دمج Web3 و AI: بناء بنية تحتية للإنترنت من الجيل الجديد
تعتبر Web3 كنموذج إنترنت جديد لامركزي ومفتوح وشفاف، فرصة طبيعية للتكامل مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، تخضع حسابات الذكاء الاصطناعي وموارد البيانات لرقابة صارمة، مما يواجه تحديات عديدة مثل اختناق القدرة الحاسوبية، تسرب الخصوصية، وصندوق أسود للخوارزميات. بينما تعتمد Web3 على التكنولوجيا الموزعة، فإنها تضخ طاقة جديدة في تطوير الذكاء الاصطناعي من خلال مشاركة شبكة القدرة الحاسوبية، والأسواق المفتوحة للبيانات، والحسابات الخاصة. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من المزايا لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يعزز بناء نظامه البيئي. يعد استكشاف دمج Web3 والذكاء الاصطناعي أمرًا بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.
مدفوع بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3
البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي، كما أن الوقود هو المحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة استدلال قوية. لا توفر البيانات فقط الأساس لتدريب نماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.
تواجه أنماط الحصول على البيانات واستخدامها في الذكاء الاصطناعي المركزي التقليدي المشكلات الرئيسية التالية:
تكلفة الحصول على البيانات مرتفعة، مما يجعل من الصعب على الشركات الصغيرة والمتوسطة تحملها
تم احتكار موارد البيانات من قبل عمالقة التكنولوجيا ، مما أدى إلى تشكيل جزر بيانات
تواجه خصوصية البيانات الشخصية مخاطر التسريب وسوء الاستخدام
تستخدم Web3 نموذج بيانات لا مركزي جديد لحل نقاط الألم في النماذج التقليدية:
يمكن للمستخدمين بيع الشبكات غير المستخدمة لشركات الذكاء الاصطناعي، لجمع بيانات الشبكة بشكل لامركزي، وتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي.
اعتماد نموذج "label to earn"، من خلال تحفيز العاملين في جميع أنحاء العالم عبر الرموز، لجمع المعرفة المهنية العالمية وتعزيز قدرة تحليل البيانات.
توفر منصة تداول بيانات blockchain بيئة تداول شفافة وعامة للطرفين المعنيين بالبيانات، مما يحفز الابتكار ومشاركة البيانات
ومع ذلك، تواجه عملية الحصول على بيانات العالم الحقيقي مشكلات تتعلق بجودة غير متساوية، وصعوبة في المعالجة، ونقص في التنوع والتمثيل. قد تكون البيانات الاصطناعية نجم المستقبل في مجال بيانات Web3. تعتمد البيانات الاصطناعية على تقنيات الذكاء الاصطناعي التوليدي والمحاكاة، ويمكن أن تحاكي خصائص البيانات الحقيقية، كإضافة فعالة، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية إمكانات تطبيق ناضجة.
حماية الخصوصية: دور FHE في Web3
في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس اللوائح مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الفردية. ومع ذلك، فإن هذا يطرح تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بالكامل بسبب مخاطر الخصوصية، مما يقيّد إمكانيات ونماذج الذكاء الاصطناعي.
تسمح FHE (التشفير المتجانس الكامل) بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، كما أن نتائج الحساب تتطابق مع نتائج الحساب على البيانات النصية. توفر FHE حماية قوية لحساب الخصوصية في الذكاء الاصطناعي، مما يمكّن قدرة GPU على تنفيذ مهام تدريب النموذج والاستدلال في بيئة لا تمس البيانات الأصلية. وهذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي، حيث يمكنها فتح خدمات واجهة برمجة التطبيقات بأمان مع حماية الأسرار التجارية.
