كيف تنظر إلى المشكلات الموجودة في مسار تكامل AI+web3؟

المؤلف: Haotian المصدر: X, @HAOTIANCRYPTOINSIGHT

يأمل الجميع أن يصبح AI+Web3 هو المحفز لهذه الجولة من السوق الصاعدة. من خلال التقييم المرتفع والاستثمارات الكبيرة المقدمة بواسطة VC، يمكن رؤيته. السؤال هو، ما هي المشاكل الحالية في مسار تكامل AI+Web3؟ بالاشتراك مع هذا التقرير المنهجي الذي أعده  @web3caff_zh ، اسمحوا لي أن أتحدث عن آرائي:

1) يتطلب تدريب الذكاء الاصطناعي بيانات واسعة النطاق، وWeb3 المكان حيث يتعلق الأمر على وجه التحديد بتتبع البيانات وتأثيرات الحوافز المستمدة منها. على المدى الطويل، سيحتاج الذكاء الاصطناعي بالتأكيد إلى مساعدة web3، ولكن يجب توضيح أن web3 يمكنه فقط حل المشكلات المحدودة للذكاء الاصطناعي.

على سبيل المثال، القوة الدافعة الرئيسية للتدريب التقليدي على البيانات واسعة النطاق، والتحسين المستمر للخوارزميات، ورؤية الكمبيوتر، وتكنولوجيا التعرف على الكلام، والذكاء الاصطناعي للألعاب والمجالات الأساسية الأخرى يجب أن تعتمد على قوة الحوسبة المركزة واسعة النطاق وتكييف وتحسين البرامج والأجهزة مثل الرقائق والخوارزميات، مثل الشبكات العصبية التلافيفية للتعلم العميق، والتعلم المعزز، ونماذج الحوسبة المستوحاة من الدماغ، وما إلى ذلك، لتوسيع حدود قدرات الذكاء الاصطناعي، لا توجد إمكانية لكسب web3 موطئ قدم على المدى القصير؛

2) يحتل الذكاء الاصطناعي التوليدي فرعًا صغيرًا فقط من قطاع الذكاء الاصطناعي الأكبر، ولكنه يعمل على تسريع التكامل بين الذكاء الاصطناعي والويب3. لأن الذكاء الاصطناعي التوليدي هو تقنية شاملة للذكاء الاصطناعي وأكثر توجهاً نحو التطبيقات. ومن الناحية المثالية، سيتم إكمال النماذج الأساسية الكبيرة بشكل عام من قبل الشركات الكبيرة باستخدام قوة الحوسبة المركزية واعتماد سياسة مفتوحة المصدر لدفع سوق التطبيقات العليا. سيصبح سوق الذكاء الاصطناعي الشامل تدريجيًا طويل الأمد، وسيتم تسليط الضوء على أهمية الضبط الدقيق للنموذج والاستدلال.

ومع ذلك، بمجرد قيام الشركة التي تتحكم في قوة الحوسبة الأساسية وموارد النماذج بتغيير سياستها مفتوحة المصدر، سيكون لها تأثير مباشر على سوق الذكاء الاصطناعي بشكل عام ولتجنب مثل هذه الأزمة، فإن البنية التحتية التي تعتمد بشكل أكبر على بنية الحوسبة الموزعة وبنية التعاون المنطقي الموزعة، ستصبح ضرورية.

3) يمكن أن يلعب web3 دورًا رئيسيًا في عملية إنشاء إطار عمل الذكاء الاصطناعي الموزع، على سبيل المثال، أثناء التدريب النموذجي، يمكن لـ blockchain إنشاء نموذج فريد تحديد مصدر البيانات وإلغاء البيانات المكررة لتحسين كفاءة التدريب؛ عندما تكون قوة الحوسبة غير كافية، يمكن لـ blockchain استخدام آلية الحوافز Tokenomics لبناء شبكة طاقة حوسبة موزعة للذكاء الاصطناعي في عملية الضبط الدقيق للمعلمات؛ تسجيل إصدارات مختلفة من النموذج وتتبع النموذج، وتخضع عملية التطور أيضًا لتحكم دقيق؛

في عملية استنتاج النموذج، يمكن لتقنيات مثل ZK وTEE أن يمكن استخدامها لبناء شبكة استدلال لا مركزية لتعزيز الاتصال بين النماذج، وفي تكامل حوسبة الحافة وDePIN، يمكن أن يساعد web3 في بناء شبكة ذكاء اصطناعي لا مركزية ودفع مزيج من AI + DePIN Internet of Things.

4) عندما تحدث فيتاليك سابقًا عن الجمع بين الذكاء الاصطناعي + Web3، ذكر أنه يمكن دمج الذكاء الاصطناعي تدريجيًا كمشارك في عالم Web3، وبالتالي فإن التكامل من المؤكد أن الذكاء الاصطناعي وweb3 سيكون بطيئًا للغاية.

من ناحية، لا يزال عالم web2 السائد يركز على مستوى أداء الذكاء الاصطناعي ولا يعتمد كثيرًا على تعاون الذكاء الاصطناعي خلف الكواليس هناك مشكلة في عدم الاتصال بـ web3 ؛ من ناحية أخرى، في مجال تكامل الذكاء الاصطناعي، لا يزال web3 في مرحلة إنشاء البنية التحتية الأساسية مثل شبكة الطاقة الحاسوبية الموزعة وشبكة الهندسة المنطقية الموزعة. شبكة تطبيقات Tokenomics، وشبكة تعاون أداة AI Agent الموزعة، وما إلى ذلك، ولم تحصل على web2 تم التحقق منها وتطبيقها بالكامل من قبل مجموعات الطلب السائدة.

باختصار، الاتجاه العام لـ AI+Web3 صحيح، لكن التطوير الفعلي ليس بهذه السرعة، وقد يستغرق دورة أو حتى عبر الدورات، فإن تحقيق تقدم كبير يتطلب المزيد من الصبر.