تقارب Blockchain و AI: طلب طبيعي

** على المدى الطويل ، يعد طلب الذكاء الاصطناعي على blockchain طلبًا طبيعيًا لتحقيق الذات. بالطبع ، هناك طريق طويل لنقطعه **

** 1. تعد Blockchain أيضًا واحدة من أهم الاتجاهات **

منذ بداية هذا العام ، أصبح الذكاء الاصطناعي أكثر شهرة من blockchain. ومع ذلك ، لا يحتاج عالم التشفير إلى الإحباط.كيف نفهم الفرص المستقبلية لـ blockchain؟ دعني أتحدث عن أفكاري أولاً:

• تعد Blockchain واحدة من أهم الاتجاهات في تاريخ البشرية ، كما أن التطور من إنترنت معلومات web2 إلى قيمة web3 للإنترنت هو أيضًا حاجة لتحسين الإنتاجية. فقط فترة قصيرة من عشر سنوات ، لا تزال هناك عقود من التطور. تأثيرها الأساسي هو حاليًا ثاني أكبر تقنية بعد الذكاء الاصطناعي.
• ** يجب دمج الذكاء الاصطناعي والبلوك تشين ، على الرغم من أن التقدم لن يكون سريعًا. **

اسمحوا لي أن أتحدث بإيجاز عن النقطة الثانية اليوم: احتياجات التكامل بين الذكاء الاصطناعي والبلوك تشين.

** ثانيًا ، حيث يمكن أن تساعد blockchain الذكاء الاصطناعي **

** احسب **

يعلم الجميع أن الذكاء الاصطناعي لديه طلب كبير على قوة الحوسبة. هناك طلب على كيفية استخدام قوة الحوسبة الخاملة لقوة حوسبة الذكاء الاصطناعي. ومع ذلك ، في الوقت الحالي ، نظرًا لأن تدريب نماذج الذكاء الاصطناعي أمر مكثف من الناحية الحسابية ، فهو مكلف للغاية. فيما يتعلق بحوسبة الذكاء الاصطناعي العامة ، لا توجد أماكن كثيرة يمكن أن تساعد فيها blockchain.

من بينها ، هناك ثلاث نقاط رئيسية تم انتقادها: ** أولاً ، مطلوب دعم أجهزة GPU المخصصة ؛ ثانيًا ، تأخير تبادل البيانات ؛ ثالثًا ، إثبات مهام الحوسبة اللامركزية. **

• كما هو مذكور أعلاه ، يعد تدريب الذكاء الاصطناعي عملية حسابية مكثفة على نطاق واسع. يحتوي تدريب LLM على مليارات من المعلمات ، و FLOPs لتدريب هذه النماذج أكبر. إلخ) لأداء هذه التدريبات لتحقيق نتائج أفضل ؛ بالإضافة إلى ذلك ، من أجل تحقيق أفضل النتائج ، يُفضل أن تكون جميع وحدات معالجة الرسومات حوسبة متشابهة ، ومن المرجح أن تقوم وحدات معالجة الرسومات من نفس المستوى بتبادل البيانات ومتابعة الحوسبة خطوة بخطوة. في الشبكة اللامركزية ، هناك متطلبات لوحدة معالجة الرسومات الخاصة بالمشارك. ومع ذلك ، فكلما زادت المتطلبات ، ارتفعت العتبة ، وهو ما لا يفضي إلى اللامركزية واستخدام قوة الحوسبة الخاملة.
• تحتاج وحدات معالجة الرسومات AI إلى تبادل البيانات باستمرار. إذا كان هناك تأخير في الشبكة ، فليس من الجيد أن يستخدم الذكاء الاصطناعي قوة الحوسبة الموزعة للتدريب.
• كيفية التحقق من إنجاز مهام الحوسبة اللامركزية يتطلب حلاً فعالاً ومنخفض التكلفة نسبيًا.

** ما سبق ذكره هو الصعوبات في الجمع بين الحوسبة اللامركزية والذكاء الاصطناعي في الوقت الحالي ، وهو أيضًا المكان الذي يكون فيه الجمع بين الذكاء الاصطناعي والبلوك تشين صعبًا نسبيًا. ** ومع ذلك ، من منظور Blue Fox Notes ، مع استكشاف المزيد من المشاركين ، سيتم إزالة العقبات في هذا الجانب خطوة بخطوة ، وبالطبع سيستغرق تحقيق ذلك وقتًا طويلاً.

