هل يمكن لوكيل الذكاء الاصطناعي أن يصبح طوق النجاة لـ Web3 + AI؟
تعتبر مشاريع AI Agent من الأنواع الشائعة والناضجة في ريادة الأعمال في Web2، حيث تركز بشكل رئيسي على خدمات الشركات، بينما في مجال Web3، أصبحت مشاريع تدريب النماذج وتجميع المنصات التي تلعب دورًا رئيسيًا في بناء النظام البيئي هي التي تهيمن.
حاليًا، عدد مشاريع الوكيل الذكي في Web3 قليل، حيث يشكل 8%، لكن نسبة قيمتها السوقية في مجال الذكاء الاصطناعي تصل إلى 23%، مما يظهر قوتها التنافسية الكبيرة في السوق. نتوقع أنه مع نضوج التكنولوجيا وزيادة قبول السوق، ستظهر العديد من المشاريع التي ستتجاوز قيمتها 10 مليارات دولار.
بالنسبة لمشاريع Web3، قد يصبح إدخال تقنية الذكاء الاصطناعي ميزة استراتيجية للمنتجات التي لا تعتمد على الذكاء الاصطناعي كجوهر. يجب أن تركز طرق دمج مشاريع الوكلاء الذكية على بناء النظام البيئي الكامل وتصميم نموذج الاقتصاد الرمزي، لتعزيز اللامركزية وتأثير الشبكة.
موجة الذكاء الاصطناعي: الوضع الحالي لظهور المشاريع وارتفاع التقييمات
منذ إطلاق ChatGPT في نوفمبر 2022، جذب أكثر من مئة مليون مستخدم في غضون شهرين فقط، وبحلول مايو 2024، وصلت الإيرادات الشهرية لـ ChatGPT إلى 20.3 مليون دولار مذهلة، وسرعان ما أصدرت OpenAI نسخاً متكررة مثل GPT-4 و GP4-4o بعد إصدار ChatGPT. مع هذا الاتجاه السريع، أدركت شركات التكنولوجيا الكبرى التقليدية أهمية تطبيقات نماذج الذكاء الاصطناعي المتقدمة مثل LLM، وبدأت جميعها بإطلاق نماذجها وتطبيقاتها الخاصة، مثل إصدار جوجل لنموذج اللغة الكبير PaLM2، وإطلاق ميتا لـ Llama3، بينما أطلقت الشركات الصينية نماذج كبيرة مثل ون شين يي يان وزي زو بينغ يان، ومن الواضح أن مجال الذكاء الاصطناعي أصبح ساحة تنافس حامية.
إن سباق عمالقة التكنولوجيا لا يعزز فقط تطوير التطبيقات التجارية، ولكن من خلال التحقيقات الإحصائية لأبحاث الذكاء الاصطناعي مفتوحة المصدر، يتبين أن تقرير AI Index لعام 2024 يظهر أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على GitHub قفز من 845 مشروعًا في عام 2011 إلى حوالي 1.8 مليون مشروع في عام 2023، وخصوصًا بعد إصدار GPT في عام 2023، حيث زاد عدد المشاريع بنسبة 59.3% على أساس سنوي، مما يعكس حماس مجتمع المطورين العالمي لأبحاث الذكاء الاصطناعي.
إن الحماس نحو تكنولوجيا الذكاء الاصطناعي ينعكس بشكل مباشر في سوق الاستثمار، حيث يظهر سوق استثمار الذكاء الاصطناعي نمواً قوياً، مع حدوث زيادة كبيرة في الربع الثاني من عام 2024. وقد تم إجراء 16 استثماراً مرتبطاً بالذكاء الاصطناعي بأكثر من 150 مليون دولار على مستوى العالم، وهو ما يعادل ضعف ما تم في الربع الأول. كما ارتفع إجمالي تمويل الشركات الناشئة في مجال الذكاء الاصطناعي إلى 24 مليار دولار، بزيادة تفوق الضعف مقارنة بالعام الماضي. ومن بين هذه الشركات، قامت xAI التابعة لماسك بجمع 6 مليارات دولار، بقيمة تقديرية تبلغ 24 مليار دولار، لتصبح ثاني أعلى شركة ناشئة في مجال الذكاء الاصطناعي من حيث التقييم بعد OpenAI.
إن التطور السريع لتكنولوجيا الذكاء الاصطناعي يعيد تشكيل خريطة مجال التكنولوجيا بسرعة غير مسبوقة. من المنافسة الشرسة بين عمالقة التكنولوجيا، إلى التطور المزدهر لمشاريع المجتمعات مفتوحة المصدر، وصولاً إلى الإقبال الشديد من سوق المال على مفهوم الذكاء الاصطناعي. المشاريع تتوالى، وتحقق الاستثمارات أرقامًا قياسية جديدة، وتزداد التقييمات بنفس الوتيرة. بشكل عام، يقع سوق الذكاء الاصطناعي في فترة ذهبية من النمو السريع، حيث حققت النماذج اللغوية الكبيرة وتقنيات توليد المعلومات المعززة تقدمًا كبيرًا في مجال معالجة اللغة. ومع ذلك، لا تزال هذه النماذج تواجه تحديات عندما يتعلق الأمر بتحويل المزايا التقنية إلى منتجات عملية، مثل عدم اليقين في مخرجات النموذج، ومخاطر إنتاج معلومات غير دقيقة، ومشكلات الشفافية في النماذج. تصبح هذه القضايا أكثر أهمية في سيناريوهات التطبيق التي تتطلب موثوقية عالية.
