دمج Web3 و AI: بناء بنية تحتية جديدة للجيل التالي من الإنترنت

تعتبر Web3 شكلًا جديدًا من الإنترنت لا مركزي ومفتوح وشفاف، ولديها نقاط ارتباط طبيعية مع الذكاء الاصطناعي. في ظل البنية التقليدية المركزية، تتعرض موارد الحساب والبيانات الخاصة بالذكاء الاصطناعي لقيود صارمة، وتواجه العديد من التحديات مثل اختناق القدرة الحسابية، تسرب الخصوصية، وعدم شفافية الخوارزميات. بينما تعتمد Web3 على تقنيات موزعة، يمكنها من خلال شبكة مشاركة القدرة الحسابية، وسوق البيانات المفتوحة، والحسابات الخاصة، توفير دفعة جديدة لتطور الذكاء الاصطناعي. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية وخوارزميات مكافحة الغش، مما يساعد على تحسين نظامها البيئي. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي له أهمية كبيرة في بناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحسابية.

مدعوم بالبيانات: حجر الأساس للذكاء الاصطناعي وWeb3

تعتبر البيانات العنصر الأساسي الذي يدفع تطوير الذكاء الاصطناعي، كما هو الحال مع الوقود بالنسبة للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات هائلة من البيانات عالية الجودة، لتحقيق فهم عميق وقدرة قوية على الاستدلال. لا توفر البيانات فقط الأساس للتدريب على نماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.

توجد المشكلات الرئيسية التالية في نمط الحصول على البيانات واستخدامها في الذكاء الاصطناعي المركزي التقليدي:

• تكلفة الحصول على البيانات مرتفعة، والشركات الصغيرة والمتوسطة تواجه صعوبة في تحملها
• يتم احتكار بيانات الموارد من قبل شركات التكنولوجيا الكبرى، مما يؤدي إلى تشكيل جزر بيانات
• تواجه خصوصية البيانات الشخصية مخاطر التسرب وسوء الاستخدام

يمكن لـ Web3 حل هذه النقاط المؤلمة من خلال نموذج بيانات لامركزي جديد:

• يمكن للمستخدمين بيع موارد الشبكة غير المستخدمة لشركات الذكاء الاصطناعي، لجمع بيانات الشبكة بشكل لامركزي، وبعد تنظيفها وتحويلها، توفر بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي.
• اعتمد نموذج "الوسم يعني الربح"، من خلال تحفيز العاملين في جميع أنحاء العالم للمشاركة في وسم البيانات باستخدام الرموز، لجمع المعرفة المهنية العالمية وتعزيز القدرة على تحليل البيانات.
• منصة تبادل بيانات blockchain توفر بيئة تداول شفافة وعلنية لطرفي العرض والطلب للبيانات، مما يحفز الابتكار ومشاركة البيانات.

ومع ذلك، هناك بعض المشكلات المتعلقة بجمع البيانات في العالم الحقيقي، مثل تباين جودة البيانات، وصعوبة المعالجة، ونقص التنوع والتمثيل. قد تكون البيانات الاصطناعية نقطة مضيئة في مجال بيانات Web3 في المستقبل. تستند البيانات الاصطناعية إلى تقنية الذكاء الاصطناعي التوليدي والمحاكاة، حيث يمكنها محاكاة خصائص البيانات الحقيقية، مما يجعلها تكملة فعالة للبيانات الحقيقية، وزيادة كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية إمكانات تطبيق ناضجة.

حماية الخصوصية: تطبيقات FHE في Web3

في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس القوانين مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الشخصية. ومع ذلك، فإن هذا يأتي مع تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يقيد إمكانيات ونماذج الذكاء الاصطناعي.

تسمح التشفير المتجانس الكلي ( FHE ) بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، والنتائج الحسابية تتوافق مع نتائج البيانات النصية. يوفر FHE حماية قوية لحسابات الخصوصية في الذكاء الاصطناعي، مما يمكّن قدرة GPU من تنفيذ تدريب النماذج والاستنتاج في بيئة لا تتلامس مع البيانات الأصلية. وهذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي، حيث يمكنها فتح خدمات API بأمان مع حماية الأسرار التجارية.

يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة التعلم الآلي، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. يعزز FHEML خصوصية البيانات، ويوفر إطار عمل حسابي آمن لتطبيقات الذكاء الاصطناعي.

FHEML هو تكملة لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح للتعلم الآلي، بينما يؤكد FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.

ثورة القوة الحاسوبية: حسابات الذكاء الاصطناعي في الشبكات اللامركزية

تتضاعف تعقيدات حسابات أنظمة الذكاء الاصطناعي الحالية كل ثلاثة أشهر، مما يؤدي إلى زيادة هائلة في الطلب على قوة الحوسبة، وهو ما يتجاوز بكثير توفر موارد الحوسبة الحالية. على سبيل المثال، يتطلب تدريب نموذج لغوي كبير قوة حوسبة هائلة، تعادل 355 عامًا من وقت التدريب لجهاز واحد. إن نقص قوة الحوسبة هذا لا يقتصر فقط على تقييد تقدم تقنيات الذكاء الاصطناعي، بل يجعل النماذج المتقدمة للذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.

في الوقت نفسه، فإن معدل استخدام وحدات معالجة الرسومات العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، والعوامل الجيوسياسية وسلسلة التوريد التي تؤدي إلى نقص في الرقائق، مما يجعل مشكلة إمداد القوة الحسابية أكثر حدة. يواجه العاملون في مجال الذكاء الاصطناعي معضلة: إما شراء الأجهزة بأنفسهم، أو استئجار موارد سحابية، وهناك حاجة ماسة إلى وسيلة خدمات حسابية فعالة من حيث التكلفة حسب الطلب.

شبكة حوسبة AI اللامركزية تجمع موارد GPU غير المستخدمة من جميع أنحاء العالم، وتوفر سوق حوسبة اقتصادي وسهل الاستخدام لشركات AI. يمكن لمستخدمي الحوسبة نشر مهام حسابية على الشبكة، حيث يقوم العقد الذكي بتوزيع المهام على عقد التعدين التي تساهم بالقوة الحاسوبية، ينفذ المنجمون المهام ويقدمون النتائج، وبعد التحقق يحصلون على مكافآت. تعمل هذه الخطة على تحسين كفاءة استخدام الموارد، وتساعد في حل مشكلة اختناق الحوسبة في مجالات مثل AI.

بجانب شبكة الحوسبة اللامركزية العامة، هناك منصات حوسبة مخصصة تركز على تدريب الذكاء الاصطناعي واستنتاجه. توفر شبكة الحوسبة اللامركزية سوقًا عادلًا وشفافًا للحوسبة، مما يكسر الاحتكار، ويقلل من عتبات التطبيق، ويزيد من كفاءة استخدام الحوسبة. في بيئة ويب 3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا في جذب المزيد من التطبيقات اللامركزية المبتكرة للانضمام، ودفع تطوير وتطبيق تقنيات الذكاء الاصطناعي معًا.

DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة

تخيل أن هاتفك الذكي، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك تمتلك القدرة على تشغيل الذكاء الاصطناعي، هذه هي جاذبية الذكاء الاصطناعي على الحافة. إنه يجعل الحساب يحدث في مصدر البيانات، مما يحقق زمن تأخير منخفض ومعالجة في الوقت الحقيقي، بينما يحمي خصوصية المستخدم. لقد تم تطبيق تقنية الذكاء الاصطناعي على الحافة في مجالات حيوية مثل القيادة الذاتية.

في مجال Web3، الاسم الذي نعرفه أكثر هو DePIN. يركز Web3 على اللامركزية وحقوق ملكية بيانات المستخدم، حيث يعزز DePIN من خلال معالجة البيانات محليًا، مما يعزز حماية خصوصية المستخدم ويقلل من مخاطر تسرب البيانات. يمكن لآلية الاقتصاد الرمزي الأصلية لـ Web3 أن تحفز عقد DePIN على توفير موارد الحوسبة، مما يبني نظامًا بيئيًا مستدامًا.