لنتحدث عن الجوانب التي يمكن حلها تدريجيًا. من منظور الذكاء الاصطناعي العام ، لا يزال من الصعب إدخال مجال التشفير. بعد ذلك ، يمكنك البدء من مجال الذكاء الاصطناعي في مجالات خاصة. وترتبط نقطة الدخول هذه ارتباطًا وثيقًا بمهام الحوسبة الحالية للذكاء الاصطناعي. ** هناك مكانان: أولاً ، تشغل مهام التفكير غالبية احتياجات حوسبة الذكاء الاصطناعي الحالية ؛ وثانيًا ، تتطلب بعض مهام الضبط والاستدلال موارد أقل ، وهناك فرص لتحقيقها من خلال الحوسبة اللامركزية. هاتان النقطتان تعنيان الفرص المحتملة المحتملة لقوة الحوسبة اللامركزية. **

قد يكون الذكاء الاصطناعي في مجالات محددة ، مثل القانون والطب والاستثمار والتعليم وتحليل البيانات والمجالات المهنية الأخرى ، أكثر ملاءمة لهذا النوع من شبكات الحوسبة الموزعة التي تركز على مجالات محددة في المرحلة المبكرة. كما ذكرنا سابقًا ، فإن صعوبة توفير خدمات الطاقة الحاسوبية اللامركزية للذكاء الاصطناعي لا تتمثل في إكمال مهام الحوسبة ، ولكن في كيفية التحقق من إكمال المهام بطريقة لامركزية. تحاول بعض المشاريع حاليًا حل هذه المشكلة ، مثل Gensyn و معًا وما إلى ذلك.

يدمج Gensyn بعض نتائج البحث الأكاديمي ، مثل براهين التعلم الاحتمالي ، وبروتوكولات تحديد المواقع الدقيقة القائمة على الرسم البياني ، كما يعتمد أيضًا على نموذج الحوافز والفحص والتوازن لمشروع Truebit. يقسم Gensyn العملية برمتها إلى ثماني مراحل ، من تقديم مهمة الذكاء الاصطناعي ، والتحليل ، والتدريب ، وإنشاء الأدلة إلى إثبات التحقق ، والتحدي ، والتحكيم ، والتسوية. من بينها ، يتم استخدام "إثبات التعلم الاحتمالي" لبناء عتبة مسافة أساسية لتوفير أساس للتحقق من المحققين ؛ تُستخدم تقنية "تحديد الموقع الدقيق المستند إلى الرسوم" للإشراف على تنفيذ التحقق من أدوات التحقق ؛ يتيح نموذج لعبة Truebit للأطراف ذات الصلة اتخاذ العقلانية كدليل. للعملية المحددة ، يرجى الرجوع إلى الورقة البيضاء الخاصة بـ Gensyn. بالمناسبة ، فإن مشاريع الحوسبة خارج السلسلة مثل Truebit لديها أيضًا فرصة للتطور في هذا الاتجاه ، وربما اكتساب المزيد من فرص العمل. بالطبع ، هذا يتطلب فرقًا لتقييم الفرص المتاحة لهم.

مقارنة بصعوبة تنفيذ حوسبة الشبكة اللامركزية ، تعد مشاركة نموذج الذكاء الاصطناعي ومشاركة بيانات الذكاء الاصطناعي من المجالات التي لديها فرصة للتنفيذ بشكل أسرع. ** قد يكون الجانبان التاليان هو المكان الذي يكون فيه الجمع بين الذكاء الاصطناعي و blockchain أسهل لتحقيق اختراقات في المرحلة المبكرة: مشاركة النموذج اللامركزي والمشاركة اللامركزية للبيانات. **

نموذج

تشجيع مشاركة النماذج من خلال حوافز رمزية لتحقيق نماذج أفضل. حتى ، يمكن نشر هذه النماذج على السلسلة وتدريبها من قبل أي مشارك لتعزيز تطوير النموذج. بالإضافة إلى ذلك ، ** مع زيادة تعقيد نماذج الذكاء الاصطناعي ، تصبح الثقة في التفكير أمرًا بالغ الأهمية. هذا هو المكان الذي يمكن أن يلعب فيه المنطق الموثوق على السلسلة. **

