دمج الذكاء الاصطناعي والتشفير: ثلاثة اتجاهات تقود موجة الابتكار في Web3

#融合 الذكاء الاصطناعي والتشفير: ثلاثة اتجاهات رئيسية للتطوير

في المرحلة التجريبية الحالية حيث تتقاطع تقنيات الذكاء الاصطناعي والتشفير، تظهر نمط نمو يشبه "الانفجار الكمبري". ستناقش هذه المقالة بالتفصيل ثلاثة اتجاهات رئيسية في دمج الذكاء الاصطناعي والتشفير.

ملخص المحتوى الرئيسي

1. بناء اقتصاد مدفوع بوكيل ذكي نشط
2. تعزيز تطبيقات نماذج اللغة الكبيرة في التطوير
3. تعزيز بنية تحتية مفتوحة وموزعة لتقنية الذكاء الاصطناعي

1. إنشاء اقتصاد مدفوع بواسطة وكلاء ذكيين نشطين

لقد أثبتت بعض المشاريع جدوى عمل وكلاء الذكاء الاصطناعي على السلسلة. التجارب في هذا المجال تتجاوز باستمرار حدود تشغيل الوكلاء على السلسلة، مما يظهر إمكانيات هائلة ومساحة تصميم واسعة. في الوقت الحالي، أصبح هذا أحد أكثر الاتجاهات ابتكارًا وإمكانات نمو في مجالي التشفير والذكاء الاصطناعي، وهذا مجرد بداية.

اتجاه التنمية المستقبلية

قد تدير الوكالات الذكية في المستقبل مشاريع معقدة تتطلب تنسيقًا اقتصاديًا متعدد الأطراف. على سبيل المثال، في مجال البحث العلمي، يمكن أن تتولى الوكالة مسؤولية البحث عن مركبات علاجية لأمراض معينة:

• من خلال منصة جمع التبرعات بالرموز لجمع الأموال
• استخدام الأموال المجمعة لدفع تكاليف الوصول إلى بيانات البحث، ودفع تكاليف محاكاة المركبات على شبكة الحوسبة اللامركزية
• من خلال منصة المكافآت، يتم استقطاب البشر لتنفيذ أعمال التحقق من التجارب.

بجانب المشاريع المعقدة، يمكن للوكالات أيضًا تنفيذ مهام بسيطة مثل إنشاء مواقع شخصية، وإنتاج الأعمال الفنية، حيث أن سيناريوهات تطبيقها لا حصر لها.

لماذا التنفيذ على السلسلة أكثر معنى؟

التشفير العملات الرقمية في بعض المجالات لديها مزايا فريدة:

• تطبيقات الدفع الصغيرة
• ميزة السرعة: ميزة التسوية الفورية تساعد الوكلاء على تحقيق أقصى كفاءة رأس المال
• الدخول إلى أسواق رأس المال من خلال DeFi: يمكن للوكيل صك الأصول والتداول والاستثمار وإدارة الأموال والقيام بعمليات الإقراض واستخدام الرافعة المالية بسلاسة.

من حيث قوانين تطوير التكنولوجيا، تلعب الاعتمادية على المسار دورًا حاسمًا. مع حصول عدد متزايد من الوكلاء على العائدات من خلال العملات المشفرة، من المحتمل أن تصبح الاتصالات المشفرة القدرة الأساسية للوكلاء.

الاتجاهات الرئيسية التي تم التركيز عليها

1. آلية التحكم في المخاطر
2. تعزيز استخدامات غير المضاربة
3. متطلبات تقدم التطوير: يجب أن تصل على الأقل إلى مرحلة نموذج الاختبار، ويفضل أن تكون قد عملت بالفعل على الشبكة الرئيسية

2. تطبيقات نماذج اللغة الكبيرة المعززة في التطوير

لقد أظهرت النماذج اللغوية الكبيرة أداءً ممتازًا في كتابة الأكواد، ومن المتوقع أن تتحسن أكثر في المستقبل. من خلال هذه القدرات، من المحتمل أن يتمكن المطورون من زيادة كفاءتهم بمعدل يتراوح بين 2 إلى 10 مرات. مؤخرًا، سيساعد إنشاء معايير عالية الجودة لتقييم قدرة LLMs على فهم وكتابة الأكواد في فهم التأثير المحتمل لـ LLMs على النظام البيئي.

