اكتشف أداة الذكاء الاصطناعي الطبية QBio، التي تركز على تصنيف كثافة الثدي وإنتاج تقارير شفافة. قم بتحميل الأشعة السينية، وفي غضون دقائق، ستخبرك بكثافة الثدي إذا كانت A أو B أو C أو D، بالإضافة إلى تقرير مفصل يشرح عملية اتخاذ القرار.
تم تطويره بواسطة Fetch و Hybrid، QBio هو مجرد مقبلات، الشخصية الرئيسية الحقيقية هي ASI-1 Mini.
Fetch هو مشروع قديم جدًا، في السنوات التي كان فيها DeFi يحتل انتباه السوق بأكمله، كانت Fetch تركز على AI + Crypto، حيث ظلت تركز على البحث والتطوير والتطبيقات لتكنولوجيا الوكلاء المتعددة النماذج.
ما هو ASI-1 Mini
في فبراير من هذا العام، أطلقت Fetch أول نموذج لغة كبير (LLM) أصلي من Web3 في العالم - ASI-1 Mini. ماذا يعني أصلي من Web3؟ ببساطة، يعني أنه يتكامل بسلاسة مع البلوكشين، من خلال رموز $FET ومحفظة ASI، مما يتيح لك استخدام الذكاء الاصطناعي، بالإضافة إلى الاستثمار والتدريب وامتلاك الذكاء الاصطناعي.
ما هو ASI-1 Mini بالضبط؟
إنه نموذج لغوي كبير مصمم خصيصًا لوكلاء الذكاء الاصطناعي (Agentic AI) ، قادر على تنسيق العديد من وكلاء الذكاء الاصطناعي ، ومعالجة المهام المعقدة متعددة الخطوات.
على سبيل المثال، وكيل الاستدلال ASI الذي يقف وراء QBio هو جزء من ASI-1 Mini. لا يمكنه فقط تصنيف كثافة الثدي، بل يمكنه أيضًا تفسير عملية اتخاذ القرار، مما يحل "مشكلة الصندوق الأسود" للذكاء الاصطناعي. والأفضل من ذلك، أن ASI-1 Mini يحتاج فقط إلى وحدتين من GPU للعمل، مما يجعله أقل تكلفة بكثير مقارنةً بـ LLM الأخرى (مثل DeepSeek التي تحتاج إلى 16 وحدة H100 GPU)، مما يجعله مناسبًا للاستخدام من قبل المؤسسات الصغيرة والمتوسطة.
كيف يبتكر ASI-1 Mini
تتمتع ASI-1 Mini بأداء يعادل LLM الرائد، لكن تكلفة الأجهزة منخفضة بشكل ملحوظ، حيث تحتوي على وضع استدلال ديناميكي وقدرات تكيفية متقدمة، مما يتيح اتخاذ قرارات أكثر كفاءة ووعيًا بالسياق.
شهري مقابل وزارة الزراعة
كلها اختصارات، لا تخف، إنها بسيطة جداً: نموذج مختلط Mixture of Models (MoM)، وكيل مختلط Mixture of Agents (MoA)
تخيل فريقًا من خبراء الذكاء الاصطناعي، حيث يركز كل شخص على مهام مختلفة، ويتعاونون بسلاسة. هذا لا يعزز الكفاءة فحسب، بل يجعل عملية اتخاذ القرار أكثر شفافية. على سبيل المثال، في تحليل الصور الطبية، قد تختار MoM نموذجًا متخصصًا في التعرف على الصور، ونموذجًا آخر متخصصًا في توليد النصوص، بينما تتولى MoA تنسيق مخرجات هذين النموذجين، لضمان أن يكون التقرير النهائي دقيقًا وسهل القراءة.
الشفافية وقابلية التوسع
تميل LLMs التقليدية إلى أن تكون "صناديق سوداء" حيث تطرح عليهم أسئلة ويعطونك إجابات ، ولكن لماذا أجابوا على ذلك ، آسف ، لا تعليق. يختلف ASI-1 Mini ، ومع التفكير المستمر متعدد الخطوات ، يمكن أن يخبرك أنني اخترت هذه الإجابة لهذه الأسباب ، خاصة في المجال الطبي ، وهو أمر بالغ الأهمية.
