المؤلف: ويل أوغدن مور، تم إعداده بواسطة: 0xjs@金财经
يعد الذكاء الاصطناعي واحدًا من أكثر التقنيات الناشئة الواعدة في هذا القرن، فهو يتمتع بالقدرة على زيادة الإنتاجية البشرية بشكل كبير وتعزيز الإنجازات الطبية. في حين أن الذكاء الاصطناعي قد يكون مهمًا اليوم، إلا أن تأثيره سوف ينمو، حيث تقدر شركة برايس ووترهاوس كوبرز أنه سينمو ليصبح صناعة بقيمة 15 تريليون دولار بحلول عام 2030.
ومع ذلك، تواجه هذه التكنولوجيا الواعدة تحديات أيضًا. مع ازدياد قوة تكنولوجيا الذكاء الاصطناعي، أصبحت صناعة الذكاء الاصطناعي مركزة للغاية، حيث تتركز القوة في أيدي عدد قليل من الشركات، الأمر الذي يمكن أن يضر المجتمع. كما أنه يثير مخاوف جدية بشأن التزييف العميق والتحيز المضمن ومخاطر خصوصية البيانات. ولحسن الحظ، توفر شركة Crypto وطبيعتها اللامركزية والشفافة حلولاً محتملة لبعض هذه المشكلات.
في هذه المقالة سوف نستكشف المشكلات التي يسببها الذكاء الاصطناعي المركزي وكيف يمكن للذكاء الاصطناعي اللامركزي أن يساعد في حل بعض علله، ونناقش التقاطع الحالي بين التشفير والذكاء الاصطناعي، مع التركيز على المجالات التي أظهرت علامات اعتماد مبكر لتطبيقات التشفير.
مشاكل الذكاء الاصطناعي المركزي
يواجه تطوير الذكاء الاصطناعي اليوم تحديات ومخاطر معينة. تعد تأثيرات الشبكة ومتطلبات رأس المال المكثفة للذكاء الاصطناعي كبيرة جدًا لدرجة أن العديد من مطوري الذكاء الاصطناعي خارج شركات التكنولوجيا الكبيرة، مثل الشركات الصغيرة أو الباحثين الأكاديميين، إما يكافحون من أجل الحصول على الموارد اللازمة لتطوير الذكاء الاصطناعي أو غير قادرين على تحقيق الدخل من عملهم. وهذا يحد من المنافسة الشاملة والابتكار في مجال الذكاء الاصطناعي.
ونتيجة لذلك، يتركز التأثير على هذه التكنولوجيا المهمة بشكل أساسي في أيدي عدد قليل من الشركات مثل OpenAI وGoogle، مما يثير تساؤلات جدية حول حوكمة الذكاء الاصطناعي. في فبراير/شباط، على سبيل المثال، كشف مولد الصور المدعم بالذكاء الاصطناعي جيميني من جوجل عن التحيز العنصري وأخطاء تاريخية، مما يوضح كيف تلاعبت الشركة بنماذجها. بالإضافة إلى ذلك، كشف القرار الذي اتخذه مجلس الإدارة المكون من ستة أعضاء في نوفمبر الماضي بإقالة الرئيس التنفيذي لشركة OpenAI، سام ألتمان، حقيقة مفادها أن عددًا صغيرًا من الأشخاص يسيطرون على الشركات التي تطور هذه النماذج.
مع تزايد تأثير الذكاء الاصطناعي وأهميته، يشعر العديد من الأشخاص بالقلق من أن شركة واحدة قد تتمتع بسلطة اتخاذ القرار التي تتمتع بها نماذج الذكاء الاصطناعي التي لها تأثير كبير على المجتمع، وقد تقيم حواجز حماية، وتعمل خلف أبواب مغلقة الأبواب، أو التلاعب بالنماذج لمصلحتهم الخاصة، ولكن على حساب أفراد المجتمع الآخرين.
كيف يمكن أن يساعد الذكاء الاصطناعي اللامركزي
يشير الذكاء الاصطناعي اللامركزي إلى استخدام تقنية blockchain لتوزيع حقوق ملكية الذكاء الاصطناعي وإدارته بطريقة مصممة لزيادة الشفافية وإمكانية الوصول إلى خدمات الذكاء الاصطناعي. تعتقد Grayscale Research أن الذكاء الاصطناعي اللامركزي لديه القدرة على تحرير هذه القرارات المهمة من الأنظمة المغلقة وإحالتها إلى الملكية العامة.
