تعتبر Web3 كنموذج إنترنت جديد لامركزي ومفتوح وشفاف، لديها فرصة اندماج طبيعية مع الذكاء الاصطناعي. في إطار البنية التقليدية المركزية، يتم التحكم بشكل صارم في حسابات الذكاء الاصطناعي وموارد البيانات، وهناك تحديات عديدة مثل قوة الحوسبة المحدودة، تسرب الخصوصية، وعدم الشفافية في الخوارزميات. بينما تعتمد Web3 على التكنولوجيا الموزعة، يمكنها من خلال شبكة قوة الحوسبة المشتركة، وسوق البيانات المفتوحة، والحسابات السرية، أن تضخ طاقة جديدة في تطوير الذكاء الاصطناعي. في الوقت نفسه، يمكن أن يقدم الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يعزز بناء بيئتها. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي يعد أمرًا بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات وقوة الحوسبة.
بيانات مدفوعة: AI و Web3 كأساس متين
البيانات هي القوة الدافعة الأساسية لتطور الذكاء الاصطناعي، تمامًا كما هو الحال مع الوقود للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرات استدلال قوية، حيث لا توفر البيانات فقط الأساس للتدريب لنماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.
في نماذج الحصول على البيانات واستخدامها في الذكاء الاصطناعي التقليدية المركزية، توجد عدة مشاكل رئيسية كما يلي:
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 البيانات؛
تواجه خصوصية البيانات الشخصية مخاطر التسريب والإساءة
يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد.
من خلال الشبكة اللامركزية، يمكن للمستخدمين بيع الشبكة غير المستخدمة لشركات الذكاء الاصطناعي، لجمع بيانات الشبكة، وبعد تنظيفها وتحويلها، لتوفير بيانات حقيقية وعالية الجودة لتدريب نماذج الذكاء الاصطناعي؛
اعتماد نموذج "label to earn"، من خلال تحفيز العمال العالميين بالمكافآت الرمزية للمشاركة في وضع علامات على البيانات، وجمع المعرفة المهنية العالمية، وتعزيز القدرة على تحليل البيانات؛
منصة تداول بيانات blockchain توفر بيئة تداول شفافة وعامة لطرفي العرض والطلب على البيانات، مما يحفز الابتكار ومشاركة البيانات.
على الرغم من ذلك، توجد بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل تباين جودة البيانات، وصعوبة المعالجة، وافتقار التنوع والتمثيل. قد تكون البيانات الاصطناعية نجم المستقبل في مجال بيانات Web3. استنادًا إلى تقنيات الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، كإضافة فعالة للبيانات الحقيقية، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أثبتت البيانات الاصطناعية بالفعل إمكاناتها التطبيقية الناضجة.
حماية الخصوصية: دور 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 ذلك يأتي أيضًا مع تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يقيد بلا شك إمكانات ونماذج الذكاء الاصطناعي.
FHE هو التشفير المتجانس بالكامل، يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، والنتائج الحسابية تتطابق مع النتائج الناتجة عن إجراء نفس العمليات على البيانات النصية.
تقدم FHE حماية قوية لحوسبة الخصوصية للذكاء الاصطناعي، مما يسمح لقوة الحوسبة GPU بتنفيذ مهام تدريب النموذج والاستدلال في بيئة لا تمس البيانات الأصلية. وهذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي. يمكنهم فتح خدمات API بأمان مع حماية الأسرار التجارية.
يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة تعلم الآلة، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات ويوفر إطار عمل آمن للحوسبة لتطبيقات الذكاء الاصطناعي.
FHEML هو تكملة لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح لتعلم الآلة، بينما يركز FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
قوة الحوسبة الثورة: حسابات الذكاء الاصطناعي في الشبكات اللامركزية
تتضاعف تعقيدات حسابات أنظمة الذكاء الاصطناعي كل 3 أشهر، مما يؤدي إلى زيادة هائلة في طلب قوة الحوسبة، وهو ما يفوق بكثير إمدادات موارد الحوسبة الحالية. على سبيل المثال، يتطلب تدريب نموذج ذكاء اصطناعي معروف قوة حوسبة ضخمة، تعادل 355 عاماً من وقت التدريب على جهاز واحد. هذه النقص في قوة الحوسبة لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل تلك النماذج المتقدمة بعيدة المنال لمعظم الباحثين والمطورين.