في هذا السياق، بدأنا دراسة وكيل الذكاء الاصطناعي، لأن وكيل الذكاء الاصطناعي يركز على شمولية حل المشكلات الحقيقية والتفاعل مع البيئة. يمثل هذا التحول تطور تكنولوجيا الذكاء الاصطناعي من نماذج لغة نقية إلى أنظمة ذكية قادرة على فهم التعلم وحل المشكلات الواقعية حقًا. لذلك، نرى الأمل في تطوير وكيل الذكاء الاصطناعي، حيث أنه يغلق تدريجيًا الفجوة بين تكنولوجيا الذكاء الاصطناعي وحل المشكلات الحقيقية. إن تطور تكنولوجيا الذكاء الاصطناعي يعيد تشكيل بنية الإنتاج، بينما تعيد تكنولوجيا Web3 بناء علاقات الإنتاج في الاقتصاد الرقمي. عندما تندمج العناصر الثلاثة الأساسية للذكاء الاصطناعي: البيانات، والنماذج، والقوة الحاسوبية، مع المفاهيم الأساسية لـ Web3 مثل اللامركزية، والاقتصاد القائم على الرموز، والعقود الذكية، نتوقع أن تفرز سلسلة من التطبيقات الابتكارية. في هذا المجال المتقاطع المليء بالإمكانات، نعتقد أن وكيل الذكاء الاصطناعي، بفضل قدرته على تنفيذ المهام بشكل مستقل، يظهر إمكانيات هائلة لتحقيق تطبيقات واسعة النطاق.
لهذا السبب، بدأنا في دراسة التطبيقات المتنوعة لوكيل الذكاء الاصطناعي في Web3 بعمق، من البنية التحتية لـ Web3، والبرمجيات الوسيطة، وطبقة التطبيقات، إلى سوق البيانات والنماذج، بهدف تحديد وتقييم أنواع المشاريع الأكثر واعدة وسيناريوهات الاستخدام، لفهم التكامل العميق بين الذكاء الاصطناعي وWeb3.
توضيح المفاهيم: مقدمة عن وكلاء الذكاء الاصطناعي وتصنيف عام
مقدمة أساسية
قبل تقديم AI Agent، ومن أجل تمكين القارئ من فهم الفرق بين التعريف والنموذج نفسه بشكل أفضل، سنقوم بتقديم مثال من واقع الحياة: لنفترض أنك تخطط لرحلة. توفر نماذج اللغة الكبيرة التقليدية معلومات عن الوجهات ونصائح السفر. بينما توفر تقنية استرجاع المعلومات المعززة المحتوى الوجهاتي الأغنى والأكثر تحديداً. أما AI Agent، فهو يشبه جارفيس في أفلام الرجل الحديدي، حيث يمكنه فهم الاحتياجات، ويمكنه أيضاً البحث عن الرحلات الجوية والفنادق بشكل استباقي بناءً على جملة واحدة منك، والقيام بعمليات الحجز، وإضافة الجدول الزمني إلى التقويم.
التعريف الشائع لوكيل الذكاء الاصطناعي في الصناعة هو نظام ذكي يمكنه إدراك البيئة واتخاذ الإجراءات المناسبة، من خلال الحصول على معلومات بيئية عبر المستشعرات، وبعد المعالجة، يؤثر على البيئة من خلال المنفذات (ستيوارت راسل وبيتر نورفيغ، 2020). نعتقد أن وكيل الذكاء الاصطناعي هو مساعد يجمع بين LLM وRAG والذاكرة وتخطيط المهام وقدرة استخدام الأدوات. إنه ليس مجرد مزود للمعلومات، بل يمكنه أيضاً التخطيط وتفكيك المهام وتنفيذها بشكل فعلي.
وفقًا لهذا التعريف والخصائص، يمكننا أن نلاحظ أن وكلاء الذكاء الاصطناعي قد اندمجوا بالفعل في حياتنا، وتم تطبيقهم في سيناريوهات مختلفة مثل AlphaGo وSiri وقيادة Tesla الذاتية من المستوى الخامس وما فوق، ويمكن اعتبارها أمثلة على وكلاء الذكاء الاصطناعي. السمة المشتركة لهذه الأنظمة هي قدرتها على إدراك المدخلات من المستخدمين الخارجيين، وبناءً على ذلك، تؤثر على البيئة الواقعية.
