من جمع بيانات العالم الحقيقي إلى تشغيل وكيل الذكاء الاصطناعي الفيزيائي المنشأة من خلال DePIN ، DePAI تسير بثبات نحو المستقبل.
（الصورة الأصلية من ديلان بين، مترجمة بواسطة ديليان بين لشركة تكفلوف التقنية）
"ستحين لحظة ChatGPT في مجال الروبوتات العامة."
—— الرئيس التنفيذي لشركة NVIDIA جنسن هوانغ
في عصر الرقمية، بدأت الأمور بالأجهزة الصلبة وتطورت لاحقًا إلى مجال البرمجيات غير المادية. أما في عصر الذكاء الاصطناعي، فإنه يبدأ من المجال البرمجي ويتقدم الآن نحو العالم الفعلي، وهذا هو آخر حدوده التي لم يغزوها بعد.
(الصورة الأصلية من Dylan Bane، مترجمة بواسطة تيكفلو تكفلو)
في مستقبل يهيمن عليه الروبوتات والطائرات بدون طيار والسيارات ذاتية القيادة والروبوتات البشرية، تعمل هذه الآلات بواسطة وكلاء ذكاء اصطناعي فعالين ذاتيين وتحل محل القوى العاملة التقليدية تدريجيا، حول مسألة "من يمتلك هذه الآلات" أصبحت موضوعًا اجتماعيًا هامًا.
DePAI قدم فرصة لبناء نظام الذكاء الاصطناعي الفيزيائي Web3 قبل السيطرة المركزية للعمالقة.
(الصورة الأصلية من ديلان بان ، تم تجميعها بواسطة TechFlow)
حاليا ، تتطور مجموعة البنية التحتية ل DePAI بوتيرة سريعة.
في المرحلة الحالية، طبقة جمع البيانات هي الجزء الأكثر نشاطًا. هذه الطبقة ليست فقط قادرة على توفير البيانات الحقيقية اللازمة لتدريب وكيل الذكاء الاصطناعي الفيزيائي الذي يعمل على الروبوت، ولكنها يمكن أيضًا أن تساعد في توجيه الروبوت في بيئات معقدة وإكمال المهام من خلال بيانات التدفق الزمني.
（الصورة الأصلية من Dylan Bane، مترجمة بواسطة Deep Tide TechFlow）
ومع ذلك ، لا يزال الوصول إلى بيانات العالم الحقيقي يمثل عنق الزجاجة الرئيسي في تدريب الذكاء الاصطناعي المادي.
على الرغم من أن منصات NVIDIA مثل Omniverse و Cosmos توفر حلاً واعدًا من خلال توفير بيئة محاكاة، إلا أن البيانات المركبة يمكن أن تحل جزءًا من المشكلة فقط. من أجل تحسين التدريب بشكل أفضل، سيكون التحكم عن بعد وبيانات الفيديو الحقيقية أيضًا مصادر لا غنى عنها.
（الصورة الأصلية من Dylan Bane، مترجمة بواسطة تيك فلو تكفلو）
في مجال العمليات عن بعد ، تستفيد @frodobots من DePIN لنشر روبوتات توصيل الأرصفة منخفضة التكلفة في جميع أنحاء العالم. تعمل هذه الروبوتات من خلال التقاط تعقيد عملية صنع القرار البشري في بيئة العالم الحقيقي ، وتوليد مجموعات بيانات عالية القيمة مع معالجة النقص الأولي في رأس المال بشكل فعال.
（الصورة الأصلية من ديلان بين، مترجمة بواسطة تيك فلو تكفلوو）
DePIN (شبكة البنية التحتية اللامركزية الفيزيائية )توفر دعمًا قويًا لنشر سريع لمجموعات البيانات والمستشعرات والروبوتات من خلال تأثير الدوار المدفوع بالرموز الخاص بها.
بالنسبة لشركات الروبوتات التي تتطلع إلى تسريع المبيعات وتقليل النفقات الرأسمالية (CapEx) ونفقات التشغيل (OpEx) ، تقدم DePIN حلا أكثر كفاءة وفعالية من حيث التكلفة من الطرق التقليدية.
