IOSG |. أين هو المخرج للبنية التحتية المتجانسة للذكاء الاصطناعي؟
تهدف هذه الدراسة إلى استكشاف مجالات الذكاء الاصطناعي الأكثر أهمية للمطورين، والتي قد تكون الفرص التالية للانفجار في مجال Web3 والذكاء الاصطناعي.
JinseFinanceالمقدمة
أثار التطور السريع الأخير لنماذج اللغات الكبيرة (LLMs) الاهتمام باستخدام الذكاء الاصطناعي (AI) لتحويل مختلف الصناعات.مصلحة. إن صناعة blockchain ليست محصنة، وقد أدى ظهور قصة AI x Crypto إلى تسليط الضوء عليها. تستكشف هذه المقالة ثلاث طرق رئيسية لدمج الذكاء الاصطناعي والعملات المشفرة وتستكشف الفرص الفريدة لتقنية blockchain لحل المشكلات في صناعة الذكاء الاصطناعي.
تتضمن الأساليب الثلاثة لـ AIxCrypto ما يلي:
1. دمج الذكاء الاصطناعي في المنتجات الحالية: تستخدم شركات مثل Dune الذكاء الاصطناعي لتحسين منتجاتها، مثل تقديم مساعد SQL لمساعدة المستخدمين على كتابة استعلامات معقدة.
2. بناء البنية التحتية للذكاء الاصطناعي لنظام العملات المشفرة البيئي: تركز الشركات الناشئة مثل Ritual وAutonolas على تطوير بنية تحتية تعتمد على الذكاء الاصطناعي، ومصممة خصيصًا. لتلبية احتياجات النظام البيئي التشفير.
3. استخدم blockchain لحل مشاكل صناعة الذكاء الاصطناعي: تستكشف مشاريع مثل Gensyn وEZKL وio.net تكنولوجيا blockchain كيفية حل التحديات التي تواجه صناعة الذكاء الاصطناعي، مثل خصوصية البيانات والأمن والشفافية.
تفرد AI x Crypto هو أنه من المتوقع أن تحل تقنية blockchain المشاكل المتأصلة في صناعة الذكاء الاصطناعي . يفتح هذا التقاطع الفريد إمكانيات جديدة للحلول المبتكرة التي تفيد مجتمعات الذكاء الاصطناعي و blockchain.
في الخوض في مجال AI x Crypto، نهدف إلى تحديد وعرض التطبيقات الواعدة لتقنية blockchain في حل تحديات صناعة الذكاء الاصطناعي. ومن خلال الشراكة مع خبراء صناعة الذكاء الاصطناعي ومنشئي العملات المشفرة، نحن ملتزمون بتعزيز تطوير الحلول المتطورة التي تستفيد من نقاط القوة في كلتا التقنيتين.
1. نظرة عامة على الصناعة
يمكن تقسيم مجال AI x Crypto إلى فئتين: البنية التحتية و التطبيقات قوية>. في حين تستمر بعض البنية التحتية الحالية في دعم حالات استخدام الذكاء الاصطناعي، يطلق لاعبون جدد بنيات جديدة تمامًا تعتمد على الذكاء الاصطناعي في السوق.
1.1 شبكة الحوسبة
في مجال AIxCrypto، تلعب شبكات الحوسبة دورًا حيويًا في توفير البنية التحتية المطلوبة لتطبيقات الذكاء الاصطناعي. يمكن تقسيم هذه الشبكات إلى نوعين بناءً على المهام التي تدعمها: شبكات الحوسبة ذات الأغراض العامة وشبكات الحوسبة المتخصصة.
1.1.1 شبكة الحوسبة العالمية
شبكة الحوسبة العامة (مثل IO.net وAkash) توفر للمستخدمين فرصة الوصول إلى الجهاز عبر SSH وتوفير واجهة سطر الأوامر (CLI) التي تمكن المستخدمين من إنشاء تطبيقاتهم الخاصة. تشبه هذه الشبكات الخوادم الافتراضية الخاصة (VPS)، مما يوفر بيئة حوسبة شخصية في السحابة.
IO.net استنادًا إلى نظام Solana البيئي، يركز على تأجير وحدات معالجة الرسومات ومجموعات الحوسبة، بينما يوفر Akash، استنادًا إلى نظام Cosmos البيئي، خوادم سحابية لوحدة المعالجة المركزية بشكل أساسي وتطبيقات القالب المختلفة.
عرض IOSG Ventures:
مقارنة بسوق سحابة Web2 الناضجة، لا تزال شبكة الحوسبة في المراحل المبكرة. لا ترقى شبكات حوسبة Web3 إلى مستوى العناصر الأساسية لـ "Lego" في Web2، مثل الوظائف بدون خادم وVPS والمشاريع السحابية لقاعدة البيانات المستندة إلى موفري الخدمات السحابية الرئيسيين مثل AWS وAzure وGoogle Cloud.