في مجال ضبط النماذج والتفكير المنطقي ، تخضع كل من الجيزة ، و ChainML ، و Bittensor ، و Modulus Lab ، وما إلى ذلك ، للاستكشاف. ما أطلقته الجيزة هو سوق نموذج على السلسلة ، حيث يتم نشر نماذج بسيطة على السلسلة ويتم عمل استنتاجات على السلسلة.يمكن لمالكي النماذج الحصول على دخل الرسوم ذي الصلة بعد استخدام النموذج.

اقترح المعامل مفهوم zkML. فهو يعتقد أنه نظرًا لقضايا التكلفة ، من غير الواقعي تشغيل نموذج التفكير على السلسلة. لذلك ، فإن حله هو تشغيل نموذج التفكير خارج السلسلة ، ثم إنشاء أدلة zkSNARK ، وإثباتها على السلسلة ، وتمرير ذكي العقد يؤدي وظيفته.

بيانات

يتم استخدام اقتصاد الرمز المميز لتحفيز المستخدمين على تقديم ملاحظات حول النموذج ولتشجيع المستخدمين على جمع بيانات عالية الجودة. يعد الحصول على بيانات عالية الجودة من خلال توفير البيانات الموزعة ، خاصة في مجالات محددة ، ذا أهمية كبيرة لتطوير الذكاء الاصطناعي. في الوقت نفسه ، يمكن أيضًا دمج هذا مع تقنية ZK ، دون الكشف عن الخصوصية وراء البيانات. تكمن الصعوبة هنا في كيفية إثبات جودة البيانات نفسها. **

سيكون الجمع بين البيانات عالية الجودة ونماذج الذكاء الاصطناعي اللامركزية أمرًا مثيرًا للاهتمام للغاية لتطوير الذكاء الاصطناعي.

** مكافحة التزييف **

بعد ظهور نموذج التعلم العميق الحالي ، أصبحت الصور والصوت والفيديو وما إلى ذلك التي تم إنشاؤها بواسطة الذكاء الاصطناعي أكثر صعوبة للتمييز بين الصواب والخطأ. ** في عصر إنشاء الذكاء الاصطناعي ، أصبحت أصالة المحتوى وحمايته من التلاعب أكثر أهمية. ** تعتبر تقنية البلوك تشين وسيلة تقنية مهمة لحل هذه المشكلة.

تضمن هوية البيانات المشفرة والتوقيعات صحة إنشاء المحتوى وليس التزوير. هذه المشكلة خطيرة بشكل خاص بعد إساءة استخدام أدوات الذكاء الاصطناعي. هذه وسيلة تقنية مهمة لمكافحة المحتوى المزيف. في عصر التقنيات الخاطئة ، هناك حاجة إلى تقنية التشفير للتمييز بين الحقيقي والباطل.

بالإضافة إلى ذلك ، من الضروري أيضًا استخدام تقنية blockchain لتأكيد الحقوق. على سبيل المثال ، بالنسبة للرسم نفسه ، يصعب تمييز الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي وصور NFT عن السطح ، وهناك حاجة إلى blockchain لتلعب دورها في هذا الوقت.

** ذكاء اصطناعي أكثر مرونة **

من خلال الدمج مع blockchain ، يمكن للذكاء الاصطناعي الحصول على الدعم في الحوسبة والنماذج والبيانات وعرض النطاق الترددي والتخزين وما إلى ذلك ، وأخيراً الحصول على دعم البنية التحتية اللامركزية ، وهو أكثر تطورًا ذاتيًا. ** بالإضافة إلى ذلك ، يمكن للمدفوعات المشفرة وتداول القيمة في مجال blockchain أن توفر أيضًا دعمًا لتطور الذكاء الاصطناعي.

** بعد نضوج البنية التحتية الكاملة لتقنية blockchain ، سيكتسب الذكاء الاصطناعي المزيد من إمكانيات التطور الذاتي. ** بعبارة أخرى ، يعد الذكاء الاصطناعي اللامركزي أيضًا شرطًا لتحقيق الذكاء الاصطناعي الذاتي ، واستخدام الخصائص الموزعة للبلوك تشين لتطوير الذكاء الاصطناعي هو أيضًا مطلب لتطوير الذكاء الاصطناعي.

