المصدر: ABCDE, Medium
بعد مرور أكثر من عام على إصدار ChatGPT، أصبح النقاش حول AI+Crpyo حيويًا مرة أخرى في السوق مؤخرًا. ويُنظر إلى الذكاء الاصطناعي باعتباره اللعبة الأكثر أهمية في العالم. سوق صاعدة من 24 إلى 25 عامًا. أحد الأسباب هو أنه حتى بوتيرين نفسه نشر "الوعد والتحديات لتطبيقات التشفير + الذكاء الاصطناعي" (آفاق وتحديات تطبيقات التشفير + الذكاء الاصطناعي) لمناقشة اتجاهات الاستكشاف المحتملة لـ AI + Cryto في مستقبل.
لن تقدم هذه المقالة الكثير من التنبؤات الشخصية، ولكن ببساطة من منظور السوق الأولية، ستقدم نظرة عامة تقريبية على مشاريع ريادة الأعمال التي تجمع بين الذكاء الاصطناعي والعملات المشفرة التي تمت ملاحظتها في العام الماضي، وألق نظرة في المشاريع الريادية على وجه التحديد، من أي زاوية دخل الباحث إلى السوق، وما هي الإنجازات التي حققها حتى الآن، وما هي المجالات التي لا تزال قيد الاستكشاف.
1. دورة AI+Crypto
تحدثنا على مدار 23 عامًا عن العشرات من مشاريع AI+Crypto، والتي يمكننا أن نرى من بينها دورات واضحة.
قبل إصدار ChatGPT في نهاية 22، كان هناك عدد قليل جدًا من مشاريع blockchain المتعلقة بالذكاء الاصطناعي في السوق الثانوية. أهم المشاريع التي يمكن للجميع التفكير فيها هي FET وAGIX وغيرها من المشاريع القائمة. الذكاء الاصطناعي الذي يمكن رؤيته في السوق الأولية ليس له الكثير من الأهمية أيضًا.
يمكن القول أن الفترة من يناير إلى مايو من عام 2023 هي أول فترة مركزة لتفشي مشاريع الذكاء الاصطناعي. بعد كل شيء، كان لـ Chatgpt تأثير كبير على الناس. وقد تمحورت العديد من المشاريع القديمة في السوق الثانوية نحو السوق الثانوية. مسار الذكاء الاصطناعي: في السوق الأولية، تتم أيضًا مناقشة مشاريع الذكاء الاصطناعي والتشفير كل أسبوع تقريبًا. وبالمثل، تبدو مشاريع الذكاء الاصطناعي خلال هذه الفترة بسيطة نسبيًا. كثير منها عبارة عن مشاريع "تقليد" + "تعديل سلسلة" تعتمد على ChatGPT. لا توجد تقريبًا أي حواجز تقنية أساسية. غالبًا ما ينفق فريق التطوير الداخلي لدينا مشروعًا أساسيًا يمكن إعادة إنتاج الإطار خلال يوم أو يومين فقط. وهذا ما جعلنا نتحدث أيضًا عن الكثير من مشاريع الذكاء الاصطناعي خلال هذه الفترة، لكن في النهاية لم يتم فعل أي شيء.
بدأ السوق الثانوي في التحول إلى الاتجاه الهبوطي من مايو إلى أكتوبر. ومن المثير للاهتمام أن عدد مشاريع الذكاء الاصطناعي في السوق الأولية انخفض أيضًا بشكل حاد خلال هذه الفترة، ولم ينخفض العدد إلا في الشهر أو الشهرين الماضيين. تم أيضًا إثراء المناقشات والمقالات وما إلى ذلك حول AI+Crypto في السوق. لقد دخلنا مرة أخرى "المشهد الكبير" حيث يمكننا مقابلة مشاريع الذكاء الاصطناعي كل أسبوع. بعد نصف عام، من الواضح أن الدفعة الناشئة من مشاريع الذكاء الاصطناعي لديها فهم واضح لمسار الذكاء الاصطناعي، وتنفيذ سيناريوهات الأعمال، وقد تحسن الجمع بين AI + Crypto بشكل ملحوظ مقارنة بالدفعة الأولى من AI Hype على الرغم من أن العوائق الفنية لا تزال غير قوية، إلا أن النضج العام قد وصل إلى مستوى أعلى. في عامنا الرابع والعشرين فقط، قمنا أخيرًا برهاننا الأول على مسار AI+Crpyto.