سيحتوي ASI-1 Mini على نافذة سياق تصل إلى 10 ملايين رمز مميز ، ويدعم القدرات متعددة الوسائط (على سبيل المثال ، معالجة الصور والفيديو) ، وستطلق سلسلة من نماذج Cortex في المستقبل ، مع التركيز على المجالات المتطورة مثل الروبوتات والتكنولوجيا الحيوية.
كفاءة الأجهزة
تتطلب LLM الأخرى تكاليف باهظة من المعدات، بينما يمكن تشغيل ASI-1 Mini باستخدام وحدتي GPU فقط. وهذا يعني أن حتى العيادة الصغيرة يمكنها تحمل تكاليفه، دون الحاجة إلى مراكز بيانات تكلف ملايين الدولارات.
لماذا هو فعال جدًا؟ لأن فلسفة تصميم ASI-1 Mini هي "الأقل هو الأكثر". إنه يحقق أقصى استفادة من الموارد الحاسوبية المحدودة من خلال تحسين الخوارزميات وبنية النموذج. بالمقارنة، فإن النماذج اللغوية الكبيرة الأخرى غالبًا ما تسعى إلى زيادة حجم النموذج، مما يؤدي إلى استهلاك كبير للموارد.
مدفوعة بالمجتمع
على عكس نماذج اللغة الكبيرة الأخرى، فإن ASI-1 Mini تم تدريبه بطريقة لامركزية وبمشاركة المجتمع. ASI-1 Mini هو منتج مجاني من نوع freemium موجه لحاملي $FET، حيث يمكن للحاملي ربط محفظة Web3 لفتح جميع الميزات. كلما كان هناك المزيد من رموز FET المحتفظ بها في المحفظة، زادت الإمكانيات لاستكشاف وظائف هذا النموذج.
هذا النموذج المدفوع من قبل المجتمع، يشبه التمويل الجماعي، إلا أنه يستخدم لتدريب والتحقق من الذكاء الاصطناعي، تكنولوجيا عالية، لم تعد مقتصرة على الطبقات النخبوية، بل يمكن للجميع المشاركة.
في الوقت الذي أصبحت فيه LLM ناضجة نسبيًا اليوم، لماذا لا يزال هناك حاجة لإنشاء ASI-1 Mini بشكل منفصل؟ من السهل جدًا فهم ذلك، فهو يسد الفجوة بين Web3 و A I.
تقدم LLM الحالية (مثل ChatGPT، Grok) خدماتها بشكل رئيسي في بيئات مركزية، بينما يُعتبر ASI-1 Mini أول LLM مصمم للإيكولوجيا اللامركزية. إنه لا يجعل الذكاء الاصطناعي أكثر شفافية وكفاءة فحسب، بل يمكّن أيضًا أعضاء المجتمع من الاستفادة مباشرة من نمو الذكاء الاصطناعي.
ظهور ASI-1 Mini يمثل تحول الذكاء الاصطناعي من "الصندوق الأسود" إلى "الشفافية"، ومن "المركزية" إلى "اللامركزية"، ومن "الأداة" إلى "الأصل". يمكنه أن يلعب دورًا ليس فقط في قطاع الرعاية الصحية (مثل QBio) ، ولكن أيضًا في مجالات متعددة مثل المالية والقانون والبحث العلمي.
هذا الشهر، تعاونت Fetch مع Rivalz لدمج ASI-1 Mini في نظام تنسيق البيانات Agentic (ADCS) الخاص بـ Rivalz، مما يتيح الاستنتاج الذكائي على السلسلة. مع هذا التعاون، يمكن للتطبيقات اللامركزية الوصول مباشرة إلى قدرات الاستنتاج الذكائي المتقدمة على البلوكشين.
بيئات blockchain التقليدية مقيدة بالموارد ، ويمكن للعقود الذكية التعامل مع المهام خفيفة الوزن فقط ، وغالبا ما تحصل على بيانات بسيطة (مثل الأسعار) من خلال أوراكل ، ولا يمكنها تشغيل نماذج الذكاء الاصطناعي المعقدة مباشرة. تحل ADCS هذه المشكلة بشكل مثالي ، مع إجراء حسابات معقدة لاستدلال الذكاء الاصطناعي خارج السلسلة ، ويتم إرجاع النتائج بأمان إلى blockchain ، مما يضمن اللامركزية والثقة.