بالنسبة للذكاء الاصطناعي نفسه ، إذا احتكره عمالقة فقط مثل Microsoft و Google في النهاية ، فسيكون ذلك أيضًا ضارًا بتطوره. يحتاج الذكاء الاصطناعي بشكل طبيعي إلى التنمية اللامركزية ، وهي الحاجة إلى الذكاء الاصطناعي لتحقيق المزيد من المرونة. قد تكون القوة التي يمكن أن تندلع بواسطة AI + blockchain أبعد من خيال الناس.

** ثالثًا ، حيث يمكن للذكاء الاصطناعي تعزيز blockchain **

** الذكاء الاصطناعي ودمج البيانات على السلسلة **

استخدم الذكاء الاصطناعي لتحليل البيانات الديناميكية على السلسلة للحصول على قدرات تنبؤية ، مثل أبحاث الاستثمار. أحد أكثر الجوانب إثارة هو أن ** من خلال تضمين الذكاء الاصطناعي ، يمكن للعقود الذكية تحقيق عملية صنع القرار المستقل الديناميكي. ** على سبيل المثال ، يتم ضبط defi بناءً على بيانات الوقت الفعلي ، وما إلى ذلك. سيسمح العقد الذكي الديناميكي بدلاً من الثابت لـ blockchain بإنشاء المزيد من سيناريوهات التطبيق واحتياجات المستخدم.

** يمكن أن يوفر تطوير الذكاء الاصطناعي إمكانيات جديدة لتطبيقات التشفير. **

يوفر الذكاء الاصطناعي إمكانيات جديدة لـ DeFi وألعاب web3 و web3 social وتطبيقات web3 (النقل والإقامة والسياحة وما إلى ذلك). على سبيل المثال ، مثل ألعاب AI + web3 ، من الممكن أن تلد وضعًا غير مسبوق للعبة ؛ مثل الدفع المشفر AI + IoT + ، من الممكن أن تلد شبكة أكثر ذكاءً.

** أهمية ZKP **

لضمان الخصوصية وإكمال مهام الحوسبة ، يجب إضافة ZKP لتشكيل إثبات عمل يمكن التحقق منه. ** بعد نضوج ZKP ، يمكنه تحقيق الذكاء الاصطناعي على السلسلة ، ويمكنه أيضًا توفير حماية الخصوصية والتعلم الآلي القابل للتحقق. **

بشكل عام ، يمكن أن توفر blockchain إطارًا تعاونيًا لقوة الحوسبة والبيانات واتفاقيات النموذج من خلال نموذج لامركزي ، وفي النهاية تعزيز تطوير الذكاء الاصطناعي. في هذه العملية ، هناك العديد من التفاصيل التي تحتاج إلى تحسين ، مثل الحاجة لإثبات مساهمة المشاركين (سواء كانت قوة حوسبة أو بيانات أو نماذج) ، فقط عندما يتم الانتهاء منها بتكلفة منخفضة ، يمكن أن تتاح لـ blockchain الفرصة لمساعدة الذكاء الاصطناعي ، وإلا فهي قلعة في الهواء.

** بالطبع ، من وجهة نظر الاتجاه ، فإن الذكاء الاصطناعي لديه طلب طبيعي على blockchain ، ويحتاج الذكاء الاصطناعي إلى blockchain لتوفير مرونة حقيقية لتطويره. **

في الوقت نفسه ، سيساعد الذكاء الاصطناعي أيضًا في تطوير تطبيقات blockchain ، سواء كانت DeFi أو ألعابًا أو تطبيقات أخرى ، فقد تولد تطبيقات تشفير أكثر ذكاءً. قد يكون هذا سردًا كبيرًا في المستقبل ، وحتى إذا لم ينضج في الدورة التالية ، فقد تكون هناك فرص من هذا القبيل في الدورة التالية.

ما ذكر أعلاه هو جزء فقط ، وليس كاملًا ، وسيزداد أو ينقص مع تغير الوقت ، ونرحب بترك رسالة لإضافتها.