يدعم FHEML معالجة البيانات والنماذج بشكل مشفر على مدار دورة التعلم الآلي بأكملها، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. يعزز FHEML خصوصية البيانات، ويوفر إطار عمل حساب آمن لتطبيقات الذكاء الاصطناعي. يعد FHEML مكملًا لـ ZKML، حيث تثبت ZKML التنفيذ الصحيح للتعلم الآلي بينما يؤكد FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
ثورة قوة الحوسبة: الحوسبة بالذكاء الاصطناعي في الشبكات اللامركزية
نظام الذكاء الاصطناعي الحالي يضاعف تعقيد الحسابات كل ثلاثة أشهر، مما يؤدي إلى زيادة هائلة في الطلب على القدرة الحاسوبية، تفوق بكثير العرض الحالي من الموارد الحاسوبية. على سبيل المثال، يتطلب تدريب نموذج GPT-3 قدرة حاسوبية ضخمة، تعادل 355 عامًا من وقت التدريب لجهاز واحد. هذا النقص في القدرة الحاسوبية لا يقتصر فقط على تقييد تقدم تقنية الذكاء الاصطناعي، بل يجعل النماذج المتقدمة للذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.
في الوقت نفسه، تبلغ نسبة استخدام وحدات معالجة الرسوميات العالمية أقل من 40٪، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، والعوامل الجيوسياسية وسلسلة التوريد التي تؤدي إلى نقص في الرقائق، مما يجعل مشكلة توفير القدرة الحاسوبية أكثر حدة. يجد المتخصصون في الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، مما يجعل من الضروري وجود طريقة للخدمات الحاسوبية حسب الطلب وبتكلفة فعالة.
تقوم شبكة حوسبة الذكاء الاصطناعي اللامركزية بتجميع موارد GPU غير المستخدمة على مستوى العالم، لتوفير سوق حوسبة سهل الوصول وبأسعار معقولة لشركات الذكاء الاصطناعي. يمكن لمستخدمي حوسبة الذكاء الاصطناعي نشر مهام حسابية على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد التعدين التي تساهم بالقوة الحاسوبية، ويقوم عمال المناجم بتنفيذ المهام وتقديم النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. تعمل هذه الخطة على تحسين كفاءة استخدام الموارد، وتساعد في حل مشكلة نقص القدرة الحاسوبية في مجالات مثل الذكاء الاصطناعي.
بجانب الشبكات العامة للحوسبة اللامركزية، هناك شبكات حوسبة مخصصة تركز على تدريب الذكاء الاصطناعي واستنتاجه. توفر شبكة الحوسبة اللامركزية سوقًا عادلًا وشفافًا للحوسبة، مما يكسر الاحتكار، ويقلل من عتبة الدخول للتطبيقات، ويزيد من كفاءة استخدام الحوسبة. في نظام بيئي Web3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من تطبيقات dapp المبتكرة للانضمام، لدفع تطوير وتطبيق تقنيات الذكاء الاصطناعي معًا.
DePIN: تمكين Web3 للذكاء الاصطناعي الطرفي
تخيل أن هاتفك المحمول، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية الذكاء الاصطناعي على الحافة. إنه يجعل الحوسبة تحدث في مصدر إنتاج البيانات، مما يحقق تأخير منخفض ومعالجة في الوقت الحقيقي، مع حماية خصوصية المستخدم. تم تطبيق تكنولوجيا الذكاء الاصطناعي على الحافة في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3، لدينا اسم أكثر ألفة - DePIN. يركز Web3 على اللامركزية وحقوق سيادة بيانات المستخدم، ويعزز DePIN حماية خصوصية المستخدم من خلال معالجة البيانات محليًا، مما يقلل من مخاطر تسرب البيانات؛ آلية الاقتصاد الرمزي الأصلية لـ Web3 يمكن أن تحفز عقد DePIN على تقديم موارد الحوسبة، وبناء نظام بيئي مستدام.
حاليًا، تتطور DePIN بسرعة في نظام بيئي لسلسلة بلوكشين معينة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. تقدم TPS العالية، وتكاليف المعاملات المنخفضة، والابتكارات التقنية في هذه السلسلة دعمًا قويًا لمشاريع DePIN. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه السلسلة 10 مليار دولار، وقد حققت العديد من المشاريع المعروفة تقدمًا ملحوظًا.
