تقرير بحث VanEck: توقعات إيرادات الذكاء الاصطناعي للعملات المشفرة في عام 2030

المؤلف: باتريك بوش، ماثيو سيجل
المصدر: VanEck 
الترجمة: شان أوبا، جولدن التمويل

توضح هذه المقالة سيناريوهات الإيرادات المحتملة للعملات المشفرة المعتمدة على الذكاء الاصطناعي حتى عام 2030، وذلك باستخدام توقعات أساسية بقيمة 10.2 مليار دولار أمريكي وتسليط الضوء على سلاسل الكتل العامة. وهو دور مهم يجب القيام به في قيادة اعتماد الذكاء الاصطناعي من خلال القدرات الأساسية. يرجى ملاحظة أن VanEck قد تشغل مناصب في الأصول الرقمية الموضحة أدناه.

النقاط الرئيسية:

• في توقعاتنا الأساسية، من المتوقع أن تصل إيرادات الذكاء الاصطناعي للعملات المشفرة إلى 10.2 مليار دولار بحلول عام 2030.

• قد تصبح تقنية Blockchain محركًا رئيسيًا في اعتماد الذكاء الاصطناعي وتطوير حلول الذكاء الاصطناعي اللامركزية.

• التكامل مع حوافز التشفير يمكن أن يحسن أمان وكفاءة نماذج الذكاء الاصطناعي.

• يمكن أن تكون تقنية Blockchain حلاً لتحديات مصادقة الذكاء الاصطناعي وتكامل البيانات.

من المرجح أن تكون تقنية blockchain العامة هي المفتاح لفتح التبني الواسع النطاق للذكاء الاصطناعي (AI)، وسوف تصبح تطبيقات الذكاء الاصطناعي التشفير معنى وجود العملة. وذلك لأن العملات المشفرة توفر عناصر أساسية مهمة مطلوبة للذكاء الاصطناعي، مثل الشفافية والثبات وخصائص الملكية المحددة جيدًا وبيئات الاختبار التنافسية. ونحن نعتقد أن هذه الخصائص ستكون حاسمة بالنسبة للذكاء الاصطناعي للوصول إلى إمكاناته الكاملة. استنادًا إلى تقديرات نمو الذكاء الاصطناعي، نعتقد أنه بحلول عام 2030، ستبلغ توقعات خط الأساس للإيرادات السنوية التي تجمعها مشاريع العملات المشفرة التي تركز على الذكاء الاصطناعي 10.2 مليار دولار. في هذه المقالة، نتكهن بالدور الذي ستلعبه العملات المشفرة في تعزيز اعتماد الذكاء الاصطناعي والقيمة التي ستستمدها العملات المشفرة من أعمال الذكاء الاصطناعي.

وجدنا أن أفضل تطبيقات العملات المشفرة في الذكاء الاصطناعي هي:

• < p style="text-align: left;">توفير موارد حوسبة لامركزية

• اختبار النماذج والضبط الدقيق والتحقق

  p p>

• حماية حقوق الطبع والنشر وسلامة البيانات

• أمن الذكاء الاصطناعي

• الهوية

العملة المشفرة مفيدة جدًا للذكاء الاصطناعي لأنها تحل بالفعل العديد من التحديات الحالية والمستقبلية للذكاء الاصطناعي. في جوهرها، تحل العملات المشفرة مشكلة التنسيق. تجمع العملات المشفرة بين الموارد البشرية والحسابية والنقدية لتشغيل البرامج مفتوحة المصدر. يقوم بذلك من خلال تقديم مكافآت لأولئك الذين يقومون بإنشاء ودعم واستخدام كل شبكة blockchain في شكل رموز مرتبطة بقيمة كل شبكة. يمكن استخدام نظام المكافآت هذا لتوجيه المكونات المختلفة لمجموعة قيمة الذكاء الاصطناعي. أحد الآثار المهمة للجمع بين التشفير والذكاء الاصطناعي هو الاستفادة من حوافز العملة المشفرة لتطوير البنية التحتية المادية اللازمة، مثل مجموعات وحدات معالجة الرسومات، المخصصة للتدريب والضبط الدقيق ودعم استخدام النماذج التوليدية.

تجلب تقنية Blockchain أيضًا الشفافية إلى الملكية الرقمية، مما قد يساعد في حل بعض مشكلات البرامج مفتوحة المصدر التي سيواجهها الذكاء الاصطناعي في المحكمة. دعوى قضائية نيويورك تايمز ضد OpenAI ومايكروسوفت. أي أن التشفير يمكن أن يثبت بشفافية الملكية وحماية حقوق الطبع والنشر لأصحاب البيانات ومنشئي النماذج ومستخدمي النماذج. ستمتد هذه الشفافية أيضًا إلى نشر الأدلة الرياضية على صحة النموذج على blockchain العامة. أخيرًا، نظرًا للتوقيعات الرقمية غير القابلة للتزوير وسلامة البيانات، نعتقد أن سلاسل الكتل العامة ستساعد في التخفيف من مشكلات تحديد الهوية والأمن التي من شأنها أن تقوض فعالية الذكاء الاصطناعي.

تحديد دور العملة المشفرة في مؤسسات الذكاء الاصطناعي

القوى العاملة المقدرة في مجال العملة المشفرة في عام 2030 ذكي الدخل: الدب، الحالة الأساسية، السيناريو الصاعد

المصدر: Morgan Stanley، Bloomberg، VanEck Research اعتبارًا من 29 يناير 2024. الأداء السابق لا يعتبر ضمانا للنتائج المستقبلية. لا يُقصد من المعلومات وسيناريوهات التقييم وأهداف الأسعار المقدمة في هذه المدونة أن تكون بمثابة نصيحة مالية أو أي عبارة تحث المستخدم على اتخاذ إجراء، أو توصية بالشراء أو البيع، أو كتنبؤ بالأداء المستقبلي لأعمال الذكاء الاصطناعي. الأداء المستقبلي الفعلي غير معروف وقد يختلف ماديًا عن النتائج الافتراضية الموضحة هنا. قد تكون هناك مخاطر أو عوامل أخرى لم يتم أخذها في الاعتبار في السيناريوهات المعروضة والتي قد تعيق الأداء. هذه مجرد نتائج محاكاة مبنية على أبحاثنا وهي لأغراض توضيحية فقط. يرجى إجراء البحوث الخاصة بك واستخلاص النتائج الخاصة بك.

للتنبؤ بسوق الذكاء الاصطناعي المشفر، قمنا أولاً بتقدير إجمالي السوق القابلة للتوجيه (TAM) لمكاسب إنتاجية الأعمال من الذكاء الاصطناعي، خط الأساس لدينا لـ ويأتي هذا الرقم من افتراضات ماكينزي لعام 2022. نقوم بعد ذلك بتطبيق افتراضات النمو الاقتصادي والإنتاجي على بيانات ماكينزي ونجد حالة أساسية لقيمة إجمالية تبلغ 5.85 تريليون دولار في عام 2030. في هذه الحالة الأساسية، نفترض أن نمو إنتاجية الذكاء الاصطناعي أعلى بنسبة 50% من نمو الناتج المحلي الإجمالي، والذي يبلغ 3%. ثم نتوقع بعد ذلك اختراق سوق الذكاء الاصطناعي في المؤسسات العالمية (33% في الحالة الأساسية) ونطبق ذلك على TAM الأولي لدينا، مع تقدير أن الذكاء الاصطناعي سيحقق مكاسب إنتاجية بقيمة 1.93 تريليون دولار للمؤسسات. لحساب الإيرادات لجميع شركات الذكاء الاصطناعي، نفترض أن 13% من مكاسب الإنتاجية هذه يتم الحصول عليها من قبل شركات الذكاء الاصطناعي (أو ينفقها مستهلكو المؤسسات) كإيرادات. نحن نقدر حصة إيرادات الذكاء الاصطناعي من خلال تطبيق متوسط ​​حصة إيرادات تكاليف العمالة بين الشركات المدرجة على مؤشر ستاندرد آند بورز 500، على افتراض أن الإنفاق على الذكاء الاصطناعي يجب أن يكون مماثلا. يطبق الجزء التالي من تحليلنا توقعات Bloomberg Intelligence لتوزيع قيمة الذكاء الاصطناعي لتقدير الإيرادات السنوية لكل مجموعة أعمال تعمل بالذكاء الاصطناعي. أخيرًا، نقدم تقديرات محددة لحصة سوق العملات المشفرة لكل شركة تعمل بالذكاء الاصطناعي للوصول إلى الأرقام النهائية لكل حالة وكل سوق.