في الوقت نفسه، إن معدل استخدام وحدات معالجة الرسوميات (GPU) العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناجم عن عوامل سلسلة التوريد والجغرافيا السياسية، كل ذلك جعل مشكلة إمدادات قوة الحوسبة أكثر حدة. يجد محترفو الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة خدمة حسابية فعالة من حيث التكلفة وعند الطلب.
تقدم شبكة قوة الحوسبة اللامركزية للذكاء الاصطناعي من خلال تجميع موارد وحدات معالجة الرسوميات غير المستخدمة عالميًا سوق قوة حوسبة اقتصادي وسهل الوصول لشركات الذكاء الاصطناعي. يمكن لمتطلبات قوة الحوسبة نشر مهام الحساب على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد التعدين التي تساهم بقوة الحوسبة، وينفذ عمال المناجم المهام ويقدمون النتائج، وبعد التحقق يحصلون على مكافآت نقاط. هذه الخطة تعزز كفاءة استخدام الموارد وتساعد في حل مشكلة عنق الزجاجة في قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.
بالإضافة إلى شبكة قوة الحوسبة اللامركزية العامة، هناك منصات تركز على تدريب الذكاء الاصطناعي، بالإضافة إلى شبكة قوة الحوسبة المخصصة لاستنتاج الذكاء الاصطناعي.
توفر شبكة قوة الحوسبة اللامركزية سوقًا شفافًا وعادلًا لقوة الحوسبة، مما يكسر الاحتكار، ويخفض من عتبات التطبيق، ويزيد من كفاءة استخدام قوة الحوسبة. ستلعب شبكة قوة الحوسبة اللامركزية دورًا محوريًا في نظام web3 البيئي، مما يجذب المزيد من تطبيقات dapp الابتكارية للانضمام، ودفع تطوير وتطبيق تكنولوجيا الذكاء الاصطناعي بشكل مشترك.
DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة
تخيل أن هاتفك الذكي، وساعة اليد الذكية، وحتى الأجهزة الذكية في منزلك، لديها القدرة على تشغيل الذكاء الاصطناعي------ هذه هي جاذبية Edge AI. إنها تجعل الحساب يحدث في مصدر البيانات، مما يحقق تأخيراً منخفضاً، ومعالجة في الوقت الحقيقي، بينما تحمي خصوصية المستخدم، وقد تم تطبيق تقنية Edge AI في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3، لدينا اسم أكثر شهرة---DePIN. يؤكد Web3 على اللامركزية وسيادة بيانات المستخدم، يمكن لـ DePIN من خلال معالجة البيانات محليًا تعزيز حماية خصوصية المستخدم وتقليل مخاطر تسرب البيانات؛ يمكن لآلية اقتصاد الرموز الأصلية في Web3 تحفيز عقد DePIN لتوفير قوة الحوسبة، وبناء نظام بيئي مستدام.
تتطور DePIN حاليًا بسرعة في بعض أنظمة blockchain العامة، لتصبح واحدة من المنصات الرائدة لنشر المشاريع. تقدم هذه الشبكة العامة دعمًا قويًا لمشاريع DePIN بفضل TPS العالي، وانخفاض تكاليف المعاملات، والابتكار التكنولوجي. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه الشبكة العامة 10 مليارات دولار، وقد حققت بعض المشاريع المعروفة تقدمًا ملحوظًا.
IMO: نموذج AI لنشر نمط جديد
تم اقتراح مفهوم IMO لأول مرة بواسطة بروتوكول معين، والذي يهدف إلى توكين نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب غياب آلية مشاركة العائدات، بمجرد تطوير نموذج الذكاء الاصطناعي وإطلاقه في السوق، غالبًا ما يكون من الصعب على المطورين الحصول على عائدات مستمرة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، فإن المبدعين الأصليين يجدون صعوبة في تتبع الاستخدام، ناهيك عن الحصول على العائدات. كما أن أداء نموذج الذكاء الاصطناعي وفعاليته غالبًا ما يفتقران إلى الشفافية، مما يجعل من الصعب على المستثمرين والمستخدمين المحتملين تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي والنمو التجاري للنموذج.