تشمل مزايا شبكات الحوسبة ما يلي:
يمكن لتقنية Blockchain الاستفادة من موارد الحوسبة وأجهزة الكمبيوتر الشخصية غير المستخدمة لجعل الشبكة أكثر استدامة.
يسمح تصميم نظير إلى نظير (P2P) للأفراد بتحقيق الدخل من موارد الحوسبة غير المستخدمة وتوفير حوسبة منخفضة التكلفة، وبالتالي من المحتمل تقليل التكلفة التكاليف بنسبة 75%-90%.
ومع ذلك، نظرًا للتحديات التالية، يصعب وضع شبكات الحوسبة في الإنتاج الفعلي واستبدال خدمات Web2 السحابية:
التسعير هو بالتأكيد الميزة الرئيسية لشبكات الحوسبة العامة ، ولكن يجب مقارنتها بشركات Web2 السحابية الناضجة. لا يزال التنافس على الميزات والأمن والاستقرار يمثل تحديًا.
قد يحد أسلوب نظير إلى نظير من قدرة هذه الشبكات على تقديم منتجات ناضجة وقوية بسرعة. ستؤدي الطبيعة اللامركزية إلى زيادة تكاليف التطوير والصيانة.
1.1.2 شبكة الحوسبة الخاصة
خاصة تضيف شبكات الحوسبة طبقة إضافية إلى شبكة الحوسبة العامة، مما يسمح للمستخدمين بنشر تطبيقات محددة من خلال ملفات التكوين. تم تصميم هذه الشبكات لتلبية حالات استخدام محددة، مثل العرض ثلاثي الأبعاد أو الاستدلال والتدريب على الذكاء الاصطناعي.
Render عبارة عن شبكة حوسبة احترافية تركز على العرض ثلاثي الأبعاد. في مجال الذكاء الاصطناعي، يركز اللاعبون الجدد مثل Bittensor وHyperbolic وRitual وfetch.ai على استدلال الذكاء الاصطناعي، بينما يركز Flock وGensyn بشكل أساسي على تدريب الذكاء الاصطناعي.
عرض IOSG Ventures:
مزايا شبكات الحوسبة الخاصة :
تحل ميزات اللامركزية والتشفير المشاكل الشائعة للمركزية والتشفير في الذكاء الاصطناعي قضايا الشفافية الصناعة.
تضمن شبكة الحوسبة بدون إذن ونظام التحقق فعالية عملية الاستدلال والتدريب.
تسمح تقنيات الحفاظ على الخصوصية، مثل التعلم الموحد الذي تتبناه Flock، للأفراد بالمساهمة بالبيانات في نموذج التدريب مع الحفاظ على بياناتهم محلية والخاصة.
من خلال دعم تكامل العقود الذكية مع تطبيقات blockchain النهائية، يمكن استخدام استدلال الذكاء الاصطناعي مباشرة على blockchain.
المصدر: IOSG Ventures
على الرغم من ذلك لا تزال شبكات الحوسبة المخصصة للتدريب والاستدلال على الذكاء الاصطناعي في مراحلها الأولى، ولكننا نتوقع أن تعطي تطبيقات الذكاء الاصطناعي Web3 الأولوية للبنية التحتية للذكاء الاصطناعي Web3. ويتجلى هذا الاتجاه بالفعل في عمليات التعاون مثل Story Protocol وشراكة Ritual مع MyShell لتقديم نماذج الذكاء الاصطناعي كملكية فكرية.
على الرغم من أن التطبيقات القاتلة المبنية على هذه البنية التحتية الناشئة لـ AI x Web3 لم تظهر بعد، إلا أن إمكانات النمو هائلة. ومع نضوج النظام البيئي، نتوقع رؤية المزيد من التطبيقات المبتكرة التي تستفيد من القدرات الفريدة لشبكات الحوسبة اللامركزية القائمة على الذكاء الاصطناعي.
2. البيانات
تلعب البيانات دورًا حيويًا في نموذج الذكاء الاصطناعي، وفي تطوير يتم تضمين بيانات نموذج الذكاء الاصطناعي في جميع المراحل، بما في ذلك جمع البيانات وتخزين مجموعة بيانات التدريب وتخزين النماذج.
2.1 تخزين البيانات
يعد التخزين اللامركزي لنماذج الذكاء الاصطناعي أمرًا بالغ الأهمية لتوفير واجهات برمجة التطبيقات الاستدلالية بطريقة لا مركزية. يجب أن تكون عقد الاستدلال قادرة على استرداد هذه النماذج من أي مكان وفي أي وقت. ومع احتمال وصول حجم نماذج الذكاء الاصطناعي إلى مئات الجيجابايت، هناك حاجة إلى شبكة تخزين لامركزية قوية. قد يكون بمقدور الشركات الرائدة في مجال التخزين اللامركزي، مثل Filecoin وArweave، توفير هذه الوظيفة.