يمكن أن تساعد تقنية Blockchain المطورين في الحصول على وصول أكبر إلى الذكاء الاصطناعي وخفض عتبة المطورين المستقلين لتطوير أعمالهم وتحقيق الدخل منها. نعتقد أن هذا يمكن أن يساعد في تحسين الابتكار والمنافسة بشكل عام في مجال الذكاء الاصطناعي والحفاظ على التوازن مع النماذج التي طورتها عمالقة التكنولوجيا.
بالإضافة إلى ذلك، يمكن أن يساعد الذكاء الاصطناعي اللامركزي في إضفاء الطابع الديمقراطي على الاستثمار في الذكاء الاصطناعي. في الوقت الحالي، هناك طرق قليلة لتحقيق مكاسب مالية تتعلق بتطورات الذكاء الاصطناعي بخلاف عدد قليل من أسهم التكنولوجيا. وفي الوقت نفسه، يتم تخصيص مبالغ كبيرة من رأس المال الخاص للشركات الناشئة في مجال الذكاء الاصطناعي والشركات الخاصة (47 مليار دولار في عام 2022، و42 مليار دولار في عام 2023). ونتيجة لذلك، لا يتمكن سوى مجموعة صغيرة من أصحاب رؤوس الأموال والمستثمرين المعتمدين من الوصول إلى المزايا المالية لهذه الشركات. في المقابل، فإن الأصول المشفرة اللامركزية للذكاء الاصطناعي متاحة للجميع، مما يسمح للجميع بامتلاك جزء من مستقبل الذكاء الاصطناعي.
أين يقع التقاطع بين التشفير والذكاء الاصطناعي اليوم؟
اليوم، لا يزال تقاطع العملات المشفرة والذكاء الاصطناعي في مراحله الأولى من حيث النضج، لكن استجابة السوق مشجعة. اعتبارًا من مايو 2024، بلغ عائد مجال الذكاء الاصطناعي لأصول العملات المشفرة 20%، متفوقًا على كل مسار عملات مشفرة باستثناء العملات (الشكل 1). بالإضافة إلى ذلك، وفقًا لمزود البيانات Kaito، يمثل موضوع الذكاء الاصطناعي حاليًا أكبر قدر من "المشاركة الذهنية السردية" على منصات التواصل الاجتماعي مقارنة بموضوعات أخرى مثل التمويل اللامركزي، والطبقة الثانية، والعملات الميمية، والأصول في العالم الحقيقي.
في الآونة الأخيرة، بدأت بعض الشخصيات المعروفة في تبني هذا التقاطع الناشئ وهم ملتزمون بحل أوجه القصور في الذكاء الاصطناعي المركزي. في مارس من هذا العام، ترك عماد مستاق، مؤسس شركة الذكاء الاصطناعي المعروفة Stability AI، الشركة لمتابعة الذكاء الاصطناعي اللامركزي، وقال: "لقد حان الوقت لضمان بقاء الذكاء الاصطناعي مفتوحًا ولا مركزيًا". بالإضافة إلى ذلك، أطلق رائد الأعمال في مجال العملات المشفرة إريك فورهيس مؤخرًا Venice.ai، وهي خدمة ذكاء اصطناعي تركز على الخصوصية مع تشفير شامل.
الشكل 1: حتى الآن هذا العام، كان أداء مسار الذكاء الاصطناعي أفضل من جميع مسارات العملات المشفرة تقريبًا
![7262238 9s9CjUV56o2yZ2W3eN6adhpnrsEoJvMFifU63N6g.png](https://img.jinse.cn/7262238_watermarknone.png)
يمكننا تقسيم تقاطع التشفير والذكاء الاصطناعي إلى ثلاث فئات فرعية رئيسية:< /p>
1. طبقة البنية التحتية: شبكة توفر منصة لتطوير الذكاء الاصطناعي (مثل NEAR وTAO وFET)
2. الموارد المطلوبة للذكاء الاصطناعي: توفر الموارد الأساسية اللازمة لتطوير الذكاء الاصطناعي الأصول (الحوسبة والتخزين والبيانات) (مثل RNDR وAKT وLPT وFIL وAR وMASA)
3. حل مشكلات الذكاء الاصطناعي: الأصول التي تحاول حل المشكلات المتعلقة بالذكاء الاصطناعي، مثل الروبوتات و التزييف العميق والتحقق من صحة النماذج (مثل WLD وTRAC وNUM)
الشكل 2: خريطة سوق الذكاء الاصطناعي والعملات المشفرة
![7262239 WiT1tCTXUDXiLA9FAdxuXM96sxbQz8fSDzn9cjSQ.png](https://img.jinse.cn/7262239_watermarknone.png)
المصدر: Grayscale Investments
الشبكات التي توفر بنية تحتية لتطوير الذكاء الاصطناعي
النوع الأول هو الشبكات التي توفر بنية مفتوحة بدون إذن، مبنية خصيصًا للتطوير الشامل لخدمات الذكاء الاصطناعي. ولا تركز هذه الأصول على نوع واحد من منتجات أو خدمات الذكاء الاصطناعي، ولكنها تركز بدلاً من ذلك على إنشاء البنية التحتية الأساسية وآليات الحوافز لمختلف تطبيقات الذكاء الاصطناعي.
