حالة تطوير AI+Web3: تحليل المشاريع، القيود ورؤية المستقبل

١. المقدمة: تطور الذكاء الاصطناعي + الويب 3

في السنوات الأخيرة، أثار التطور السريع لتقنية الذكاء الاصطناعي (AI) وتقنية Web3 اهتمامًا واسعًا على مستوى العالم. حقق الذكاء الاصطناعي تقدمًا كبيرًا في مجالات التعرف على الوجوه، ومعالجة اللغة الطبيعية، وتعلم الآلة، مما أدى إلى تغييرات وابتكارات ضخمة في مختلف الصناعات. بلغ حجم سوق صناعة الذكاء الاصطناعي في عام 2023 200 مليار دولار، وتصدرت شركات مثل OpenAI وCharacter.AI وMidjourney موجة الذكاء الاصطناعي.

في الوقت نفسه، يعد Web3 نموذجًا شبكيًا ناشئًا يغير من فهم الناس واستخدامهم للإنترنت. يعتمد Web3 على تقنية blockchain اللامركزية، ومن خلال العقود الذكية، والتخزين الموزع، ووظائف التحقق من الهوية اللامركزية، أصبح من الممكن تحقيق مشاركة البيانات القابلة للتحكم، وحرية المستخدمين، وإنشاء آليات الثقة. تتمثل الفكرة الأساسية لـ Web3 في تحرير البيانات من أيدي المؤسسات المركزية، ومنح المستخدمين حقوق التحكم في البيانات وحقوق المشاركة في القيمة. حاليًا، تبلغ القيمة السوقية لصناعة Web3 25 تريليون، وتستقطب مشاريع مثل Bitcoin وEthereum وSolana عددًا متزايدًا من الأشخاص.

إن دمج الذكاء الاصطناعي وWeb3 هو مجال مهم يثير اهتمام الشرق والغرب، ويستحق الاستكشاف كيفية دمج الاثنين بشكل جيد. ستتناول هذه المقالة حالة تطوير AI + Web3، وتحليل حالة المشاريع الحالية والقيود والتحديات التي تواجهها، لتقديم مرجع ورؤية للمستثمرين والمتخصصين في الصناعة.

! [تعميم علم الوافد الجديد 丨 تحليل متعمق: ما نوع الشرر الذي يمكن أن يصطدم به الذكاء الاصطناعي و Web3؟] ](https://img-cdn.gateio.im/webp-social/moments-3a464664dade44c046b5c1451f1cf968.webp)

طرق التفاعل بين الذكاء الاصطناعي وWeb3

تطور الذكاء الاصطناعي وWeb3 يشبه جانبي الميزان، حيث يجلب الذكاء الاصطناعي تحسيناً في الإنتاجية، بينما brings Web3 تغييراً في العلاقات الإنتاجية. بعد ذلك، سنحلل التحديات والفرص في كلا القطاعين، ونتناول كيف يمكن لهما مساعدة بعضهما البعض في حل هذه التحديات.

2.1 التحديات التي تواجه صناعة الذكاء الاصطناعي

الركيزة الأساسية لصناعة الذكاء الاصطناعي لا يمكن أن تستغني عن ثلاثة عناصر: القدرة الحاسوبية، والخوارزميات، والبيانات.

1. القدرة على الحساب تشير إلى القدرة على إجراء حسابات ومعالجات على نطاق واسع. تتطلب مهام الذكاء الاصطناعي معالجة كميات كبيرة من البيانات وحسابات معقدة، مثل تدريب نماذج الشبكات العصبية العميقة. يمكن أن تسارع القدرة العالية على الحساب تدريب النموذج والاستدلال، مما يحسن أداء وكفاءة نظم الذكاء الاصطناعي. في السنوات الأخيرة، أسهم تطور وحدات معالجة الرسوميات (GPU) والرقائق الذكية المخصصة للذكاء الاصطناعي بشكل كبير في دفع تقدم صناعة الذكاء الاصطناعي.

