دمج Web3 و AI: إعادة تشكيل نموذج جديد لنظام AI البيئي

في قمة الاستراتيجيات العالمية، طرح أحد قادة شركات التكنولوجيا مفهوم "الذكاء الاصطناعي السيادي". وقد أثار ذلك تساؤلات حول: أي شكل من أشكال الذكاء الاصطناعي يمكن أن يتماشى بشكل أفضل مع مصالح ومطالب مجتمع الأصول الرقمية؟ قد تكمن الإجابة في دمج Web3 مع الذكاء الاصطناعي.

أوضح مؤسس الإيثيريوم في مقال له التآزر بين الذكاء الاصطناعي والتشفير: يمكن أن توازن الخصائص اللامركزية للتشفير الاتجاه المركزي للذكاء الاصطناعي؛ يمكن أن تعوض الشفافية التي جلبها التشفير عن عدم وضوح الذكاء الاصطناعي؛ بينما تساعد البلوكشين في تخزين البيانات وتتبعها المطلوبة للذكاء الاصطناعي. يمتد هذا التآزر عبر النظام البيئي الصناعي بأكمله لـ Web3+AI.

حالياً، تكرّس معظم مشاريع Web3+AI جهودها للاستفادة من تقنية blockchain لحل مشاكل بناء البنية التحتية في صناعة الذكاء الاصطناعي، بينما تحاول مجموعة صغيرة من المشاريع استخدام الذكاء الاصطناعي لحل مشاكل محددة في تطبيقات Web3. تغطي بيئة صناعة Web3+AI بشكل رئيسي الجوانب التالية:

1. طبقة القدرة الحاسوبية: تقنين الأصول الحاسوبية

مع النمو الأسي في الطلب على قوة الحوسبة لتدريب نماذج الذكاء الاصطناعي، ظهرت حالة من عدم التوازن بين العرض والطلب على قوة الحوسبة في السوق. من خلال إنشاء شبكة قوة حوسبة موزعة بطريقة Web3، يمكن الاستفادة بشكل فعال من الموارد غير المستخدمة من الأجهزة ذات المستوى المتوسط ​​والمنخفض، مما يقلل من تكلفة قوة الحوسبة للذكاء الاصطناعي. تشمل هذه المنطقة قوة الحوسبة اللامركزية العامة، وقوة الحوسبة المخصصة لتدريب واستنتاج الذكاء الاصطناعي، فضلاً عن الأسواق الفرعية مثل قوة الحوسبة للتصيير ثلاثي الأبعاد.

2. طبقة البيانات: أصول البيانات

البيانات هي المورد الأساسي لتطوير الذكاء الاصطناعي. إن دمج Web3+AI يجعل عمليات جمع البيانات، وتوسيمها، وتخزينها أكثر تكلفة وشفافية، ويعزز حقوق المستخدمين. يشمل هذا المجال عدة اتجاهات مثل جمع البيانات، والتجارة، والتوسيم، ومصادر بيانات البلوكشين، والتخزين اللامركزي.

3. طبقة المنصة: تحويل قيمة المنصة إلى أصول

تهدف مشاريع المنصات إلى دمج موارد صناعة التشفير المختلفة، بما في ذلك البيانات، وقوة الحوسبة، والنماذج، والمطورين، وغيرها. تركز بعض المشاريع على بناء منصة تشغيل zkML لزيادة موثوقية وشفافية استدلال التعلم الآلي. بينما تكرس مشاريع أخرى جهودها لتطوير شبكة بلوكشين مخصصة للتشفير، أو لبناء منصة شبكة الوكالات الذكية.

4. الطبقة التطبيقية: تسييل الأصول القيمة للذكاء الاصطناعي

تستكشف مشاريع طبقة التطبيقات بشكل رئيسي تطبيقات الذكاء الاصطناعي في بيئة Web3. على سبيل المثال، يمكن أن يعمل الذكاء الاصطناعي كأحد المشاركين في ألعاب Web3، أو إجراء معاملات التحكيم في البورصات اللامركزية، أو تقديم خدمات التحليل في أسواق التنبؤ. اتجاه آخر مهم هو إنشاء ذكاء اصطناعي خاص لامركزي قابل للتوسع، مما يعزز ثقة المستخدمين في أنظمة الذكاء الاصطناعي من خلال حوكمة المجتمع.

لا يزال دمج Web3 + AI في مراحله المبكرة، ويوجد آراء مختلفة بشأن آفاق تطوره في الصناعة. ومع ذلك، من المتوقع أن يخلق هذا الدمج منتجات ذات قيمة أكبر من الذكاء الاصطناعي المركزي التقليدي، متخلصًا من "سيطرة الشركات الكبرى" و"الاحتكار"، مما يحقق نموذجًا أكثر مجتمعًا لحوكمة الذكاء الاصطناعي. من خلال المشاركة بشكل أعمق في عملية تطوير الذكاء الاصطناعي وحوكمته، قد يتمكن البشر من إيجاد توازن بين "الرهبة" و"الخوف" في فهمهم للذكاء الاصطناعي.