دمج الذكاء الاصطناعي وWeb3: استكشاف من البنية التحتية إلى التطبيقات العملية

تعتبر الذكاء الاصطناعي وWeb3 كأحد مجالين تقنيين حظيا باهتمام كبير في السنوات الأخيرة، حيث يدفعان البشرية نحو مرحلة جديدة من النمو التكنولوجي. بعد أن قدم ChatGPT تجربة ثورية في الذكاء الاصطناعي، تحولت الذكاء الاصطناعي على السلسلة بسرعة من ضجة المفهوم إلى البنية التحتية الفعلية، لتصبح المسار الجديد الأكثر قدرة على الانفجار المستمر في أعين العاملين في Web3.

في مؤتمر هونغ كونغ للاتفاقية 2025 الذي انتهى للتو، أصبح دمج الذكاء الاصطناعي وWeb3 موضوعًا ساخنًا، حيث استمر طوال جميع مراحل المؤتمر. دعونا نتعرف على أحدث التطورات في دمج الذكاء الاصطناعي وWeb3.

أولاً، بنية الذكاء الاصطناعي التحتية

1. منصة وإطار عمل وكيل الذكاء الاصطناعي

على مدى الأشهر الستة الماضية، كانت منصة إطلاق AI Agent وبنية تحتية الذكاء الاصطناعي النمطية نشطة للغاية. توفر هذه المشاريع للمطورين والمستخدمين العاديين منصة منخفضة العتبة لامتلاك واستخدام AI Agent، وهي واحدة من الاتجاهات الرئيسية لمشاريع الذكاء الاصطناعي الحالية.

• 0G Labs: أول نظام تشغيل للذكاء الاصطناعي اللامركزي (deAIOS)، من خلال بناء Layer 1 مخصص للذكاء الاصطناعي، يربط بين موارد الحوسبة والبيانات والنماذج، ويؤسس نظامًا بيئيًا لتطوير الذكاء الاصطناعي الموزع.

• DeAgentAI: منصة مبتكرة تركز على وكيل الذكاء الاصطناعي اللامركزي، وتهدف إلى دفع تطوير تقنيات الوكلاء المتعددة (Multi-Agent Systems).

• شبكة أوتونوماي: بنية تحتية لامركزية تهدف إلى تحقيق تعاون آمن ومستقل بين الإنسان والآلة. يمكن للمستخدمين إنشاء وكيل ذكاء اصطناعي مخصص لأداء مجموعة متنوعة من المهام المستقلة.

• شبكة غايا: منصة بنية تحتية للذكاء الاصطناعي اللامركزي، تدعم التطوير والتشغيل الموزع لوكلاء الذكاء الاصطناعي والتطبيقات، من خلال تكامل التخزين الموزع والحوسبة والتحقق من البيانات باستخدام تقنية البلوك تشين.

• Questflow: شبكة مكونة من وكلاء متعددين من AI غير مركزي، حيث يحتاج المستخدم فقط لوصف الاحتياجات، ويمكن لشبكة الوكلاء من AI إكمال المهام بشكل مستقل.

2. الذكاء الاصطناعي اللامركزي

الذكاء الاصطناعي اللامركزي هو الهدف النهائي للذكاء الاصطناعي على السلسلة، حيث تعمل العديد من المشاريع حاليًا في مجالات القوة الحاسوبية والبيانات والنماذج لتحقيق ذلك، وتأمل في كسر احتكار الشركات الكبرى لنماذج اللغة الكبيرة من خلال أسلوب لامركزي، ومساعدة الجمهور على الحصول على ملكية البيانات والنماذج.

• فانا: تكرّس جهودها لبناء منصة لسيادة بيانات المستخدمين اللامركزية، لتحويل البيانات الشخصية إلى أصول مالية.

• Hyperbolic: منصة سحابية مفتوحة الوصول للذكاء الاصطناعي، تدمج الموارد الحاسوبية العالمية، وتوفر للمستخدمين موارد GPU وخدمات الذكاء الاصطناعي بأسعار معقولة وقابلة للتوسع.

• OpenLedger: شبكة الجيل التالي التي تركز على الذكاء الاصطناعي و blockchain، تقدم بنية تحتية اقتصادية لامركزية، تدعم المطورين في الحصول على بيانات عالية الجودة، وضبط نماذج اللغة المخصصة ونشرها كخدمات مدفوعة.

• IO.NET: منصة حوسبة لامركزية تقدم خدمات الوصول عند الطلب إلى مجموعات GPU و CPU.

• Aethir: منصة مبتكرة تركز على توفير بنية تحتية للحوسبة السحابية الموزعة.

• MinionLab: شبكة الذكاء الاصطناعي المستقل اللامركزية، تستخدم لاستخراج البيانات من الإنترنت في الوقت الحقيقي.

• GAIB: يهدف إلى تقديم حلول اقتصادية في مجال الذكاء الاصطناعي والحوسبة عالية الأداء، من خلال تمويل وتوكن الموارد GPU، لإنشاء فئات أصول جديدة وأنظمة اقتصادية.

• كايت إيه آي: منصة بلوكتشين ليد 1 اللامركزية مصممة خصيصًا لاقتصاد الذكاء الاصطناعي، من خلال آلية إجماع مبتكرة تُعرف باسم إثبات الذكاء الاصطناعي (PoAI)، تفتح الوصول العادل إلى أصول الذكاء الاصطناعي والمكافآت.

• Automata: يوفر طبقة وسيطة لحماية الخصوصية ووظائف الحوسبة غير القابلة للتتبع للتطبيقات اللامركزية.