نحن نتصور مستقبلًا يتم فيه تطبيق نماذج الذكاء الاصطناعي اللامركزية التي تم إنشاؤها باستخدام مستودعات عامة مفتوحة المصدر على كل حالة استخدام يمكن تخيلها. في كثير من الحالات، تتفوق هذه النماذج مفتوحة المصدر على إنشاء الذكاء الاصطناعي المركزي. ينبع أساس هذا الافتراض من افتراض أن المجتمعات مفتوحة المصدر تجمع بين المتحمسين والهواة الذين لديهم دوافع فريدة لتحسين الأشياء. لقد رأينا مشاريع الإنترنت مفتوحة المصدر تعطل الأعمال التقليدية. وأفضل الأمثلة على هذه الظاهرة هي ويكيبيديا، التي أنهت عمل الموسوعات التجارية، وتويتر، الذي عطل وسائل الإعلام الإخبارية. تنجح مجتمعات المصادر المفتوحة هذه حيث تفشل المؤسسات التقليدية لأن مجموعات المصادر المفتوحة تنسق الأشخاص وتلهمهم لتقديم القيمة من خلال مزيج من التأثير الاجتماعي والأيديولوجية والتضامن الجماعي. باختصار، اهتم.

الجمع بين نماذج الذكاء الاصطناعي مفتوحة المصدر وحوافز العملات المشفرة يمكن أن يوسع نطاق هذه المجتمعات الناشئة ويمنحها القوة المالية لإنشاء البنية التحتية اللازمة لجذب مشاركين جدد. إن تطبيق هذه الفرضية على الذكاء الاصطناعي سيكون بمثابة مزيج رائع من العاطفة والموارد المالية. سيتم اختبار نماذج الذكاء الاصطناعي في مسابقات تحفيزية للعملات المشفرة، مما ينشئ بيئة لمعايير تقييم النماذج. في هذه البيئة، تفوز النماذج ومعايير التقييم الأكثر فعالية لأن قيمة كل نموذج يتم تحديدها كميًا بشكل واضح. لذلك، في حالتنا الأساسية، نتوقع أن تمثل نماذج الذكاء الاصطناعي التي تم إنشاؤها بواسطة blockchain 5٪ من إجمالي إيرادات برامج الذكاء الاصطناعي. ويشمل هذا التقدير الأجهزة والبرمجيات والخدمات والإعلانات والألعاب وغيرها، مما يعكس التحولات في حجم العمليات التجارية. ومن إجمالي إيرادات برامج الذكاء الاصطناعي، نتوقع أن يمثل هذا حوالي نصف إجمالي إيرادات الذكاء الاصطناعي، أو حوالي 125.50 مليار دولار. لذلك، نقدر أنه سيتم إنفاق 5٪ من حصة السوق من النماذج مفتوحة المصدر أي ما يعادل 6.27 مليار دولار أمريكي من الإيرادات على نماذج الذكاء الاصطناعي المدعومة بالرموز المميزة.

نحن نقدر أن TAM للحوسبة (أو البنية التحتية للذكاء الاصطناعي كخدمة) للضبط والتدريب والاستدلال قد تصل إلى 47.44 مليار دولار بحلول عام 2030. ومع اعتماد الذكاء الاصطناعي على نطاق واسع، فإنه سيصبح جزءًا لا يتجزأ من العديد من وظائف الاقتصاد العالمي، ويمكن تصور توفير الحوسبة والتخزين باعتباره أداة مساعدة مماثلة لتوليد الكهرباء وتوزيعها. في هذه الديناميكية، ستأتي الغالبية العظمى من "الحمل الأساسي" من وحدات المعالجة المركزية السحابية لوحدة معالجة الرسومات مثل Amazon وGoogle، والتي ستقترب حصتها في السوق من توزيع باريتو بنسبة 80%. نحن نرى أن البنية التحتية للخادم الخلفي المخصص لـ blockchain تلبي الاحتياجات المتخصصة وتعمل كمزود "الذروة" خلال فترات الطلب المرتفع على الشبكة. بالنسبة لمنتجي نماذج الذكاء الاصطناعي المخصصة، يقدم موفرو خدمات التخزين والحوسبة المشفرة فوائد مثل تقديم الخدمة عند الطلب، وفترات قفل SLA أقصر، وبيئات حوسبة أكثر تخصيصًا، وحساسية أكبر لزمن الاستجابة. بالإضافة إلى ذلك، يمكن دمج وحدات معالجة الرسوميات اللامركزية بسلاسة مع نماذج الذكاء الاصطناعي اللامركزي في العقود الذكية، مما يتيح حالات الاستخدام غير المصرح بها حيث يقوم وكلاء الذكاء الاصطناعي بتوسيع احتياجاتهم الحاسوبية. وبالنظر إلى وحدة معالجة الرسومات التي توفرها blockchain باعتبارها مكافئ Uber/Lyft للبنية التحتية لحوسبة الذكاء الاصطناعي، فإننا نعتقد أن الحوسبة والتخزين التي توفرها blockchain ستمثل 20٪ من السوق غير واسعة النطاق للبنية التحتية للذكاء الاصطناعي، مما قد يؤدي إلى للوصول إلى 1.90 مليار دولار.

يمكن اعتبار تعريف "الهوية" في سياق عملاء ونماذج الذكاء الاصطناعي من خلال الإنسانية المتسلسلة التي يمكن إثباتها بمثابة آلية دفاع ساحرة لشبكات الكمبيوتر العالمية. يمكننا تقدير تكلفة هذه الخدمة من خلال فحص الرسوم المرتبطة بتأمين شبكات البلوكشين المختلفة. وفي عام 2023، ستبلغ تكلفة البيتكوين والإيثريوم وسولانا حوالي 1.71% و4.3% و5.57% على التوالي من قيمة إصدار التضخم لكل شبكة. بشكل متحفظ، يمكننا أن نستنتج أن التعرف على الهوية يجب أن يمثل حوالي 3.5% من سوق الذكاء الاصطناعي. وبالنظر إلى أن برنامج TAM للذكاء الاصطناعي تبلغ قيمته 125.5 مليار دولار، فإن هذا يعادل 8.78 مليار دولار من الإيرادات السنوية. ولأننا نؤمن بأن العملات المشفرة تقدم أفضل حل لمشكلة الهوية، فإننا نعتقد أنها ستستحوذ على 10% من هذا السوق النهائي، مع توقع أن تصل الإيرادات السنوية إلى حوالي 878 مليون دولار.

من المتوقع أن يصبح أمان الذكاء الاصطناعي مكونًا مهمًا آخر لأجهزة الذكاء الاصطناعي، حيث يتمثل متطلبه الأساسي في استخدام بيانات غير تالفة وذات صلة وحديثة للتحقق من ذلك. النموذج قيد التشغيل.صحيح. ومع توسع الذكاء الاصطناعي في التطبيقات التي تعرض حياة البشر للخطر، مثل السيارات ذاتية القيادة، وروبوتات المصانع، وأنظمة الرعاية الصحية، يصبح التسامح مع الفشل ضئيلا. إن الحاجة إلى المساءلة في حالة وقوع حادث ستدفع سوق التأمين إلى طلب دليل ملموس على السلامة. تعتبر سلاسل الكتل العامة مثالية لهذه الوظيفة لأنها يمكن أن تنشر "أدلة الأمان" على دفتر أستاذ غير قابل للتغيير يمكن لأي شخص رؤيته. يمكن اعتبار هذا العمل مشابهًا للامتثال للمؤسسات المالية. وبالنظر إلى أن البنوك التجارية والاستثمارية الأمريكية تحقق إيرادات بقيمة 660 مليار دولار بينما تنفق 58.75 مليار دولار على تكاليف الامتثال (8.9% من الإيرادات)، فإننا نقدر أن أمن الذكاء الاصطناعي يجب أن يمثل حوالي 22.34 مليار دولار من إجمالي 251 مليار دولار من الذكاء الاصطناعي TAM. في حين أن العملات المشفرة لديها القدرة على تعزيز أمن الذكاء الاصطناعي، نظرًا لتركيز حكومة الولايات المتحدة على الذكاء الاصطناعي، فإننا نعتقد أن الكثير من الامتثال للذكاء الاصطناعي سيكون مركزيًا. ولذلك، فإننا نقدر أن العملات الرقمية ستمثل حوالي 5٪ من هذا السوق، أو حوالي 1.12 مليار دولار.

