التدرج: كيف يمكن للعملات المشفرة تسريع وصول عصر الذكاء الاصطناعي؟

المؤلف: بحث Grayscale

ترجمة: فيلكس، بانيوز

أعلنت Grayscale (اللون الرمادي) أمس عن إطلاق صندوق جديد مخصص للذكاء الاصطناعي اللامركزي بعنوان Grayscale Decentralized AI Fund LLC. تتضمن مشاريع الصندوق الأولية Bittensor (TAO)، FIL (FIL)، Livepeer (LPT)، Near (NEAR) وRender (RNDR)، حيث يعتبر Near وFIL وRender أصول الوزن الأعلى في الصندوق. تأثرت العملات ذات الصلة بشكل كبير بهذا الإعلان. بعد ذلك، قامت Grayscale بنشر مقال يشرح فيه فهمها للذكاء الاصطناعي والذكاء الاصطناعي اللامركزي، موضحة أسباب اهتمامها بهما. يُظهر النص الكامل للمقال فيما يلي.

الذكاء الاصطناعي (AI) هو واحد من أكثر التكنولوجيات الناشئة والمستقبلية الواعدة في هذا القرن ، حيث يمكن أن يزيد بشكل متسارع من إنتاجية الإنسان ويوفر الدافع للاختراقات الطبية. على الرغم من أن الذكاء الاصطناعي قد يكون مهمًا اليوم ، إلا أن تأثيره سيكون أكبر بكثير. وفقًا لتقديرات بوسعيد ، سينمو الذكاء الاصطناعي ليصبح صناعة تبلغ قيمتها 15 تريليون دولار بحلول عام 2030.

ومع ذلك، تواجه هذه التكنولوجيا المشرقة تحديات أيضًا. مع تزايد قوة تقنية الذكاء الاصطناعي، تتركز السلطة في صناعة الذكاء الاصطناعي في أيدي عدد قليل من الشركات، مما قد يشكل خطراً محتملاً على المجتمع. وقد أثار ذلك مخاوف خطيرة في الوسط الخارجي بشأن التزوير العميق، والتحيز المضمن، ومخاطر خصوصية البيانات. ومن المحظوظ أن التشفير يقدم بعض الحلول المحتملة لهذه المشاكل من خلال اللامركزية والشفافية.

سيستكشف هذا المقال مشكلات اللامركزية وكيفية مساعدة الذكاء الاصطناعي في حل بعض من هذه المشكلات. بالإضافة إلى ذلك، سوف يتم مناقشة التقاطع بين Crypto والذكاء الاصطناعي، مع التركيز على التطبيقات المشفرة التي أظهرت علامات على التبكير في هذا المجال.

مشكلة الذكاء الاصطناعي المركزية

يواجه تطور الذكاء الاصطناعي الحالي بعض المخاطر والتحديات. تكون آثار الشبكة للذكاء الاصطناعي والطلب المكثف على رؤوس الأموال ذات أهمية بارزة للغاية، بحيث يجد العديد من مطوري الذكاء الاصطناعي خارج الشركات التكنولوجية الكبيرة، مثل الشركات الصغيرة أو الباحثين الأكاديميين، صعوبة في الحصول على الموارد اللازمة لتطوير الذكاء الاصطناعي أو عدم قدرتهم على تحقيق قيمة عملهم. وهذا يقيد التنافس والابتكار العام للذكاء الاصطناعي.

لذلك، تتمحور قوة تأثير هذه التقنية الحيوية بشكل رئيسي في عدد قليل من الشركات مثل OpenAI و Google، مما يثير شكوكاً شديدة حول حوكمة الذكاء الاصطناعي. على سبيل المثال، في فبراير من هذا العام، تم الكشف عن تحيز عنصري وأخطاء تاريخية في مولد الصور الذي أنشأته Google AI Gemini واشتبه في إجراء تلاعب في النموذج. بالإضافة إلى ذلك، في نوفمبر من العام الماضي، قرر مجلس مكون من ستة أشخاص إقالة الرئيس التنفيذي لـ OpenAI، Sam Altman، مكشوفًا حقيقة أن عدد قليل من الأشخاص يتحكمون في الشركات التي تطور هذه النماذج.

مع تصاعد تأثير وأهمية الذكاء الاصطناعي، يشعر العديد من الناس بالقلق من إمكانية للشركات أن تسيطر على حق اتخاذ القرار بشأن نماذج الذكاء الاصطناعي التي لها تأثير كبير على المجتمع، وربما حتى على حساب مصالح الآخرين، من خلال وضع حواجز وعرقلة التعاون أو تلاعب بالنماذج من أجل مصلحة ذاتية.