IMO: إطلاق نموذج جديد لنموذج الذكاء الاصطناعي
تم اقتراح مفهوم IMO لأول مرة بواسطة بروتوكول معين، لرمز نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب نقص آلية مشاركة الأرباح، يجد مطورو نماذج الذكاء الاصطناعي صعوبة في الحصول على عائدات مستمرة من الاستخدامات اللاحقة، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع استخدامه، ومن الصعب الحصول على العائدات. بالإضافة إلى ذلك، غالبًا ما تفتقر نماذج الذكاء الاصطناعي إلى الشفافية في الأداء والنتائج، مما يجعل المستثمرين المحتملين والمستخدمين يجدون صعوبة في تقييم قيمتها الحقيقية، مما يحد من الاعتراف السوقي والنطاق التجاري للنموذج.
توفر IMO دعمًا ماليًا جديدًا ونمطًا من مشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة الأرباح الناتجة عن النموذج لاحقًا. تستخدم بروتوكول معين معيارين ERC، مع دمج تقنية ذكاء اصطناعي Oracle و OPML لضمان مصداقية نماذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة الأرباح.
نموذج IMO يعزز الشفافية والثقة، ويشجع التعاون مفتوح المصدر، ويتكيف مع اتجاهات سوق العملات المشفرة، ويضخ الزخم في التنمية المستدامة لتكنولوجيا الذكاء الاصطناعي. IMO في الوقت الحالي في مرحلة تجريبية، ولكن مع زيادة قبول السوق وتوسع نطاق المشاركة، فإن ابتكاريته وقيمته المحتملة تستحق التوقع.
وكيل الذكاء الاصطناعي: عصر جديد من التجارب التفاعلية
يمكن لوكيل الذكاء الاصطناعي أن يستشعر البيئة، ويقوم بالتفكير المستقل، ويتخذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، لا يمكن لوكيل الذكاء الاصطناعي فقط فهم اللغة الطبيعية، بل يمكنه أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كعملاء افتراضيين، من خلال التفاعل مع المستخدم وتعلم التفضيلات، وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي أيضًا حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.
تقدم منصة تطبيقات الذكاء الاصطناعي الأصلية مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين ميزات الروبوت والمظهر والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي. تستخدم هذه المنصة تقنية الذكاء الاصطناعي التوليدي لتمكين الأفراد من أن يصبحوا مبدعين متميزين. تدربت المنصة على نماذج لغوية كبيرة مخصصة، مما يجعل تجربة التمثيل أكثر إنسانية؛ وتتيح تقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات الذكية، مما يقلل من تكلفة توليد الصوت بنسبة 99%، ويمكن استنساخ الصوت في دقيقة واحدة فقط. باستخدام الوكيل الذكي المخصص من هذه المنصة، يمكن الآن تطبيقه في مجالات متعددة مثل الدردشة بالفيديو، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، يتم حالياً استكشاف المزيد على مستوى البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال للقوة الحاسوبية اللامركزية، وكيفية التحقق من النماذج اللغوية الكبيرة وغيرها من القضايا الرئيسية. مع تحسين هذه البنية التحتية تدريجياً، لدينا أسباب للاعتقاد بأن دمج Web3 و AI سيولد مجموعة من نماذج الأعمال والخدمات الابتكارية.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 14
أعجبني
14
8
مشاركة
تعليق
0/400
RektRecorder
· منذ 9 س
هل هذه هي الابتكارات فقط؟ لقد نمت.
شاهد النسخة الأصليةرد0
RektRecovery
· 07-30 16:33
احتفال الثغرات القابلة للتنبؤ smh
شاهد النسخة الأصليةرد0
ClassicDumpster
· 07-30 08:06
呵呵 مرة أخرى ظهرت مجرفة حمقى جديدة
شاهد النسخة الأصليةرد0
HalfIsEmpty
· 07-30 08:05
يُستغل بغباء. الجديد.
