دمج Web3 و AI: بناء نظام بيئي ذكي لامركزي

مؤخراً، في قمة الحكومة العالمية في دبي، قدم أحد قادة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وقد أثار هذا تساؤلات حول كيفية بناء نظام ذكاء اصطناعي يتماشى مع مصالح ومتطلبات مجتمع التشفير؟ قد تكون الإجابة في دمج Web3 والذكاء الاصطناعي.

شرح مؤسس إيثريوم في مقال له عن التآزر بين تقنية التشفير والذكاء الاصطناعي: يمكن أن توازن اللامركزية في التشفير اتجاه المركزية للذكاء الاصطناعي؛ يمكن أن تعوض الشفافية التي يوفرها التشفير عن عدم الشفافية في الذكاء الاصطناعي؛ تسهل البلوكشين تخزين وتتبع البيانات المطلوبة للذكاء الاصطناعي. يتخلل هذا التآزر جميع جوانب صناعة Web3+AI.

حاليًا، تركز معظم مشاريع Web3+AI على استخدام تكنولوجيا البلوك تشين لحل مشكلات بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تستخدم عدد قليل من المشاريع الذكاء الاصطناعي لحل مشاكل محددة في تطبيقات Web3. يتمثل دمج Web3 وAI بشكل رئيسي في أربعة جوانب:

1. طبقة القوة الحسابية: تفعيل الأصول الحسابية

في السنوات الأخيرة، شهدت القوة الحاسوبية اللازمة لتدريب نماذج الذكاء الاصطناعي زيادة كبيرة تفوق قانون مور. وهذا أدى إلى اختلال توازن العرض والطلب على قوة الحوسبة، مما أدى إلى ارتفاع أسعار الأجهزة مثل وحدات معالجة الرسوميات، وزيادة تكاليف الحوسبة. ومع ذلك، هناك الكثير من أجهزة الحوسبة المتوسطة والمنخفضة التي لا تُستخدم في السوق. من خلال بناء شبكة حوسبة موزعة بطريقة Web3، يمكن دمج هذه الموارد غير المستخدمة لتلبية احتياجات تطبيقات الذكاء الاصطناعي المتنوعة، مع خفض التكاليف بشكل كبير.

تنقسم طبقة القوة الحاسوبية إلى:

• قوة الحوسبة اللامركزية العامة
• قدرة حسابية اللامركزية المخصصة لتدريب الذكاء الاصطناعي
• قوة حوسبة اللامركزية المخصصة لاستنتاج الذكاء الاصطناعي
• قوة الحوسبة اللامركزية المخصصة للتصيير ثلاثي الأبعاد

تتمثل ميزة أصول قوة الحوسبة لـ Web3+AI في أنها، من خلال دمج تحفيز الرموز، تسهل توسيع نطاق الشبكة، بينما تكون تكلفة موارد الحوسبة منخفضة، مما يوفر قيمة جيدة مقابل المال، ويمكن أن تلبي احتياجات قوة الحوسبة المتوسطة والمنخفضة.

2. الطبقة البيانات: تجسيد الأصول البيانات

البيانات هي المورد الأساسي للذكاء الاصطناعي. في النموذج التقليدي، يمكن فقط للشركات الكبرى الحصول على كميات هائلة من بيانات المستخدمين، بينما تجد الشركات الناشئة العادية صعوبة في الحصول على بيانات واسعة، ولا يمكن للمستخدمين الاستفادة من ذلك. يمكن لنموذج Web3+AI أن يجعل عمليات جمع البيانات، والتعليق، والتخزين الموزع أكثر تكلفة وشفافية، مما يعود بالنفع على المستخدمين.

يمكن من خلال شبكة Web3 الموزعة وآلية تحفيز الرموز استخدام طريقة الحشد للحصول على بيانات عالية الجودة وواسعة النطاق بتكلفة منخفضة.