（الصورة الأصلية من Dylan Bane، مترجمة بواسطة تيك فلو تكفلو）
DePAI ( الذكاء الاصطناعي الفيزيائي اللامركزي AI) يمكن أيضًا استخدام بيانات الفيديو في العالم الحقيقي لتدريب نظام الذكاء الاصطناعي الفيزيائي وبناء فهم مشترك للمساحة الحقيقية.
على سبيل المثال ، لدى @Hivemapper و @NATIXNetwork مجموعات بيانات فيديو فريدة يمكن أن تكون موردا رائعا لتدريب الذكاء الاصطناعي المادي.
(الصورة الأصلية من ديلان بان ، تم تجميعها بواسطة TechFlow)
وعلى حد تعبير @masonnystrom، "من الصعب تحقيق الدخل من بيانات المستخدمين الفرديين، ولكن عند تجميعها، فإنها تخلق قيمة هائلة". ”
باستخدام شبكة DePIN ، يمكن تجميع بيانات العالم الحقيقي من أجهزة وعقد مختلفة لإنشاء مجموعات بيانات عالية القيمة.
لا يقوم نظام Quicksilver الخاص ب @iotex_io بتجميع هذه البيانات فحسب ، بل يتعامل أيضا مع التحقق من صحة البيانات وحماية الخصوصية ، مما يوفر الأمان لاستخدام البيانات اللامركزية.
（الصورة الأصلية مأخوذة من Dylan Bane وتم ترجمتها بواسطة شركة DeepTech TechFlow）
وبالإضافة إلى ذلك، يستفيد الذكاء الفضائي وبروتوكول الحساب أيضًا من تقنيات DePIN وDePAI لتعزيز التنسيق الفضائي وتطوير التوأم الافتراضي ثلاثي الأبعاد في العالم الحقيقي بشكل لامركزي.
على سبيل المثال، تقنية Posemesh من @AukiNetwork توفر قدرة إدراك الفضاء في الوقت الحقيقي، مما يوفر دعمًا قويًا للذكاء الاصطناعي الفيزيائي مع الحفاظ على الخصوصية واللامركزية.
（الصورة الأصلية من ديلان بين، مترجمة بواسطة تكفلو تيك فلو）
في الوقت الحاضر ، دخل التطبيق الأولي لعوامل الذكاء الاصطناعي المادية إلى الواقع.
على سبيل المثال، @SamIsMoving يستخدم فريق توصيل فرودوبوتس العالمي لتحليل البيانات وتوقع المواقع الجغرافية.
في المستقبل، ستكون وكلاء الذكاء الاصطناعي قادرة على الوصول في الوقت الحقيقي إلى البيانات المقدمة من قبل DePIN، وبالتالي إكمال المهام المعقدة بكفاءة أكبر ودفع تطور الذكاء الاصطناعي الفيزيائي بشكل أكبر.
(الصورة الأصلية من ديلان بان ، تم تجميعها بواسطة TechFlow)
إذا كنت تتطلع إلى المشاركة في تطوير (Physical AI) الذكاء الاصطناعي المادية ، فإن الاستثمار في DAOs ( المنظمات المستقلة اللامركزية ) ربما يكون أحد أكثر الطرق المباشرة للذهاب.
من خلال منصتها ، توفر @xmaquinaDAO للأعضاء إمكانية الوصول إلى الأصول المادية الذكاء الاصطناعي ، بما في ذلك الأصول المادية للآلة (Real World Assets و RWAs) وبروتوكول DePIN ( البنية التحتية المادية اللامركزية ، ) السيبراني ، وشركات الروبوتات ، (IP) الملكية الفكرية. بالإضافة إلى ذلك ، يتم دعم هذه الاستثمارات من قبل فريق البحث والتطوير الداخلي لضمان الريادة التكنولوجية والسوق.
(التقرير الكامل هنا)
شاهد النسخة الأصلية
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.