شاهد النسخة الأصليةرد0
GasFeePhobia
· 07-30 08:05
الغاز الثابت من الحديد ، وأنا مصبوب من النحاس ، أشعر بالانهيار
Web3 والذكاء الاصطناعي: 5 اتجاهات لبناء بنية تحتية جديدة للإنترنت
دمج Web3 و AI: بناء بنية تحتية للإنترنت من الجيل الجديد
تعتبر Web3 كنموذج إنترنت جديد لامركزي ومفتوح وشفاف، فرصة طبيعية للتكامل مع الذكاء الاصطناعي. في ظل الهيكل التقليدي المركزي، تخضع حسابات الذكاء الاصطناعي وموارد البيانات لرقابة صارمة، مما يواجه تحديات عديدة مثل اختناق القدرة الحاسوبية، تسرب الخصوصية، وصندوق أسود للخوارزميات. بينما تعتمد Web3 على التكنولوجيا الموزعة، فإنها تضخ طاقة جديدة في تطوير الذكاء الاصطناعي من خلال مشاركة شبكة القدرة الحاسوبية، والأسواق المفتوحة للبيانات، والحسابات الخاصة. في الوقت نفسه، يمكن أن يوفر الذكاء الاصطناعي العديد من المزايا لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يعزز بناء نظامه البيئي. يعد استكشاف دمج Web3 والذكاء الاصطناعي أمرًا بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات والقدرة الحاسوبية.
مدفوع بالبيانات: الأساس المتين للذكاء الاصطناعي وWeb3
البيانات هي القوة الدافعة الأساسية لتطوير الذكاء الاصطناعي، كما أن الوقود هو المحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرة استدلال قوية. لا توفر البيانات فقط الأساس لتدريب نماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.
تواجه أنماط الحصول على البيانات واستخدامها في الذكاء الاصطناعي المركزي التقليدي المشكلات الرئيسية التالية:
تستخدم Web3 نموذج بيانات لا مركزي جديد لحل نقاط الألم في النماذج التقليدية:
ومع ذلك، تواجه عملية الحصول على بيانات العالم الحقيقي مشكلات تتعلق بجودة غير متساوية، وصعوبة في المعالجة، ونقص في التنوع والتمثيل. قد تكون البيانات الاصطناعية نجم المستقبل في مجال بيانات Web3. تعتمد البيانات الاصطناعية على تقنيات الذكاء الاصطناعي التوليدي والمحاكاة، ويمكن أن تحاكي خصائص البيانات الحقيقية، كإضافة فعالة، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أظهرت البيانات الاصطناعية إمكانات تطبيق ناضجة.
حماية الخصوصية: دور FHE في Web3
في عصر البيانات المدفوعة، أصبحت حماية الخصوصية محور اهتمام عالمي، حيث تعكس اللوائح مثل اللائحة العامة لحماية البيانات (GDPR) في الاتحاد الأوروبي الحماية الصارمة للخصوصية الفردية. ومع ذلك، فإن هذا يطرح تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بالكامل بسبب مخاطر الخصوصية، مما يقيّد إمكانيات ونماذج الذكاء الاصطناعي.
تسمح FHE (التشفير المتجانس الكامل) بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، كما أن نتائج الحساب تتطابق مع نتائج الحساب على البيانات النصية. توفر FHE حماية قوية لحساب الخصوصية في الذكاء الاصطناعي، مما يمكّن قدرة GPU على تنفيذ مهام تدريب النموذج والاستدلال في بيئة لا تمس البيانات الأصلية. وهذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي، حيث يمكنها فتح خدمات واجهة برمجة التطبيقات بأمان مع حماية الأسرار التجارية.