عرض IOSG Ventures:
هناك فرص هائلة في هذا المجال.
شبكة تخزين بيانات لا مركزية محسنة لنماذج الذكاء الاصطناعي، مما يوفر التحكم في الإصدار ومساحة تخزين مختلفة منخفضة- تكميم النماذج الدقيقة والتنزيل السريع للنماذج الكبيرة.
توفر قواعد البيانات المتجهة اللامركزية، نظرًا لأنها غالبًا ما تكون مجمعة مع النماذج، مزيدًا من الدقة عن طريق إدراج إجابات المعرفة الضرورية المتعلقة بالمشكلة. يمكن أيضًا إضافة قواعد بيانات SQL الموجودة من خلال دعم البحث المتجه.
2.2 جمع البياناتالتجميع ووضع العلامات
يعد جمع البيانات عالية الجودة أمرًا بالغ الأهمية للتدريب على الذكاء الاصطناعي. تستخدم المشاريع القائمة على Blockchain، مثل Grass، التعهيد الجماعي لجمع البيانات للتدريب على الذكاء الاصطناعي، والاستفادة من الشبكات الشخصية. ومن خلال الحوافز والآليات المناسبة، يستطيع مدربو الذكاء الاصطناعي الحصول على بيانات عالية الجودة بتكلفة أقل. تركز مشاريع مثل Tai-da وSaipen على تصنيف البيانات.
عرض IOSG Ventures:
بعض ملاحظاتنا حول هذا السوق:
تتأثر معظم مشاريع وضع علامات على البيانات بـ GameFi مستوحاة من جذب المستخدمين بمفهوم "كسب العلامات" والمطورين مع وعد بخفض تكاليف البيانات ذات العلامات عالية الجودة.
لا يوجد حاليًا قائد واضح في هذا المجال، ويهيمن Scale AI على سوق تصنيف بيانات Web2.
2.3 بيانات Blockchain
عند تدريب نماذج الذكاء الاصطناعي خصيصًا لـ blockchain، يحتاج المطورون إلى بيانات blockchain عالية الجودة يمكن استخدامها مباشرة في عملية التدريب الخاصة بهم. توفر Spice AI وSpace and Time بيانات blockchain عالية الجودة مع SDKs، مما يسمح للمطورين بدمج البيانات بسهولة في خطوط أنابيب بيانات التدريب الخاصة بهم.
عرض IOSG Ventures:
مع تزايد الطلب على نماذج الذكاء الاصطناعي المرتبطة بـ blockchain، سيزداد الطلب على بيانات blockchain عالية الجودة. ومع ذلك، فإن معظم أدوات تحليل البيانات حاليًا توفر فقط تصدير البيانات بتنسيق CSV، وهو ليس مثاليًا لأغراض تدريب الذكاء الاصطناعي.
لتعزيز تطوير نماذج الذكاء الاصطناعي خصيصًا لـ blockchain، من الضروري توفير المزيد من وظائف عمليات التعلم الآلي المرتبطة بـ blockchain (MLOP) لتحسين تجربة المطور. يجب أن تمكن هذه الميزات المطورين من دمج بيانات blockchain بسلاسة مباشرة في خطوط أنابيب تدريب الذكاء الاصطناعي المستندة إلى Python.
3. ZKML
نظرًا للحافز لاستخدام نماذج أقل تعقيدًا لتقليل التكاليف الحسابية، فإن مقدمي خدمات الذكاء الاصطناعي المركزيين مواجهة قضايا الثقة. على سبيل المثال، شعر المستخدمون أحيانًا أن أداء ChatGPT كان ضعيفًا في العام الماضي. ويُعزى ذلك لاحقًا إلى تحديث OpenAI الذي يهدف إلى تحسين أداء النموذج.
بالإضافة إلى ذلك، أثار منشئو المحتوى مخاوف بشأن حقوق الطبع والنشر بشأن شركات الذكاء الاصطناعي. ومن الصعب على هذه الشركات إثبات عدم تضمين بيانات محددة في عملية التدريب الخاصة بها.
يعد التعلم الآلي بدون معرفة (ZKML) نهجًا مبتكرًا يحل مشكلات الثقة المرتبطة بموفري الذكاء الاصطناعي المركزيين. من خلال الاستفادة من أدلة المعرفة الصفرية، تتيح ZKML للمطورين إثبات صحة عمليات التدريب والاستدلال الخاصة بالذكاء الاصطناعي دون الكشف عن البيانات الحساسة أو تفاصيل النموذج.
