دمج Web3 و AI: بناء نظام بيئي ذكي لامركزي

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

وصف مؤسس الإيثيريوم في مقال تأثير التآزر بين تقنية التشفير والذكاء الاصطناعي: يمكن أن تعمل اللامركزية في التشفير على موازنة الاتجاه نحو المركزية في الذكاء الاصطناعي؛ يمكن أن تعوض شفافية تقنية التشفير عن عدم الشفافية في الذكاء الاصطناعي؛ بينما تساعد تقنية البلوك تشين في تخزين البيانات المطلوبة للذكاء الاصطناعي وتتبعها. يمتد هذا التآزر عبر النظام البيئي الصناعي الكامل لـ Web3+AI.

حاليًا، تكرس معظم مشاريع Web3 + AI جهودها لاستخدام تقنية blockchain لحل مشكلات بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول بعض المشاريع استخدام الذكاء الاصطناعي لحل مشكلات محددة في تطبيقات Web3. تشمل صناعة Web3 + AI بشكل رئيسي الجوانب الأربعة التالية:

1. طبقة القوة الحسابية: أصول القوة الحسابية

في السنوات الأخيرة، زادت قدرة الحوسبة المطلوبة لتدريب نماذج الذكاء الاصطناعي بشكل متسارع، مما أدى إلى اختلال التوازن بين العرض والطلب وارتفاع التكاليف. يمكن لتقنية Web3 من خلال إنشاء شبكة حوسبة موزعة، استغلال الموارد من الأجهزة المتوسطة والمنخفضة التي لا تستخدم، لتلبية احتياجات تطبيقات الذكاء الاصطناعي بطريقة الإيجار والمشاركة، مع تقليل التكاليف بشكل كبير.

تنقسم طبقة قوة الحوسبة إلى:

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

الميزة الأساسية لمشاريع قوة الحوسبة اللامركزية تكمن في استخدام حوافز الرموز لتوسيع نطاق الشبكة بسرعة، وتوفير موارد قوة حوسبة ذات تكلفة فعالة.

2. طبقة البيانات: تحويل البيانات إلى أصول

البيانات هي المورد الأساسي للذكاء الاصطناعي. يمكن أن تجعل Web3+AI من خلال اللامركزية عملية جمع البيانات، وتوصيفها، وتخزينها أكثر شفافية وبتكلفة منخفضة، وفي الوقت نفسه تمكّن المستخدمين العاديين من الاستفادة منها.

مشاريع طبقة البيانات تشمل بشكل أساسي:

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

تواجه هذه الأنواع من المشاريع تحديات أكبر عند تصميم نموذج الاقتصاد الرمزي، لأن البيانات أصعب في التوحيد القياسي من قوة الحوسبة.

3. طبقة المنصة: تحويل قيمة المنصة إلى أصول

تهدف مشاريع المنصات إلى دمج موارد صناعة الذكاء الاصطناعي المختلفة، بما في ذلك البيانات، وقدرة الحوسبة، والنماذج، والمطورين، وغيرها. تركز بعض المشاريع على بناء منصات موثوقة لاستنتاجات التعلم الآلي، باستخدام تقنيات التشفير مثل إثبات المعرفة الصفرية للتحقق من صحة استنتاجات النماذج.

هناك بعض المشاريع التي تكرّس جهودها لتطوير شبكات بلوكتشين مخصصة لخدمة الذكاء الاصطناعي، أو لبناء منصات شبكة وكلاء الذكاء الاصطناعي. تساعد هذه المنصات من خلال تحفيز الأطراف عبر الرموز على المشاركة في البناء المشترك، مما يسهم في تطوير المشاريع الناشئة بسرعة.

4.层 التطبيقات: تحويل قيمة الذكاء الاصطناعي إلى أصول

تستكشف مشاريع طبقة التطبيق بشكل رئيسي التطبيقات المحددة للذكاء الاصطناعي في بيئة الويب 3. على سبيل المثال:

• الذكاء الاصطناعي كطرف في Web3: يلعب دورًا في ألعاب blockchain، اللامركزية، وأسواق التنبؤ.
• إنشاء الذكاء الاصطناعي الخاص اللامركزي: من خلال إدارة المجتمع، زيادة شفافية وموثوقية نظام الذكاء الاصطناعي.

حاليًا، لم تظهر مشاريع بارزة في طبقة تطبيقات Web3 + AI، ولكن لديها إمكانيات هائلة.

الخاتمة

لا يزال Web3 + AI في مرحلة مبكرة، وهناك آراء مختلفة في الصناعة حول آفاق تطوره. نحن نتطلع إلى أن يخلق هذا الدمج منتجات أكثر قيمة من AI المركزية، مما يسمح لـ AI بالتخلص من علامة "التحكم من قبل الكبار"، وتحقيق نموذج "AI المشترك" الأكثر مجتمعية. من خلال المشاركة والحكم، قد يتمكن البشر من فهم AI بشكل أفضل، وتقليل الخوف، وزيادة الإعجاب.