يدعم FHEML معالجة البيانات والنماذج بشكل مشفر على مدار دورة التعلم الآلي بأكملها، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. يعزز FHEML خصوصية البيانات، ويوفر إطار عمل حساب آمن لتطبيقات الذكاء الاصطناعي. يعد FHEML مكملًا لـ ZKML، حيث تثبت ZKML التنفيذ الصحيح للتعلم الآلي بينما يؤكد FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
ثورة قوة الحوسبة: الحوسبة بالذكاء الاصطناعي في الشبكات اللامركزية
نظام الذكاء الاصطناعي الحالي يضاعف تعقيد الحسابات كل ثلاثة أشهر، مما يؤدي إلى زيادة هائلة في الطلب على القدرة الحاسوبية، تفوق بكثير العرض الحالي من الموارد الحاسوبية. على سبيل المثال، يتطلب تدريب نموذج GPT-3 قدرة حاسوبية ضخمة، تعادل 355 عامًا من وقت التدريب لجهاز واحد. هذا النقص في القدرة الحاسوبية لا يقتصر فقط على تقييد تقدم تقنية الذكاء الاصطناعي، بل يجعل النماذج المتقدمة للذكاء الاصطناعي بعيدة المنال بالنسبة لمعظم الباحثين والمطورين.
في الوقت نفسه، تبلغ نسبة استخدام وحدات معالجة الرسوميات العالمية أقل من 40٪، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، والعوامل الجيوسياسية وسلسلة التوريد التي تؤدي إلى نقص في الرقائق، مما يجعل مشكلة توفير القدرة الحاسوبية أكثر حدة. يجد المتخصصون في الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، مما يجعل من الضروري وجود طريقة للخدمات الحاسوبية حسب الطلب وبتكلفة فعالة.
تقوم شبكة حوسبة الذكاء الاصطناعي اللامركزية بتجميع موارد GPU غير المستخدمة على مستوى العالم، لتوفير سوق حوسبة سهل الوصول وبأسعار معقولة لشركات الذكاء الاصطناعي. يمكن لمستخدمي حوسبة الذكاء الاصطناعي نشر مهام حسابية على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد التعدين التي تساهم بالقوة الحاسوبية، ويقوم عمال المناجم بتنفيذ المهام وتقديم النتائج، وبعد التحقق منها يحصلون على مكافآت نقاط. تعمل هذه الخطة على تحسين كفاءة استخدام الموارد، وتساعد في حل مشكلة نقص القدرة الحاسوبية في مجالات مثل الذكاء الاصطناعي.
بجانب الشبكات العامة للحوسبة اللامركزية، هناك شبكات حوسبة مخصصة تركز على تدريب الذكاء الاصطناعي واستنتاجه. توفر شبكة الحوسبة اللامركزية سوقًا عادلًا وشفافًا للحوسبة، مما يكسر الاحتكار، ويقلل من عتبة الدخول للتطبيقات، ويزيد من كفاءة استخدام الحوسبة. في نظام بيئي Web3، ستلعب شبكة الحوسبة اللامركزية دورًا حاسمًا، مما يجذب المزيد من تطبيقات dapp المبتكرة للانضمام، لدفع تطوير وتطبيق تقنيات الذكاء الاصطناعي معًا.
DePIN: تمكين Web3 للذكاء الاصطناعي الطرفي
تخيل أن هاتفك المحمول، وساعتك الذكية، وحتى الأجهزة الذكية في منزلك تمتلك القدرة على تشغيل الذكاء الاصطناعي - هذه هي جاذبية الذكاء الاصطناعي على الحافة. إنه يجعل الحوسبة تحدث في مصدر إنتاج البيانات، مما يحقق تأخير منخفض ومعالجة في الوقت الحقيقي، مع حماية خصوصية المستخدم. تم تطبيق تكنولوجيا الذكاء الاصطناعي على الحافة في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3، لدينا اسم أكثر ألفة - DePIN. يركز Web3 على اللامركزية وحقوق سيادة بيانات المستخدم، ويعزز DePIN حماية خصوصية المستخدم من خلال معالجة البيانات محليًا، مما يقلل من مخاطر تسرب البيانات؛ آلية الاقتصاد الرمزي الأصلية لـ Web3 يمكن أن تحفز عقد DePIN على تقديم موارد الحوسبة، وبناء نظام بيئي مستدام.