لتوضيح المفهوم باستخدام ChatGPT كمثال، يجب أن نوضح أن Transformer هو الهيكل التكنولوجي الذي يتكون منه نموذج الذكاء الاصطناعي، و GPT هو سلسلة النماذج التي تطورت بناءً على هذا الهيكل، بينما تمثل GPT-1 و GPT-4 و GPT-4o إصدارات النموذج في مراحل تطوير مختلفة. ChatGP هو وكيل ذكاء اصطناعي تطور بناءً على نموذج GPT.
نظرة عامة عن التصنيف
لم يتشكل بعد معيار تصنيف موحد لسوق وكلاء الذكاء الاصطناعي في الوقت الحاضر، ومن خلال وضع تسميات لمشاريع وكلاء الذكاء الاصطناعي البالغ عددها 204 في سوق Web2 + Web3، قمنا بتقسيمها إلى تصنيفين رئيسيين وثانويين بناءً على العلامات البارزة لكل مشروع. حيث تتضمن الفئات الرئيسية ثلاث فئات: البنية التحتية، وتوليد المحتوى، والتفاعل مع المستخدم، ثم يتم تقسيمها بناءً على حالات الاستخدام الفعلية.
البنية التحتية: تركز هذه الفئة على بناء محتوى أساسي في مجال الوكلاء، بما في ذلك المنصات والنماذج والبيانات وأدوات التطوير، بالإضافة إلى خدمات B2B ذات التطبيقات الأساسية الأكثر نضجًا.
أدوات التطوير: توفير أدوات وإطارات مساعدة للمطورين لبناء وكيل الذكاء الاصطناعي.
فئة معالجة البيانات: معالجة وتحليل بيانات بتنسيقات مختلفة، تستخدم بشكل رئيسي لدعم اتخاذ القرار، وتوفير مصادر للتدريب.
فئة تدريب النماذج: تقدم خدمات تدريب نماذج الذكاء الاصطناعي، بما في ذلك الاستدلال، وإنشاء النماذج، والإعدادات، وغيرها.
خدمات الفئة B: تستهدف بشكل رئيسي المستخدمين من الشركات، وتقدم حلولاً خدمية، عمودية، وآلية.
منصة تجمع: منصة تجمع خدمات وأدوات متعددة لوكلاء الذكاء الاصطناعي.
التفاعلية: تشبه فئة المحتوى من حيث المبدأ، لكن الاختلاف يكمن في التفاعل الثنائي المستمر. وكيل التفاعلية لا يقبل فقط ويفهم احتياجات المستخدم، بل يوفر أيضًا ردود الفعل من خلال تقنيات مثل معالجة اللغة الطبيعية (NLP) لتحقيق التفاعل الثنائي مع المستخدم.
فئة الدعم العاطفي: وكيل الذكاء الاصطناعي الذي يقدم الدعم العاطفي والمرافقة.
نوع GPT: وكيل AI يعتمد على نموذج GPT (Transformer المدرب مسبقًا للتوليد).
الفئة البحثية: تركز على وظائف البحث، وتقدم وكيلاً يركز على استرجاع المعلومات بدقة أكبر.
فئة إنشاء المحتوى: تركز هذه الفئة من المشاريع على إنشاء المحتوى، باستخدام تقنيات النماذج الكبيرة لتوليد أشكال متنوعة من المحتوى بناءً على تعليمات المستخدم، وتنقسم إلى أربعة أنواع: إنشاء النصوص، وإنشاء الصور، وإنشاء الفيديو، وإنشاء الصوت.
تحليل حالة تطوير وكيل الذكاء الاصطناعي Web2
وفقًا لإحصاءاتنا، يظهر تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 اتجاهًا واضحًا نحو تركيز القطاع. بشكل أكثر تحديدًا، يتركز حوالي ثلثي المشاريع في فئة البنية التحتية، حيث تهيمن خدمات B-end وأدوات التطوير بشكل كبير، وقد أجرينا بعض التحليلات حول هذه الظاهرة.
تأثير نضج التكنولوجيا: السبب وراء هيمنة المشاريع المتعلقة بالبنية التحتية هو نضج التكنولوجيا. غالبًا ما تُبنى هذه المشاريع على تقنيات وأطر تم اختبارها عبر الزمن، مما يقلل من صعوبة المخاطر والتطوير. تعادل "المجرفة" في مجال الذكاء الاصطناعي، حيث توفر أساسًا قويًا لتطوير وتطبيق وكيل الذكاء الاصطناعي.
دفع الطلب في السوق: العامل الرئيسي الآخر هو الطلب في السوق. مقارنةً بسوق المستهلكين، فإن الطلب في سوق الشركات على تقنيات الذكاء الاصطناعي أكثر إلحاحًا، خاصةً فيما يتعلق بالبحث عن حلول لتحسين كفاءة العمليات وتقليل التكاليف. في الوقت نفسه، بالنسبة للمطورين، فإن التدفق النقدي من الشركات نسبيًا مستقر، مما يفيدهم في تطوير المشاريع المستقبلية.