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
تفسير نموذج اللغة الكبير الأصلي Web3 ASI-1 Mini
اكتشف أداة الذكاء الاصطناعي الطبية QBio، التي تركز على تصنيف كثافة الثدي وإنتاج تقارير شفافة. قم بتحميل الأشعة السينية، وفي غضون دقائق، ستخبرك بكثافة الثدي إذا كانت A أو B أو C أو D، بالإضافة إلى تقرير مفصل يشرح عملية اتخاذ القرار.
تم تطويره بواسطة Fetch و Hybrid، QBio هو مجرد مقبلات، الشخصية الرئيسية الحقيقية هي ASI-1 Mini.
Fetch هو مشروع قديم جدًا، في السنوات التي كان فيها DeFi يحتل انتباه السوق بأكمله، كانت Fetch تركز على AI + Crypto، حيث ظلت تركز على البحث والتطوير والتطبيقات لتكنولوجيا الوكلاء المتعددة النماذج.
ما هو ASI-1 Mini
في فبراير من هذا العام، أطلقت Fetch أول نموذج لغة كبير (LLM) أصلي من Web3 في العالم - ASI-1 Mini. ماذا يعني أصلي من Web3؟ ببساطة، يعني أنه يتكامل بسلاسة مع البلوكشين، من خلال رموز $FET ومحفظة ASI، مما يتيح لك استخدام الذكاء الاصطناعي، بالإضافة إلى الاستثمار والتدريب وامتلاك الذكاء الاصطناعي.
ما هو ASI-1 Mini بالضبط؟
إنه نموذج لغوي كبير مصمم خصيصًا لوكلاء الذكاء الاصطناعي (Agentic AI) ، قادر على تنسيق العديد من وكلاء الذكاء الاصطناعي ، ومعالجة المهام المعقدة متعددة الخطوات.
على سبيل المثال، وكيل الاستدلال ASI الذي يقف وراء QBio هو جزء من ASI-1 Mini. لا يمكنه فقط تصنيف كثافة الثدي، بل يمكنه أيضًا تفسير عملية اتخاذ القرار، مما يحل "مشكلة الصندوق الأسود" للذكاء الاصطناعي. والأفضل من ذلك، أن ASI-1 Mini يحتاج فقط إلى وحدتين من GPU للعمل، مما يجعله أقل تكلفة بكثير مقارنةً بـ LLM الأخرى (مثل DeepSeek التي تحتاج إلى 16 وحدة H100 GPU)، مما يجعله مناسبًا للاستخدام من قبل المؤسسات الصغيرة والمتوسطة.
كيف يبتكر ASI-1 Mini
تتمتع ASI-1 Mini بأداء يعادل LLM الرائد، لكن تكلفة الأجهزة منخفضة بشكل ملحوظ، حيث تحتوي على وضع استدلال ديناميكي وقدرات تكيفية متقدمة، مما يتيح اتخاذ قرارات أكثر كفاءة ووعيًا بالسياق.
شهري مقابل وزارة الزراعة
كلها اختصارات، لا تخف، إنها بسيطة جداً: نموذج مختلط Mixture of Models (MoM)، وكيل مختلط Mixture of Agents (MoA)
تخيل فريقًا من خبراء الذكاء الاصطناعي، حيث يركز كل شخص على مهام مختلفة، ويتعاونون بسلاسة. هذا لا يعزز الكفاءة فحسب، بل يجعل عملية اتخاذ القرار أكثر شفافية. على سبيل المثال، في تحليل الصور الطبية، قد تختار MoM نموذجًا متخصصًا في التعرف على الصور، ونموذجًا آخر متخصصًا في توليد النصوص، بينما تتولى MoA تنسيق مخرجات هذين النموذجين، لضمان أن يكون التقرير النهائي دقيقًا وسهل القراءة.
الشفافية وقابلية التوسع
تميل LLMs التقليدية إلى أن تكون "صناديق سوداء" حيث تطرح عليهم أسئلة ويعطونك إجابات ، ولكن لماذا أجابوا على ذلك ، آسف ، لا تعليق. يختلف ASI-1 Mini ، ومع التفكير المستمر متعدد الخطوات ، يمكن أن يخبرك أنني اخترت هذه الإجابة لهذه الأسباب ، خاصة في المجال الطبي ، وهو أمر بالغ الأهمية.
