ثلاث استراتيجيات رئيسية لدمج الذكاء الاصطناعي مع التشفير

حاليًا، تتجه التقنيات التشفير والذكاء الاصطناعي نحو مرحلة تجريبية سريعة. يوضح هذا المقال النقاط الثلاث الرئيسية لتطور دمج الذكاء الاصطناعي والتشفير.

1. إنشاء نظام اقتصادي مدفوع بالوكيل الذكي

لقد تم التأكيد على إمكانية عمل الوكلاء الذكيين على السلسلة. تجارب هذا المجال تستمر في تجاوز حدود العمليات على سلسلة الوكلاء، مما يوفر إمكانيات هائلة ومساحة تصميم واسعة. في الوقت الحالي، أصبح هذا أحد أكثر الاتجاهات اختراقًا وانفجارًا في مجالات التشفير والذكاء الاصطناعي، وهذه مجرد البداية.

في المستقبل، قد تدير الوكلاء الذكيون مشاريع معقدة تتطلب تنسيقًا اقتصاديًا متعدد الأطراف. على سبيل المثال، في مجال البحث العلمي، يمكن أن يكون الوكلاء مسؤولين عن البحث عن مركبات علاجية لأمراض معينة:

• جمع الأموال من خلال منصة جمع التبرعات بالرموز
• استخدام الأموال المجمعة لدفع تكاليف الوصول إلى بيانات البحث، وتكاليف حساب محاكاة المركبات على الشبكة الحاسوبية اللامركزية
• توظيف البشر لتنفيذ العمل التجريبي من خلال منصة المكافآت

بخلاف المشاريع المعقدة، يمكن للوكيل أيضًا تنفيذ مهام بسيطة مثل إنشاء مواقع الويب الشخصية وابتكار الأعمال الفنية، حيث أن تطبيقات الاستخدام لا حدود لها.

التشفير العملات الرقمية في بعض المجالات لها مزايا فريدة:

• تطبيقات الدفع الصغيرة
• ميزة السرعة: تساعد وظيفة التسوية الفورية الوكلاء على تحقيق أقصى كفاءة لرأس المال
• الدخول إلى سوق المال من خلال DeFi: يمكن للوكيل بسهولة صك الأصول، إجراء المعاملات، الاستثمار وإدارة الأموال، تنفيذ عمليات الإقراض، واستخدام الرافعة المالية، وغيرها.

من حيث قوانين تطور التكنولوجيا، تلعب الاعتماد على المسار دورًا حاسمًا. مع حصول المزيد والمزيد من الوكلاء على أرباح من العملات المشفرة، من المحتمل أن تصبح الاتصالات المشفرة القدرة الأساسية للوكلاء.

2. تعزيز قدرة النماذج اللغوية الكبيرة في تطوير البرمجيات

لقد أظهرت النماذج اللغوية الكبيرة أداءً ممتازًا في كتابة التعليمات البرمجية، ومن المتوقع أن تتحسن أكثر في المستقبل. من خلال هذه القدرات، من المحتمل أن تزيد كفاءة المطورين من 2 إلى 10 مرات. مؤخرًا، سيساعد إنشاء معايير عالية الجودة لتقييم فهم النماذج اللغوية الكبيرة وكتابة التعليمات البرمجية في فهم تأثيرها المحتمل على النظام البيئي. سيتم التحقق من خطط ضبط النموذج عالية الجودة من خلال اختبارات المعايير.

توجد حاليًا عدة تحديات تعيق النماذج اللغوية الكبيرة في تحقيق مستوى ممتاز في فهم المجالات المحددة:

• نقص البيانات التدريبية الأصلية عالية الجودة
• عدد الإنشاءات غير كاف
• هناك نقص في التفاعل ذي القيمة المعلوماتية العالية على منصة الأسئلة والأجوبة التقنية
• تطور البنية التحتية بسرعة، مما أدى إلى أن الكود القديم قد لا يكون مناسبًا للاحتياجات الحالية
• نقص الطرق لفهم درجة تقييم النموذج

لتحسين هذا الوضع، يمكن اتخاذ التدابير التالية:

• المساعدة في الحصول على بيانات ذات صلة أفضل
• تشجيع المزيد من الفرق على نشر بناء التحقق
• طرح أسئلة جيدة بنشاط على منصة الأسئلة التقنية وتقديم إجابات عالية الجودة
• إنشاء اختبارات معيارية عالية الجودة لتقييم مستوى فهم النماذج اللغوية الكبيرة
• إنشاء نموذج ضبط جيد الأداء في اختبارات المعايير

3. دعم تكنولوجيا الذكاء الاصطناعي المفتوحة واللامركزية

"تراص تقنية الذكاء الاصطناعي المفتوحة واللامركزية" تحتوي على العناصر الرئيسية التالية:

• الحصول على بيانات التدريب
• قدرة الحوسبة للتدريب والاستدلال
• مشاركة أوزان النموذج
• قدرة التحقق من مخرجات النموذج

تظهر أهمية مجموعة تقنيات الذكاء الاصطناعي المفتوحة هذه في:

• تسريع تطوير نماذج الابتكار والتجارب
• توفير بدائل للمستخدمين الذين لا يثقون في الذكاء الاصطناعي المركزي

يوجد حاليًا العديد من المشاريع في النظام البيئي تدعم مجموعة تقنيات الذكاء الاصطناعي المفتوحة:

• جمع البيانات: بعض المشاريع تعمل على تعزيز جمع البيانات
• قوة الحوسبة اللامركزية: العديد من الشبكات تعمل على تطوير خدمات ذات صلة
• إطار تدريب لامركزي: هناك فرق تستكشف في هذا المجال

في المستقبل، نأمل أن نبني المزيد من المنتجات على جميع مستويات تقنية الذكاء الاصطناعي مفتوحة المصدر:

• جمع البيانات اللامركزية
• الهوية على السلسلة: يدعم بروتوكول تحقق الهوية البشرية من خلال المحفظة، وبروتوكول تحقق استجابة واجهة برمجة التطبيقات للذكاء الاصطناعي، مما يمكّن المستخدمين من التأكد من أنهم يتفاعلون مع نموذج لغوي كبير.
• تدريب لامركزي
• البنية التحتية لـ IP: تمكين الذكاء الاصطناعي من الحصول على ترخيص (ودفع) للمحتوى الذي يستخدمه