3.1 التدريب
يمكن للمطورين استخدام صفر المعرفة الافتراضية تنفيذ مهام التدريب في جهاز (ZKVM)، مثل الجهاز الظاهري الذي يوفره Risc Zero. تولد هذه العملية دليلاً يؤكد أن التدريب تم تنفيذه بشكل صحيح وأنه تم استخدام البيانات المعتمدة فقط. تعد هذه الشهادة بمثابة دليل على التزام المطور بمواصفات التدريب المناسبة وأذونات استخدام البيانات.
عرض IOSG Ventures:
توفر ZKML حلاً فريدًا لإثبات استخدام البيانات المصرح بها في تدريب النماذج، وهو ما يصعب تحقيقه غالبًا نظرًا لطبيعة الصندوق الأسود لنماذج الذكاء الاصطناعي.
لا تزال هذه التقنية في مراحلها الأولى. النفقات الحسابية ضخمة. يستكشف المجتمع بنشاط المزيد من حالات الاستخدام لتدريب ZK.
3.2 الاستدلال
يستغرق ZKML وقتًا أطول بكثير لاستنتاجه مقارنة بنظيره التدريبي. هناك بالفعل العديد من الشركات المعروفة الناشئة في هذا المجال، ولكل منها نهج فريد لجعل استدلال التعلم الآلي عديم الثقة وشفافًا.
تركز الجيزة على بناء منصة شاملة لعمليات التعلم الآلي (MLOP) وبناء مجتمع نابض بالحياة حولها. هدفهم هو تزويد المطورين بالأدوات والموارد اللازمة لدمج ZKML في سير عمل الاستدلال.
من ناحية أخرى، تعطي EZKL الأولوية لتجربة التطوير من خلال إنشاء إطار عمل ZKML سهل الاستخدام يوفر أداءً جيدًا. يهدف الحل الخاص بهم إلى تبسيط عملية تنفيذ استدلال ZKML، مما يسهل الوصول إليه لمزيد من المطورين.
تتبع Modulus Labs نهجًا مختلفًا وقد طورت نظام إثبات خاصًا بها. هدفهم الرئيسي هو تقليل الحمل الحسابي المرتبط باستدلال ZKML بشكل كبير. من خلال تقليل النفقات العامة بمقدار 10 مرات، تحاول Modulus Labs جعل استدلال ZKML أكثر عملية وكفاءة للتطبيقات الواقعية.
عرض IOSG Ventures:
يعد ZKML مناسبًا بشكل خاص لسيناريوهات GameFi وDeFi حيث يكون انعدام الثقة أمرًا بالغ الأهمية.
الحمل الحسابي الذي قدمته ZKML يجعل من الصعب تشغيل نماذج الذكاء الاصطناعي الكبيرة بكفاءة.
لا تزال الصناعة تبحث عن رواد DeFi وGameFi لاستخدام ZKML بكثافة في منتجاتهم لإظهار سيناريوهات التطبيق العملي الخاصة بها.
4. شبكة الوكيل + التطبيقات الأخرى
4.1 شبكة الوكيل
strong> strong>تتكون شبكة الوكلاء من العديد من عملاء الذكاء الاصطناعي المجهزين بالأدوات والمعرفة اللازمة لأداء مهام محددة، مثل المساعدة في العمليات المتصلة بالسلسلة المعاملات. يمكن لهؤلاء الوكلاء التعاون مع بعضهم البعض لتحقيق أهداف أكثر تعقيدًا. تعمل العديد من الشركات المعروفة على تطوير وكلاء وشبكات وكلاء تشبه برامج الدردشة الآلية.
يعد كل من Sleepless وSiya وMyshell وcharacterX وDelysium من اللاعبين المهمين الذين يقومون ببناء وكلاء chatbot. تقوم Autonolas وChainML ببناء شبكات وكيل لحالات استخدام أكثر قوة.
عرض IOSG Ventures:
الوكلاء مهمون جدًا لتطبيقات العالم الحقيقي. يمكنهم أداء مهام محددة بشكل أفضل من الذكاء الاصطناعي العام. توفر Blockchain العديد من الفرص الفريدة لعملاء الذكاء الاصطناعي.
لديها آلية حوافز: توفر تقنية Blockchain من خلال الرموز غير القابلة للاستبدال (NFT) والتقنيات الأخرى آليات الحوافز. ومن خلال الملكية الواضحة وهياكل الحوافز، يتم تحفيز المبدعين لتطوير وكلاء أكثر إثارة للاهتمام وابتكارًا على السلسلة.
قابلية تركيب العقود الذكية: العقود الذكية على blockchain قابلة للتركيب بدرجة كبيرة وتعمل مثل كتل Lego. تتيح واجهة برمجة التطبيقات المفتوحة التي توفرها العقود الذكية للوكلاء أداء المهام المعقدة التي يصعب تحقيقها في الأنظمة المالية التقليدية. تتيح قابلية التركيب هذه للوكلاء التفاعل مع وظائف مجموعة متنوعة من التطبيقات اللامركزية (dApps) والاستفادة منها.