اللامركزيةAI如何提供帮助

الذكاء الاصطناعي اللامركزية هو استخدام تقنية سلسلة الكتل لتوزيع ملكية الذكاء الاصطناعي وحكمه بطريقة تزيد من شفافية وإمكانية الوصول. وفقًا لبحوث Grayscale، من الممكن أن يحرر الذكاء الاصطناعي اللامركزية هذه القرارات الهامة من البيئة المغلقة لتكون ملكاً عاماً.

تساعد تقنية سلسلة الكتل على زيادة الوصول إلى الذكاء الاصطناعي من قبل المطورين، وإسقاط حواجز بناء المطورين المستقلين وتحقيق عوائد العمل. وهذا سوف يساعد على رفع الابتكار والمنافسة العامة للذكاء الاصطناعي والحفاظ على التوازن مع النماذج التي تم تطويرها من طرف الشركات التقنية العملاقة.

ويمكن للذكاء الاصطناعي اللامركزي أيضًا أن يساعد في تحقيق ديمقراطية الاستثمار في الذكاء الاصطناعي. حاليًا ، باستثناء بعض الأسهم التقنية ، من النادر الحصول على عوائد متعلقة بتطوير الذكاء الاصطناعي. في الوقت نفسه ، تم تخصيص كميات كبيرة من رأس المال الخاص لشركات البداية في مجال الذكاء الاصطناعي والشركات الخاصة (470 مليار دولار في عام 2022 و 420 مليار دولار في عام 2023). لذلك ، يمكن للمستثمرين المعتمدين والمستثمرين القليلين فقط الحصول على عوائد هذه الشركات. على النقيض من ذلك ، فإن الأصول المشفرة للذكاء الاصطناعي اللامركزي مفتوحة للجميع ويمكن لأي شخص الانضمام إلى مستقبل الذكاء الاصطناعي.

كيف يتطور مجال التقاء الآن؟

لا يزال تقاطع Crypto و الذكاء الاصطناعي في مراحله الأولى من حيث النضج ، لكن استجابة السوق كانت مشجعة. اعتبارا من مايو 2024 ، عادت أصول التشفير بنسبة 20٪ في مساحة الذكاء الاصطناعي ، متفوقة على الغالبية العظمى من مسارات التشفير. بالإضافة إلى ذلك ، وفقا لبيانات Kaito ، مقارنة بالمسارات الأخرى مثل التمويل اللامركزي و Layer2 و Meme و RWA ، يتمتع المسار الذكاء الاصطناعي حاليا بأعلى “حصة ذهنية سردية” (أعلى اهتمام بالسوق) على المنصات الاجتماعية.

مؤخرا، بدأ بعض الشخصيات المعروفة في اعتناق هذا المجال الناشئ، ملتزمين بحل مشاكل الذكاء الاصطناعي المركزي. في مارس من هذا العام، غادر مؤسس شركة الذكاء الاصطناعي Stability AI، إيماد موستاك، الشركة وبدأ بالسعي وراء الذكاء الاصطناعي اللامركزي، حيث صرح “الآن حان الوقت لضمان أن يبقى الذكاء الاصطناعي مفتوحا ولامركزيا”. بالإضافة إلى ذلك، قام مؤسس شركة ShapeShift، إريك فورهيس، مؤخرا بإطلاق Venice.ai، وهي خدمة ذكاء اصطناعي متخصصة في الخصوصية، تتمتع بخاصية التشفير من النهاية إلى النهاية.

الشكل 1: حتى الآن، كان أداء AI Universe تقريبًا أفضل من جميع المنافسين في مضمار الالتشفير

يمكن تقسيم تقاطع العملات المشفرة والذكاء الاصطناعي إلى ثلاث فئات رئيسية:

• الطبقة الأساسية: شبكة توفر منصة لتطوير الذكاء الاصطناعي (مثل NEAR، TAO، FET)
• الموارد المطلوبة للذكاء الاصطناعي: توفير الأصول الحيوية (الحسابات، التخزين، البيانات) اللازمة لتطوير الذكاء الاصطناعي (مثل RNDR، AKT، LPT، FIL، AR، MASA)
• حل مشكلة الذكاء الاصطناعي: الأصول التي تحاول حل مشكلات ذات صلة بالذكاء الاصطناعي، مثل الروبوتات وظهور العمق المزيف والتحقق من النماذج (مثل WLD و TRAC و NUM)

الصورة 2*：AIوCryptoسوق الخريطة*

*مصدر المعلومات: ** Grayscale Investments *. البروتوكول المذكور هو مثال توضيحي

شبكة توفر البنية التحتية لتطوير الذكاء الاصطناعي

الفئة الأولى هي شبكة توفر بنية مفتوحة غير مرخصة مخصصة لتطوير الخدمات الذكاء الاصطناعي بشكل عام. هذه الأصول ليست متخصصة في منتج أو خدمة ذكاء اصطناعي معينة، بل تركز على إنشاء البنية التحتية والتحفيز لتطبيقات الذكاء الاصطناعي المختلفة.