تتطور DePIN حاليًا بسرعة في بعض بيئات السلاسل العامة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. توفر السلسلة العامة هذه دعمًا قويًا لمشاريع DePIN بفضل قدرتها العالية على معالجة المعاملات، وتكاليفها المنخفضة، وابتكاراتها التقنية. حاليًا، تجاوزت القيمة السوقية لمشاريع DePIN على هذه السلسلة العامة 10 مليارات دولار أمريكي، وقد حققت العديد من المشاريع المعروفة تقدمًا ملحوظًا.

IMO: إصدار نموذج جديد للذكاء الاصطناعي

مفهوم IMO تم ابتكاره بواسطة بروتوكول معين، حيث يتم توكين نماذج الذكاء الاصطناعي. في النموذج التقليدي، بسبب عدم وجود آلية لمشاركة الأرباح، يجد مطورو نماذج الذكاء الاصطناعي صعوبة في تحقيق عائدات مستمرة من الاستخدام اللاحق للنموذج، خاصةً عندما يتم دمج النموذج في منتجات وخدمات أخرى، حيث يصبح من الصعب على المبدعين تتبع الاستخدام والحصول على العائدات. كما أن أداء وفعالية نماذج الذكاء الاصطناعي غالبًا ما تفتقر إلى الشفافية، مما يجعل المستثمرين المحتملين والمستخدمين يجدون صعوبة في تقييم قيمتها الحقيقية، مما يحد من اعتراف السوق بالنموذج وإمكاناته التجارية.

تقدم IMO طريقة جديدة لدعم وتمويل نماذج الذكاء الاصطناعي مفتوحة المصدر ومشاركة القيمة، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة الأرباح الناتجة عن النماذج لاحقًا. تستخدم بروتوكول معين معيارًا تقنيًا محددًا، مع الجمع بين تقنية أوراكل الذكاء الاصطناعي وتقنية OPML لضمان مصداقية نماذج الذكاء الاصطناعي وتمكين حاملي الرموز من مشاركة الأرباح.

تعزز نماذج IMO الشفافية والثقة، وتشجع التعاون مفتوح المصدر، وتتكيف مع اتجاهات سوق التشفير، وتضخ الطاقة في التنمية المستدامة لتقنيات الذكاء الاصطناعي. حاليًا، توجد IMO في مرحلة التجربة الأولية، ولكن مع زيادة قبول السوق وتوسع نطاق المشاركة، فإن ابتكاراتها وقيمتها المحتملة تستحق التطلع.

وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل

يمكن لوكيل الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ إجراءات لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، يمكن لوكيل الذكاء الاصطناعي ليس فقط فهم اللغة الطبيعية، ولكن أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كوكيل افتراضي، من خلال التفاعل مع المستخدمين لتعلم التفضيلات وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي أيضًا حل المشكلات بشكل مستقل، مما يزيد من الكفاءة ويخلق قيمة جديدة.

تقدم منصة تطبيقات الذكاء الاصطناعي المفتوحة مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تخصيص وظائف الروبوتات والمظهر والصوت وربطها بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي، من خلال تمكين الأفراد باستخدام تقنية الذكاء الاصطناعي التوليدي ليصبحوا مبدعين عظماء. قامت المنصة بتدريب نموذج لغة كبير متخصص، مما يجعل التفاعل التمثيلي أكثر إنسانية؛ يمكن أن تسرع تقنية استنساخ الصوت التفاعل الشخصي للمنتجات الذكية، مما يقلل تكلفة تركيب الصوت بنسبة 99%، ويمكن تنفيذ استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكيل الذكاء الاصطناعي المخصص من هذه المنصة، يمكن حالياً تطبيقه في مجالات متعددة مثل محادثات الفيديو، تعلم اللغات، وتوليد الصور.

في مجال دمج Web3 و AI، تتركز الاستكشافات الحالية بشكل أكبر على مستوى البنية التحتية، مثل الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، واستضافة النماذج على السلسلة، وزيادة الاستخدام الفعال للقوة الحاسوبية اللامركزية، والتحقق من النماذج اللغوية الكبيرة، وغيرها من القضايا الرئيسية. مع تحسن هذه البنية التحتية تدريجياً، لدينا أسباب للاعتقاد بأن دمج Web3 و AI سيوفر مجموعة من نماذج الأعمال والخدمات المبتكرة.