2. الخوارزميات هي جوهر نظام الذكاء الاصطناعي، بما في ذلك خوارزميات التعلم الآلي التقليدية وخوارزميات التعلم العميق. إن اختيار وتصميم الخوارزميات أمر بالغ الأهمية لأداء نظام الذكاء الاصطناعي. يمكن أن يؤدي التحسين المستمر والابتكار في الخوارزميات إلى زيادة دقة النظام وموثوقيته وقدرته على التعميم.

3. البيانات هي الأساس لتدريب وتحسين النماذج. من خلال عينات بيانات كبيرة الحجم، يمكن لنظم الذكاء الاصطناعي تعلم نماذج أكثر دقة وذكاء. توفر مجموعات البيانات الغنية معلومات شاملة ومتنوعة، مما يساعد النماذج على التعميم بشكل أفضل وحل المشكلات الواقعية.

تواجه الذكاء الاصطناعي العديد من التحديات في هذه الجوانب الثلاثة:

فيما يتعلق بالقوة الحاسوبية، فإن الحصول على إدارة قوة حاسوبية كبيرة مكلف ومعقد، خاصة بالنسبة للشركات الناشئة والمطورين الأفراد.

فيما يتعلق بالخوارزميات، يحتاج التعلم العميق إلى كميات كبيرة من البيانات وموارد حسابية، ولا يزال من الضروري تحسين قابلية تفسير النماذج وقدرتها على التعميم.

فيما يتعلق بالبيانات، لا يزال الحصول على بيانات عالية الجودة ومتنوعة يمثل تحديًا، حيث يصعب الحصول على البيانات في بعض المجالات. تعتبر جودة البيانات ودقتها وحماية الخصوصية أيضًا عوامل مهمة يجب مراعاتها.

بالإضافة إلى ذلك، فإن قابلية تفسير وشفافية نماذج الذكاء الاصطناعي، وعدم وضوح نماذج الأعمال، هي أيضًا قضايا بحاجة إلى حل.

2.2 التحديات التي تواجه صناعة Web3

يوجد مجال للتحسين في صناعة Web3 في تحليل البيانات وتجربة المستخدم وأمان العقود الذكية. كأداة لزيادة الإنتاجية، لدى الذكاء الاصطناعي العديد من التطبيقات المحتملة في هذه المجالات:

1. القدرة على تحليل البيانات والتنبؤ: يمكن للذكاء الاصطناعي استخراج معلومات قيمة من كميات هائلة من البيانات، مما يؤدي إلى توقعات وقرارات أكثر دقة، مما يكون له أهمية كبيرة في تقييم المخاطر وإدارة الأصول في مجالات مثل DeFi.

2. تجربة المستخدم والخدمات الشخصية: يمكن للذكاء الاصطناعي تحليل بيانات المستخدمين، وتقديم توصيات مخصصة وخدمات مخصصة، مما يزيد من مشاركة المستخدمين ورضاهم.

3. الأمان وحماية الخصوصية: يمكن استخدام الذكاء الاصطناعي للكشف عن الهجمات الإلكترونية، وتحديد السلوكيات الشاذة، وتوفير حماية أمان أقوى. كما يمكن تطبيقه في حماية خصوصية البيانات، لحماية المعلومات الشخصية للمستخدمين.

4. تدقيق العقود الذكية: يمكن استخدام الذكاء الاصطناعي لأتمتة تدقيق العقود واكتشاف الثغرات، مما يزيد من أمان العقود وموثوقيتها.

من الواضح أن الذكاء الاصطناعي يمكنه المساعدة في حل التحديات التي تواجه صناعة Web3 في العديد من الجوانب، مما يعزز تطور الصناعة.