انتقل NEAR إلى هذه الفئة بشكل ملحوظ ، حيث يعد مؤسسه واحدًا من مؤسسي معمارية “Transformer” التي تدعم أنظمة الذكاء الاصطناعي مثل ChatGPT. في مايو من هذا العام ، أعلنت NEAR تركيزها على إنشاء نظام بيئي للذكاء الاصطناعي المملوك للمستخدم ، ملتزمة بتحسين خصوصية وسيادة المستخدم. في نهاية يونيو ، بدأ NEAR برنامج حاضنة الذكاء الاصطناعي الخاص به لتطوير منصة بيانات النموذج الأساسي الأصلي لـ NEAR ، وتطبيقات الذكاء الاصطناعي ، وإطار وكيل الذكاء الاصطناعي ، وسوق الحسابات.

Bittensor هي منصة تشجع اقتصاديًا تطوير الذكاء الاصطناعي باستخدام عملة TAO. كمنصة أساسية لـ 38 شبكة فرعية (subnets) ، لكل شبكة فرعية حالات استخدام مختلفة مثل الروبوتات الدردشة وإنشاء الصور والتوقعات المالية والترجمة اللغوية وتدريب النماذج والتخزين والحسابات. تكافئ شبكة Bittensor المعدن والمدقق المتميزين في كل شبكة فرعية بواسطة عملة TAO، وتوفر واجهة برمجة التطبيق غير المرخصة للمطورين لبناء تطبيقات الذكاء الاصطناعي المحددة عن طريق الاستعلام عن المعدن في شبكة Bittensor.

هذا الفئة تشمل أيضًا بروتوكولات أخرى مثل Fetch.ai وشبكة Allora. Fetch.ai هي منصة لتطوير مساعدي الذكاء الاصطناعي المعقدة (أي “وكيل AI”) من قبل المطورين، وقد اندمجت مؤخرًا مع AGIX و OCEAN، وتبلغ القيمة السوقية الإجمالية حوالي 75 مليار دولار. والآخر هو شبكة Allora، وهي منصة تركز على تطبيق الذكاء الاصطناعي في التطبيقات المالية، بما في ذلك استراتيجيات التداول التلقائي لصرف العملات اللامركزية والسوق التنبؤية. ولم تصدر Allora عملة بعد، وقد أجرت جولة تمويل استراتيجية في شهر يونيو بإجمالي تمويل خاص يبلغ 35 مليون دولار.

موارد التطوير اللازمة للذكاء الاصطناعي

الفئة الثانية تشمل الأصول التي توفر الموارد اللازمة لتطوير الذكاء الاصطناعي في شكل حوسبة أو تخزين أو بيانات.

ظهور الذكاء الاصطناعي أدى إلى زيادة الطلب على موارد الحساب الرسومي المقدمة عبر GPU. يوفر سوق GPU اللامركزية مثل Render (RNDR) و Akash (AKT) و Livepeer (LPT) إمدادات GPU الخاملة لمطوري الذكاء الاصطناعي الذين يعملون على تدريب النماذج أو الاستدلال أو إنتاج الرسومات ثلاثية الأبعاد. وفقًا لتقديرات ، يوفر Render حوالي 10 آلاف من GPU بالتركيز على الفنانين والذكاء الاصطناعي الإبداعي ؛ بينما يوفر Akash 400 من GPU بالتركيز على مطوري الذكاء الاصطناعي والباحثين. في الوقت نفسه ، أعلن Livepeer مؤخرًا عن خطة شبكة فرعية جديدة للذكاء الاصطناعي تستهدف توفير مهام استدلال الذكاء الاصطناعي مثل تحويل النص إلى صورة وتحويل النص إلى فيديو وتحويل الصورة إلى فيديو حتى عام 2024 أغسطس.