2. مسار AI+Crypto
قدمت فيكتوريا تنبؤًا من عدة أبعاد ووجهات نظر مجردة نسبيًا في مقالة "الآفاق والتحديات":
< ul class=" list -paddingleft-2" style="list-style-type: disk;">
الذكاء الاصطناعي كمشارك في اللعبة
الذكاء الاصطناعي كواجهة للعبة< /p>
الذكاء الاصطناعي كقواعد للعبة
الذكاء الاصطناعي كهدف للعبة
نقوم بتلخيص مشاريع الذكاء الاصطناعي هذه التي يتم مشاهدتها حاليًا في السوق الأولية من منظور أكثر تحديدًا ومباشرة. تتمحور معظم مشاريع AI+Crypto حول جوهر Crypto، وهو "اللامركزية الفنية (أو السياسية) + الأصول التجارية".
ليس هناك ما يمكن قوله عن اللامركزية، فماذا عن Web3... وفقًا لفئة الأصول، يمكن تقسيمها تقريبًا إلى ثلاثة مسارات رئيسية:
هذه منافسة داو مكثفة نسبيًا لأنه بالإضافة إلى العديد من المشاريع الجديدة، هناك أيضًا Pivot للعديد من المشاريع القديمة، مثل Akash على Cosmos وNosana على Solana. علاوة على ذلك، ارتفعت الرموز المميزة بعد Pivot، وهو ما يعكس أيضًا اهتمام السوق بمسابقات الذكاء الاصطناعي. تاو متفائل أنه على الرغم من أن RNDR يركز على العرض اللامركزي، إلا أنه يمكن أن يخدم الذكاء الاصطناعي بالفعل. لذلك، صنفت العديد من التصنيفات أيضًا جميع الأصول المتعلقة بالطاقة الحاسوبية مثل RNDR في مسار الذكاء الاصطناعي.
يمكن تقسيم أصول الطاقة الحاسوبية بشكل أكبر إلى اتجاهين وفقًا لاستخدام قوة الحوسبة:
يمكنك أن ترى ظاهرة مثيرة للاهتمام للغاية في هذا المسار، أو أننا لسنا متفائلين بشأن سلسلة الازدراء:
الذكاء الاصطناعي التقليدي → التفكير اللامركزي → التدريب اللامركزي
- < p>أولئك الذين يأتون من تخصصات الذكاء الاصطناعي التقليدية ليسوا متفائلين بشأن اللامركزية التدريب على الذكاء الاصطناعي أو الاستدلال
أولئك الذين يأتون من الاستدلال اللامركزي ليسوا متفائلين بشأن التدريب اللامركزي
السبب تقني بشكل أساسي لأن تدريب الذكاء الاصطناعي (خاصة النموذج الكبير للذكاء الاصطناعي) يتضمن كميات هائلة من البيانات، وما هو أكثر مبالغة من الطلب على البيانات هو الطلب على عرض النطاق الترددي الناجم عن الاتصال عالي السرعة لهذه البيانات. في بيئة الطرازات الكبيرة الحالية من Transformer، يتطلب تدريب هذه النماذج الكبيرة عددًا كبيرًا من بطاقات الرسومات المتطورة بمستوى 4090/بطاقات الرسومات الاحترافية ذات الذكاء الاصطناعي H100 التي تم شراؤها مصفوفة طاقة حاسوبية + قنوات اتصال على مستوى 100G مكونة من NVLink ومفاتيح الألياف الضوئية الاحترافية. يمكنك أن تقول إن هذا الشيء يمكن تنفيذه بطريقة لا مركزية، حسنًا...