حاليًا، تتطور DePIN بسرعة في نظام بيئي لسلسلة بلوكشين معينة، لتصبح واحدة من المنصات المفضلة لنشر المشاريع. تقدم TPS العالية، وتكاليف المعاملات المنخفضة، والابتكارات التقنية في هذه السلسلة دعمًا قويًا لمشاريع DePIN. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه السلسلة 10 مليار دولار، وقد حققت العديد من المشاريع المعروفة تقدمًا ملحوظًا.
IMO: إطلاق نموذج جديد لنموذج الذكاء الاصطناعي
تم اقتراح مفهوم IMO لأول مرة بواسطة بروتوكول معين، لرمز نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب نقص آلية مشاركة الأرباح، يجد مطورو نماذج الذكاء الاصطناعي صعوبة في الحصول على عائدات مستمرة من الاستخدامات اللاحقة، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، يصبح من الصعب على المبدعين الأصليين تتبع استخدامه، ومن الصعب الحصول على العائدات. بالإضافة إلى ذلك، غالبًا ما تفتقر نماذج الذكاء الاصطناعي إلى الشفافية في الأداء والنتائج، مما يجعل المستثمرين المحتملين والمستخدمين يجدون صعوبة في تقييم قيمتها الحقيقية، مما يحد من الاعتراف السوقي والنطاق التجاري للنموذج.
توفر IMO دعمًا ماليًا جديدًا ونمطًا من مشاركة القيمة لنماذج الذكاء الاصطناعي مفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة الأرباح الناتجة عن النموذج لاحقًا. تستخدم بروتوكول معين معيارين ERC، مع دمج تقنية ذكاء اصطناعي Oracle و OPML لضمان مصداقية نماذج الذكاء الاصطناعي وقدرة حاملي الرموز على مشاركة الأرباح.
نموذج IMO يعزز الشفافية والثقة، ويشجع التعاون مفتوح المصدر، ويتكيف مع اتجاهات سوق العملات المشفرة، ويضخ الزخم في التنمية المستدامة لتكنولوجيا الذكاء الاصطناعي. IMO في الوقت الحالي في مرحلة تجريبية، ولكن مع زيادة قبول السوق وتوسع نطاق المشاركة، فإن ابتكاريته وقيمته المحتملة تستحق التوقع.
وكيل الذكاء الاصطناعي: عصر جديد من التجارب التفاعلية
يمكن لوكيل الذكاء الاصطناعي أن يستشعر البيئة، ويقوم بالتفكير المستقل، ويتخذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، لا يمكن لوكيل الذكاء الاصطناعي فقط فهم اللغة الطبيعية، بل يمكنه أيضًا تخطيط القرارات وتنفيذ المهام المعقدة. يمكن أن تعمل كعملاء افتراضيين، من خلال التفاعل مع المستخدم وتعلم التفضيلات، وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي أيضًا حل المشكلات بشكل مستقل، وزيادة الكفاءة، وخلق قيمة جديدة.
تقدم منصة تطبيقات الذكاء الاصطناعي الأصلية مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين ميزات الروبوت والمظهر والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي مفتوح وعادل لمحتوى الذكاء الاصطناعي. تستخدم هذه المنصة تقنية الذكاء الاصطناعي التوليدي لتمكين الأفراد من أن يصبحوا مبدعين متميزين. تدربت المنصة على نماذج لغوية كبيرة مخصصة، مما يجعل تجربة التمثيل أكثر إنسانية؛ وتتيح تقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات الذكية، مما يقلل من تكلفة توليد الصوت بنسبة 99%، ويمكن استنساخ الصوت في دقيقة واحدة فقط. باستخدام الوكيل الذكي المخصص من هذه المنصة، يمكن الآن تطبيقه في مجالات متعددة مثل الدردشة بالفيديو، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، يتم حالياً استكشاف المزيد على مستوى البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال للقوة الحاسوبية اللامركزية، وكيفية التحقق من النماذج اللغوية الكبيرة وغيرها من القضايا الرئيسية. مع تحسين هذه البنية التحتية تدريجياً، لدينا أسباب للاعتقاد بأن دمج Web3 و AI سيولد مجموعة من نماذج الأعمال والخدمات الابتكارية.