دمج الذكاء الاصطناعي وWeb3: بناء نظام بيئي للذكاء الاصطناعي اللامركزي

في قمة الحكومات العالمية الأخيرة، اقترح أحد قادة صناعة التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". هذا أثار تساؤلات حول كيفية بناء نظام ذكاء اصطناعي يلبي احتياجات مجتمع التشفير؟ قد تكون الإجابة تكمن في دمج Web3 مع تقنيات الذكاء الاصطناعي.

أوضح خبير معروف في مجال blockchain في مقاله الأثر التآزري بين AI وتقنية التشفير. وأشار إلى أن خاصية اللامركزية في تقنية التشفير يمكن أن توازن الميل المركزي لـ AI؛ وشفافية blockchain يمكن أن تعوض عن عدم الشفافية في AI؛ كما أن تقنية blockchain مفيدة أيضًا لتخزين وتتبع البيانات المطلوبة لـ AI. يمتد هذا الأثر التآزري عبر النظام الإيكولوجي لصناعة Web3+AI بأكمله.

في الوقت الحالي، تكرس معظم مشاريع Web3+AI جهودها لاستخدام تقنية blockchain لحل مشكلات بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تركز بعض المشاريع على استخدام تقنيات الذكاء الاصطناعي لحل مشكلات محددة في تطبيقات Web3. يتضمن النظام البيئي لصناعة Web3+AI بشكل رئيسي الجوانب الأربعة التالية:

1. طبقة القوة الحاسوبية: تحويل القوة الحاسوبية إلى أصول

مع الزيادة الأسية في القوة الحاسوبية المطلوبة لتدريب نماذج الذكاء الاصطناعي، حدث عدم توازن بين العرض والطلب على القوة الحاسوبية، مما أدى إلى ارتفاع أسعار الأجهزة. يمكن لتقنية Web3 من خلال إنشاء شبكة حوسبة موزعة، دمج الموارد الحاسوبية المتوسطة والمنخفضة غير المستخدمة، وتقديم موارد حوسبة اللامركزية بطريقة الإيجار والمشاركة، مما يؤدي إلى خفض تكلفة القوة الحاسوبية للذكاء الاصطناعي بشكل ملحوظ.

2. طبقة البيانات: تحويل البيانات إلى أصول

البيانات هي أساس تطوير الذكاء الاصطناعي. إن دمج Web3+AI يجعل عمليات جمع البيانات، والتوسيم، والتخزين الموزع أكثر اقتصادية وشفافية، ويمكن أن تحمي مصالح المستخدمين بشكل أفضل. من خلال الشبكة الموزعة وآلية تحفيز الرموز، يمكن الحصول على بيانات عالية الجودة وعلى نطاق واسع بتكلفة منخفضة.

3. طبقة المنصة: تحويل قيمة المنصة إلى أصول

بعض المشاريع تسعى لبناء نظام بيئي مشابه لمنصة AI معروفة، ودمج الموارد مثل البيانات، والقدرة الحاسوبية، والنماذج، والمطورين. تهدف هذه الأنظمة إلى تقديم حلول أكثر ملاءمة، مثل استخدام إثباتات المعرفة الصفرية وغيرها من التقنيات التشفيرية للتحقق من عملية استنتاج نموذج AI، مما يزيد من الشفافية والمصداقية.

4. طبقة التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول

تركز مشاريع الطبقة التطبيقية بشكل رئيسي على كيفية استخدام الذكاء الاصطناعي لحل المشكلات في تطبيقات Web3. على سبيل المثال، يمكن أن يكون الذكاء الاصطناعي مشاركًا في ألعاب Web3، يقوم بتنفيذ صفقات المراجحة في البورصات اللامركزية، أو يوفر قدرات التحليل والتنبؤ في أسواق التنبؤ. اتجاه مهم آخر هو إنشاء ذكاء اصطناعي خاص لامركزي، من خلال حوكمة المجتمع لزيادة ثقة المستخدمين وقبولهم للذكاء الاصطناعي.

على الرغم من أن مجال Web3+AI لا يزال في مرحلة مبكرة، إلا أن هناك آراء مختلفة حول آفاق تطوره في الصناعة. ومع ذلك، فإننا نتوقع أن يخلق هذا الدمج منتجات أكثر قيمة من الذكاء الاصطناعي المركزي التقليدي، ويتخلص من علامات "سيطرة العمالقة" و"الاحتكار"، لتحقيق "حوكمة مشتركة للذكاء الاصطناعي" بطريقة أكثر مجتمعية. من خلال المشاركة بشكل أعمق في تطوير الذكاء الاصطناعي وإدارته، قد يتمكن البشر من تقليل المخاوف غير الضرورية بينما يظلوا موقرين للذكاء الاصطناعي.