قيود سيناريوهات التطبيق: في الوقت نفسه، لاحظنا أن تطبيقات الذكاء الاصطناعي في مجال توليد المحتوى في السوق B محدودة نسبياً. بسبب عدم استقرار مخرجاتها، تميل الشركات إلى تلك التطبيقات التي يمكن أن تزيد الإنتاجية بشكل ثابت. وهذا أدى إلى أن تمثل تطبيقات الذكاء الاصطناعي في توليد المحتوى نسبة صغيرة من مكتبة المشاريع.
تعكس هذه الاتجاهات نضج التكنولوجيا، واحتياجات السوق، والاعتبارات العملية لمجالات التطبيق. مع التقدم المستمر في تقنيات الذكاء الاصطناعي وتوضيح احتياجات السوق بشكل أكبر، نتوقع أن يتغير هذا النمط، ولكن البنية التحتية ستظل حجر الزاوية لتطور وكيل الذكاء الاصطناعي.
تحليل مشروع رائد لوكلاء الذكاء الاصطناعي في Web2
نستعرض بعمق بعض مشاريع الوكيل الذكي في سوق Web2 الحالي، ونقوم بتحليلها، مع أخذ مشاريع Character AI و Perplexity AI و Midjourney كمثال.
شخصية الذكاء الاصطناعي:
مقدمة المنتج: Character.AI تقدم نظام محادثة قائم على الذكاء الاصطناعي وأدوات إنشاء شخصيات افتراضية. تتيح منصتها للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية، التي يمكنها إجراء محادثات بلغة طبيعية وأداء مهام محددة.
تحليل البيانات: كان عدد الزيارات لمنصة Character.AI في مايو 277 مليون زيارة، وتمتلك المنصة أكثر من 3.5 مليون مستخدم نشط يوميًا، حيث تتراوح أعمار معظم المستخدمين بين 18 و34 عامًا، مما يظهر خصائص مجموعة المستخدمين الشابة. كما قدمت Character AI أداءً ممتازًا في الأسواق المالية، حيث أكملت تمويلًا بقيمة 150 مليون دولار، وبلغت قيمتها السوقية مليار دولار، بقيادة a16z.
التحليل الفني: وقعت Character AI اتفاقية ترخيص غير حصرية مع الشركة الأم لجوجل Alphabet لاستخدام نموذجها اللغوي الكبير، مما يشير إلى أن Character AI تعتمد على تقنية تم تطويرها داخليًا. ومن الجدير بالذكر أن مؤسسي الشركة Noam Shazeer وDaniel De Freitas شاركوا في تطوير نموذج لغة محادثة جوجل Llama.
الذكاء الاصطناعي Perplexity:
مقدمة المنتج: يمكن لـ Perplexity جمع وتقديم إجابات مفصلة من الإنترنت. من خلال الاقتباس وروابط المراجع، يضمن موثوقية ودقة المعلومات، بينما يقوم أيضًا بتعليم وتوجيه المستخدمين لطرح المزيد من الأسئلة والبحث عن الكلمات الرئيسية، مما يلبي احتياجات الاستفسار المتنوعة للمستخدمين.
تحليل البيانات: بلغ عدد المستخدمين النشطين شهريًا لـ Perplexity 10 ملايين، حيث حققت زيارات تطبيقاتها على الهواتف المحمولة وسطح المكتب نموًا بنسبة 8.6% في فبراير، مما جذب حوالي 50 مليون مستخدم. في السوق المالية، أعلنت Perplexity AI مؤخرًا عن حصولها على تمويل بقيمة 62.7 مليون دولار، مع تقييم وصل إلى 1.04 مليار دولار، بقيادة دانيال غروس، وشارك فيه ستان دراكنميلر وNVIDIA.
التحليل الفني: النموذج الرئيسي الذي تستخدمه Perplexity هو GPT-3.5 المعدل، بالإضافة إلى نموذجين كبيرين تم تعديله بناءً على نموذج مفتوح المصدر: pplx-7b-online و pplx-70b-online. النموذج مناسب للأبحاث الأكاديمية المتخصصة واستفسارات المجالات العمودية، مما يضمن صحة المعلومات وموثوقيتها.
ميدجورني:
مقدمة المنتج: يمكن للمستخدمين إنشاء صور بأنماط ومواضيع متنوعة من خلال Prompts في Midjourney، مما يغطي مجموعة واسعة من احتياجات الإبداع من الواقعي إلى المجرد. كما يوفر النظام الأساسي مزج الصور وتحريرها، مما يسمح للمستخدمين بإجراء تراكب الصور وانتقال الأنماط، وتضمن وظيفة الإنتاج الفوري على النظام الأساسي أن المستخدمين يمكنهم الحصول على النتائج في غضون بضع ثوانٍ إلى بضع دقائق.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 8
أعجبني
8
6
مشاركة
تعليق
0/400
Token_Sherpa
· 07-24 23:59
فخ آخر مغطى بكلمات الطنانة للذكاء الاصطناعي... نفس اقتصاد العملة الذي رأيناه منذ 2017 smh
شاهد النسخة الأصليةرد0
0xSunnyDay
· 07-24 10:10
يُستغل بغباء. وجدوا سببًا جديدًا.