تنظيم موارد الحوسبة اللامركزية

يمكن للعملات المشفرة تنسيق فوائدها الاجتماعية والمالية الهائلة ويجب تطبيق المزايا لإضفاء الطابع الديمقراطي على الوصول إلى الحوسبة، وبالتالي حل نقاط الضعف التي يعاني منها مطورو الذكاء الاصطناعي حاليًا. بالإضافة إلى التكاليف المرتفعة ومحدودية الوصول إلى وحدات معالجة الرسومات عالية الجودة، يواجه منشئو نماذج الذكاء الاصطناعي حاليًا مشكلات شائكة أخرى. يتضمن ذلك تقييد البائع، وانعدام الأمن، ومحدودية توفر الحوسبة، وضعف زمن الاستجابة، والسياج الجغرافي الذي تتطلبه قوانين الولاية.

تنبع قدرة العملة المشفرة على تلبية طلب الذكاء الاصطناعي على وحدات معالجة الرسومات من قدرتها على تجميع الموارد من خلال الحوافز الرمزية. تتمتع شبكة Bitcoin بقيمة رمزية تبلغ 850 مليار دولار أمريكي وقيمة أسهم تبلغ 20 مليار دولار أمريكي، وهو ما يعد دليلاً على هذه القدرة. لذلك، فإن القائمين بتعدين البيتكوين الحاليين وسوق وحدات معالجة الرسومات اللامركزية الواعدة لديهم القدرة على إضافة قيمة كبيرة إلى الذكاء الاصطناعي من خلال توفير الحوسبة اللامركزية.

هناك تشبيه مفيد لفهم توفير وحدات معالجة الرسومات عبر blockchain وهو أعمال توليد الطاقة. ببساطة، هناك كيانات تدير محطات كبيرة ومكلفة يمكنها توليد الكهرباء بشكل موثوق لتلبية معظم احتياجات الشبكة. تتمتع هذه المصانع "ذات الحمل الأساسي" بطلب مستقر ولكنها تتطلب استثمارات رأسمالية كبيرة لبنائها، مما يؤدي إلى عوائد منخفضة نسبيًا ولكن مضمونة على رأس المال. تكملة الحمل الأساسي هو نوع آخر من المولدات يسمى "طاقة الذروة". توفر هذه الشركات الكهرباء عندما يتجاوز الطلب قدرة توليد الحمل الأساسي. وينطوي ذلك على إنتاج طاقة عالية التكلفة وعلى نطاق صغير في موقع استراتيجي قريب من الطلب على تلك الطاقة. ونتوقع ظهور ديناميكيات مماثلة في مجال "الحوسبة حسب الطلب".

يتنوع القائمون بتعدين البيتكوين إلى الذكاء الاصطناعي

البيتكوين والعملات المشفرة الأخرى التي تثبت العمل، مثل الذكاء الاصطناعي، لديها متطلبات طاقة عالية. يجب إنشاء هذه الطاقة وحصادها ونقلها وتقسيمها إلى كهرباء قابلة للاستخدام لتشغيل معدات التعدين ومجموعات الحوسبة. تتطلب سلسلة التوريد من عمال المناجم القيام باستثمارات كبيرة في محطات الطاقة، واتفاقيات شراء الطاقة، والبنية التحتية للشبكة، ومرافق مراكز البيانات. أدت الحوافز النقدية التي يقدمها تعدين العملات المشفرة المعتمدة على إثبات العمل (PoW) إلى ظهور العديد من القائمين بتعدين البيتكوين الموزعين عالميًا والذين يتمتعون بحقوق الطاقة والطاقة وبنية شبكية متكاملة. ويأتي قسم كبير من هذه الطاقة من مصادر منخفضة التكلفة وكثيفة الكربون يتجنبها المجتمع. لذلك، فإن عرض القيمة الأكثر إقناعًا الذي يمكن أن يقدمه القائمون بتعدين البيتكوين هو البنية التحتية للطاقة منخفضة التكلفة لتشغيل البنية التحتية الخلفية للذكاء الاصطناعي.

اتبع موفرو الحوسبة فائقة النطاق مثل AWS وMicrosoft استراتيجيات الاستثمار في العمليات المتكاملة رأسيًا وبناء أنظمة الطاقة الخاصة بهم. وانتقلت شركات التكنولوجيا الكبرى إلى المنبع، حيث صممت رقائقها الخاصة وحصلت على مصادر الطاقة الخاصة بها، ومعظمها متجددة. وفي الوقت الحالي، تستهلك مراكز البيانات ثلثي الطاقة المتجددة المتاحة للشركات الأمريكية. التزمت كل من مايكروسوفت وأمازون بالطاقة المتجددة بنسبة 100٪ بحلول عام 2025. ومع ذلك، إذا تجاوز الطلب المتوقع على الحوسبة التوقعات، كما يقول البعض، فإن عدد مراكز البيانات التي تركز على الذكاء الاصطناعي يمكن أن يتضاعف بحلول عام 2027، ويمكن للنفقات الرأسمالية أن تضاعف ثلاثة أضعاف التقديرات الحالية. تدفع شركات التكنولوجيا الكبرى بالفعل ما بين 0.06 إلى 0.10 دولارًا أمريكيًا لكل كيلووات في الساعة مقابل الكهرباء، وهو أغلى بكثير مما يدفعه عادةً عمال تعدين البيتكوين التنافسيين (0.03 إلى 0.05 كيلووات في الساعة). إذا تجاوزت متطلبات الذكاء الاصطناعي من الطاقة خطط البنية التحتية الحالية لشركات التكنولوجيا الكبرى، فإن ميزة تكلفة الطاقة التي يتمتع بها القائمون بتعدين البيتكوين على عمال المناجم الفائقين يمكن أن تزيد بشكل كبير. ينجذب القائمون بالتعدين بشكل متزايد إلى أعمال الذكاء الاصطناعي ذات الهامش المرتفع والمرتبطة بإمدادات وحدة معالجة الرسومات. والجدير بالذكر أن Hive ذكرت في أكتوبر أن أعمالها في مجال الحوسبة عالية الأداء والذكاء الاصطناعي حققت 15 ضعف إيرادات تعدين البيتكوين على أساس كل ميجاوات. من بين القائمين بتعدين البيتكوين الآخرين الذين يغتنمون الفرصة في مجال الذكاء الاصطناعي Hut 8 وApplied Digital.