الانفتاح المتأصل: من خلال بناء وكلاء على blockchain، فإنهم يرثون الانفتاح والشفافية المتأصلة في هذه الشبكات. وهذا يخلق فرصًا كبيرة للتركيب بين الوكلاء المختلفين، مما يسمح لهم بالتعاون والجمع بين قدراتهم لحل المهام الأكثر تعقيدًا.
4.2 تطبيقات أخرى
بالإضافة إلى الفئات الرئيسية التي تمت مناقشتها سابقًا، هناك العديد من تطبيقات الذكاء الاصطناعي المثيرة للاهتمام والتي تحظى بالاهتمام في مساحة Web3، على الرغم من أنها قد لا تكون كبيرة بما يكفي لتشكيل فئات مستقلة. تغطي هذه التطبيقات مجموعة متنوعة من المجالات وتوضح تنوع وإمكانات الذكاء الاصطناعي في النظام البيئي blockchain.
إنشاء الصور: ImgnAI
تحقيق الدخل من الصور بسرعة: NFPrompt
إنشاء صور الذكاء الاصطناعي المدربة من قبل المجتمع: Botto p>
روبوتات الدردشة: Kaito، Supersight، Galaxy، Knn3، Awesome QA، Qna3
المالية: Numer AI
المحفظة: Dawn_wallet
اللعبة: Parallel TCG
التعليم: مدمن مخدرات
الأمن: Forta
DID: Worldcoin
أدوات منشئ المحتوى: Plai Lab
5. الترويج لـ AIxCrypto لتمكين مستخدمي Web2 لتحقيق اعتماد جماعي
يعتبر AI x Crypto فريدًا من نوعه لأنه يحل أصعب المشكلات في مسألة الذكاء الاصطناعي. على الرغم من الفجوة بين منتج AIxCrypto الحالي ومنتج Web2 AI وعدم جاذبيته لمستخدمي Web2، لا يزال لدى AIxCrypto بعض الميزات الفريدة التي لا يمكن أن يقدمها سوى AIxCrypto.
5.1 موارد حوسبة فعالة من حيث التكلفة:
تتمثل إحدى المزايا الرئيسية لـ AIxCrypto في توفير موارد حوسبة فعالة من حيث التكلفة. مع زيادة الطلب على LLM وزيادة عدد المطورين في السوق، أصبح توفر وحدة معالجة الرسومات وتسعيرها أكثر صعوبة. ارتفعت أسعار GPU بشكل ملحوظ، وهناك نقص.
يمكن لشبكات الحوسبة اللامركزية مثل مشروع DePIN أن تساعد في تخفيف هذه المشكلة من خلال الاستفادة من قوة الحوسبة الخاملة، ووحدات معالجة الرسومات في مراكز البيانات الصغيرة، وأجهزة الحوسبة الشخصية. على الرغم من أن قوة الحوسبة اللامركزية قد لا تكون مستقرة مثل الخدمات السحابية المركزية، إلا أن هذه الشبكات توفر معدات حوسبة فعالة من حيث التكلفة في مجموعة متنوعة من المناطق الجغرافية. يعمل هذا النهج اللامركزي على تقليل زمن وصول الحافة، مما يضمن بنية تحتية أكثر توزيعًا ومرونة.
من خلال الاستفادة من قوة شبكات الحوسبة اللامركزية، يمكن لـ AIxCrypto تزويد مستخدمي Web2 بموارد حوسبة ميسورة التكلفة ويمكن الوصول إليها. ستكون ميزة التكلفة هذه جذابة في جذب مستخدمي Web2 لتبني حلول AIxCrypto، خاصة مع استمرار نمو الطلب على حوسبة الذكاء الاصطناعي.
5.2 منح المبدعين الملكية:
AI x ميزة أخرى مهمة لـ Crypto هي حماية حقوق ملكية المبدعين. في مجال الذكاء الاصطناعي الحالي، يمكن نسخ بعض العملاء بسهولة. يمكن تكرار هذه العوامل بسهولة بمجرد كتابة مطالبات مماثلة. بالإضافة إلى ذلك، غالبًا ما تكون الخوادم الوكيلة في متاجر GPT مملوكة لشركات مركزية وليس لمبدعين، مما يحد من سيطرة المبدعين على أعمالهم وقدرتهم على تحقيق الدخل بشكل فعال.
يحل AI x Crypto هذه المشكلة من خلال الاستفادة من تقنية NFT المثبتة والمنتشرة في كل مكان في مجال التشفير. من خلال تمثيل الوكالة على أنها NFTs، يمكن للمبدعين امتلاك إبداعاتهم حقًا والحصول على فوائد حقيقية منها. في كل مرة يتفاعل فيها المستخدم مع وكيل، يمكن للمبدعين الحصول على حوافز، مما يضمن مكافأة عادلة لجهودهم. لا ينطبق مفهوم الملكية القائمة على NFT على الوكلاء فحسب، بل يمكن استخدامه أيضًا لحماية الأصول المهمة الأخرى في مجال الذكاء الاصطناعي، مثل قواعد المعرفة والنصائح.