شاهد النسخة الأصليةرد0
OptionWhisperer
· 07-22 00:46
كلهم يتحدثون عن الثور، فريق المشروع يجب أن يجذب بعض المستخدمين أولاً.
وكيل الذكاء الاصطناعي: فرص وتحديات الابتكار المستقبلي من دمج الويب 3 والذكاء الاصطناعي
هل يمكن لوكيل الذكاء الاصطناعي أن يصبح طوق النجاة لـ Web3 + AI؟
تعتبر مشاريع AI Agent من الأنواع الشائعة والناضجة في ريادة الأعمال في Web2، حيث تركز بشكل رئيسي على خدمات الشركات، بينما في مجال Web3، أصبحت مشاريع تدريب النماذج وتجميع المنصات التي تلعب دورًا رئيسيًا في بناء النظام البيئي هي التي تهيمن.
حاليًا، عدد مشاريع الوكيل الذكي في Web3 قليل، حيث يشكل 8%، لكن نسبة قيمتها السوقية في مجال الذكاء الاصطناعي تصل إلى 23%، مما يظهر قوتها التنافسية الكبيرة في السوق. نتوقع أنه مع نضوج التكنولوجيا وزيادة قبول السوق، ستظهر العديد من المشاريع التي ستتجاوز قيمتها 10 مليارات دولار.
بالنسبة لمشاريع Web3، قد يصبح إدخال تقنية الذكاء الاصطناعي ميزة استراتيجية للمنتجات التي لا تعتمد على الذكاء الاصطناعي كجوهر. يجب أن تركز طرق دمج مشاريع الوكلاء الذكية على بناء النظام البيئي الكامل وتصميم نموذج الاقتصاد الرمزي، لتعزيز اللامركزية وتأثير الشبكة.
موجة الذكاء الاصطناعي: الوضع الحالي لظهور المشاريع وارتفاع التقييمات
منذ إطلاق ChatGPT في نوفمبر 2022، جذب أكثر من مئة مليون مستخدم في غضون شهرين فقط، وبحلول مايو 2024، وصلت الإيرادات الشهرية لـ ChatGPT إلى 20.3 مليون دولار مذهلة، وسرعان ما أصدرت OpenAI نسخاً متكررة مثل GPT-4 و GP4-4o بعد إصدار ChatGPT. مع هذا الاتجاه السريع، أدركت شركات التكنولوجيا الكبرى التقليدية أهمية تطبيقات نماذج الذكاء الاصطناعي المتقدمة مثل LLM، وبدأت جميعها بإطلاق نماذجها وتطبيقاتها الخاصة، مثل إصدار جوجل لنموذج اللغة الكبير PaLM2، وإطلاق ميتا لـ Llama3، بينما أطلقت الشركات الصينية نماذج كبيرة مثل ون شين يي يان وزي زو بينغ يان، ومن الواضح أن مجال الذكاء الاصطناعي أصبح ساحة تنافس حامية.
إن سباق عمالقة التكنولوجيا لا يعزز فقط تطوير التطبيقات التجارية، ولكن من خلال التحقيقات الإحصائية لأبحاث الذكاء الاصطناعي مفتوحة المصدر، يتبين أن تقرير AI Index لعام 2024 يظهر أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على GitHub قفز من 845 مشروعًا في عام 2011 إلى حوالي 1.8 مليون مشروع في عام 2023، وخصوصًا بعد إصدار GPT في عام 2023، حيث زاد عدد المشاريع بنسبة 59.3% على أساس سنوي، مما يعكس حماس مجتمع المطورين العالمي لأبحاث الذكاء الاصطناعي.
إن الحماس نحو تكنولوجيا الذكاء الاصطناعي ينعكس بشكل مباشر في سوق الاستثمار، حيث يظهر سوق استثمار الذكاء الاصطناعي نمواً قوياً، مع حدوث زيادة كبيرة في الربع الثاني من عام 2024. وقد تم إجراء 16 استثماراً مرتبطاً بالذكاء الاصطناعي بأكثر من 150 مليون دولار على مستوى العالم، وهو ما يعادل ضعف ما تم في الربع الأول. كما ارتفع إجمالي تمويل الشركات الناشئة في مجال الذكاء الاصطناعي إلى 24 مليار دولار، بزيادة تفوق الضعف مقارنة بالعام الماضي. ومن بين هذه الشركات، قامت xAI التابعة لماسك بجمع 6 مليارات دولار، بقيمة تقديرية تبلغ 24 مليار دولار، لتصبح ثاني أعلى شركة ناشئة في مجال الذكاء الاصطناعي من حيث التقييم بعد OpenAI.