شهد القائمون بتعدين البيتكوين نموًا في هذا السوق الجديد، مما ساعد على تنويع الإيرادات وتعزيز تقارير الأرباح. خلال مكالمة محللي Hut 8 للربع الثالث من عام 2023، قال الرئيس التنفيذي جايمي ليفرتون: "في أعمال الحوسبة عالية الأداء لدينا، أنشأنا بعض الزخم في الربع الثالث مع إضافة عملاء جدد والنمو مع العملاء الحاليين. في الأسبوع الماضي، أطلقنا خدمة سحابية عند الطلب التي توفر تطبيقات قائمة على Kubernetes والتي يمكنها دعم الذكاء الاصطناعي والتعلم الآلي والمؤثرات المرئية وتقديم أعباء العمل للعملاء الذين يبحثون عن خدمات HPC من وحدات معالجة الرسومات لدينا. تضع هذه الخدمة التحكم في أيدي عملائنا مع تقليل وقت التزويد من أيام إلى دقائق، وهو ما تعتبر جذابة بشكل خاص لأولئك الذين يبحثون عن مشاريع الحوسبة عالية الأداء على المدى القصير. وقد حقق الكوخ 8 إيرادات أعمال الحوسبة عالية الأداء في الربع الثالث من عام 2023، حيث بلغت 4.5 مليون دولار أمريكي، وهو ما يمثل أكثر من 25% من إيرادات الشركة خلال نفس الفترة. ومن المتوقع أن يتزايد الطلب على خدمات الحوسبة عالية الأداء والمنتجات الجديدة. مساعدة النمو المستقبلي لخط الأعمال هذا، ومع اقتراب انخفاض عملة البيتكوين إلى النصف، قد تتجاوز إيرادات الحوسبة عالية الأداء قريبًا إيرادات التعدين، اعتمادًا على ظروف السوق.

بينما يبدو أن أعمالهم تبدو جيدة واعدًا، قد يتعثر القائمون بتعدين البيتكوين الذين يتحولون إلى الذكاء الاصطناعي بسبب الافتقار إلى مهارات بناء مركز البيانات أو عدم القدرة على توسيع إمدادات الطاقة، وقد يجد عمال المناجم هؤلاء أيضًا تحديات تتعلق بالنفقات التشغيلية بسبب تكلفة توظيف مبيعات جديدة تركز على مركز البيانات. بالإضافة إلى ذلك، لا تتمتع عمليات التعدين الحالية بزمن وصول مناسب للشبكة أو عرض النطاق الترددي لأن تحسينها للطاقة الرخيصة يؤدي إلى تواجدها في مواقع نائية غالبًا ما تفتقر إلى اتصالات الألياف الضوئية عالية السرعة.

تنفيذ السحابة اللامركزية للذكاء الاصطناعي

نرى أيضًا ذيلًا طويلًا من مشاريع التشفير التي تتمحور حول الحوسبة والتي ستستحوذ على جزء صغير ولكن مهم من "سوق موارد خوادم الذكاء الاصطناعي جزء كبير. ستقوم هذه الكيانات بتنسيق مجموعات الحوسبة خارج النطاق الفائق لتقديم عرض قيمة مصمم خصيصًا لتلبية احتياجات منشئي الذكاء الاصطناعي المبتدئين. تشمل فوائد الحوسبة اللامركزية القدرة على التخصيص، والوصول المفتوح، وشروط عقد أفضل. هذه Blockchain تعمل شركات الحوسبة القائمة على تمكين مشغلي الذكاء الاصطناعي الأصغر حجمًا على تجنب النفقات الضخمة وعدم التوفر العام لوحدات معالجة الرسوميات المتطورة مثل H100 وA100. وستقوم شركات الذكاء الاصطناعي المشفر بذلك من خلال إنشاء شبكة من البنية التحتية المادية المبنية على حوافز الرموز المميزة للعملات المشفرة، وتلبية الطلب مع توفير الملكية IP لإنشاء بنية تحتية برمجية لتحسين استخدام الحوسبة لتطبيقات الذكاء الاصطناعي، وسيستخدم مشروع الحوسبة blockchain أساليب السوق ومكافآت التشفير للحصول على الأموال من مراكز البيانات المستقلة، والكيانات ذات القدرة الحاسوبية الزائدة، والحسابات الأرخص قبل إثبات العمل موجودة في القائمين بالتعدين. بعض المشاريع التي توفر حسابًا لا مركزيًا لنماذج الذكاء الاصطناعي تشمل Akash وRender وio.net.

دخل عكاش اليومي

عكاش ديلي دخل. المصدر: Cloudmos اعتبارًا من 30 يناير 2024. الأداء السابق لا يعتبر ضمانا للنتائج المستقبلية.

Akash هو مشروع يعتمد على Cosmos ويمكن اعتباره "سحابة فائقة" لامركزية عامة، توفر وحدة المعالجة المركزية ووحدة معالجة الرسومات والذاكرة والتخزين. في الواقع، فهو سوق ثنائي الاتجاه يربط مستخدمي الخدمات السحابية ومقدمي الخدمات السحابية. تم تصميم برنامج Akash لتنسيق العرض والطلب في مجال الحوسبة أثناء إنشاء أدوات تسهل التدريب والضبط الدقيق وتشغيل نماذج الذكاء الاصطناعي. ويضمن Akash أيضًا أن المشترين والبائعين في السوق يوفون بالتزاماتهم بأمانة. ويتم تنسيق Akash من خلال رمز AKT $ الخاص به، والذي يمكن استخدامه لدفع ثمن الخدمات السحابية بسعر مخفض. ويعمل $AKT أيضًا كآلية حوافز لموفري حوسبة GPU والمشاركين الآخرين في الشبكة. في جانب العرض، قطعت Akash خطوات كبيرة في إضافة موردي الحوسبة، حيث يوجد 65 بائعًا مختلفًا في سوق Akash. على الرغم من أن الطلب على الحوسبة كان بطيئًا حتى ظهور Akash's AI Super Cloud لأول مرة في 31 أغسطس 2023، < /p>

Render، الذي انتقل مؤخرًا إلى Solana، ركز في البداية على ربط الفنانين بمجموعات متفرقة من شأنها أن توفر قوة GPU لعرض الصور ومقاطع الفيديو. ومع ذلك، بدأ Render في تركيز اهتماماته مجموعات GPU اللامركزية لتلبية أعباء عمل التعلم الآلي لدعم نماذج التعلم العميق. من خلال اقتراح تحسين الشبكة RNP-004، أصبح لدى Render الآن واجهة برمجة تطبيقات للاتصال بالشبكات الخارجية (مثل io.net)، وستستفيد الشبكة من شبكة GPU الخاصة بـ Render للتعلم الآلي تم اعتماد اقتراح لاحق من مجتمع العرض للسماح بالوصول إلى وحدات معالجة الرسومات الخاصة بهم من خلال Beam وFEDML لمهام التعلم الآلي. ونتيجة لذلك، أصبح Render ميسرًا لا مركزيًا لأعباء عمل GPU، ويتم تنسيقه من خلال دفع دولارات RNDR لمقدمي الخدمات وحوافز RNDR إلى الكيانات التي تدير البنية التحتية الخلفية للشبكة.

مقارنة أسعار وحدة معالجة الرسومات Io.net. المصدر: io.net اعتبارًا من 4 يناير 2024.

مشروع آخر مثير للاهتمام على Solana هو io.net، وهو بمثابة DePIN أو شبكة البنية التحتية المادية اللامركزية. الغرض من io.net هو أيضًا توفير وحدة معالجة الرسومات (GPU)، ولكن تركيزها ينصب فقط على تطبيق وحدة معالجة الرسومات (GPU) لتشغيل نماذج الذكاء الاصطناعي. بالإضافة إلى تنسيق العمليات الحسابية ببساطة، أضافت Io.net المزيد من الخدمات إلى مجموعتها الأساسية. يدعي نظامها أنه يتعامل مع جميع مكونات الذكاء الاصطناعي، بما في ذلك الإنشاء والاستهلاك والضبط الدقيق لتسهيل واستكشاف أعباء عمل الذكاء الاصطناعي وإصلاحها عبر الشبكة. يستفيد المشروع أيضًا من شبكات GPU اللامركزية الأخرى مثل Render وFilecoin بالإضافة إلى وحدات معالجة الرسوميات الخاصة به. على الرغم من أن io.net تفتقر حاليًا إلى الرموز المميزة، إلا أنه من المقرر إطلاقها في الربع الأول من عام 2024.