يقدم IMO طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي المفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العوائد الناتجة عن النموذج في المستقبل. تستخدم بروتوكول معين معيارين من ERC، وتجمع بين الخوارزمية الذكية وتقنية OPML لضمان مصداقية نموذج الذكاء الاصطناعي وتمكين حاملي الرموز من مشاركة العوائد.
نموذج IMO عزز الشفافية والثقة، وشجع التعاون مفتوح المصدر، وتكيف مع اتجاهات سوق التشفير، وضخ动力 في التنمية المستدامة لتكنولوجيا الذكاء الاصطناعي. لا يزال نموذج IMO في مرحلة التجربة الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاره وقيمته المحتملة تستحق انتباهنا.
وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل
يمكن لوكيل الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، يمكن لوكيل الذكاء الاصطناعي أن يفهم اللغة الطبيعية ويخطط للقرارات وينفذ المهام المعقدة. يمكن أن تعمل كassistants الافتراضية، من خلال التفاعل مع المستخدمين لتعلم تفضيلاتهم وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي حل المشكلات بشكل مستقل وزيادة الكفاءة وخلق قيمة جديدة.
تقدم منصة مفتوحة الأصل للتطبيقات الذكية مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوتات، والمظهر، والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي محتوى ذكاء اصطناعي عادل ومفتوح، من خلال استخدام تقنيات الذكاء الاصطناعي التوليدية، وتمكين الأفراد ليصبحوا مبدعين خارقين. قامت المنصة بتدريب نموذج لغوي كبير مخصص، مما يجعل الأدوار أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات الذكية، وتقليل تكلفة توليد الصوت بنسبة 99%، ويمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكيل الذكاء الاصطناعي المخصص من هذه المنصة، يمكن تطبيقه حالياً في مجالات متعددة مثل الدردشة المرئية، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، هناك المزيد من الاستكشاف في طبقة البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال لقوة الحوسبة اللامركزية، وكيفية التحقق من نماذج اللغة الكبيرة، وغيرها من القضايا الرئيسية. مع التحسين التدريجي لهذه البنية التحتية، لدينا سبب للاعتقاد أن دمج Web3 و AI سيثمر عن مجموعة من نماذج الأعمال والخدمات المبتكرة.
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 17
أعجبني
17
4
مشاركة
تعليق
0/400
IntrovertMetaverse
· 07-29 22:16
المتافيرس حقاً ثور رائع!
شاهد النسخة الأصليةرد0
StableNomad
· 07-29 22:14
سمعت هذا الأمل الزائف في عام 2021... لا زلت في انتظار أن ترتفع رموز الخصوصية الخاصة بي بصراحة
Web3 و AI融合: البيانات المدفوعة وحوسبة الخصوصية تفتح عصر جديد لقوة الحوسبة
تعتبر Web3 كنموذج إنترنت جديد لامركزي ومفتوح وشفاف، لديها فرصة اندماج طبيعية مع الذكاء الاصطناعي. في إطار البنية التقليدية المركزية، يتم التحكم بشكل صارم في حسابات الذكاء الاصطناعي وموارد البيانات، وهناك تحديات عديدة مثل قوة الحوسبة المحدودة، تسرب الخصوصية، وعدم الشفافية في الخوارزميات. بينما تعتمد Web3 على التكنولوجيا الموزعة، يمكنها من خلال شبكة قوة الحوسبة المشتركة، وسوق البيانات المفتوحة، والحسابات السرية، أن تضخ طاقة جديدة في تطوير الذكاء الاصطناعي. في الوقت نفسه، يمكن أن يقدم الذكاء الاصطناعي العديد من الإمكانيات لـ Web3، مثل تحسين العقود الذكية، وخوارزميات مكافحة الغش، مما يعزز بناء بيئتها. لذلك، فإن استكشاف دمج Web3 والذكاء الاصطناعي يعد أمرًا بالغ الأهمية لبناء بنية تحتية للإنترنت من الجيل التالي، وإطلاق قيمة البيانات وقوة الحوسبة.