ميساري: هل سيكون DePAI هو المنفذ السردي التالي؟
المؤلف: ديلان بين
ترجمة: تيك فلو تكفلو
ديباي ( الذكاء الاصطناعي الفيزيائي المتمركز، اختصاراً DePAI)، يوفر بديلاً للمركزية لروبوتات وتكوينات الذكاء الاصطناعي الفيزيائي، متجاوزاً نمط التحكم المركزي التقليدي.
من جمع بيانات العالم الحقيقي إلى تشغيل وكيل الذكاء الاصطناعي الفيزيائي المنشأة من خلال DePIN ، DePAI تسير بثبات نحو المستقبل.
（الصورة الأصلية من ديلان بين، مترجمة بواسطة ديليان بين لشركة تكفلوف التقنية）
"ستحين لحظة ChatGPT في مجال الروبوتات العامة."
—— الرئيس التنفيذي لشركة NVIDIA جنسن هوانغ
في عصر الرقمية، بدأت الأمور بالأجهزة الصلبة وتطورت لاحقًا إلى مجال البرمجيات غير المادية. أما في عصر الذكاء الاصطناعي، فإنه يبدأ من المجال البرمجي ويتقدم الآن نحو العالم الفعلي، وهذا هو آخر حدوده التي لم يغزوها بعد.
(الصورة الأصلية من Dylan Bane، مترجمة بواسطة تيكفلو تكفلو)
في مستقبل يهيمن عليه الروبوتات والطائرات بدون طيار والسيارات ذاتية القيادة والروبوتات البشرية، تعمل هذه الآلات بواسطة وكلاء ذكاء اصطناعي فعالين ذاتيين وتحل محل القوى العاملة التقليدية تدريجيا، حول مسألة "من يمتلك هذه الآلات" أصبحت موضوعًا اجتماعيًا هامًا.
DePAI قدم فرصة لبناء نظام الذكاء الاصطناعي الفيزيائي Web3 قبل السيطرة المركزية للعمالقة.
(الصورة الأصلية من ديلان بان ، تم تجميعها بواسطة TechFlow)
حاليا ، تتطور مجموعة البنية التحتية ل DePAI بوتيرة سريعة.
في المرحلة الحالية، طبقة جمع البيانات هي الجزء الأكثر نشاطًا. هذه الطبقة ليست فقط قادرة على توفير البيانات الحقيقية اللازمة لتدريب وكيل الذكاء الاصطناعي الفيزيائي الذي يعمل على الروبوت، ولكنها يمكن أيضًا أن تساعد في توجيه الروبوت في بيئات معقدة وإكمال المهام من خلال بيانات التدفق الزمني.
（الصورة الأصلية من Dylan Bane، مترجمة بواسطة Deep Tide TechFlow）
ومع ذلك ، لا يزال الوصول إلى بيانات العالم الحقيقي يمثل عنق الزجاجة الرئيسي في تدريب الذكاء الاصطناعي المادي.
على الرغم من أن منصات NVIDIA مثل Omniverse و Cosmos توفر حلاً واعدًا من خلال توفير بيئة محاكاة، إلا أن البيانات المركبة يمكن أن تحل جزءًا من المشكلة فقط. من أجل تحسين التدريب بشكل أفضل، سيكون التحكم عن بعد وبيانات الفيديو الحقيقية أيضًا مصادر لا غنى عنها.
（الصورة الأصلية من Dylan Bane، مترجمة بواسطة تيك فلو تكفلو）
في مجال العمليات عن بعد ، تستفيد @frodobots من DePIN لنشر روبوتات توصيل الأرصفة منخفضة التكلفة في جميع أنحاء العالم. تعمل هذه الروبوتات من خلال التقاط تعقيد عملية صنع القرار البشري في بيئة العالم الحقيقي ، وتوليد مجموعات بيانات عالية القيمة مع معالجة النقص الأولي في رأس المال بشكل فعال.
（الصورة الأصلية من ديلان بين، مترجمة بواسطة تيك فلو تكفلوو）
DePIN (شبكة البنية التحتية اللامركزية الفيزيائية )توفر دعمًا قويًا لنشر سريع لمجموعات البيانات والمستشعرات والروبوتات من خلال تأثير الدوار المدفوع بالرموز الخاص بها.