التحدي الحالي

• نقص البيانات التدريبية الأصلية عالية الجودة
• عدد البناءات غير كافٍ
• تفتقر منصة مجتمع المطورين إلى تفاعل ذي قيمة معلوماتية عالية
• تطور البنية التحتية بسرعة، مما يجعل الكود القديم قد لا يكون مناسبًا
• نقص نموذج التقييم لفهم مستوى تقنية معينة

التقدم الذي أمل أن أراه

• تحسين جودة البيانات ذات الصلة المتاحة على الإنترنت
• مزيد من الفرق لنشر بناء التحقق
• يشارك المزيد من الناس بنشاط في منصة مجتمع المطورين في النظام البيئي
• إنشاء اختبارات معيارية عالية الجودة لتقييم مستوى فهم LLMs
• إنشاء نموذج LLM معدل يظهر أداءً جيدًا في اختبارات الأداء

الإنجاز الكبير النهائي سيكون: عميل عقد التحقق الجديد عالي الجودة والمتميز الذي أنشأه الذكاء الاصطناعي بالكامل.

3. دفع البنية التحتية لتكنولوجيا الذكاء الاصطناعي المفتوحة واللامركزية

في مجال الذكاء الاصطناعي، لا يزال توازن القوة طويل الأمد بين النماذج مفتوحة المصدر والنماذج مغلقة المصدر غير واضح. التوقع الأبسط حالياً هو الحفاظ على الوضع الراهن - حيث تدفع الشركات التقنية الكبرى التطورات الرائدة، بينما تتبع نماذج المصدر المفتوح بسرعة، وتكتسب ميزة فريدة من خلال التخصيص في سيناريوهات تطبيق معينة.

العناصر الأساسية المدعومة

• بيانات التدريب
• قوة الحوسبة للتدريب والاستدلال
• أوزان النموذج
• قدرة التحقق من مخرجات النموذج

الأهمية الاستراتيجية

1. تسريع الابتكار من خلال النماذج مفتوحة المصدر: التحسينات السريعة والتعديلات على النماذج مفتوحة المصدر من قبل المجتمع المفتوح، تُظهر كيف يمكن للمجتمع أن يكمل بشكل فعال عمل شركات الذكاء الاصطناعي الكبرى، ويُعزز حدود قدرات الذكاء الاصطناعي.

2. تقديم خيارات للمستخدمين الذين لا يثقون في الذكاء الاصطناعي المركزي: قد يُستخدم الذكاء الاصطناعي كأداة للسيطرة، ودعم مجموعة تقنيات الذكاء الاصطناعي مفتوحة المصدر يمكن أن يوفر خيارات بديلة للمستخدمين.

حالة النظام البيئي

تم دعم العديد من المشاريع لتقنية OpenAI.

• جمع البيانات
• قوة الحوسبة اللامركزية
• إطار تدريب لامركزي

آفاق المستقبل

نأمل أن يتمكنوا من بناء المزيد من المنتجات في جميع جوانب تكنولوجيا الذكاء الاصطناعي مفتوحة المصدر:

• جمع البيانات غير المركزية
• الهوية على السلسلة
• التدريب غير المركزي
• بنية تحتية للإنترنت: تمكين الذكاء الاصطناعي من ترخيص (ودفع) المحتوى الذي يستخدمه

من خلال هذه الجهود، نتوقع أن نتمكن من دفع دمج الذكاء الاصطناعي مع التشفير بعمق، مما يمهد الطريق لتطور التكنولوجيا في المستقبل.