بيانات مدفوعة: AI و Web3 كأساس متين
البيانات هي القوة الدافعة الأساسية لتطور الذكاء الاصطناعي، تمامًا كما هو الحال مع الوقود للمحرك. تحتاج نماذج الذكاء الاصطناعي إلى استيعاب كميات كبيرة من البيانات عالية الجودة للحصول على فهم عميق وقدرات استدلال قوية، حيث لا توفر البيانات فقط الأساس للتدريب لنماذج التعلم الآلي، بل تحدد أيضًا دقة النموذج وموثوقيته.
في نماذج الحصول على البيانات واستخدامها في الذكاء الاصطناعي التقليدية المركزية، توجد عدة مشاكل رئيسية كما يلي:
يمكن لـ Web3 حل نقاط الألم في النماذج التقليدية من خلال نموذج بيانات لامركزي جديد.
على الرغم من ذلك، توجد بعض المشكلات في الحصول على البيانات من العالم الحقيقي، مثل تباين جودة البيانات، وصعوبة المعالجة، وافتقار التنوع والتمثيل. قد تكون البيانات الاصطناعية نجم المستقبل في مجال بيانات Web3. استنادًا إلى تقنيات الذكاء الاصطناعي التوليدي والمحاكاة، يمكن للبيانات الاصطناعية محاكاة خصائص البيانات الحقيقية، كإضافة فعالة للبيانات الحقيقية، مما يزيد من كفاءة استخدام البيانات. في مجالات مثل القيادة الذاتية، وتداول الأسواق المالية، وتطوير الألعاب، أثبتت البيانات الاصطناعية بالفعل إمكاناتها التطبيقية الناضجة.
حماية الخصوصية: دور 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 ذلك يأتي أيضًا مع تحديات: بعض البيانات الحساسة لا يمكن الاستفادة منها بشكل كامل بسبب مخاطر الخصوصية، مما يقيد بلا شك إمكانات ونماذج الذكاء الاصطناعي.
FHE هو التشفير المتجانس بالكامل، يسمح بإجراء عمليات حسابية مباشرة على البيانات المشفرة دون الحاجة إلى فك تشفير البيانات، والنتائج الحسابية تتطابق مع النتائج الناتجة عن إجراء نفس العمليات على البيانات النصية.
تقدم FHE حماية قوية لحوسبة الخصوصية للذكاء الاصطناعي، مما يسمح لقوة الحوسبة GPU بتنفيذ مهام تدريب النموذج والاستدلال في بيئة لا تمس البيانات الأصلية. وهذا يوفر ميزة كبيرة لشركات الذكاء الاصطناعي. يمكنهم فتح خدمات API بأمان مع حماية الأسرار التجارية.
يدعم FHEML معالجة البيانات والنماذج بشكل مشفر طوال دورة تعلم الآلة، مما يضمن أمان المعلومات الحساسة ويمنع مخاطر تسرب البيانات. من خلال هذه الطريقة، يعزز FHEML خصوصية البيانات ويوفر إطار عمل آمن للحوسبة لتطبيقات الذكاء الاصطناعي.
FHEML هو تكملة لـ ZKML، حيث يثبت ZKML التنفيذ الصحيح لتعلم الآلة، بينما يركز FHEML على حساب البيانات المشفرة للحفاظ على خصوصية البيانات.
قوة الحوسبة الثورة: حسابات الذكاء الاصطناعي في الشبكات اللامركزية
تتضاعف تعقيدات حسابات أنظمة الذكاء الاصطناعي كل 3 أشهر، مما يؤدي إلى زيادة هائلة في طلب قوة الحوسبة، وهو ما يفوق بكثير إمدادات موارد الحوسبة الحالية. على سبيل المثال، يتطلب تدريب نموذج ذكاء اصطناعي معروف قوة حوسبة ضخمة، تعادل 355 عاماً من وقت التدريب على جهاز واحد. هذه النقص في قوة الحوسبة لا يقتصر فقط على تقييد تقدم تكنولوجيا الذكاء الاصطناعي، بل يجعل تلك النماذج المتقدمة بعيدة المنال لمعظم الباحثين والمطورين.