يتطلب استدلال الذكاء الاصطناعي قوة حوسبة ونطاق ترددي للاتصالات أقل بكثير من التدريب على الذكاء الاصطناعي. إن إمكانية التنفيذ اللامركزي بطبيعة الحال أكبر بكثير من ذلك وهذا أيضًا هو السبب وراء تركيز معظم المشاريع المتعلقة بالطاقة الحاسوبية على الاستدلال، والأشخاص الوحيدون الذين تم تدريبهم هم كبار اللاعبين مثل Gensyn وTogether، اللذان جمعا أكثر من 100 مليون يوان؟ ولكن بالمثل، ومن منظور أداء التكلفة والموثوقية، على الأقل في هذه المرحلة، لا تزال قوة الحوسبة المركزية أفضل بكثير من التفكير اللامركزي.
ليس من الصعب شرح لماذا عند النظر إلى الاستدلال اللامركزي والتدريب اللامركزي، يعتقدون "أنك لا تستطيع القيام بذلك على الإطلاق"، بينما عند النظر إلى التدريب اللامركزي والاستدلال للذكاء الاصطناعي التقليدي، فهم أشعر أن "تكنولوجيا التدريب غير واقعية"، "المنطق غير موثوق به تجاريًا."
قال بعض الأشخاص إنه عندما ظهرت BTC/ETH لأول مرة، قال الجميع أيضًا إن نموذج حساب العقدة الموزعة لم يكن موثوقًا به مقارنة بالحوسبة السحابية، ألم ينجح في النهاية؟ ثم يعتمد الأمر على الاحتياجات المستقبلية لتدريب الذكاء الاصطناعي واستدلال الذكاء الاصطناعي فيما يتعلق بأبعاد الصحة، وعدم التلاعب، والتكرار. ولا يمكن أن يكون التركيز ببساطة على الأداء، والموثوقية، والسعر أفضل من المركزية في الوقت الحاضر.
الرسملة للنماذج
هذا أيضًا مسار تتجمع فيه المشاريع معًا، وهو أيضًا مسار أسهل في الفهم من الكتابة بالأحرف الكبيرة لقوة الحوسبة، لأن ChatGPT هو الأكثر اشتهر بعد أن ذاع صيته، أحد التطبيقات هو Character.AI. يمكنك استشارة حكماء مثل سقراط وكونفوشيوس، والدردشة مع المشاهير مثل ماسك وألترامان سام، وحتى الوقوع في حب الأصنام الافتراضية مثل هاتسون ميكو ورايدن جنرال، كل هذا، هذه هي سحر نماذج اللغات الكبيرة. إن مفهوم AI Agent متجذر بعمق في قلوب الناس من خلال Character.AI.
ماذا لو كان كونفوشيوس وماسك وجنرال ثاندر جميعهم من NFTs؟
أليس هذا AI X Crypto؟ !
لذا فإن الأمر لا يتعلق بأصول النموذج بقدر ما يتعلق بأصول الوكيل بناءً على النموذج الكبير. ففي نهاية المطاف، لا يمكن وضع النموذج الكبير نفسه في السلسلة. يتعلق الأمر أكثر بـ رسم خرائط الوكيل بناءً على النموذج، وتحويله إلى NFT لإنشاء إحساس مرئي بـ AI X Crypto يشبه "تملك أصول النموذج".
الآن هناك وكلاء في الدائرة يمكنهم تعليمك اللغة الإنجليزية، وهناك أيضًا وكلاء يمكنهم أن يقعوا في حبك. هناك جميع أنواع الوكلاء، بما في ذلك بحث الوكلاء وMarket Place والمشاريع المشتقة الأخرى .
المشكلة الشائعة في هذا المسار هي عدم وجود عوائق تقنية. في الأساس، يتعلق الأمر بـ NFTization of Character.AI. استخدم أساتذة التقنية لدينا في In-House الأدوات والأطر مفتوحة المصدر لإنشاء واحدة بين عشية وضحاها يتحدث مثل BMAN ويبدو وكأنه وكيل BMAN. ثانيًا، درجة التكامل مع blockchain خفيفة للغاية، تمامًا مثل Gamefi NFT على ETH. بشكل أساسي، قد تكون البيانات الوصفية عبارة عن عنوان URL أو تجزئة فقط، ويكون النموذج/الوكيل موجودًا على الخادم السحابي، والمعاملات على السلسلة هي فقط إنها مجرد مسألة ملكية.