تتضمن المشاريع المتعلقة بالبيانات ما يلي:

• جمع البيانات
• تجارة البيانات
• علامة البيانات
• مصدر بيانات البلوكشين
• اللامركزية存储

تواجه هذه المشاريع تحديات أكبر عند تصميم نموذج اقتصاد الرموز، لأن البيانات أصعب في التوحيد القياسي من القوة الحاسوبية.

3. طبقة المنصة: تحويل قيمة الأصول المنصة إلى أصول

تهدف معظم المشاريع المنصات إلى دمج جميع أنواع الموارد في صناعة الذكاء الاصطناعي، وتجميع البيانات، وقوة الحوسبة، والنماذج، والمطورين، وبلوكشين، وغيرها من العناصر، لحل مختلف الاحتياجات مع التركيز على المنصة. على سبيل المثال، هناك مشاريع تركز على بناء منصة تشغيل zkML، من خلال تقنيات التشفير للتحقق من التنفيذ الصحيح لاستنتاج النموذج، لحل مشكلة الصندوق الأسود للذكاء الاصطناعي.

هناك مشاريع تسعى لبناء شبكة بلوكتشين مخصصة للذكاء الاصطناعي، تربط بين جميع أنواع الموارد، وتوفر مكونات عامة وSDK، مما يساعد على تطوير تطبيقات Web3+AI بسرعة. بالإضافة إلى ذلك، تركز بعض المنصات على بناء شبكة وكلاء الذكاء الاصطناعي، لتوفير الدعم لمختلف سيناريوهات التطبيقات.

تستفيد المشاريع المنصات بشكل رئيسي من خلال رموزها لالتقاط قيمة المنصة، وتحفيز الأطراف المختلفة على المشاركة في البناء. هذا مفيد جدًا لعملية تطوير المشاريع الناشئة من 0 إلى 1، حيث يمكن أن يقلل من صعوبة البحث عن شركاء.

4. الطبقة التطبيقية: تحويل قيمة الذكاء الاصطناعي إلى أصول

تستخدم معظم مشاريع طبقة التطبيقات الذكاء الاصطناعي لحل المشكلات التي تواجه تطبيقات Web3. اقترح مؤسس Ethereum اتجاهين ذوي معنى:

1. الذكاء الاصطناعي كطرف في Web3:

   • في ألعاب Web3، يمكن أن تعمل الذكاء الاصطناعي كوسيلة للاعبين لفهم القواعد بسرعة وإكمال المهام بكفاءة
   • في اللامركزية التبادلات، لقد لعبت الذكاء الاصطناعي دورًا مهمًا في تداولات التحكيم
   • في سوق التنبؤ، يمكن لوكيل الذكاء الاصطناعي من خلال تحليل كميات كبيرة من البيانات، تقديم نماذج توقعات الأحداث للمستخدمين

2. إنشاء AI خاص لامركزي قابل للتوسع: حل مخاوف المستخدمين بشأن صندوق AI الأسود والتحيز والخداع. من خلال إنشاء مشروع AI مشابه لمشاريع Web3، قد يكون من الأسهل قبول المجتمع لامتلاك حقوق الحكم اللامركزية.

حاليًا، لم تظهر مشاريع بارزة في طبقة تطبيقات Web3+AI.

الخاتمة

لا يزال مجال Web3+AI في مرحلة مبكرة، وهناك تباين في الآراء حول آفاق تطوره. نحن نتطلع إلى أن يؤدي دمج Web3 مع AI إلى إنشاء منتجات ذات قيمة أكبر من AI المركزي، مما يتيح لـ AI التحرر من "سيطرة الشركات الكبرى" و"الاحتكار"، وتحقيق "إدارة مشتركة للذكاء الاصطناعي" بطريقة أكثر مجتمعية. ربما في إطار المشاركة والتوجيه الأعمق، سيشعر البشر بالرهبة تجاه AI مع تقليل الخوف.