! [تعميم علم الوافد الجديد 丨 تحليل متعمق: ما نوع الشرر الذي يمكن أن يصطدم به الذكاء الاصطناعي و Web3؟] ](https://img-cdn.gateio.im/webp-social/moments-166b11addde400b95cef849db8a9f96d.webp)

ثلاثاً، تحليل حالة مشاريع AI+Web3

تدخل مشاريع AI + Web3 من جانبين رئيسيين: استخدام تقنية blockchain لتحسين أداء مشاريع AI، واستخدام تقنية AI لخدمة مشاريع Web3. في الوقت الحالي، ظهرت مشاريع متنوعة مثل Io.net و Gensyn و Ritual، وسنقوم بتحليل الوضع الحالي وتطورات كل منها من مختلف المسارات الفرعية.

3.1 Web3 يدعم الذكاء الاصطناعي

3.1.1 قوة حسابية لا مركزية

مع ظهور نماذج كبيرة مثل ChatGPT، زادت الحاجة إلى قوة الحوسبة من AI بشكل كبير، مما أدى إلى نقص في وحدات معالجة الرسومات. تجذب مشاريع الحوسبة اللامركزية مثل Akash وRender وGensyn المستخدمين لتقديم قوة معالجة GPU غير المستخدمة من خلال حوافز رمزية، لتوفير دعم القوة الحاسوبية للعملاء في مجال الذكاء الاصطناعي.

يتضمن جانب العرض بشكل رئيسي مزودي خدمات السحابة، وعمال تعدين العملات المشفرة، والشركات الكبيرة. يجذب المشروع المزودين من خلال حوافز الرموز، ثم يقدم خدمات شبكة القوة الحاسوبية إلى جانب الطلب، لتحقيق مطابقة العرض والطلب على القوة الحاسوبية غير المستخدمة.

تنقسم مشاريع القوة الحاسوبية اللامركزية بشكل رئيسي إلى فئتين: واحدة تستخدم لاستدلال الذكاء الاصطناعي ( مثل Render و Akash )، والأخرى تستخدم لتدريب الذكاء الاصطناعي ( مثل io.net و Gensyn ). io.net كممثل، لديها حاليًا أكثر من 500,000 وحدة معالجة رسومية، وتظهر أداءً بارزًا في مشاريع القوة الحاسوبية اللامركزية.

3.1.2 نموذج الخوارزمية اللامركزية

مشروع نموذج الخوارزمية اللامركزية مثل Bittensor، يأمل في إنشاء نظام بيئي مفتوح وشفاف، يسمح لنماذج الذكاء الاصطناعي بالتدريب والمشاركة والاستخدام بشكل آمن وموزع.

في Bittensor، يقدم مزودو نماذج الخوارزميات نماذج التعلم الآلي للشبكة، ويحصلون على مكافآت رمزية. تستخدم الشبكة آلية توافق فريدة لضمان أفضل الإجابات. يتم استخدام الرمز TAO لتحفيز المعدنين على تقديم نماذج الخوارزميات، في حين يتعين على المستخدمين إنفاق الرموز لطرح الأسئلة وإكمال المهام.

3.1.3 جمع البيانات اللامركزية

لحل مشكلة إمداد بيانات تدريب الذكاء الاصطناعي، تجمع بعض المشاريع بين Web3 من خلال تحفيز الرموز لتحقيق جمع البيانات اللامركزي. مثل PublicAI التي تسمح للمستخدمين بالمشاركة كموفري بيانات ومحققين، والحصول على مكافآت رمزية.

تشمل المشاريع الأخرى مثل Ocean التي تجمع بيانات المستخدمين من خلال توكن البيانات، وHivemapper التي تجمع بيانات الخرائط، وDimo التي تجمع بيانات السيارات، وهذه المشاريع اللامركزية لجمع البيانات قد تصبح أيضًا جانب العرض المحتمل لتدريب الذكاء الاصطناعي.

3.1.4 حماية الخصوصية للمستخدمين في الذكاء الاصطناعي باستخدام ZK

يمكن لتقنية إثبات المعرفة الصفرية أن تساعد في حل النزاع بين حماية الخصوصية ومشاركة البيانات في الذكاء الاصطناعي. ZKML(تعلم الآلة بدون معرفة) يسمح بتدريب نماذج التعلم الآلي واستنتاجها دون الكشف عن البيانات الأصلية.