تبرز شركة Near في هذه الفئة حيث شارك مؤسسوها في إنشاء بنية "Transformer" التي تعمل على تشغيل أنظمة الذكاء الاصطناعي مثل ChatGPT. ومع ذلك، استفادت الشركة مؤخرًا من خبرتها في مجال الذكاء الاصطناعي للكشف عن الجهود المبذولة لتطوير "الذكاء الاصطناعي المملوك للمستخدم" من خلال قسم البحث والتطوير بقيادة مستشار مهندس أبحاث سابق في OpenAI. في أواخر يونيو 2024، أطلقت شركة Near برنامج حاضنة الذكاء الاصطناعي الخاص بها لتطوير النماذج الأساسية الأصلية لـ Near، ومنصات بيانات تطبيقات الذكاء الاصطناعي، وأطر عمل وكيل الذكاء الاصطناعي، وأسواق الحوسبة.
يقدم Bittensor مثالًا آخر قد يكون مقنعًا. Bittensor عبارة عن منصة تستخدم رموز TAO لتشجيع تطوير الذكاء الاصطناعي ماليًا. Bittensor هو النظام الأساسي لـ 38 شبكة فرعية (شبكات فرعية)، لكل منها حالات استخدام مختلفة مثل روبوتات الدردشة، وتوليد الصور، والتنبؤ المالي، وترجمة اللغة، والتدريب على النماذج، والتخزين، والحساب. تكافئ شبكة Bittensor عمال المناجم والمدققين الأفضل أداءً في كل شبكة فرعية برموز TAO وتوفر للمطورين واجهة برمجة تطبيقات غير مسموح بها لإنشاء تطبيقات ذكاء اصطناعي محددة عن طريق الاستعلام عن عمال المناجم في شبكة Bittensor الفرعية.
تتضمن هذه الفئة أيضًا بروتوكولات أخرى مثل Fetch.ai وشبكة Allora. تم دمج Fetch.ai، وهي منصة للمطورين لإنشاء مساعدين معقدين للذكاء الاصطناعي، أو "وكلاء الذكاء الاصطناعي"، مؤخرًا مع AGIX وOCEAN، بقيمة مجمعة تبلغ حوالي 7.5 مليار دولار. والأخرى هي شبكة Allora، وهي منصة تركز على تطبيق الذكاء الاصطناعي على التطبيقات المالية، بما في ذلك البورصات اللامركزية واستراتيجيات التداول الآلية لأسواق التنبؤ. قامت Allora، التي لم تطلق رمزًا مميزًا بعد، بجمع جولة تمويل استراتيجية في يونيو، ليصل إجمالي تمويلها إلى 35 مليون دولار من رأس المال الخاص.
الموارد المطلوبة لتطوير الذكاء الاصطناعي
تتضمن الفئة الثانية الأصول التي توفر الموارد المطلوبة لتطوير الذكاء الاصطناعي في شكل حوسبة أو تخزين أو بيانات.
لقد أدى ظهور الذكاء الاصطناعي إلى خلق طلب غير مسبوق على موارد الحوسبة في شكل وحدات معالجة الرسومات. توفر أسواق GPU اللامركزية مثل Render (RNDR)، وAkash (AKT)، وLivepeer (LPT) إمدادًا من وحدات معالجة الرسومات الخاملة للمطورين الذين يحتاجون إلى الحوسبة للتدريب على النماذج، أو استدلال النماذج، أو عرض الذكاء الاصطناعي التوليدي ثلاثي الأبعاد. اليوم، تشير التقديرات إلى أن Render يقدم حوالي 10000 وحدة معالجة رسوميات مع التركيز على الفنانين والذكاء الاصطناعي التوليدي، في حين يقدم Akash 400 وحدة معالجة رسوميات مع التركيز على مطوري الذكاء الاصطناعي والباحثين. وفي الوقت نفسه، أعلنت Livepeer مؤخرًا عن خطط لشبكتها الفرعية الجديدة للذكاء الاصطناعي، والتي تهدف إلى إكمال المهام مثل تحويل النص إلى صورة، والنص إلى فيديو، والصورة إلى فيديو بحلول أغسطس 2024.