• Public AI: تسعى إلى إنشاء منصة بيانات AI مفتوحة وشفافة، تدعم جمع وتعليم البيانات متعددة الأنماط.

3. الذكاء الاصطناعي القابل للتحقق

أحد التحديات المهمة التي تواجه تطوير الذكاء الاصطناعي هو عدم الشفافية في عملية التدريب، بالإضافة إلى عدم القدرة على ضمان دقة نتائج الذكاء الاصطناعي. حاليًا، هناك العديد من المشاريع التي تأمل في تحقيق قابلية التحقق من عملية تدريب الذكاء الاصطناعي من خلال تقنيات مثل ZKP و TEE، لضمان موثوقية نتائج الذكاء الاصطناعي.

• Phala Network: منصة حوسبة سحابية لامركزية تقدم خدمات حساب الخصوصية الموثوقة واستدلال الذكاء الاصطناعي لتطبيقات السلسلة.

• Brevis: محرك حسابات لامركزي، يوفر الذكاء الاصطناعي القابل للتحقق وحسابات البلوكشين خارج السلسلة، ويجمع بين إثباتات المعرفة الصفرية لتعزيز الخصوصية والكفاءة.

• شبكة Verisense: منصة مبتكرة تركز على التحقق من البيانات اللامركزية والذكاء الاصطناعي الموثوق، تساعد المطورين في التحقق من مصادر البيانات، وضمان صحة وموثوقية بيانات التدريب.

الثانية، حالات استخدام الذكاء الاصطناعي: الإمكانيات والتوقعات

بالنظر إلى البنية التحتية الغنية للذكاء الاصطناعي، لا تزال حالات الاستخدام الفعلية البارزة للذكاء الاصطناعي قليلة نسبيًا. فيما يلي بعض المشاريع التي تستحق الاهتمام:

• Narra: منصة Gamefi AI Agent القائمة على blockchain معينة، تستخدم محرك AI لإنشاء محتوى سردي ديناميكي في الوقت الفعلي، وتتفاعل مع اللاعبين، وتدفع تطور القصة.

• AI Travel: مساعد السفر المدفوع بالذكاء الاصطناعي، يمكنه مساعدة المستخدمين في تخصيص خطط السفر تلقائيًا من خلال الدردشة، بالإضافة إلى تقديم خدمات الطلب والمقارنة.

• HeyTracyAI: وكيل تحليل رياضي يركز على مجال كرة السلة، يمكنه تقديم تحليلات في الوقت الحقيقي ورؤى تنبؤية للمباريات.

• AskJimmy: منصة AI Agent تركز على مجال المالية والتداول، تهدف إلى إنشاء صندوق تحوط لامركزي متعدد الاستراتيجيات يعمل بشكل مستقل بواسطة AI Agent.

٣. التحول من المشاريع التقليدية إلى الذكاء الاصطناعي

تتجه الأمور نحو الأفضل، حيث احتضنت العديد من المشاريع التقليدية في Web3 الذكاء الاصطناعي، وأعلنت عن خططها للتحول نحو الذكاء الاصطناعي.

بعض سلاسل الكتل الناضجة تشارك بنشاط في مؤتمرات ذات صلة بالذكاء الاصطناعي، مشيرةً إلى أن ظهور وكلاء الذكاء الاصطناعي يساعد في تبسيط عمليات التفاعل المعقدة في سلاسل الكتل، مما يمكن من جذب المزيد من المستخدمين إلى عالم Web3. وقد أبدت هذه السلاسل رغبتها في تحقيق أهداف تطوير سابقة للذكاء الاصطناعي، حيث ستدعم بشكل شامل تطوير الذكاء الاصطناعي من خلال بنية تحتية أساسية، وابتكارات في الحسابات، وغيرها من الجوانب، بينما تشجع المطورين على الابتكار والتطوير في تطبيقات الذكاء الاصطناعي على السلسلة من خلال فعاليات مثل هاكاثون.

بدأت بعض المشاريع التي تركز على مجالات معينة أيضًا في استكشاف مجال الذكاء الاصطناعي. على سبيل المثال، أفاد مشروع كان يركز في السابق على خدمات إعادة الرهان أنه يعمل على بناء طبقة موثوقة لامركزية، تقدم خدمات سحابية يمكن التحقق منها، وتوفر أدلة على السلسلة للعمليات الحسابية خارج السلسلة مثل تدريب الذكاء الاصطناعي واستنتاجه وتوقعاته، وذلك لدعم تطوير وكلاء الذكاء الاصطناعي القابلة للتحقق.

أربعة، التحديات والمستقبل

على الرغم من أن آفاق دمج الذكاء الاصطناعي وWeb3 مشرقة، إلا أن التطورات الحالية لا تزال تواجه العديد من التحديات، بما في ذلك عدم موثوقية النماذج، وغموض نوايا الكلمات الدلالية، وقيود التخزين والأجهزة، بالإضافة إلى مشكلات الأمان والخصوصية. هذه التحديات لا تجلب فقط صعوبات تقنية، بل تخلق أيضًا فرص ابتكار هائلة.

على المدى الطويل، فإن الصناعة مليئة بالأمل بشأن تطوير الذكاء الاصطناعي على السلسلة، وتتطلع إلى دفع دمج وازدهار الذكاء الاصطناعي وويب 3 من خلال تحسين البنية التحتية، وابتكار حالات الاستخدام، والتعاون المجتمعي. مع التقدم المستمر في التكنولوجيا وظهور المزيد من التطبيقات العملية، سيوفر دمج الذكاء الاصطناعي وويب 3 المزيد من الاحتمالات المثيرة للعالم الرقمي.