تقدم BasedAI دمج التشفير المتجانس بالكامل (FHE) مع النماذج اللغوية الكبيرة (LLM)، باستخدام نماذج اللغة الكبيرة ذات المعرفة الصفرية (ZK-LLM) لحماية خصوصية بيانات المستخدم.

علاوة على ذلك، تدعم مشاريع مثل Cortex تنفيذ برامج الذكاء الاصطناعي على السلسلة، من خلال استخدام وحدات معالجة الرسومات لتشغيل نماذج الذكاء الاصطناعي على السلسلة، لتحقيق استنتاجات الذكاء الاصطناعي بطريقة لا مركزية وغير قابلة للتغيير وشفافة.

! [تعميم علم الوافد الجديد 丨 تحليل متعمق: ما نوع الشرر الذي يمكن أن يصطدم به الذكاء الاصطناعي و Web3؟] ](https://img-cdn.gateio.im/social/moments-8bda459009ffde5316e2118f4a0e9fa)

3.2 الذكاء الاصطناعي يدعم ويب 3

3.2.1 تحليل البيانات والتنبؤ

تدمج العديد من مشاريع Web3 خدمات الذكاء الاصطناعي لتوفير تحليلات البيانات والتنبؤات للمستخدمين. على سبيل المثال، تستخدم Pond خوارزميات الرسم البياني للذكاء الاصطناعي للتنبؤ بالرموز القيمة، وBullBear AI تتنبأ باتجاهات الأسعار. تنظم Numerai مسابقات توقع سوق الأسهم باستخدام الذكاء الاصطناعي، بينما تجمع Arkham بين الذكاء الاصطناعي وتحليل البيانات على السلسلة.

3.2.2 خدمات مخصصة

تحسن مشاريع Web3 تجربة المستخدم من خلال دمج الذكاء الاصطناعي. على سبيل المثال، أطلقت Dune أداة Wand لاستخدام نماذج اللغة الكبيرة في كتابة استعلامات SQL؛ ودمجت Followin وIQ.wiki ChatGPT لتلخيص المحتوى؛ بينما تتيح NFPrompt للمستخدمين إنشاء NFT من خلال الذكاء الاصطناعي.

3.2.3 تدقيق الذكاء الاصطناعي للعقود الذكية

يمكن للذكاء الاصطناعي تدقيق كود العقود الذكية بشكل أكثر كفاءة ودقة، واكتشاف الثغرات. مثل 0x0.ai الذي يوفر مدقق عقود ذكية يعتمد على الذكاء الاصطناعي، يستخدم تقنيات التعلم الآلي لتحديد المشكلات المحتملة في الكود.

بالإضافة إلى ذلك، هناك مشروع PAAL الذي يساعد في إنشاء روبوت AI مخصص، ومشروع Hera الذي يستخدم الذكاء الاصطناعي لتوفير أفضل مسار للتداول، حيث يُعتبر الذكاء الاصطناعي بشكل أساسي أداة لدعم تطوير Web3.

! [تعميم علم الوافد الجديد 丨 تحليل متعمق: ما نوع الشرر الذي يمكن أن يصطدم به الذكاء الاصطناعي و Web3؟] ](https://img-cdn.gateio.im/webp-social/moments-48fe2f2dc021b1b25d8d17f3a503cd7c.webp)

أربعة، قيود وتحديات مشاريع الذكاء الاصطناعي + Web3 الحالية

4.1 العقبات الحقيقية الموجودة في مجال الحوسبة اللامركزية

تواجه مشاريع الحوسبة اللامركزية بعض المشكلات الواقعية:

1. الأداء والاستقرار: قد توجد تأخيرات وعدم استقرار في الاتصال بين العقد الموزعة.

2. القابلية للاستخدام: قد تؤدي تأثيرات توازن العرض والطلب إلى نقص الموارد أو عدم القدرة على تلبية الطلب.

3. التعقيد: يحتاج المستخدم إلى فهم الشبكات الموزعة، والعقود الذكية، وما إلى ذلك، مما يجعل تكاليف الاستخدام مرتفعة.