التغلب على عنق الزجاجة في الحوسبة اللامركزية

ومع ذلك، نظرًا للشبكة النموذجية المقترحة التي تبلغ سعتها 633 تيرابايت + لا تزال الحاجة إلى الاستفادة من بيانات الحوسبة الموزعة المطلوبة لتدريب نماذج التعلم العميق تمثل تحديًا. تمثل أنظمة الكمبيوتر الموجودة حول العالم أيضًا عقبات جديدة أمام التدريب على النماذج المتوازية بسبب التأخير والاختلاف في قدرات الكمبيوتر. إحدى الشركات التي تتحرك بقوة نحو سوق النماذج الأساسية مفتوحة المصدر هي Together، التي تقوم ببناء سحابة لا مركزية لاستضافة نماذج الذكاء الاصطناعي مفتوحة المصدر. معًا، سنمكن الباحثين والمطورين والشركات من الاستفادة من الذكاء الاصطناعي وتحسينه من خلال منصة بديهية تجمع بين البيانات والنماذج والحسابات، مما يعمل على توسيع إمكانية الوصول إلى الذكاء الاصطناعي ودعم الجيل القادم من شركات التكنولوجيا. من خلال العمل مع المؤسسات البحثية الأكاديمية الرائدة، قمنا معًا ببناء برنامج Together Research Computer لتمكين المختبرات من مركزية الحوسبة لأبحاث الذكاء الاصطناعي. تعاونت الشركة أيضًا مع مركز ستانفورد لأبحاث النماذج الأساسية (CRFM) لإنشاء التقييم الشامل لنماذج اللغة (HELM). يعد HELM "معيارًا حيًا" مصممًا لزيادة الشفافية في الذكاء الاصطناعي من خلال توفير إطار موحد لتقييم هذه النماذج الأساسية.

منذ تأسيس شركة Together، تولى المؤسس Vipul Ved Prakash زمام المبادرة في إطلاق مشاريع متعددة، بما في ذلك 1) GPT-JT، وهو برنامج LLM مفتوح يتمتع بالقدرة على تمرير< 6B النموذج البارامترى الذي تم تدريبه على رابط بسرعة 1 جيجابت في الثانية، 2) OpenChatKit، وهي مؤسسة قوية مفتوحة المصدر لإنشاء روبوتات محادثة متخصصة وعامة الأغراض، و3) RedPajama، وهو مشروع لإنشاء نماذج رائدة مفتوحة المصدر بهدف أن تصبح تطبيقات بحثية وتجارية على حد سواء مؤسسة. تعد منصة Together نموذجًا أساسيًا يتكون من نموذج مفتوح على أجهزة السلع الأساسية، وسحابة لا مركزية وسحابة مطورة شاملة، تجمع بين مصادر الحوسبة المختلفة بما في ذلك القائمين بالتعدين الاستهلاكي، ومزارع تعدين العملات المشفرة، ومقدمي الخدمات السحابية T2-T4 والحسابات الأكاديمية.

نتيجة HELM (RAFT)

أداء GPT-JT. المصدر: The Decoder اعتبارًا من 4 يناير 2024.

نعتقد أن حلول الحوسبة السحابية اللامركزية والديمقراطية مثل Together يمكن أن تقلل بشكل كبير من تكلفة بناء نماذج جديدة، وبالتالي يمكن أن تؤدي إلى تعطيلها والتنافس معها عمالقة راسخون مثل Amazon Web Services وGoogle Cloud وAzure. بالنسبة للسياق، عند مقارنة مثيلات AWS سعة كتل وAWS p5.48xlarge مع مجموعة GPU Together التي تم تكوينها بنفس العدد من وحدات معالجة الرسومات H100 SXM5، فإن سعر Together أقل بحوالي 4 مرات من AWS.

نظرًا لأن Open LLM أصبح أكثر دقة واعتمادًا على نطاق أوسع، فقد يصبح معًا معيار الصناعة للنماذج مفتوحة المصدر، تمامًا مثل Red Hat مثل Linux. يشمل المنافسون في هذا المجال موفري النماذج Stability A وHuggingFace، وموفري سحابة الذكاء الاصطناعي Gensyn وCoreweave.

تعزيز نماذج الذكاء الاصطناعي باستخدام حوافز العملة المشفرة

سلسلة الكتل وحوافز العملة المشفرة إثبات تأثير الشبكة ومكافآتها المتعلقة بحجم تأثير الشبكة يجبر الأشخاص على القيام بعمل مفيد. في سياق تعدين البيتكوين، تتمثل المهمة في تأمين شبكة البيتكوين من خلال استخدام الكهرباء باهظة الثمن، والقوى العاملة الفنية، وأجهزة ASIC. يوفر هذا التنسيق للموارد الاقتصادية آلية دفاع ضد هجوم Sybil ضد الهجمات الاقتصادية على Bitcoin. وفي المقابل، سيحصل القائمون بالتعدين الذين يقومون بتنسيق هذه الموارد على دولارات بيتكوين. ومع ذلك، فإن المساحة الخضراء للعمل المفيد في مجال الذكاء الاصطناعي أكبر بكثير، والعديد من المشاريع تعمل بالفعل على تحسين نماذج الذكاء الاصطناعي والتعلم الآلي.

أكثر هذه المشاريع إبداعًا هو Numerai. حاليًا، يمكن اعتبار Numerai بمثابة بطولة لامركزية لعلوم البيانات تهدف إلى تحديد أفضل نماذج التعلم الآلي لتحسين العائدات المالية من خلال بناء محافظ الأسهم. في كل عصر، يتم منح المشاركين المجهولين في Numerai إمكانية الوصول إلى البيانات الأولية المخفية ويطلب منهم الاستفادة من هذه البيانات لبناء محفظة الأسهم الأفضل أداءً. من أجل المشاركة، لا يُطلب من المستخدمين تقديم تنبؤات فحسب، بل يضطرون أيضًا إلى مشاركة رموز NMR خلف تنبؤات نماذجهم من أجل إثبات قيمة تلك النماذج. يمكن للمستخدمين الآخرين أيضًا مشاركة الرموز المميزة على النموذج الذي يعتقدون أنه يحقق أفضل أداء. يتم بعد ذلك إدخال مخرجات كل نموذج تم التعهد به وتقديمه في خوارزمية التعلم الآلي لإنشاء نموذج تعريفي يُعلم القرارات الاستثمارية لصندوق التحوط Numerai One. سيتم مكافأة المستخدمين الذين يقدمون "الاستدلالات" بأفضل معامل المعلومات أو صحتها برموز NMR. وفي الوقت نفسه، فإن أولئك الذين راهنوا بأسوأ النماذج سيتم قطع عملاتهم الرمزية (مصادرتها وإعادة استخدامها لمكافأة الفائزين).

الشبكات الفرعية وحالات الاستخدام على Bittensor. المصدر: https://taostats.io/api/ اعتبارًا من 2 يناير 2024.

Bittensor هو مشروع مشابه يعمل على توسيع مفاهيم Numerai الأساسية بشكل كبير. يمكن اعتبار Bittensor "بيتكوين الذكاء الآلي" لأنها شبكة توفر حوافز اقتصادية لنماذج الذكاء الاصطناعي/التعلم الآلي. ويتم ذلك عن طريق "عمال المناجم" الذين يبنون نماذج الذكاء الاصطناعي وكيانات "التحقق" التي تقوم بتقييم جودة مخرجات هذه النماذج. بنية Bittensor هي بنية شبكة أساسية والعديد من الشبكات الفرعية الأصغر (الشبكات الفرعية). تركز كل شبكة فرعية على مجال مختلف من الذكاء الآلي. يطرح المدققون أسئلة أو طلبات مختلفة على القائمين بالتعدين على هذه الشبكات الفرعية لتقييم جودة نماذج الذكاء الاصطناعي الخاصة بهم.

سيحصل النموذج الأفضل أداءً على أعلى مكافأة رمزية من TAO، بينما يتم تعويض المدققين عن تقييمهم الدقيق لعمال المناجم. على مستوى عالٍ، يجب على كل من المدققين والقائمين بالتعدين مشاركة الرموز المميزة للمشاركة في كل شبكة فرعية، وتحدد نسبة كل شبكة فرعية من إجمالي التوقيع المساحي عدد رموز TAO التي تتلقاها من إجمالي التضخم لجميع Bittensors. لذلك، ليس لدى كل عامل تعدين حافز لتحسين نموذجه للفوز بأكبر قدر من المكافآت فحسب، بل لديه أيضًا حافز لتركيز نموذجه على أفضل شبكة فرعية لمجال الذكاء الاصطناعي. بالإضافة إلى ذلك، نظرًا لأنه يجب على القائمين بالتعدين والمدققين الاحتفاظ بالأموال من أجل المشاركة، يجب على الجميع تجاوز حاجز التكلفة الرأسمالية أو الخروج من النظام.