5.3 حماية الخصوصية وإعادة بناء الثقة:
لدى المستخدمين والمبدعين مخاوف تتعلق بالخصوصية بشأن شركات الذكاء الاصطناعي المركزية. يشعر المستخدمون بالقلق إزاء إساءة استخدام بياناتهم لتدريب النماذج المستقبلية، في حين يشعر المبدعون بالقلق بشأن استخدام أعمالهم دون الإسناد أو التعويض المناسب. بالإضافة إلى ذلك، قد تضحي شركات الذكاء الاصطناعي المركزية بجودة الخدمة لتقليل تكاليف البنية التحتية.
يصعب حل هذه المشكلات باستخدام تقنية Web2، وتستفيد AIxCrypto من حلول Web3 المتقدمة. يوفر التدريب والاستدلال على المعرفة الصفرية الشفافية من خلال إثبات البيانات المستخدمة وضمان تطبيق النموذج الصحيح. تتيح التقنيات مثل بيئة التنفيذ الموثوقة (TEE)، والتعلم الموحد، والتشفير المتماثل بالكامل (FHE) تدريبًا واستدلالًا آمنًا للذكاء الاصطناعي يحافظ على الخصوصية.
من خلال إعطاء الأولوية للخصوصية والشفافية، يمكّن AIxCrypto شركات الذكاء الاصطناعي من استعادة ثقة الجمهور وتوفير خدمات الذكاء الاصطناعي التي تحترم حقوق المستخدم، مما يميزها عن حلول Web2 التقليدية.
5.3 حماية الخصوصية وإعادة بناء الثقة:
لدى المستخدمين والمبدعين مخاوف تتعلق بالخصوصية بشأن شركات الذكاء الاصطناعي المركزية. يشعر المستخدمون بالقلق إزاء إساءة استخدام بياناتهم لتدريب النماذج المستقبلية، في حين يشعر المبدعون بالقلق بشأن استخدام أعمالهم دون الإسناد أو التعويض المناسب. بالإضافة إلى ذلك، قد تضحي شركات الذكاء الاصطناعي المركزية بجودة الخدمة لتقليل تكاليف البنية التحتية.
يصعب حل هذه المشكلات باستخدام تقنية Web2، وتستفيد AIxCrypto من حلول Web3 المتقدمة. يوفر التدريب والاستدلال على المعرفة الصفرية الشفافية من خلال إثبات البيانات المستخدمة وضمان تطبيق النموذج الصحيح. تتيح التقنيات مثل بيئة التنفيذ الموثوقة (TEE)، والتعلم الموحد، والتشفير المتماثل بالكامل (FHE) تدريبًا واستدلالًا آمنًا للذكاء الاصطناعي يحافظ على الخصوصية.
من خلال إعطاء الأولوية للخصوصية والشفافية، يمكّن AIxCrypto شركات الذكاء الاصطناعي من استعادة ثقة الجمهور وتوفير خدمات الذكاء الاصطناعي التي تحترم حقوق المستخدم، مما يميزها عن حلول Web2 التقليدية.
5.4 تتبع مصادر المحتوى
مع دليل باسم أصبح المحتوى الذي تم إنشاؤه بذكاء معقدًا بشكل متزايد، وأصبح من الصعب التمييز بين النصوص أو الصور أو مقاطع الفيديو التي أنشأها الإنسان وتلك التي أنشأها الذكاء الاصطناعي. لمنع إساءة استخدام المحتوى الناتج عن الذكاء الاصطناعي، يحتاج الأشخاص إلى طريقة موثوقة لتحديد مصدر المحتوى.
تُعتبر تقنية Blockchain رائعة في تتبع مصدر المحتوى، تمامًا كما نجحت في إدارة سلسلة التوريد والرموز غير القابلة للاستبدال (NFTs). في صناعة سلسلة التوريد، تقوم تقنية blockchain بتتبع دورة الحياة الكاملة للمنتج، ويمكن للمستخدمين تحديد الشركة المصنعة والمعالم الرئيسية. وبالمثل، فإن blockchain يتتبع المبدعين، وفي حالة NFTs، يمنع القرصنة، وهم معرضون بشكل خاص للقرصنة بسبب طبيعتهم العامة. على الرغم من هذه الثغرة الأمنية، فإن استخدام blockchain يمكن أن يقلل من الخسائر الناجمة عن NFTs المزيفة، حيث يمكن للمستخدمين التمييز بسهولة بين الرموز الحقيقية والمزيفة.