ستظل الاستفادة من النماذج/الوكلاء أحد أهم المسارات لمشاريع AI More Native التي قد تظهر في المستقبل.
الرسملة في البيانات
من المنطقي أن الكتابة بالأحرف الكبيرة في البيانات هي الأكثر ملاءمة لـ AI+Crypto، لأن معظم تدريبات الذكاء الاصطناعي التقليدية يمكنها فقط استخدام ما هو مرئي على الإنترنت، أو لكي نكون أكثر دقة - بيانات حركة المرور في المجال العام، قد تمثل هذه البيانات أقل من 10-20٪ فقط. يوجد المزيد من البيانات في الواقع في حركة مرور المجال الخاص (بما في ذلك البيانات الشخصية)، إذا كان من الممكن استخدام بيانات حركة المرور هذه لتدريب النماذج الكبيرة أو تحسينها، فإننا من المؤكد أنه يمكن أن يكون لديه المزيد من الوكلاء/الروبوتات المحترفين في مختلف المجالات الرأسية.
ما هو الشعار الذي يتفوق فيه Web3، اقرأ، اكتب، امتلك!
لذا، من خلال AI+Crypto، وبتوجيه من الحوافز اللامركزية، يمكننا إطلاق بيانات التدفق الشخصي والأناني، والاستفادة منها، وتوفير "حصص" أفضل وأكثر ثراءً للنماذج الكبيرة. يبدو الأمر هكذا هو نهج منطقي للغاية، وهناك بالفعل عدة فرق تعمل بشكل مكثف في هذا المجال.
ومع ذلك، فإن الصعوبة الأكبر في هذا المسار هي صعوبة توحيد البيانات مثل قوة الحوسبة. قوة الحوسبة اللامركزية يمكن تحويل نموذج بطاقة الرسومات الخاصة بك مباشرة إلى مقدار قوة الحوسبة، ولكن من الصعب قياس الكمية والجودة والاستخدام والأبعاد الأخرى للبيانات الخاصة، إذا كانت قوة الحوسبة اللامركزية هي ERC20، فإن قوة الحوسبة اللامركزية هي الأصول إن بيانات تدريب الذكاء الاصطناعي تشبه إلى حد ما ERC721، ولا تزال مشروعًا لـ PunkAzuki، حيث يتم خلط العديد من السمات معًا. إن صعوبة السيولة والسوق ليست أكثر صعوبة قليلاً من ERC20، لذا فإن تنفيذ مشاريع رسملة بيانات الذكاء الاصطناعي حاليًا من الصعب بعض الشيء المضي قدما.
هناك شيء آخر جدير بالذكر في مسار البيانات وهو التعليق التوضيحي اللامركزي. يتم استخدام كتابة البيانات بأحرف كبيرة في خطوة "جمع البيانات"، ويجب معالجة البيانات المجمعة قبل تقديمها إلى الذكاء الاصطناعي. المعالجة، هذا هو الحل خطوة شرح البيانات هذه الخطوة حاليًا هي في الغالب عمالة مركزية كثيفة العمالة. استخدم مكافآت رمزية لا مركزية لجعل هذا العمل لا مركزيًا، أو قم بتسميته بكسب، أو توزيع العمل بطريقة مماثلة لمنصة التعهيد الجماعي. ، هي أيضًا فكرة. لقد رأينا عددًا صغيرًا من الفرق العاملة حاليًا في هذا المجال.
3. قطع اللغز المفقودة في AI+Crypto
دعنا نتحدث بإيجاز عن قطع اللغز المفقودة في هذا المسار من وجهة نظرنا.