اعتبارًا من يناير 2024، هناك 32 شبكة فرعية مختلفة، كل منها مخصصة لمجال معين من التعلم الآلي أو الذكاء الاصطناعي. على سبيل المثال، الشبكة الفرعية 1 هي نص مشابه لمطالبة ChatGPT LLM. على هذه الشبكة الفرعية، يقوم عمال المناجم بتشغيل إصدارات مختلفة من LLM التي تم ضبطها للاستجابة بشكل أفضل لمطالبات المدقق التي تقيم جودة الاستجابات. على الشبكة الفرعية 8 المسماة "Taoshi"، يقدم القائمون بالتعدين توقعات قصيرة المدى لسعر البيتكوين والأصول المالية المختلفة. لدى Bittensor أيضًا شبكات فرعية مخصصة لترجمة اللغة البشرية والتخزين والصوت وتجميع الويب والترجمة الآلية وتوليد الصور. إنشاء الشبكة الفرعية غير مسموح به ويمكن لأي شخص لديه 200 TAO إنشاء شبكة فرعية. يتحمل مشغلو الشبكات الفرعية مسؤولية إنشاء آليات التقييم والمكافأة لكل أنشطة الشبكة الفرعية. على سبيل المثال، يقوم Opentensor، وهو الأساس وراء Bittensor، وCerebras بتقييم مخرجات LLM لعمال المناجم على هذه الشبكة الفرعية.

في حين أن هذه الشبكات الفرعية مدعومة بالكامل في البداية بحوافز التضخم، فإن كل شبكة فرعية يجب أن تدعم نفسها ماليًا في نهاية المطاف. لذلك، يجب على مشغلي الشبكات الفرعية والمدققين التنسيق لإنشاء أدوات تسمح للمستخدمين الخارجيين بالوصول إلى خدمات كل شبكة فرعية مقابل رسوم. ومع انخفاض مكافآت TAO التضخمية، ستعتمد كل شبكة فرعية بشكل متزايد على الإيرادات الخارجية لدعم نفسها. في هذه البيئة التنافسية، هناك ضغوط اقتصادية مباشرة لإنشاء أفضل النماذج بالإضافة إلى حوافز للآخرين لإنشاء تطبيقاتواقعيةمربحة لتلك النماذج. تعمل Bittensor على إطلاق العنان لإمكانات الذكاء الاصطناعي من خلال الاستفادة من الشركات الصغيرة المتعثرة لتحديد نماذج الذكاء الاصطناعي واستثمارها. وكما قال مبشر بيتينسور موغماتشين، يمكن النظر إلى هذه الديناميكية على أنها "منافسة داروينية على الذكاء الاصطناعي".

هناك مشروع آخر مثير للاهتمام وهو استخدام التشفير لتحفيز إنشاء عملاء الذكاء الاصطناعي المبرمجين لإكمال المهام بشكل مستقل نيابة عن البشر أو برامج الكمبيوتر الأخرى. هذه الكيانات هي في الأساس برامج كمبيوتر تكيفية مصممة لحل مشكلات محددة. "الوكيل" هو مصطلح شامل يشمل روبوتات الدردشة، واستراتيجيات التداول الآلي، وشخصيات اللعبة، وحتى مساعدي الكون الافتراضي. أحد المشاريع البارزة في هذا المجال هو Altered State Machine، وهي منصة تستخدم NFTs لإنشاء عملاء ذكاء اصطناعي مملوكين ومدعومين ومدربين. في Altered State Machine، يقوم المستخدمون بإنشاء "عملائهم" ثم "تدريبهم" باستخدام مجموعة لا مركزية من وحدات معالجة الرسومات. تم تحسين هذه العوامل لحالات استخدام محددة. مشروع آخر، Fetch.ai، عبارة عن منصة لإنشاء وكلاء مخصصين لاحتياجات كل مستخدم. Fetch.ai هي أيضًا إحدى شركات SaaS التي تسمح بالتسجيل وتأجير أو بيع الوكلاء.

عودة الرموز المميزة للذكاء الاصطناعي اعتبارًا من 1 يناير 2023

المصدر: أرتميس XYZ اعتبارًا من 10 يناير 2024. الأداء السابق لا يعتبر ضمانا للنتائج المستقبلية.

التحقق من خلال إثبات المعرفة الصفرية (zk)

2023 هو A عام تاريخي لنماذج الذكاء الاصطناعي الجديدة، مع إطلاق OpenAI لـ ChatGPT، وإطلاق Meta لـ LLAMA-2، وإطلاق Google لـ BERT. نظرًا للوعد بالتعلم العميق، هناك أكثر من 18.563 شركة ناشئة مرتبطة بالذكاء الاصطناعي في الولايات المتحدة اعتبارًا من يونيو 2023. أنتجت هذه الشركات الناشئة وغيرها الآلاف من النماذج الأساسية الجديدة والمُحسّنة. ومع ذلك، في مجال حيث يتم استثمار دولار واحد من كل أربعة دولارات من رأس المال الاستثماري في الشركات المرتبطة بالذكاء الاصطناعي، فإن انتشار العديد من الكيانات الجديدة يجب أن يكون مدعاة للقلق الشديد.

• من الذي ينشئ كل نموذج ويمتلكه بالفعل؟

• هل تم إنتاج المخرجات بالفعل بواسطة النموذج المحدد؟

• هل هذا النموذج فعال حقًا كما هو معلن عنه؟

• ما هو مصدر البيانات لكل نموذج ومن يملك تلك البيانات؟

• هل ينتهك التدريب و/أو الضبط الدقيق و/أو الاستدلال أي حقوق نشر أو حقوق بيانات؟

يجب أن يكون كل من المستثمرين ومستخدمي هذه النماذج متأكدين بنسبة 100% من قدرتهم على حل هذه المشكلات. حاليًا، توجد العديد من المعايير لمكونات مختلفة لمخرجات LLM، مثل HumanEval لإنشاء التعليمات البرمجية، وChatbot Arena للمهام المساعدة لـ LLM، وARC Benchmark لقدرات الاستدلال في LLM. ومع ذلك، على الرغم من المحاولات لتحقيق شفافية النموذج، مثل Hugging Face's Open LLM Leaderboard، لا يوجد دليل ملموس على صحة النموذج أو مصدره النهائي أو أصل بيانات التدريب/الاستدلال الخاصة به. لا يمكن التلاعب بالمعيار فحسب، بل لا توجد طريقة لتحديد ما إذا كان نموذج معين قيد التشغيل بالفعل (على عكس استخدام واجهة برمجة التطبيقات التي تتصل بنموذج آخر)، ولا يوجد أي ضمان بأن لوحة المتصدرين نفسها صادقة.