من خلال تطبيق تقنية blockchain لتتبع أصل المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي، يوفر AIxCrypto للمستخدمين القدرة على التحقق مما إذا كان منشئو المحتوى هم ذكاء اصطناعي أم بشر، وبالتالي تقليل الإمكانات لإساءة الاستخدام وزيادة الثقة في صحة المحتوى.
5.5 تطوير النماذج باستخدام العملات المشفرة
التصميم و تعد نماذج التدريب، وخاصة النماذج الكبيرة، عملية مكلفة وتستغرق وقتًا طويلاً. هناك أيضًا حالة من عدم اليقين تحيط بالنموذج الجديد، ولا يستطيع المطورون التنبؤ بأدائه.
توفر العملات المشفرة طريقة صديقة للمطورين لجمع بيانات ما قبل التدريب، وجمع تعليقات التعلم المعزز، وجمع التبرعات من الأطراف المعنية. تشبه هذه العملية دورة حياة مشروع عملة مشفرة نموذجي: جمع التمويل من خلال الاستثمار الخاص أو منصة الإطلاق، وإطلاق الرموز المميزة للمساهمين النشطين عند الإطلاق.
يمكن للنماذج أن تتبنى نهجًا مشابهًا، حيث تجمع الأموال للتدريب عن طريق بيع الرموز المميزة وإسقاط الرموز المميزة للمساهمين بالبيانات والتعليقات. بفضل النموذج الاقتصادي المميز المصمم جيدًا، يساعد سير العمل هذا المطورين الأفراد على تدريب نماذج جديدة بسهولة أكبر من أي وقت مضى.
6. تحديات اقتصاد الرمز المميز
AI x Crypto بدأ المشروع في استهداف مطوري Web2 كعملاء محتملين لأن التشفير فريد من نوعه عرض القيمة، وحجم السوق لصناعة الذكاء الاصطناعي Web2 كبير. ومع ذلك، يمكن أن تكون الرموز المميزة عائقًا أمام مطوري Web2 الذين ليسوا على دراية بالرموز المميزة ويترددون في المشاركة في الأنظمة القائمة على الرموز المميزة.
من أجل تلبية احتياجات مطوري Web2، قد يؤدي تقليل فائدة الرموز المميزة أو إزالتها إلى حدوث ارتباك لعشاق Web3 لأنه قد يغير مشروع AIxCrypto الموقف الأساسي. عند العمل على دمج الرموز المميزة القيمة في منصات AI SaaS، فإن إيجاد التوازن بين جذب مطوري Web2 والحفاظ على فائدة الرمز المميز يعد مهمة صعبة.
لسد الفجوة بين نماذج أعمال Web2 وWeb3 مع الحفاظ على قيمة الرمز المميز، هناك العديد من الأساليب المحتملة التي يمكن أخذها في الاعتبار:
الاستفادة من الرموز المميزة داخل شبكة البنية التحتية الموزعة للمشروع. تنفيذ آليات التوقيع والمكافأة والعقوبة لحماية الشبكة الأساسية.
استخدام الرموز المميزة كوسيلة للدفع وتوفير مدخل لمستخدمي Web2
مشاركة الإيرادات مع حاملي الرمز المميز
< /li>استخدم العائدات لإعادة شراء الرموز المميزة أو تدميرها
الخدمات المقدمة للمشروع وتقديم خصومات ومميزات إضافية لحاملي العملات الرمزية
من خلال الاهتمام الدقيق بتصميم نموذج اقتصادي رمزي يتماشى مع مع اهتمامات Web2 وWeb3، يمكن لمشروع AI x Crypto جذب مطوري Web2 بنجاح مع الحفاظ على قيمة وفائدة رمزه المميز.
7. الذكاء الاصطناعي المفضل لدينا x سيناريو التشفير
سيناريو AIxCrypto المفضل لدينا يستفيد من قوة تعاون المستخدم لإنجاز المهام في مجال الذكاء الاصطناعي بمساعدة تقنية blockchain. تتضمن بعض الأمثلة المحددة ما يلي:
1. مساهمة البيانات الجماعية لتدريب الذكاء الاصطناعي ومواءمته وقياس الأداء (مثل Chatbot Arena)
2. التعاون لبناء قاعدة معرفية مشتركة كبيرة يمكن استخدامها من قبل وكلاء مختلفين (مثل الصحراء)
3. استغلال الشخصية موارد لتجميع الويب (على سبيل المثال، Grass)
توضح هذه النماذج اللامركزية من خلال الاستفادة من الجهود الجماعية للمستخدمين استنادًا إلى حوافز blockchain والتنسيق. إمكانات مجتمع مركزي نهج موجه لتطوير الذكاء الاصطناعي ونشره.