بالنسبة لشركات الروبوتات التي تتطلع إلى تسريع المبيعات وتقليل النفقات الرأسمالية (CapEx) ونفقات التشغيل (OpEx) ، تقدم DePIN حلا أكثر كفاءة وفعالية من حيث التكلفة من الطرق التقليدية.
（الصورة الأصلية من Dylan Bane، مترجمة بواسطة تيك فلو تكفلو）
DePAI ( الذكاء الاصطناعي الفيزيائي اللامركزي AI) يمكن أيضًا استخدام بيانات الفيديو في العالم الحقيقي لتدريب نظام الذكاء الاصطناعي الفيزيائي وبناء فهم مشترك للمساحة الحقيقية.
على سبيل المثال ، لدى @Hivemapper و @NATIXNetwork مجموعات بيانات فيديو فريدة يمكن أن تكون موردا رائعا لتدريب الذكاء الاصطناعي المادي.
(الصورة الأصلية من ديلان بان ، تم تجميعها بواسطة TechFlow)
وعلى حد تعبير @masonnystrom، "من الصعب تحقيق الدخل من بيانات المستخدمين الفرديين، ولكن عند تجميعها، فإنها تخلق قيمة هائلة". ”
باستخدام شبكة DePIN ، يمكن تجميع بيانات العالم الحقيقي من أجهزة وعقد مختلفة لإنشاء مجموعات بيانات عالية القيمة.
لا يقوم نظام Quicksilver الخاص ب @iotex_io بتجميع هذه البيانات فحسب ، بل يتعامل أيضا مع التحقق من صحة البيانات وحماية الخصوصية ، مما يوفر الأمان لاستخدام البيانات اللامركزية.
（الصورة الأصلية مأخوذة من Dylan Bane وتم ترجمتها بواسطة شركة DeepTech TechFlow）
وبالإضافة إلى ذلك، يستفيد الذكاء الفضائي وبروتوكول الحساب أيضًا من تقنيات DePIN وDePAI لتعزيز التنسيق الفضائي وتطوير التوأم الافتراضي ثلاثي الأبعاد في العالم الحقيقي بشكل لامركزي.
على سبيل المثال، تقنية Posemesh من @AukiNetwork توفر قدرة إدراك الفضاء في الوقت الحقيقي، مما يوفر دعمًا قويًا للذكاء الاصطناعي الفيزيائي مع الحفاظ على الخصوصية واللامركزية.
（الصورة الأصلية من ديلان بين، مترجمة بواسطة تكفلو تيك فلو）
في الوقت الحاضر ، دخل التطبيق الأولي لعوامل الذكاء الاصطناعي المادية إلى الواقع.
على سبيل المثال، @SamIsMoving يستخدم فريق توصيل فرودوبوتس العالمي لتحليل البيانات وتوقع المواقع الجغرافية.
في المستقبل، ستكون وكلاء الذكاء الاصطناعي قادرة على الوصول في الوقت الحقيقي إلى البيانات المقدمة من قبل DePIN، وبالتالي إكمال المهام المعقدة بكفاءة أكبر ودفع تطور الذكاء الاصطناعي الفيزيائي بشكل أكبر.
(الصورة الأصلية من ديلان بان ، تم تجميعها بواسطة TechFlow)
إذا كنت تتطلع إلى المشاركة في تطوير (Physical AI) الذكاء الاصطناعي المادية ، فإن الاستثمار في DAOs ( المنظمات المستقلة اللامركزية ) ربما يكون أحد أكثر الطرق المباشرة للذهاب.
من خلال منصتها ، توفر @xmaquinaDAO للأعضاء إمكانية الوصول إلى الأصول المادية الذكاء الاصطناعي ، بما في ذلك الأصول المادية للآلة (Real World Assets و RWAs) وبروتوكول DePIN ( البنية التحتية المادية اللامركزية ، ) السيبراني ، وشركات الروبوتات ، (IP) الملكية الفكرية. بالإضافة إلى ذلك ، يتم دعم هذه الاستثمارات من قبل فريق البحث والتطوير الداخلي لضمان الريادة التكنولوجية والسوق.
(التقرير الكامل هنا)