هذا هو توحيد blockchain العام والذكاء الاصطناعي ومجال متطور من الرياضيات يسمى براهين المعرفة الصفرية (zk). برهان zk هو تطبيق للتشفير يسمح لشخص ما بإثبات المستوى المطلوب من اليقين الرياضي بأن البيان الذي يدلي به حول البيانات صحيح دون الكشف عن البيانات الأساسية لأي شخص. يمكن أن تتضمن البيانات عبارات بسيطة (مثل التصنيفات) ولكن يمكن توسيعها لتشمل الحسابات الرياضية المعقدة. على سبيل المثال، لا يستطيع شخص ما إثبات أنه يعرف الثروة النسبية لعينة ما دون الكشف عن تلك الثروة لطرف آخر فحسب، بل يمكنه أيضًا إثبات الحساب الصحيح للمتوسط ​​والانحراف المعياري للمجموعة. بشكل أساسي، يمكنك إثبات أنك تفهم البيانات و/أو أنك قدمت تأكيدات حقيقية باستخدام تلك البيانات، دون الكشف عن تفاصيل تلك البيانات أو كيفية إجراء الحسابات. خارج نطاق الذكاء الاصطناعي، تم استخدام إثبات ZK لتوسيع نطاق Ethereum، مما يسمح بإجراء المعاملات خارج السلسلة على الطبقة الثانية من blockchain. في الآونة الأخيرة، تم تطبيق إثباتات zk على نماذج التعلم العميق لإثبات:

• استخدام إنشاء بيانات محددة نموذج أو تقديم مخرجات استنتاجية (أيضًا، ما هي البيانات/المصادر التي لم تستخدم)

• استخدم نموذج محدد لتوليد الاستدلالات

• لم يتم التلاعب بمخرجات الاستدلال

يمكن نشر إثباتات zk على blockchain عام ودائم والتحقق منها عبر العقود الذكية. والنتيجة هي أن تقنية blockchain يمكن أن تثبت بشكل علني وبشكل لا يقبل الجدل الخصائص المهمة لنماذج الذكاء الاصطناعي. يُطلق على مشروعين متطورين يطبقان ZK على الذكاء الاصطناعي اسم "التعلم الآلي بدون معرفة" (ZKML)، وهما EZKL وModulus. تستخدم EZKL نظام إثبات Halo2 لإنشاء zk-snarks، وهي براهين صفر المعرفة والتي يمكن بعد ذلك التحقق منها علنًا على EVM الخاص بـ Ethereum. قال جيسون مورتون، الرئيس التنفيذي لشركة EZKL، إنه على الرغم من أن حجم النموذج الذي يمكن لـ EZKL إثباته حاليًا صغير نسبيًا، حوالي 100 مليون معلمة، في حين أن معلمات ChatGPT 4 تبلغ 175 مليارًا، إلا أنه يعتقد أنهم يفكرون في "مشكلات هندسية" بدلاً من "القيود الفنية". تعتقد EZKL أن بإمكانهم التغلب على مشكلة الإثبات عن طريق تقسيم الإثبات للتنفيذ بالتوازي، وبالتالي تقليل قيود الذاكرة ووقت الحساب. في الواقع، يعتقد جيسون مورتون أنه يومًا ما، "سيكون التحقق من النموذج بسيطًا مثل التوقيع على معاملة blockchain."

يمكن لإثبات ZKML المطبق على الذكاء الاصطناعي حل المشكلة. نقاط الألم المهمة في تنفيذ الذكاء الاصطناعي، بما في ذلك قضايا حقوق النشر وأمن الذكاء الاصطناعي. وكما توضح الدعوى القضائية الأخيرة التي رفعتها صحيفة نيويورك تايمز ضد شركتي Open AI وMicrosoft، فإن قانون حقوق الطبع والنشر سينطبق على ملكية البيانات، وسوف تضطر مشاريع الذكاء الاصطناعي إلى تقديم دليل على مصدر بياناتها. يمكن استخدام تقنية ZKML لحل النزاعات حول ملكية النموذج والبيانات بسرعة في المحكمة. في الواقع، أحد أفضل تطبيقات ZKML هو السماح لأسواق البيانات/النماذج مثل Ocean Protocol وSingularityNet بإثبات صحة قوائمها وصلاحيتها.

ستتوسع نماذج الذكاء الاصطناعي في النهاية إلى المجالات التي تكون فيها الدقة والسلامة أمرًا بالغ الأهمية. وتشير التقديرات إلى أنه بحلول عام 2027، سيكون هناك 5.8 مليار جهاز طرفي يعمل بالذكاء الاصطناعي، والتي قد تشمل الآلات الثقيلة والروبوتات والطائرات بدون طيار والمركبات المستقلة. نظرًا لأنه يتم تطبيق الذكاء الآلي على الأشياء التي يمكن أن تؤذي وتقتل، فمن المهم استخدام بيانات عالية الجودة من مصادر موثوقة لإثبات أن نموذجًا حسن السمعة يعمل على الجهاز. في حين أنه قد يكون من الصعب اقتصاديًا وتقنيًا إنشاء أدلة مستمرة في الوقت الفعلي من هذه الأجهزة الطرفية ونشرها على blockchain، فقد يكون من الأفضل التحقق من صحة النموذج عند التنشيط أو النشر على blockchain بشكل دوري. ومع ذلك، قامت مؤسسة Zupass التابعة لـ 0xPARC ببناء أدلة بدائية مشتقة من "أدلة حمل البيانات" التي يمكنها إنشاء دليل بتكلفة زهيدة على الحقائق التي تحدث على الأجهزة المتطورة. في الوقت الحالي، يتعلق الأمر بحضور الأحداث، ولكن من المتوقع أن ينتقل هذا قريبًا إلى مجالات أخرى مثل الهوية وحتى الرعاية الصحية.

ما مدى جودة نموذج الذكاء الاصطناعي للجراح الآلي؟

الجراحة بمساعدة الروبوت. المصدر: MIT Technology Review اعتبارًا من 30 يناير 2024.

من وجهة نظر الشركات التي قد تكون مسؤولة عن فشل المعدات، فإن الحصول على أدلة يمكن التحقق منها لإثبات أن نموذجها ليس مكلفًا مصدر الحادث بدا مثاليا. وبالمثل، من منظور التأمين، قد يصبح من الضروري اقتصاديا التحقق من صحة وإثبات استخدام نماذج موثوقة مدربة على البيانات الفعلية. وبالمثل، في عالم التزييف العميق القائم على الذكاء الاصطناعي، قد تصبح الاستفادة من الكاميرات والهواتف وأجهزة الكمبيوتر التي تم التحقق منها واعتمادها بواسطة تقنية blockchain لتنفيذ إجراءات مختلفة هي القاعدة. وبطبيعة الحال، يجب نشر إثبات صحة ودقة هذه الأجهزة في دفتر الأستاذ العام مفتوح المصدر لمنع التلاعب والاحتيال.

على الرغم من أن هذه البراهين تحمل وعدًا كبيرًا، إلا أنها محدودة حاليًا بتكاليف الغاز والنفقات الحسابية العامة. بسعر ETH الحالي، يكلف تقديم إثبات على السلسلة حوالي 300-500 ألف غاز (حوالي 35-58 دولارًا بسعر ETH الحالي). من منظور حسابي، يقدر سريرام كينان من Eigenlayer أن "حسابات الإثبات التي قد تكلف 50 دولارًا لتشغيلها على AWS ستكلف حوالي 1,000,000 مرة أكثر باستخدام تقنية إثبات ZK الحالية." ونتيجة لذلك، فإن تطوير إثباتات ZK أسرع بكثير مما توقعه أي شخص. قبل بضع سنوات فقط، ولكن لا يزال هناك طريق طويل لنقطعه قبل أن يتم فتح حالات الاستخدام الحقيقي. لنفترض أن شخصًا ما لديه فضول بشأن تطبيقات ZKML. في هذه الحالة، يمكنهم المشاركة في مسابقة غناء لامركزية يتم الحكم عليها من خلال نموذج عقد ذكي مثبت على السلسلة ويتم تحميل نتائجهم بشكل دائم إلى blockchain.