الاستنتاج
نحن في فجر الذكاء الاصطناعي وWeb3، وبالمقارنة بالصناعات الأخرى، فإن الذكاء الاصطناعي هو التكامل. في مجال blockchain لا يزال في مراحله الأولى. من بين أفضل 50 منتجًا من منتجات Gen AI، لا توجد منتجات مرتبطة بـ Web3. ترتبط أفضل أدوات LLM بإنشاء المحتوى وتحريره، وتستهدف بشكل أساسي المبيعات والاجتماعات والملاحظات/قواعد المعرفة. بالنظر إلى الكم الكبير من الأبحاث والوثائق والمبيعات وجهود المجتمع في نظام Web3 البيئي، هناك إمكانات هائلة لتطوير أدوات LLM المخصصة.
يركز المطورون حاليًا على بناء البنية التحتية لجلب نماذج الذكاء الاصطناعي المتقدمة إلى السلسلة، على الرغم من أننا لم نصل إلى الهدف بعد. وبينما نواصل تطوير هذه البنية التحتية، فإننا نستكشف أيضًا أفضل سيناريوهات المستخدم لإجراء استدلال الذكاء الاصطناعي على السلسلة بطريقة آمنة وغير موثوقة، مما يوفر فرصًا فريدة في مجال blockchain. يمكن للصناعات الأخرى استخدام البنية التحتية الحالية لـ LLM بشكل مباشر للاستدلال والضبط الدقيق. تحتاج صناعة blockchain فقط إلى بنية تحتية محلية خاصة بها للذكاء الاصطناعي.
في المستقبل القريب، نتوقع أن تستفيد تقنية blockchain من مزايا نظير إلى نظير لحل المشكلات الأكثر تحديًا في صناعة الذكاء الاصطناعي، مما يتيح الذكاء الاصطناعي نماذج أكثر بأسعار معقولة، ويمكن الوصول إليها ومربحة للجميع. نتوقع أيضًا أن يتبع مجال العملات المشفرة سرد صناعة الذكاء الاصطناعي، وإن كان ذلك مع تأخير بسيط. على مدار العام الماضي، رأينا المطورين يجمعون بين نماذج التشفير والبروكسي وLLM. في الأشهر المقبلة، قد نشهد المزيد من النماذج متعددة الوسائط، وإنشاء مقاطع فيديو نصية، وتوليد ثلاثي الأبعاد يؤثر على مساحة العملات المشفرة.
لم تحظ صناعة الذكاء الاصطناعي وWeb3 بأكملها بالاهتمام الكافي في الوقت الحاضر. ونحن نتطلع بفارغ الصبر إلى لحظة تفجير الذكاء الاصطناعي في Web3، وهو تطبيق قاتل لـ CryptoxAI . ص>
تهدف هذه الدراسة إلى استكشاف مجالات الذكاء الاصطناعي الأكثر أهمية للمطورين، والتي قد تكون الفرص التالية للانفجار في مجال Web3 والذكاء الاصطناعي.
JinseFinanceUSDT، العملة المستقرة، IOSG | العملة الذهبية المستقرة الجديدة Golden Finance، Usual جاهزة لتحدي Tether.
JinseFinanceيجلب تقارب AI x Web3 وعدًا مليئًا بالابتكار والإمكانات. ومن خلال الاستفادة من نقاط القوة الفريدة لكل تقنية، يمكننا حل مجموعة متنوعة من التحديات وإنشاء مسارات تقنية جديدة.
JinseFinanceفي هذه الفترة الزمنية التي لا يوجد فيها الكثير من المستخدمين المتزايدين، يوجد بالفعل نظام بيئي حافظ على قاعدة مستخدمين عالية جدًا ونمو.
JinseFinanceالتشفير المتماثل بالكامل (FHE) هو فئة من أنظمة التشفير التي تسمح بإجراء العمليات الحسابية على البيانات المشفرة (النص المشفر) دون فك تشفير البيانات، مما يفتح مجموعة من حالات الاستخدام للخصوصية وحماية البيانات.
JinseFinanceBitVM، Layer 2، BTC، IOSG |BitVM: فجر قابلية برمجة Bitcoin Golden Finance، التوسع السريع لخطط توسيع Bitcoin
JinseFinanceأزمة إمداد AIGC وIOSG|GPU: الطريق إلى تعطيل الشركات الناشئة في مجال الذكاء الاصطناعي Golden Finance، مع تناقص المعروض من وحدات معالجة الرسومات الجديدة، أين تلعب blockchain دورًا؟
JinseFinanceعام 2023 هو عام نفخر به ونمضي قدمًا بجرأة لشركة IOSG Ventures.
JinseFinanceمع نمو القيمة السوقية للعملات المشفرة وامتلاك المزيد من الأشخاص لرأس مال قابل للتصرف عبر السلسلة، يمكن أن تكون صناعة أسواق التنبؤ مربحة، أو على الأقل مفيدة.
JinseFinance像《黑暗森林》这样的全链游戏已经证明,你可以把游戏逻辑都放在链上,且由于其具有无许可的互操作性,鼓励了社区创造新工具、联盟和 DAO 等等。
Others