إن التطور السريع لتكنولوجيا الذكاء الاصطناعي يعيد تشكيل خريطة مجال التكنولوجيا بسرعة غير مسبوقة. من المنافسة الشرسة بين عمالقة التكنولوجيا، إلى التطور المزدهر لمشاريع المجتمعات مفتوحة المصدر، وصولاً إلى الإقبال الشديد من سوق المال على مفهوم الذكاء الاصطناعي. المشاريع تتوالى، وتحقق الاستثمارات أرقامًا قياسية جديدة، وتزداد التقييمات بنفس الوتيرة. بشكل عام، يقع سوق الذكاء الاصطناعي في فترة ذهبية من النمو السريع، حيث حققت النماذج اللغوية الكبيرة وتقنيات توليد المعلومات المعززة تقدمًا كبيرًا في مجال معالجة اللغة. ومع ذلك، لا تزال هذه النماذج تواجه تحديات عندما يتعلق الأمر بتحويل المزايا التقنية إلى منتجات عملية، مثل عدم اليقين في مخرجات النموذج، ومخاطر إنتاج معلومات غير دقيقة، ومشكلات الشفافية في النماذج. تصبح هذه القضايا أكثر أهمية في سيناريوهات التطبيق التي تتطلب موثوقية عالية.
في هذا السياق، بدأنا دراسة وكيل الذكاء الاصطناعي، لأن وكيل الذكاء الاصطناعي يركز على شمولية حل المشكلات الحقيقية والتفاعل مع البيئة. يمثل هذا التحول تطور تكنولوجيا الذكاء الاصطناعي من نماذج لغة نقية إلى أنظمة ذكية قادرة على فهم التعلم وحل المشكلات الواقعية حقًا. لذلك، نرى الأمل في تطوير وكيل الذكاء الاصطناعي، حيث أنه يغلق تدريجيًا الفجوة بين تكنولوجيا الذكاء الاصطناعي وحل المشكلات الحقيقية. إن تطور تكنولوجيا الذكاء الاصطناعي يعيد تشكيل بنية الإنتاج، بينما تعيد تكنولوجيا Web3 بناء علاقات الإنتاج في الاقتصاد الرقمي. عندما تندمج العناصر الثلاثة الأساسية للذكاء الاصطناعي: البيانات، والنماذج، والقوة الحاسوبية، مع المفاهيم الأساسية لـ Web3 مثل اللامركزية، والاقتصاد القائم على الرموز، والعقود الذكية، نتوقع أن تفرز سلسلة من التطبيقات الابتكارية. في هذا المجال المتقاطع المليء بالإمكانات، نعتقد أن وكيل الذكاء الاصطناعي، بفضل قدرته على تنفيذ المهام بشكل مستقل، يظهر إمكانيات هائلة لتحقيق تطبيقات واسعة النطاق.
لهذا السبب، بدأنا في دراسة التطبيقات المتنوعة لوكيل الذكاء الاصطناعي في Web3 بعمق، من البنية التحتية لـ Web3، والبرمجيات الوسيطة، وطبقة التطبيقات، إلى سوق البيانات والنماذج، بهدف تحديد وتقييم أنواع المشاريع الأكثر واعدة وسيناريوهات الاستخدام، لفهم التكامل العميق بين الذكاء الاصطناعي وWeb3.
توضيح المفاهيم: مقدمة عن وكلاء الذكاء الاصطناعي وتصنيف عام
مقدمة أساسية
قبل تقديم AI Agent، ومن أجل تمكين القارئ من فهم الفرق بين التعريف والنموذج نفسه بشكل أفضل، سنقوم بتقديم مثال من واقع الحياة: لنفترض أنك تخطط لرحلة. توفر نماذج اللغة الكبيرة التقليدية معلومات عن الوجهات ونصائح السفر. بينما توفر تقنية استرجاع المعلومات المعززة المحتوى الوجهاتي الأغنى والأكثر تحديداً. أما AI Agent، فهو يشبه جارفيس في أفلام الرجل الحديدي، حيث يمكنه فهم الاحتياجات، ويمكنه أيضاً البحث عن الرحلات الجوية والفنادق بشكل استباقي بناءً على جملة واحدة منك، والقيام بعمليات الحجز، وإضافة الجدول الزمني إلى التقويم.
التعريف الشائع لوكيل الذكاء الاصطناعي في الصناعة هو نظام ذكي يمكنه إدراك البيئة واتخاذ الإجراءات المناسبة، من خلال الحصول على معلومات بيئية عبر المستشعرات، وبعد المعالجة، يؤثر على البيئة من خلال المنفذات (ستيوارت راسل وبيتر نورفيغ، 2020). نعتقد أن وكيل الذكاء الاصطناعي هو مساعد يجمع بين LLM وRAG والذاكرة وتخطيط المهام وقدرة استخدام الأدوات. إنه ليس مجرد مزود للمعلومات، بل يمكنه أيضاً التخطيط وتفكيك المهام وتنفيذها بشكل فعلي.
وفقًا لهذا التعريف والخصائص، يمكننا أن نلاحظ أن وكلاء الذكاء الاصطناعي قد اندمجوا بالفعل في حياتنا، وتم تطبيقهم في سيناريوهات مختلفة مثل AlphaGo وSiri وقيادة Tesla الذاتية من المستوى الخامس وما فوق، ويمكن اعتبارها أمثلة على وكلاء الذكاء الاصطناعي. السمة المشتركة لهذه الأنظمة هي قدرتها على إدراك المدخلات من المستخدمين الخارجيين، وبناءً على ذلك، تؤثر على البيئة الواقعية.