4. صعوبة في تدريب النماذج الكبيرة: يتطلب تدريب النماذج الكبيرة بيئة ذات استقرار عالٍ وتوازي متعدد البطاقات، ومن الصعب أن تلبي القوة الحاسوبية اللامركزية هذه المتطلبات.

5. قيود المسافة الفيزيائية: تحدد تقنية NVLink من إنفيديا المسافة الفيزيائية بين بطاقات الرسوميات، مما يجعل توزيع القدرة الحاسوبية صعبًا لتشكيل مجموعة لتدريب النماذج الكبيرة.

حالياً، تُستخدم القوة الحاسوبية اللامركزية بشكل رئيسي في استنتاج الذكاء الاصطناعي أو تدريب النماذج الصغيرة والمتوسطة في سيناريوهات محددة. قد تلعب دوراً في المستقبل في مجالات مثل الحوسبة الطرفية.

! [تعميم علم الوافد الجديد 丨 تحليل متعمق: ما نوع الشرر الذي يمكن أن يصطدم به الذكاء الاصطناعي و Web3؟] ](https://img-cdn.gateio.im/webp-social/moments-324da84c0f2e8d100ca49ed2f72c7cac.webp)

4.2 الجمع بين AI و Web3 لا يزال خشنة، ولم تحقق 1+1>2

لا يزال الجمع بين الذكاء الاصطناعي وWeb3 سطحيًا إلى حد ما:

1. معظم المشاريع تستخدم الذكاء الاصطناعي ببساطة لزيادة الكفاءة، وتفتقر إلى الدمج الأصلي والحلول الابتكارية.

2. بعض الفرق تسوق بشكل مفرط لمفهوم الذكاء الاصطناعي، بينما الاستخدام الفعلي محدود.

يجب أن نبحث بشكل أعمق في المستقبل، وخلق حلول أصلية وذات معنى في مجالات التمويل و DAO وأسواق التنبؤ.

4.3 أصبح اقتصاد الرموز بمثابة مثبط لسرد المشاريع الذكية

تستخدم العديد من مشاريع AI + Web3 علم الاقتصاد الرمزي لتعزيز مشاركة المستخدمين، لكن المفتاح هو ما إذا كانت تلبي احتياجات حقيقية، بدلاً من السرد البسيط أو السعي وراء القيمة قصيرة الأجل.

في الوقت الحالي، لم تصل معظم المشاريع بعد إلى مرحلة الاستخدام، وتحتاج إلى المزيد من الفرق الجادة والمفكرة لتلبية سيناريوهات الاحتياجات الفعلية.

خمسة، الخلاصة

لقد ظهرت العديد من حالات الاستخدام لمشاريع AI+Web3. توفر AI تحليلات ذكية، وتوقعات، وتدقيقات لـ Web3، مما يعزز تجربة المستخدم. من ناحية أخرى، يوفر Web3 قوة حسابية لامركزية، ومنصة لمشاركة البيانات والخوارزميات لـ AI، مما يعزز تطوير AI.

على الرغم من أن مشاريع الذكاء الاصطناعي + Web3 لا تزال في مراحلها المبكرة وتواجه العديد من التحديات، إلا أنها تقدم مزايا مثل تقليل الاعتماد على المركزية وزيادة الشفافية. من المتوقع أن يؤدي الاندماج العميق بين الذكاء الاصطناعي و Web3 في المستقبل إلى خلق إمكانيات غير محدودة للابتكار التكنولوجي والتنمية الاقتصادية، ومن المتوقع أن يبني نظامًا اقتصاديًا اجتماعيًا أكثر ذكاءً وانفتاحًا وعدلاً.

! [تعميم علم الوافد الجديد 丨 تحليل متعمق: ما نوع الشرر الذي يمكن أن يصطدم به الذكاء الاصطناعي و Web3؟] ](https://img-cdn.gateio.im/webp-social/moments-3fc4c5cbcf8dfa3d55e5ae0f49d56e09.webp)