أولاً، العوائق التقنية. كما ذكرنا من قبل، فإن الغالبية العظمى من مشاريع AI+Crypto ليس لديها أي حواجز تقريبًا مقارنة بمشاريع الذكاء الاصطناعي التقليدية في Web2. فهي تعتمد بشكل أكبر على النماذج الاقتصادية والحوافز الرمزية لبذل الجهد في تجربة الواجهة الأمامية والسوق والعمليات. بالطبع، هذا من المفهوم أن اللامركزية وتوزيع القيمة هما من نقاط القوة في Web3. ومع ذلك، فإن الافتقار إلى الحواجز الأساسية سيؤدي حتما إلى الشعور بـ X to Earn. ما زلت أتطلع إلى المزيد من الفرق مثل RNDR، الشركة الأم لـ OTOY، مع التقنيات الأساسية لإظهار مواهبهم في Crypto.
والثاني هو الوضع الحالي للممارسين. بقدر ما تم ملاحظته حتى الآن، فإن بعض فرق رواد الأعمال في مسار AI X Crypto يعرفون الذكاء الاصطناعي جيدًا، لكن ليس لديهم فهم عميق لـ Web3. بعض الفرق تعتمد لغة تشفير أصلية جدًا، لكن إنجازاتها محدودة في مجال الذكاء الاصطناعي. وهذا مشابه جدًا لمسار Gamefi المبكر، فإما أنهم يعرفون الألعاب جيدًا ويفكرون في تعديل سلسلة ألعاب Web2، أو أنهم يعرفون Web3 جيدًا ويفكرون في ابتكار وتحسين نماذج زراعة الذهب المختلفة. Matr1x هو أول فريق التقينا به في مسار Gamefi والذي يتمتع بفهم مزدوج للألعاب والعملات المشفرة. ولهذا السبب كتبت من قبل أن Matr1x هو أحد المشاريع الثلاثة التي "قررت بشأنها بمجرد أن تحدثنا حول هذا الموضوع" خلال 23 عامًا. نحن نتطلع إلى ذلك. يمكنك رؤية فريق يفهم Double A في مجالات الذكاء الاصطناعي والتشفير في عام 2024.
والثالث هو مشهد الأعمال. منظمة العفو الدولية إن الجمع بين الذكاء الاصطناعي والعملات المشفرة بين العديد من المشاريع التي يتم مشاهدتها حاليًا في السوق هو "صارم" أو "خشن" إلى حد ما ولا يبرز القدرة التنافسية المثلى أو قابلية التركيب للذكاء الاصطناعي أو العملات المشفرة، وهذا أيضًا لا يتوافق مع النقطة الثانية المذكورة أعلاه بشكل وثيق متعلق ب. على سبيل المثال، فكر فريق البحث والتطوير الداخلي لدينا في طريقة دمج أفضل وصممها، ولسوء الحظ، بعد النظر في العديد من المشاريع على مسار الذكاء الاصطناعي، ما زلنا لم نرى أي فريق يدخل هذا القطاع، لذلك لا يمكننا سوى الاستمرار بالانتظار \ في الانتظار.
ماذا، إذا سألت لماذا يمكننا، نحن أصحاب رأس المال المغامر، التفكير في سيناريوهات معينة قبل طرح رواد الأعمال في السوق؟ نظرًا لوجود 7 أشخاص رائعين في فريق In House AI لدينا، 5 منهم لديهم خلفية دكتوراه في الذكاء الاصطناعي. أما بالنسبة لفهم فريق ABCDE لـ Crypto، كما تعلم...
آخر شيء أريد قوله هو أنه على الرغم من أنه من وجهة نظر السوق الأولية، فإن AI x Crypto لا يزال مبكرًا جدًا وغير ناضج. ولكن هذا لا يمنعنا من التفاؤل بأن AI X Crypto سيصبح أحد المسارات الرئيسية لهذا السوق الصاعد خلال 24-25 عامًا. ففي نهاية المطاف، يحرر الذكاء الاصطناعي الإنتاجية، وتحرر تقنية blockchain علاقات الإنتاج. هل هناك طريقة أفضل للجمع بين الاثنين؟ :)
JinseFinance
Beincrypto