Web3 و AI الاندماج: بناء نظام ذكي اللامركزية

مؤخراً، أدى التطور السريع في مجال الذكاء الاصطناعي (AI) إلى اهتمام واسع. في القمة العالمية للحكومات التي أقيمت في دبي، طرح أحد المهنيين مفهوم "الذكاء الاصطناعي السيادي". أثار هذا الاقتراح تفكير الناس حول كيفية بناء أنظمة ذكاء اصطناعي تتوافق مع مصالح واحتياجات مجتمع التشفير.

تحدث مؤسس الإيثيريوم في مقال عن التآزر بين الذكاء الاصطناعي وتكنولوجيا التشفير. وأشار إلى أن خاصية اللامركزية في تكنولوجيا التشفير يمكن أن توازن الاتجاه المركزي للذكاء الاصطناعي؛ وشفافية سلسلة الكتل يمكن أن تعوض عن عدم الشفافية في الذكاء الاصطناعي؛ كما أن تكنولوجيا سلسلة الكتل تفيد في تخزين البيانات المطلوبة للذكاء الاصطناعي وتتبعها. يمتد هذا التآزر عبر المشهد الصناعي بأكمله لدمج Web3 والذكاء الاصطناعي.

حاليًا، تركز معظم مشاريع Web3+AI على استخدام تكنولوجيا blockchain لحل مشاكل بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول بعض المشاريع استخدام الذكاء الاصطناعي لحل مشاكل معينة في تطبيقات Web3. يجسد دمج Web3 والذكاء الاصطناعي بشكل رئيسي في الجوانب الأربعة التالية:

1. طبقة القوة الحسابية: تحويل الأصول إلى قوة حسابية

مع الزيادة الهائلة في الطلب على قوة الحوسبة لتدريب نماذج الذكاء الاصطناعي، أصبح هناك توازن طويل الأمد بين العرض والطلب على قوة الحوسبة، مما أدى إلى ارتفاع سريع في أسعار الأجهزة وتكاليف الحوسبة. يمكن لتقنية Web3 من خلال إنشاء شبكة حوسبة موزعة، استخدام موارد الأجهزة المتوسطة والمنخفضة غير المستغلة، لبناء شبكة موارد حوسبة اللامركزية بطريقة الإيجار والمشاركة، وبالتالي تقليل تكاليف قوة الحوسبة للذكاء الاصطناعي. تشمل هذه المشاريع قوة الحوسبة اللامركزية العامة، وقوة تدريب الذكاء الاصطناعي، وقوة استنتاج الذكاء الاصطناعي، بالإضافة إلى مجالات فرعية مثل قوة رندر 3D.

2. الطبقة البيانات: تحويل البيانات إلى أصول

البيانات هي المورد الرئيسي لتطوير الذكاء الاصطناعي. يمكن أن يتيح دمج Web3 + AI جمع البيانات، والتعليق، والتخزين الموزع، وغيرها من العمليات بتكلفة منخفضة وشفافية أكبر، مما يعود بالفائدة على المستخدمين. من خلال الشبكة الموزعة وآلية تحفيز الرموز، يمكن الحصول على بيانات عالية الجودة وواسعة النطاق بتكلفة منخفضة من خلال أسلوب الحشد. تشمل المشاريع ذات الصلة جمع البيانات، والتداول، والتعليق، ومصادر البيانات القائمة على blockchain، بالإضافة إلى التخزين اللامركزي.

3. طبقة المنصة: تحويل قيمة الأصول إلى أصول

تسعى المشاريع من نوع المنصة إلى دمج موارد صناعة الذكاء الاصطناعي المختلفة، بما في ذلك البيانات، وقدرات الحساب، والنماذج، ومجتمعات المطورين وغيرها. تركز بعض المشاريع على بناء منصة تشغيل zkML، بهدف تحسين موثوقية وشفافية استدلال التعلم الآلي. كما أن هناك مشاريع تسعى لتطوير سلاسل عامة أو شبكات من الطبقة الثانية تخدم الذكاء الاصطناعي بشكل خاص، بالإضافة إلى منصات شبكة الوكلاء. تلتقط هذه المنصات القيمة من خلال آلية الرموز، وتحفز جميع الأطراف للمشاركة في بناء النظام البيئي.

4. طبقة التطبيق: تحويل قيمة الذكاء الاصطناعي إلى أصول

تستكشف مشاريع طبقة التطبيقات بشكل رئيسي تطبيقات الذكاء الاصطناعي في سيناريوهات Web3. على سبيل المثال، يمكن أن يعمل الذكاء الاصطناعي كأحد المشاركين في ألعاب Web3، أو إجراء صفقات التحكيم في DEX، أو تقديم خدمات التحليل في أسواق التنبؤ. اتجاه مهم آخر هو إنشاء ذكاء اصطناعي خاص لامركزي وقابل للتوسع، مما يزيد من شفافية وموثوقية أنظمة الذكاء الاصطناعي من خلال حوكمة المجتمع.

على الرغم من أن مجال Web3+AI لا يزال في مراحله المبكرة، إلا أن هناك آراء مختلفة داخل الصناعة بشأن آفاقه التنموية، لكن اتجاه الدمج هذا يستحق المتابعة المستمرة. نتطلع إلى أن يجمع Web3 وAI ليخلق منتجات أكثر قيمة من AI اللامركزية، ويتخلص من علامات "سيطرة الشركات الكبرى" و"الاحتكار"، ويحقق نموذج "إدارة مشتركة للذكاء الاصطناعي" أكثر مجتمعية. من خلال المشاركة الأعمق وإدارة الذكاء الاصطناعي، قد يتمكن البشر من تطوير فهم أكثر عقلانية للذكاء الاصطناعي، مما يقلل من "الخوف" غير الضروري في "الهيبة".