لتوضيح المفهوم باستخدام ChatGPT كمثال، يجب أن نوضح أن Transformer هو الهيكل التكنولوجي الذي يتكون منه نموذج الذكاء الاصطناعي، و GPT هو سلسلة النماذج التي تطورت بناءً على هذا الهيكل، بينما تمثل GPT-1 و GPT-4 و GPT-4o إصدارات النموذج في مراحل تطوير مختلفة. ChatGP هو وكيل ذكاء اصطناعي تطور بناءً على نموذج GPT.
نظرة عامة عن التصنيف
لم يتشكل بعد معيار تصنيف موحد لسوق وكلاء الذكاء الاصطناعي في الوقت الحاضر، ومن خلال وضع تسميات لمشاريع وكلاء الذكاء الاصطناعي البالغ عددها 204 في سوق Web2 + Web3، قمنا بتقسيمها إلى تصنيفين رئيسيين وثانويين بناءً على العلامات البارزة لكل مشروع. حيث تتضمن الفئات الرئيسية ثلاث فئات: البنية التحتية، وتوليد المحتوى، والتفاعل مع المستخدم، ثم يتم تقسيمها بناءً على حالات الاستخدام الفعلية.
البنية التحتية: تركز هذه الفئة على بناء محتوى أساسي في مجال الوكلاء، بما في ذلك المنصات والنماذج والبيانات وأدوات التطوير، بالإضافة إلى خدمات B2B ذات التطبيقات الأساسية الأكثر نضجًا.
أدوات التطوير: توفير أدوات وإطارات مساعدة للمطورين لبناء وكيل الذكاء الاصطناعي.
فئة معالجة البيانات: معالجة وتحليل بيانات بتنسيقات مختلفة، تستخدم بشكل رئيسي لدعم اتخاذ القرار، وتوفير مصادر للتدريب.
فئة تدريب النماذج: تقدم خدمات تدريب نماذج الذكاء الاصطناعي، بما في ذلك الاستدلال، وإنشاء النماذج، والإعدادات، وغيرها.
خدمات الفئة B: تستهدف بشكل رئيسي المستخدمين من الشركات، وتقدم حلولاً خدمية، عمودية، وآلية.
منصة تجمع: منصة تجمع خدمات وأدوات متعددة لوكلاء الذكاء الاصطناعي.
التفاعلية: تشبه فئة المحتوى من حيث المبدأ، لكن الاختلاف يكمن في التفاعل الثنائي المستمر. وكيل التفاعلية لا يقبل فقط ويفهم احتياجات المستخدم، بل يوفر أيضًا ردود الفعل من خلال تقنيات مثل معالجة اللغة الطبيعية (NLP) لتحقيق التفاعل الثنائي مع المستخدم.
فئة الدعم العاطفي: وكيل الذكاء الاصطناعي الذي يقدم الدعم العاطفي والمرافقة.
نوع GPT: وكيل AI يعتمد على نموذج GPT (Transformer المدرب مسبقًا للتوليد).
الفئة البحثية: تركز على وظائف البحث، وتقدم وكيلاً يركز على استرجاع المعلومات بدقة أكبر.
فئة إنشاء المحتوى: تركز هذه الفئة من المشاريع على إنشاء المحتوى، باستخدام تقنيات النماذج الكبيرة لتوليد أشكال متنوعة من المحتوى بناءً على تعليمات المستخدم، وتنقسم إلى أربعة أنواع: إنشاء النصوص، وإنشاء الصور، وإنشاء الفيديو، وإنشاء الصوت.
تحليل حالة تطوير وكيل الذكاء الاصطناعي Web2
وفقًا لإحصاءاتنا، يظهر تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 اتجاهًا واضحًا نحو تركيز القطاع. بشكل أكثر تحديدًا، يتركز حوالي ثلثي المشاريع في فئة البنية التحتية، حيث تهيمن خدمات B-end وأدوات التطوير بشكل كبير، وقد أجرينا بعض التحليلات حول هذه الظاهرة.
تأثير نضج التكنولوجيا: السبب وراء هيمنة المشاريع المتعلقة بالبنية التحتية هو نضج التكنولوجيا. غالبًا ما تُبنى هذه المشاريع على تقنيات وأطر تم اختبارها عبر الزمن، مما يقلل من صعوبة المخاطر والتطوير. تعادل "المجرفة" في مجال الذكاء الاصطناعي، حيث توفر أساسًا قويًا لتطوير وتطبيق وكيل الذكاء الاصطناعي.
دفع الطلب في السوق: العامل الرئيسي الآخر هو الطلب في السوق. مقارنةً بسوق المستهلكين، فإن الطلب في سوق الشركات على تقنيات الذكاء الاصطناعي أكثر إلحاحًا، خاصةً فيما يتعلق بالبحث عن حلول لتحسين كفاءة العمليات وتقليل التكاليف. في الوقت نفسه، بالنسبة للمطورين، فإن التدفق النقدي من الشركات نسبيًا مستقر، مما يفيدهم في تطوير المشاريع المستقبلية.