بالإضافة إلى الحاجة إلى موارد حسابية كبيرة، تحتاج نماذج الذكاء الاصطناعي أيضًا إلى كميات كبيرة من البيانات. لذلك، زاد الطلب على تخزين البيانات بشكل كبير. يمكن أن تكون حلول تخزين البيانات مثل FIL (FIL) وArweave (AR) بديلة غير مركزية وآمنة للشبكة، مما يسمح بتخزين بيانات الذكاء الاصطناعي في خوادم AWS المركزية. توفر هذه الحلول ليس فقط تخزين فعال من حيث التكلفة وقابل للتوسيع، ولكنها أيضًا تعزز أمان البيانات وسلامتها من خلال القضاء على نقاط الفشل الفردية وإسقاط مخاطر تسرب البيانات.

في النهاية ، يمكن الوصول إلى البيانات الحية باستخدام خدمات الذكاء الاصطناعي الموجودة مثل OpenAI و Gemini من خلال بحث Bing و Google على التوالي. هذا يضع جميع مطوري نماذج الذكاء الاصطناعي الآخرين في موقف غير مواتٍ باستثناء الشركات التكنولوجية. ومع ذلك ، يمكن أن تساعد خدمات جلب البيانات مثل Grass و Masa في خلق بيئة منافسة عادلة ، حيث يمكن للأفراد الربح من خلال توفير بيانات التطبيق لتدريب نماذج الذكاء الاصطناعي ، مع الحفاظ في الوقت نفسه على التحكم والخصوصية في البيانات الشخصية.

محاولة حل مشكلة AI ذات الصلة بالأصول

الفئة الثالثة تتضمن الأصول التي تحاول حل مشكلات الذكاء الاصطناعي، بما في ذلك الروبوتات وتزوير العمق وظهور مصادر المحتوى.

مشكلة أخرى ملحوظة مع الذكاء الاصطناعي هي انتشار الروبوتات والمعلومات المضللة. لقد كان للتزوير الناتج عن الذكاء الاصطناعي بالفعل تأثير على الانتخابات الرئاسية في الهند وأوروبا ، والخبراء “خائفون للغاية” من السباق الرئاسي القادم في الولايات المتحدة ، مع وجود كميات هائلة من “المعلومات المضللة” مدفوعة بشدة بالتزوير. تشمل مواد العرض المصممة للمساعدة في معالجة المشكلات المتعلقة بالتزييف من خلال إنشاء مصادر محتوى يمكن التحقق منها Origin Trail (TRAC) وبروتوكول الأرقام (NUM) وبروتوكول القصة. بالإضافة إلى ذلك ، تحاول Worldcoin (WLD) حل مشكلة الروبوت عن طريق التحقق باستخدام معرف بيومتري فريد.

واحدة من المخاطر الأخرى للذكاء الاصطناعي هي ضمان الثقة في النموذج نفسه. كيف يمكن أن نثق في نتائج الذكاء الاصطناعي التي نتلقاها دون تلاعب أو تلاعب؟ حاليًا ، هناك بروتوكولات عدة تساعد في حل هذه المشكلة من خلال التشفير ودليل بدون معرفة والتشفير المتماثل الكامل (FHE) ، مثل شركة Modulus Labs و Zama.

الاستنتاج

في حين أن هذه الأصول الذكاء الاصطناعي اللامركزية قد أسفرت بالفعل عن نتائج أولية ، إلا أنها لا تزال في مراحلها المبكرة. في وقت سابق من هذا العام ، قال الرأسمالي المغامر فريد ويلسون إن الذكاء الاصطناعي و Crypto هما “وجهان لعملة واحدة” وأن “Web3 سيساعدنا على الثقة الذكاء الاصطناعي”. مع استمرار نضج صناعة الذكاء الاصطناعي ، تعتقد Grayscale Research أن حالات الاستخدام المتعلقة الذكاء الاصطناعي هذه ستصبح ذات أهمية متزايدة ، وأن هاتين التقنيتين السريعتي التطور لديهما القدرة على استكمال بعضهما البعض.

هناك العديد من الإشارات التي تشير إلى قدوم عصر الذكاء الاصطناعي والتأثيرات العميقة التي ستحدث، سواء كانت إيجابية أو سلبية. يعتقد أن العملات المشفرة يمكن أن تساعد في تخفيف بعض المخاطر التي تنطوي عليها الذكاء الاصطناعي من خلال استغلال خصائص تكنولوجيا سلسلة الكتل.

قراءة ذات صلة: لماذا تراهن شركات رأس المال الاستثماري بشكل كبير على Crypto x AI