدريب نماذج الذكاء الاصطناعي نمواً أسياً، متجاوزة توقعات قانون مور. وقد أدى ذلك إلى عدم التوازن في العرض والطلب على قوة الذكاء الاصطناعي، مما تسبب في ارتفاع أسعار الأجهزة مثل وحدات معالجة الرسوميات (GPU)، ورفع تكاليف القوة الحاسوبية. ومع ذلك، هناك العديد من موارد القوة الحاسوبية المتوسطة والمنخفضة غير المستغلة في السوق. من خلال إنشاء شبكة قوة حاسوبية موزعة بطريقة Web3، يمكن دمج هذه الموارد بفعالية، مما يقلل بشكل كبير من تكاليف قوة الذكاء الاصطناعي.
تنقسم طبقة القوة الحاسوبية إلى:
تتمثل الميزة الأساسية لتحويل قوة الحوسبة إلى أصول في Web3+AI في أن المشاريع اللامركزية لقوة الحوسبة يمكن أن توسع حجم الشبكة بسرعة من خلال حوافز التوكن، وتوفر موارد قوة حوسبة عالية الكفاءة من حيث التكلفة، وتلبي احتياجات قوة الحوسبة المتوسطة والمنخفضة.
2. طبقة البيانات: توطين الأصول البيانات
البيانات هي المورد الرئيسي لتطور الذكاء الاصطناعي. في النموذج التقليدي، يمكن فقط للشركات الكبيرة الوصول إلى كميات هائلة من بيانات المستخدمين، بينما يصعب على الشركات الناشئة العادية الحصول على موارد بيانات واسعة. من خلال استخدام Web3 + AI، يمكن تحقيق جمع البيانات، ووضع العلامات، والتخزين الموزع بتكلفة منخفضة وشفافية عالية، مع تمكين المستخدمين من الاستفادة من ذلك.
تشمل المشاريع المتعلقة بالبيانات بشكل رئيسي:
تواجه هذه الأنواع من المشاريع تحديات أكبر عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات أصعب في القياس القياسي مقارنة بالقوة الحاسوبية.
3. طبقة المنصة: تحويل قيمة الأصول إلى أصول
تهدف المشاريع من نوع المنصات إلى دمج موارد صناعة الذكاء الاصطناعي، وبناء نظام بيئي يربط بين البيانات، والقوة الحاسوبية، والنماذج، والمطورين، والـاللامركزية والموارد الأخرى المختلفة. على سبيل المثال، تركز بعض المشاريع على بناء منصات تشغيل zkML، بهدف تحسين موثوقية وشفافية استدلال تعلم الآلة. وهناك مشاريع أخرى مكرسة لتطوير سلاسل الكتل العامة أو حلول Layer 2 المخصصة لخدمة الذكاء الاصطناعي.
تلتقط هذه الأنظمة الأساسية قيمة المنصة من خلال الرموز، مما يحفز جميع الأطراف المشاركة على بناء النظام البيئي معًا. بالنسبة للمشاريع الناشئة، يمكن أن تقلل هذه النموذج من صعوبة العثور على قوى الحوسبة والبيانات ومجتمعات المطورين والعقد وغيرها من الشركاء.
4.层 التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول
تركز المشاريع على مستوى التطبيق بشكل رئيسي على استخدام الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات Web3. الاتجاهان اللذان يستحقان الاهتمام هما:
الذكاء الاصطناعي كطرف مشارك في Web3: على سبيل المثال، يمكن أن يلعب دور لاعب في ألعاب البلوك تشين، أو إجراء صفقات التحكيم في البورصات اللامركزية، أو تقديم خدمات التحليل والتنبؤ في أسواق التنبؤ.
إنشاء AI خاص اللامركزي وقابل للتوسع: من خلال منح المجتمع حقوق الحوكمة الموزعة على AI، يتم معالجة مخاوف المستخدمين بشأن الصناديق السوداء لـ AI، والتحيز، والاحتيال المحتمل.
حالياً، لم تظهر مشاريع رائدة في طبقة تطبيقات Web3+AI، لكن الإمكانيات ضخمة.
توقعات
مجال Web3 + AI لا يزال في مرحلة مبكرة، وهناك آراء مختلفة داخل الصناعة حول آفاق تطوره. نتطلع إلى أن يؤدي دمج Web3 و AI إلى إنشاء منتجات أكثر قيمة من الذكاء الاصطناعي اللامركزي، والتخلص من "سيطرة العملاق" و"الاحتكار"، وتحقيق نموذج "الذكاء الاصطناعي المشترك" الأكثر مجتمعية. ربما في عملية المشاركة والحكم الأكثر عمقًا، سيشعر البشر بمزيد من الهيبة تجاه الذكاء الاصطناعي، مما يقلل من الخوف.