في الوقت نفسه، إن معدل استخدام وحدات معالجة الرسوميات (GPU) العالمية أقل من 40%، بالإضافة إلى تباطؤ تحسين أداء المعالجات الدقيقة، ونقص الرقائق الناجم عن عوامل سلسلة التوريد والجغرافيا السياسية، كل ذلك جعل مشكلة إمدادات قوة الحوسبة أكثر حدة. يجد محترفو الذكاء الاصطناعي أنفسهم في مأزق: إما شراء الأجهزة بأنفسهم أو استئجار موارد سحابية، وهم بحاجة ماسة إلى طريقة خدمة حسابية فعالة من حيث التكلفة وعند الطلب.
تقدم شبكة قوة الحوسبة اللامركزية للذكاء الاصطناعي من خلال تجميع موارد وحدات معالجة الرسوميات غير المستخدمة عالميًا سوق قوة حوسبة اقتصادي وسهل الوصول لشركات الذكاء الاصطناعي. يمكن لمتطلبات قوة الحوسبة نشر مهام الحساب على الشبكة، حيث تقوم العقود الذكية بتوزيع المهام على عقد التعدين التي تساهم بقوة الحوسبة، وينفذ عمال المناجم المهام ويقدمون النتائج، وبعد التحقق يحصلون على مكافآت نقاط. هذه الخطة تعزز كفاءة استخدام الموارد وتساعد في حل مشكلة عنق الزجاجة في قوة الحوسبة في مجالات مثل الذكاء الاصطناعي.
بالإضافة إلى شبكة قوة الحوسبة اللامركزية العامة، هناك منصات تركز على تدريب الذكاء الاصطناعي، بالإضافة إلى شبكة قوة الحوسبة المخصصة لاستنتاج الذكاء الاصطناعي.
توفر شبكة قوة الحوسبة اللامركزية سوقًا شفافًا وعادلًا لقوة الحوسبة، مما يكسر الاحتكار، ويخفض من عتبات التطبيق، ويزيد من كفاءة استخدام قوة الحوسبة. ستلعب شبكة قوة الحوسبة اللامركزية دورًا محوريًا في نظام web3 البيئي، مما يجذب المزيد من تطبيقات dapp الابتكارية للانضمام، ودفع تطوير وتطبيق تكنولوجيا الذكاء الاصطناعي بشكل مشترك.
DePIN: تمكين Web3 للذكاء الاصطناعي على الحافة
تخيل أن هاتفك الذكي، وساعة اليد الذكية، وحتى الأجهزة الذكية في منزلك، لديها القدرة على تشغيل الذكاء الاصطناعي------ هذه هي جاذبية Edge AI. إنها تجعل الحساب يحدث في مصدر البيانات، مما يحقق تأخيراً منخفضاً، ومعالجة في الوقت الحقيقي، بينما تحمي خصوصية المستخدم، وقد تم تطبيق تقنية Edge AI في مجالات حيوية مثل القيادة الذاتية.
في مجال Web3، لدينا اسم أكثر شهرة---DePIN. يؤكد Web3 على اللامركزية وسيادة بيانات المستخدم، يمكن لـ DePIN من خلال معالجة البيانات محليًا تعزيز حماية خصوصية المستخدم وتقليل مخاطر تسرب البيانات؛ يمكن لآلية اقتصاد الرموز الأصلية في Web3 تحفيز عقد DePIN لتوفير قوة الحوسبة، وبناء نظام بيئي مستدام.
تتطور DePIN حاليًا بسرعة في بعض أنظمة blockchain العامة، لتصبح واحدة من المنصات الرائدة لنشر المشاريع. تقدم هذه الشبكة العامة دعمًا قويًا لمشاريع DePIN بفضل TPS العالي، وانخفاض تكاليف المعاملات، والابتكار التكنولوجي. حاليًا، تتجاوز القيمة السوقية لمشاريع DePIN على هذه الشبكة العامة 10 مليارات دولار، وقد حققت بعض المشاريع المعروفة تقدمًا ملحوظًا.
IMO: نموذج AI لنشر نمط جديد
تم اقتراح مفهوم IMO لأول مرة بواسطة بروتوكول معين، والذي يهدف إلى توكين نموذج الذكاء الاصطناعي.