بالإضافة إلى طلب كميات كبيرة من العمليات الحسابية، تتطلب نماذج الذكاء الاصطناعي أيضًا كميات كبيرة من البيانات. ونتيجة لذلك، زاد الطلب على تخزين البيانات بشكل ملحوظ. يمكن أن تكون حلول تخزين البيانات مثل Filecoin (FIL) وArweave (AR) بمثابة بدائل شبكة آمنة لا مركزية لتخزين بيانات الذكاء الاصطناعي على خوادم AWS المركزية. لا توفر هذه الحلول تخزينًا فعالاً من حيث التكلفة وقابلاً للتطوير فحسب، بل تعمل أيضًا على تعزيز أمان البيانات وسلامتها من خلال القضاء على نقاط الفشل الفردية وتقليل مخاطر اختراق البيانات.
أخيرًا، توفر خدمات الذكاء الاصطناعي الحالية مثل OpenAI وGemini وصولاً مستمرًا إلى البيانات في الوقت الفعلي من خلال Bing وGoogle Search على التوالي. وهذا يضع جميع مطوري نماذج الذكاء الاصطناعي الآخرين خارج شركات التكنولوجيا هذه في وضع غير مؤات. ومع ذلك، يمكن لخدمات استخراج البيانات مثل Grass and Masa (MASA) أن تساعد في تحقيق تكافؤ الفرص لأنها تسمح للأفراد بتحقيق الدخل من بيانات التطبيقات الخاصة بهم عن طريق استخدامها للتدريب على نماذج الذكاء الاصطناعي، مع الحفاظ على التحكم في بياناتهم الشخصية وخصوصيتهم.
الأصول التي تحاول حل المشكلات المتعلقة بالذكاء الاصطناعي
تتضمن الفئة الثالثة الأصول التي تحاول حل المشكلات المتعلقة بالذكاء الاصطناعي، بما في ذلك ظهور الروبوتات والتزييف العميق ومصدر المحتوى.
تتمثل إحدى المشاكل الرئيسية التي تفاقمت بسبب الذكاء الاصطناعي في انتشار الروبوتات والمعلومات المضللة. إن التزييف العميق الناتج عن الذكاء الاصطناعي له بالفعل تأثير على الانتخابات الرئاسية في الهند وأوروبا، حيث يشعر الخبراء "بالخوف الشديد" من أن الحملة الرئاسية المقبلة ستتضمن "تسونامي من المعلومات المضللة" مدفوعة بشكل كبير بالتزييف العميق. الأصول التي تسعى إلى المساعدة في حل المشكلات المتعلقة بالتزييف العميق من خلال إنشاء مصادر محتوى يمكن التحقق منها تشمل Origin Trail (TRAC) وNumbers Protocol (NUM) وStory Protocol. بالإضافة إلى ذلك، تسعى Worldcoin (WLD) إلى معالجة مشكلة الروبوتات من خلال إثبات إنسانية الشخص من خلال معرف بيومتري فريد.
هناك خطر آخر يتعلق بالذكاء الاصطناعي وهو ضمان الثقة في النموذج نفسه. كيف يمكننا أن نثق في أن نتائج الذكاء الاصطناعي التي نتلقاها لم يتم التلاعب بها أو التلاعب بها؟ تعمل العديد من البروتوكولات حاليًا للمساعدة في حل هذه المشكلة من خلال التشفير، وإثباتات المعرفة الصفرية، والتشفير المتماثل بالكامل (FHE)، بما في ذلك Modulus Labs وZama.
الاستنتاج
على الرغم من أن أصول الذكاء الاصطناعي اللامركزية هذه قد حققت تقدمًا أوليًا، إلا أننا ما زلنا في الشوط الأول من هذا التقاطع. في بداية هذا العام، قال صاحب رأس المال الاستثماري الشهير فريد ويلسون إن الذكاء الاصطناعي والعملات المشفرة "وجهان لعملة واحدة" و"web3 سيساعدنا على الثقة في الذكاء الاصطناعي". مع استمرار نضوج صناعة الذكاء الاصطناعي، تعتقد Grayscale Research أن حالات استخدام التشفير ذات الصلة بالذكاء الاصطناعي ستصبح ذات أهمية متزايدة، وأن التقنيتين سريعتي التطور لديهما القدرة على دعم نمو بعضهما البعض.
هناك العديد من الدلائل التي تشير إلى أن الذكاء الاصطناعي قادم وسيكون له تأثيرات بعيدة المدى، سواء كانت إيجابية أو سلبية. من خلال الاستفادة من خصائص تقنية blockchain، نعتقد أن التشفير يمكن أن يساعد في نهاية المطاف في التخفيف من بعض المخاطر التي يشكلها الذكاء الاصطناعي. ص>