التطور المتزامن بين Web3 و AI: بناء نظام بيئي ذكي لامركزي

في مؤتمر عالمي، اقترح أحد كبار التنفيذيين في إحدى الشركات التكنولوجية العملاقة مفهوم "الذكاء الاصطناعي السيادي". وقد أثار ذلك تساؤلاً: كيف يمكن بناء نظام ذكاء اصطناعي يلبي مصالح ومطالب مجتمع التشفير؟ قد تكمن الإجابة في دمج Web3 مع الذكاء الاصطناعي.

شرح مؤسس الإيثيريوم في مقال له الأثر التآزري لتكنولوجيا التشفير مع الذكاء الاصطناعي: يمكن أن توازن اللامركزية لتكنولوجيا التشفير الاتجاه المركزي للذكاء الاصطناعي؛ يمكن أن تعوض شفافية تكنولوجيا التشفير عدم الشفافية في الذكاء الاصطناعي؛ بينما تساعد تقنية البلوكشين في تخزين وتتبع البيانات المطلوبة للذكاء الاصطناعي. هذا الأثر التآزري يتخلل النظام البيئي Web3+AI بأكمله.

حالياً، تركز معظم مشاريع Web3+AI على استخدام تقنية blockchain لحل مشاكل بناء البنية التحتية في صناعة AI، بينما تركز بعض المشاريع على استخدام AI لحل مشاكل معينة في تطبيقات Web3. تشمل صناعة Web3+AI بشكل رئيسي الجوانب الأربعة التالية:

1. طبقة القوة الحاسوبية: أصول القوة الحاسوبية

في السنوات الأخيرة، شهدت القوة الحاسوبية اللازمة لتدريب نماذج الذكاء الاصطناعي نموًا متسارعًا، مما أدى إلى عدم التوازن الشديد في العرض والطلب على القوة الحاسوبية، وارتفاع أسعار الأجهزة مثل وحدات معالجة الرسومات. ومع ذلك، هناك أيضًا العديد من موارد القوة الحاسوبية المتوسطة والمنخفضة غير المستغلة في السوق. من خلال تقنية Web3، يمكن بناء شبكة قوة حاسوبية موزعة، من خلال التأجير والمشاركة، لإنشاء تجمع موارد حاسوبية لامركزية، تلبي احتياجات تطبيقات الذكاء الاصطناعي المتنوعة، مع تقليل التكاليف بشكل كبير.

تنقسم طبقة القدرة الحاسوبية إلى:

• قوة حسابية لامركزية عامة
• قوة حوسبة اللامركزية المخصصة لتدريب الذكاء الاصطناعي
• قوة الحوسبة اللامركزية المخصصة لاستنتاج الذكاء الاصطناعي
• قوة حسابية لامركزية مخصصة للتصيير ثلاثي الأبعاد

تتمثل المزايا الأساسية لهذه المشاريع في算力 اللامركزية في أنها تستطيع توسيع حجم الشبكة بسرعة بفضل آلية تحفيز الرموز، وتقديم موارد算力 عالية الجودة بتكلفة مناسبة، لتلبية احتياجات算力 المتوسطة والمنخفضة.

2. طبقة البيانات: تحويل البيانات إلى أصول

البيانات هي حجر الزاوية لتطور الذكاء الاصطناعي. في النموذج التقليدي، غالباً ما تتركز كميات كبيرة من بيانات المستخدمين في أيدي عدد قليل من عمالقة التكنولوجيا، مما يجعل من الصعب على الشركات الناشئة الحصول على موارد بيانات واسعة. من خلال طريقة Web3 + AI، يمكن تحقيق تقليل التكاليف والشفافية في عمليات جمع البيانات، وتوسيمها، وتخزينها بشكل موزع، مما يعود بالنفع بشكل أفضل على المستخدمين.

مشاريع طبقة البيانات تشمل أساسا:

• مشاريع جمع البيانات
• مشاريع تداول البيانات
• مشاريع تصنيف البيانات
• مشاريع من نوع مصادر بيانات اللامركزية
• مشاريع التخزين اللامركزية

تواجه هذه المشاريع تحديات كبيرة عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات أصعب في المعايير من قوة الحوسبة.

3. طبقة المنصة: تحويل قيمة الأصول للمنصة

تهدف المشاريع المتعلقة بالمنصات إلى دمج موارد صناعة الذكاء الاصطناعي المتنوعة، وتجميع البيانات، وقوة الحوسبة، والنماذج، ومطوري الذكاء الاصطناعي، والموارد المتعددة المتعلقة بالبلوك تشين. تركز بعض المشاريع على بناء منصة موثوقة وشفافة لاستنتاجات التعلم الآلي، من خلال تقنيات التشفير للتحقق من صحة استنتاجات النماذج. وهناك مشاريع مكرسة لتطوير سلاسل الكتل العامة أو حلول الطبقة الثانية المخصصة للذكاء الاصطناعي، لتوفير بنية تحتية سريعة البناء والتطوير لتطبيقات Web3 + AI.

تستفيد المشاريع القائمة على المنصات بشكل رئيسي من الرموز لالتقاط قيمة المنصة، وتحفيز جميع الأطراف على المشاركة في البناء المشترك. وهذا يوفر دعمًا مهمًا لعملية المشاريع الناشئة من 0 إلى 1، ويقلل من صعوبة بحث المشروع عن موارد وشركاء مختلفين.

4. الطبقة التطبيقية: تحويل قيمة الذكاء الاصطناعي إلى أصول

تتركز مشاريع طبقة التطبيقات بشكل رئيسي على استخدام الذكاء الاصطناعي لحل المشكلات المحددة في تطبيقات الويب 3. تشمل الاتجاهات التي تستحق الانتباه:

1. الذكاء الاصطناعي كفاعل في الويب 3: على سبيل المثال، يمكنه أن يلعب دور اللاعب في ألعاب الويب 3، أو أن يقوم بإجراء معاملات التحكيم في DEX، أو أن يقدم قدرات التحليل والتوقع في أسواق التوقعات.

2. إنشاء ذكاء اصطناعي خاص لامركزي وقابل للتوسع: من خلال منح المجتمع حقوق الحوكمة الموزعة على الذكاء الاصطناعي، يتم معالجة مخاوف المستخدمين بشأن مشكلة الصندوق الأسود للذكاء الاصطناعي، وزيادة الشفافية والثقة.

حاليًا، لم تظهر مشاريع رائدة في طبقة تطبيقات Web3+AI، لكن الإمكانيات هائلة.

آفاق

ما زالت دمج Web3+AI في مراحلها المبكرة، حيث توجد آراء مختلفة في الصناعة حول آفاق تطورها. نحن نتطلع إلى أن تتمكن هذه الدمج من خلق منتجات ذات قيمة أكبر من AI المركزي، مما يمكّن AI من التخلص من علامات "التحكم من قِبل الشركات الكبرى" و"الاحتكار"، لتحقيق "إدارة مشتركة للـ AI" بطريقة أكثر مجتمعية. خلال عملية المشاركة الأعمق وإدارة الـ AI، قد يتمكن البشر من الحفاظ على هيبة معتدلة تجاه AI، مع تقليل المخاوف غير الضرورية.