بناء الإنسانية من خلال الهوية القائمة على blockchain

ذكاء آلي واسع ومتقدم إحدى النتائج المحتملة هي أن الوكلاء المستقلين سيصبحون أكثر مستخدمي الإنترنت إنتاجًا. من المرجح أن يؤدي إطلاق وكلاء الذكاء الاصطناعي إلى تعطيل الشبكات بأكملها عن طريق البريد العشوائي الهادف الناتج عن الروبوتات أو حتى الوكلاء غير المؤذيين القائمين على المهام الذين يقومون بسد الشبكة ("التخلص من البريد العشوائي"). كان لدى سولانا 100 غيغابايت من حركة البيانات في الثانية حيث تنافست الروبوتات على فرصة المراجحة التي تبلغ قيمتها حوالي 100 ألف دولار. تخيل طوفان حركة المرور على الويب الذي سيحدث عندما يتمكن عملاء الذكاء الاصطناعي من احتجاز الملايين من مواقع الويب الخاصة بالشركات كرهائن وابتزاز مليارات الدولارات. يشير هذا إلى أن الإنترنت المستقبلي سيفرض قيودًا على حركة المرور غير البشرية. ومن أفضل الطرق للحد من مثل هذه الهجمات فرض ضريبة اقتصادية على الإفراط في استخدام الموارد الرخيصة. ولكن كيف يمكننا تحديد الإطار الأفضل لتحصيل البريد العشوائي، وكيف نحدد الإنسانية؟

لحسن الحظ، تستخدم سلاسل الكتل بالفعل دفاعات مدمجة لمنع هجمات Sybil على غرار روبوت الذكاء الاصطناعي. سيكون الجمع بين قياس المستخدمين غير البشر وفرض رسوم على المستخدمين غير البشر بمثابة تنفيذ مثالي، في حين أن العمل الثقيل حسابيًا قليلاً (مثل Hashcash) من شأنه أن يمنع الروبوتات. فيما يتعلق بإثبات الإنسانية، كافحت تقنية blockchain منذ فترة طويلة للتغلب على عدم الكشف عن هويته لفتح أنشطة مثل الإقراض غير المضمون وغيرها من الأنشطة القائمة على السمعة.

إحدى الطرق لاكتساب الزخم لإثبات الهوية هي استخدام JSON Web Tokens (JWT). JWTs هي بيانات اعتماد "0Auth"، تشبه "ملفات تعريف الارتباط"، والتي يتم إنشاؤها عند تسجيل الدخول إلى مواقع مثل Google. فهي تسمح لك بالكشف عن هوية Google الخاصة بك عند زيارتك لمواقع عبر الإنترنت عندما تقوم بتسجيل الدخول إلى Google. يسمح zkLogin، الذي تم إنشاؤه بواسطة L1 blockchain Sui، للمستخدمين بربط مفاتيح وإجراءات محفظتهم الخاصة بحساب Google أو Facebook الذي ينشئ JWT. تعمل تقنية Zero-to-Peer على توسيع هذا المفهوم بشكل أكبر، وذلك باستخدام JWT للسماح للمستخدمين بتبادل العملات الورقية مقابل العملات المشفرة على قاعدة blockchain الأساسية دون إذن. ويتم ذلك عن طريق تأكيد التحويلات النقدية من نظير إلى نظير عبر تطبيق المدفوعات Venmo، والذي عند تأكيده عبر البريد الإلكتروني JWT، يفتح رموز USDC المضمنة في العقد الذكي. ونتيجة كلا المشروعين هي أن لديهما روابط قوية بالهويات خارج السلسلة. على سبيل المثال، يربط zkLogin عناوين المحفظة بهويات Google، بينما يتوفر zkP2P فقط لمستخدمي Venmo's KYC. في حين أن كلاهما يفتقر إلى ضمانات قوية قوية بما يكفي لتمكين الهوية على السلسلة، إلا أنهما ينشئان لبنات بناء مهمة يمكن للآخرين استخدامها.

بينما حاولت العديد من المشاريع تأكيد الهوية البشرية لمستخدمي blockchain، فإن المشروع الأكثر جرأة هو WorldCoin، الذي أسسه الرئيس التنفيذي لشركة OpenAI سام ألتمان. على الرغم من أنها مثيرة للجدل لأنه يجب على المستخدمين مسح قزحية العين الخاصة بهم لاستخدام آلة "Orb" البائسة، فإن WorldCoin تتجه نحو نظام هوية ثابت لا يمكن تزويره بسهولة أو التغلب عليه بواسطة الذكاء الآلي. وذلك لأن WorldCoin تقوم بإنشاء معرف تشفير يعتمد على "بصمة" العين الفريدة لكل شخص، والتي يمكن أخذ عينات منها لضمان التفرد والأصالة. بمجرد التحقق، يتلقى المستخدم جواز سفر رقمي يسمى World ID على blockchain Optimism، مما يسمح للمستخدم بإثبات إنسانيته على blockchain. وأفضل ما في الأمر هو أن التوقيع الفريد للشخص لا يتم الكشف عنه أبدًا ولا يمكن تتبعه لأنه مشفر. تؤكد World ID ببساطة أن عنوان blockchain ينتمي إلى إنسان. تقوم مشاريع مثل Checkmate بالفعل بربط معرفات العالم بملفات تعريف الوسائط الاجتماعية لضمان تفرد المستخدمين وأصالتهم. في عالم الإنترنت المستقبلي الذي يقوده الذكاء الاصطناعي، قد تصبح المظاهرات الصريحة للإنسانية في كل تفاعل عبر الإنترنت أمرًا شائعًا. وعندما يتغلب الذكاء الاصطناعي على القيود التي يفرضها اختبار CAPTCHA، يصبح من الممكن لتطبيقات blockchain إثبات الهويات بتكلفة زهيدة وبسرعة وبشكل ملموس.

المساهمة في الذكاء الاصطناعي من خلال تقنية blockchain

لا شك أننا في المراحل الأولى لثورة الذكاء الاصطناعي. ومع ذلك، إذا كان مسار نمو الذكاء الآلي يتماشى مع أكثر التوقعات جرأة، فيجب أن يواجه الذكاء الاصطناعي تحديات للتميز مع احتواء ضرره المحتمل. نحن نؤمن بأن العملات المشفرة هي الشبكة المثالية "لتدريب" محطات الذكاء الاصطناعي الغنية بالنتائج ولكنها قد تكون خبيثة بشكل صحيح. يمكن لمجموعة حلول الذكاء الاصطناعي التي تقدمها Blockchain زيادة إنتاج منشئي الذكاء الآلي من خلال تزويدهم بحوسبة لا مركزية أكثر استجابة ومرونة وربما أرخص. كما أنه يحفز البناة الذين يمكنهم إنشاء نماذج أفضل مع توفير حافز مالي للآخرين لبناء أعمال مفيدة باستخدام نماذج الذكاء الاصطناعي هذه. وبنفس القدر من الأهمية، يمكن لأصحاب النماذج إثبات صحة نماذجهم مع إثبات عدم استخدام مصادر البيانات المحمية. بالنسبة لمستخدمي الذكاء الاصطناعي، يمكن أن تكون تطبيقات التشفير مفيدة للتأكد من أن النماذج التي يقومون بتشغيلها تلبي معايير الأمان.

المصدر: VanEck Research، الموقع الإلكتروني للمشروع، اعتبارًا من 15 يناير 2024.

يتم توفير الروابط لمواقع الطرف الثالث كوسيلة للراحة، ولا يعني تضمين هذه الروابط أننا نؤيد المحتوى الموجود في أو متاح من الموقع المرتبط، أي محتوى أو معلومات يتم الوصول إليها من المواقع المرتبطة لا يتم اعتمادها أو الموافقة عليها أو التحقيق فيها أو التحقق منها أو مراقبتها. من خلال النقر على رابط إلى صفحة ويب غير تابعة لشركة VanEck، فإنك تقر بأن موقع الويب الخاص بالطرف الثالث الذي تدخله يخضع لشروطه وأحكامه. VanEck ليست مسؤولة عن محتوى أو شرعية أو مدى ملاءمة الوصول إلى مواقع الطرف الثالث.

الإفصاح: تتمتع شركة VanEck بمكانة في شركة Together من خلال شراكتنا الإستراتيجية مع مدير رأس المال الاستثماري في المرحلة المبكرة Cadenza، الذي تفضل بتقديم ساهم إلى القسم "التغلب على اختناقات الحوسبة اللامركزية".

شكر خاص لـ:

جايسون· مورتون، الرئيس التنفيذي لشركة ZKML

علاء شبانة، المؤسس المشارك لشركة Bittensor

أراش ياسافوليان، مؤسس شبكة Taoshi الفرعية التابعة لـ Bittensor

جريج أوسوري، الرئيس التنفيذي والمؤسس لشركة Akash

الرئيس التنفيذي لشركة ZkP2P Liang Zeqiang

< em>الأعضاء الرئيسيون في فريق Sui blockchain - سام بلاكشير، نيهار شاه، سينا ​​نادر، ألونسو جورتاري