سيحتوي ASI-1 Mini على نافذة سياق تصل إلى 10 ملايين رمز مميز ، ويدعم القدرات متعددة الوسائط (على سبيل المثال ، معالجة الصور والفيديو) ، وستطلق سلسلة من نماذج Cortex في المستقبل ، مع التركيز على المجالات المتطورة مثل الروبوتات والتكنولوجيا الحيوية.
كفاءة الأجهزة
تتطلب LLM الأخرى تكاليف باهظة من المعدات، بينما يمكن تشغيل ASI-1 Mini باستخدام وحدتي GPU فقط. وهذا يعني أن حتى العيادة الصغيرة يمكنها تحمل تكاليفه، دون الحاجة إلى مراكز بيانات تكلف ملايين الدولارات.
لماذا هو فعال جدًا؟ لأن فلسفة تصميم ASI-1 Mini هي "الأقل هو الأكثر". إنه يحقق أقصى استفادة من الموارد الحاسوبية المحدودة من خلال تحسين الخوارزميات وبنية النموذج. بالمقارنة، فإن النماذج اللغوية الكبيرة الأخرى غالبًا ما تسعى إلى زيادة حجم النموذج، مما يؤدي إلى استهلاك كبير للموارد.
مدفوعة بالمجتمع
على عكس نماذج اللغة الكبيرة الأخرى، فإن ASI-1 Mini تم تدريبه بطريقة لامركزية وبمشاركة المجتمع. ASI-1 Mini هو منتج مجاني من نوع freemium موجه لحاملي $FET، حيث يمكن للحاملي ربط محفظة Web3 لفتح جميع الميزات. كلما كان هناك المزيد من رموز FET المحتفظ بها في المحفظة، زادت الإمكانيات لاستكشاف وظائف هذا النموذج.
هذا النموذج المدفوع من قبل المجتمع، يشبه التمويل الجماعي، إلا أنه يستخدم لتدريب والتحقق من الذكاء الاصطناعي، تكنولوجيا عالية، لم تعد مقتصرة على الطبقات النخبوية، بل يمكن للجميع المشاركة.
في الوقت الذي أصبحت فيه LLM ناضجة نسبيًا اليوم، لماذا لا يزال هناك حاجة لإنشاء ASI-1 Mini بشكل منفصل؟ من السهل جدًا فهم ذلك، فهو يسد الفجوة بين Web3 و A I.
تقدم LLM الحالية (مثل ChatGPT، Grok) خدماتها بشكل رئيسي في بيئات مركزية، بينما يُعتبر ASI-1 Mini أول LLM مصمم للإيكولوجيا اللامركزية. إنه لا يجعل الذكاء الاصطناعي أكثر شفافية وكفاءة فحسب، بل يمكّن أيضًا أعضاء المجتمع من الاستفادة مباشرة من نمو الذكاء الاصطناعي.
ظهور ASI-1 Mini يمثل تحول الذكاء الاصطناعي من "الصندوق الأسود" إلى "الشفافية"، ومن "المركزية" إلى "اللامركزية"، ومن "الأداة" إلى "الأصل". يمكنه أن يلعب دورًا ليس فقط في قطاع الرعاية الصحية (مثل QBio) ، ولكن أيضًا في مجالات متعددة مثل المالية والقانون والبحث العلمي.
هذا الشهر، تعاونت Fetch مع Rivalz لدمج ASI-1 Mini في نظام تنسيق البيانات Agentic (ADCS) الخاص بـ Rivalz، مما يتيح الاستنتاج الذكائي على السلسلة. مع هذا التعاون، يمكن للتطبيقات اللامركزية الوصول مباشرة إلى قدرات الاستنتاج الذكائي المتقدمة على البلوكشين.
بيئات blockchain التقليدية مقيدة بالموارد ، ويمكن للعقود الذكية التعامل مع المهام خفيفة الوزن فقط ، وغالبا ما تحصل على بيانات بسيطة (مثل الأسعار) من خلال أوراكل ، ولا يمكنها تشغيل نماذج الذكاء الاصطناعي المعقدة مباشرة. تحل ADCS هذه المشكلة بشكل مثالي ، مع إجراء حسابات معقدة لاستدلال الذكاء الاصطناعي خارج السلسلة ، ويتم إرجاع النتائج بأمان إلى blockchain ، مما يضمن اللامركزية والثقة.