في النموذج التقليدي، بسبب غياب آلية مشاركة العائدات، بمجرد تطوير نموذج الذكاء الاصطناعي وإطلاقه في السوق، غالبًا ما يكون من الصعب على المطورين الحصول على عائدات مستمرة من الاستخدام اللاحق للنموذج، خاصة عندما يتم دمج النموذج في منتجات وخدمات أخرى، فإن المبدعين الأصليين يجدون صعوبة في تتبع الاستخدام، ناهيك عن الحصول على العائدات. كما أن أداء نموذج الذكاء الاصطناعي وفعاليته غالبًا ما يفتقران إلى الشفافية، مما يجعل من الصعب على المستثمرين والمستخدمين المحتملين تقييم قيمته الحقيقية، مما يحد من الاعتراف السوقي والنمو التجاري للنموذج.
يقدم IMO طريقة جديدة تمامًا لدعم التمويل ومشاركة القيمة لنماذج الذكاء الاصطناعي المفتوحة المصدر، حيث يمكن للمستثمرين شراء رموز IMO ومشاركة العوائد الناتجة عن النموذج في المستقبل. تستخدم بروتوكول معين معيارين من ERC، وتجمع بين الخوارزمية الذكية وتقنية OPML لضمان مصداقية نموذج الذكاء الاصطناعي وتمكين حاملي الرموز من مشاركة العوائد.
نموذج IMO عزز الشفافية والثقة، وشجع التعاون مفتوح المصدر، وتكيف مع اتجاهات سوق التشفير، وضخ动力 في التنمية المستدامة لتكنولوجيا الذكاء الاصطناعي. لا يزال نموذج IMO في مرحلة التجربة الأولية، ولكن مع زيادة قبول السوق وتوسيع نطاق المشاركة، فإن ابتكاره وقيمته المحتملة تستحق انتباهنا.
وكيل الذكاء الاصطناعي: عصر جديد من تجربة التفاعل
يمكن لوكيل الذكاء الاصطناعي إدراك البيئة والتفكير بشكل مستقل واتخاذ الإجراءات المناسبة لتحقيق الأهداف المحددة. بدعم من نماذج اللغة الكبيرة، يمكن لوكيل الذكاء الاصطناعي أن يفهم اللغة الطبيعية ويخطط للقرارات وينفذ المهام المعقدة. يمكن أن تعمل كassistants الافتراضية، من خلال التفاعل مع المستخدمين لتعلم تفضيلاتهم وتقديم حلول مخصصة. حتى في غياب التعليمات الواضحة، يمكن لوكيل الذكاء الاصطناعي حل المشكلات بشكل مستقل وزيادة الكفاءة وخلق قيمة جديدة.
تقدم منصة مفتوحة الأصل للتطبيقات الذكية مجموعة شاملة وسهلة الاستخدام من أدوات الإبداع، تدعم المستخدمين في تكوين وظائف الروبوتات، والمظهر، والصوت، بالإضافة إلى الاتصال بمكتبات المعرفة الخارجية، وتهدف إلى إنشاء نظام بيئي محتوى ذكاء اصطناعي عادل ومفتوح، من خلال استخدام تقنيات الذكاء الاصطناعي التوليدية، وتمكين الأفراد ليصبحوا مبدعين خارقين. قامت المنصة بتدريب نموذج لغوي كبير مخصص، مما يجعل الأدوار أكثر إنسانية؛ يمكن لتقنية استنساخ الصوت تسريع التفاعل الشخصي للمنتجات الذكية، وتقليل تكلفة توليد الصوت بنسبة 99%، ويمكن تحقيق استنساخ الصوت في دقيقة واحدة فقط. باستخدام وكيل الذكاء الاصطناعي المخصص من هذه المنصة، يمكن تطبيقه حالياً في مجالات متعددة مثل الدردشة المرئية، وتعلم اللغات، وتوليد الصور.
في دمج Web3 و AI، هناك المزيد من الاستكشاف في طبقة البنية التحتية، مثل كيفية الحصول على بيانات عالية الجودة، وحماية خصوصية البيانات، وكيفية استضافة النماذج على السلسلة، وكيفية تحسين الاستخدام الفعال لقوة الحوسبة اللامركزية، وكيفية التحقق من نماذج اللغة الكبيرة، وغيرها من القضايا الرئيسية. مع التحسين التدريجي لهذه البنية التحتية، لدينا سبب للاعتقاد أن دمج Web3 و AI سيثمر عن مجموعة من نماذج الأعمال والخدمات المبتكرة.