قيود سيناريوهات التطبيق: في الوقت نفسه، لاحظنا أن تطبيقات الذكاء الاصطناعي في مجال توليد المحتوى في السوق B محدودة نسبياً. بسبب عدم استقرار مخرجاتها، تميل الشركات إلى تلك التطبيقات التي يمكن أن تزيد الإنتاجية بشكل ثابت. وهذا أدى إلى أن تمثل تطبيقات الذكاء الاصطناعي في توليد المحتوى نسبة صغيرة من مكتبة المشاريع.
تعكس هذه الاتجاهات نضج التكنولوجيا، واحتياجات السوق، والاعتبارات العملية لمجالات التطبيق. مع التقدم المستمر في تقنيات الذكاء الاصطناعي وتوضيح احتياجات السوق بشكل أكبر، نتوقع أن يتغير هذا النمط، ولكن البنية التحتية ستظل حجر الزاوية لتطور وكيل الذكاء الاصطناعي.
تحليل مشروع رائد لوكلاء الذكاء الاصطناعي في Web2
نستعرض بعمق بعض مشاريع الوكيل الذكي في سوق Web2 الحالي، ونقوم بتحليلها، مع أخذ مشاريع Character AI و Perplexity AI و Midjourney كمثال.
شخصية الذكاء الاصطناعي:
مقدمة المنتج: Character.AI تقدم نظام محادثة قائم على الذكاء الاصطناعي وأدوات إنشاء شخصيات افتراضية. تتيح منصتها للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية، التي يمكنها إجراء محادثات بلغة طبيعية وأداء مهام محددة.
تحليل البيانات: كان عدد الزيارات لمنصة Character.AI في مايو 277 مليون زيارة، وتمتلك المنصة أكثر من 3.5 مليون مستخدم نشط يوميًا، حيث تتراوح أعمار معظم المستخدمين بين 18 و34 عامًا، مما يظهر خصائص مجموعة المستخدمين الشابة. كما قدمت Character AI أداءً ممتازًا في الأسواق المالية، حيث أكملت تمويلًا بقيمة 150 مليون دولار، وبلغت قيمتها السوقية مليار دولار، بقيادة a16z.
التحليل الفني: وقعت Character AI اتفاقية ترخيص غير حصرية مع الشركة الأم لجوجل Alphabet لاستخدام نموذجها اللغوي الكبير، مما يشير إلى أن Character AI تعتمد على تقنية تم تطويرها داخليًا. ومن الجدير بالذكر أن مؤسسي الشركة Noam Shazeer وDaniel De Freitas شاركوا في تطوير نموذج لغة محادثة جوجل Llama.
الذكاء الاصطناعي Perplexity:
مقدمة المنتج: يمكن لـ Perplexity جمع وتقديم إجابات مفصلة من الإنترنت. من خلال الاقتباس وروابط المراجع، يضمن موثوقية ودقة المعلومات، بينما يقوم أيضًا بتعليم وتوجيه المستخدمين لطرح المزيد من الأسئلة والبحث عن الكلمات الرئيسية، مما يلبي احتياجات الاستفسار المتنوعة للمستخدمين.
تحليل البيانات: بلغ عدد المستخدمين النشطين شهريًا لـ Perplexity 10 ملايين، حيث حققت زيارات تطبيقاتها على الهواتف المحمولة وسطح المكتب نموًا بنسبة 8.6% في فبراير، مما جذب حوالي 50 مليون مستخدم. في السوق المالية، أعلنت Perplexity AI مؤخرًا عن حصولها على تمويل بقيمة 62.7 مليون دولار، مع تقييم وصل إلى 1.04 مليار دولار، بقيادة دانيال غروس، وشارك فيه ستان دراكنميلر وNVIDIA.
التحليل الفني: النموذج الرئيسي الذي تستخدمه Perplexity هو GPT-3.5 المعدل، بالإضافة إلى نموذجين كبيرين تم تعديله بناءً على نموذج مفتوح المصدر: pplx-7b-online و pplx-70b-online. النموذج مناسب للأبحاث الأكاديمية المتخصصة واستفسارات المجالات العمودية، مما يضمن صحة المعلومات وموثوقيتها.
ميدجورني:
مقدمة المنتج: يمكن للمستخدمين إنشاء صور بأنماط ومواضيع متنوعة من خلال Prompts في Midjourney، مما يغطي مجموعة واسعة من احتياجات الإبداع من الواقعي إلى المجرد. كما يوفر النظام الأساسي مزج الصور وتحريرها، مما يسمح للمستخدمين بإجراء تراكب الصور وانتقال الأنماط، وتضمن وظيفة الإنتاج الفوري على النظام الأساسي أن المستخدمين يمكنهم الحصول على النتائج في غضون بضع ثوانٍ إلى بضع دقائق.