ملخّص الذكاء الاصطناعي
عرض المزيد
استخلص فحوى محتوى المقال بسرعة، مستشعرًا معنويات السوق في غضون 30 ثانية فقط!
المؤلف الضيف: لاو باي
أكثر من عام منذ إصدار ChatGPT، عادت المناقشات حول الذكاء الاصطناعي+التشفير إلى الساحة مرة أخرى في السوق. يعتبر الذكاء الاصطناعي واحداً من أهم المسارات في السوق الصاعدة لعام 2024–2025، وقد نشر فيتاليك بوتيرين نفسه مقالاً بعنوان الوعد والتحديات لتطبيقات التشفير + الذكاء الاصطناعي، مستكشفاً الاتجاهات المحتملة لاستكشاف الذكاء الاصطناعي+التشفير في المستقبل.
لن يقوم هذا المقال بإصدار أحكام ذاتية كثيرة، بل سيكتفي بتلخيص مشاريع التوظيف التي تجمع بين الذكاء الاصطناعي والتشفير لوحظت خلال العام الماضي من منظور السوق الأولية. سيبحث في الزوايا التي من خلالها دخل رواد الأعمال إلى السوق، والإنجازات التي تحققت حتى الآن، والمجالات التي لا تزال قيد الاستكشاف.
على مدار عام 2023، تحدثنا مع عشرات المشاريع الخاصة بالذكاء الاصطناعي+التشفير، والتي يمكن ملاحظة دورات متمايزة من بينها.
قبل إصدار ChatGPT في نهاية عام 2022، كانت هناك قلة من مشاريع البلوكشين المتعلقة بالذكاء الاصطناعي في السوق الثانوية. الأسماء الرئيسية التي تتبادر إلى الذهن هي Fetch.AI (FET)، SingularityNET (AGIX) وعدد قليل من المشاريع القديمة الأخرى. وبالمثل، لم تكن هناك العديد من المشاريع المتعلقة بالذكاء الاصطناعي متوفرة في السوق الأولية.
يمكن اعتبار الفترة من يناير إلى مايو من عام 2023 كأول فترة انتشار مركزة لمشاريع الذكاء الاصطناعي. بعد كل شيء، كان تأثير ChatGPT كبيراً. الكثير من المشاريع القديمة في السوق الثانوية انتقلت إلى اتجاه الذكاء الاصطناعي، وكان يتم مناقشة مشاريع الذكاء الاصطناعي + العملات المشفرة تقريباً كل أسبوع في السوق الأولية. وبالمثل، خلال هذه الفترة، بدت مشاريع الذكاء الاصطناعي بسيطة نسبياً. كان العديد منها يعتمد على تكييف "سطحي" مع ChatGPT، مقترناً بتعديلات على البلوكشين، بدون أي حواجز تكنولوجية أساسية تقريباً. غالباً ما كان بإمكان فريق التطوير الداخلي لدينا تكرار هيكل مشروع خلال يوم أو يومين فقط. هذا أدى أيضاً إلى العديد من الاجتماعات مع مشاريع الذكاء الاصطناعي خلال هذه الفترة، ولكن في النهاية، لم يتم اتخاذ أي إجراء.
من مايو إلى أكتوبر، بدأ السوق الثانوية في الانخفاض. من المثير للاهتمام، خلال هذا الوقت، انخفض بشكل كبير عدد مشاريع الذكاء الاصطناعي في السوق الأولية أيضاً. لم يبدأ العدد في الزيادة مرة أخرى إلا في الشهر أو الشهرين الأخيرين، وأصبحت المناقشات والمقالات حول الذكاء الاصطناعي + العملات المشفرة أكثر غنى. لقد دخلنا مرة أخرى في فترة يمكننا فيها مواجهة مشاريع الذكاء الاصطناعي كل أسبوع. بعد نصف عام، كان من الواضح أن دفعة جديدة من مشاريع الذكاء الاصطناعي قد ظهرت بفهم أفضل لمسار الذكاء الاصطناعي، وهبوط السيناريوهات التجارية وتحسين تكامل الذكاء الاصطناعي+التشفير مقارنة بالموجة الأولى من الضجيج حول الذكاء الاصطناعي.
على الرغم من أن الحواجز التكنولوجية لا تزال غير قوية، إلا أن مستوى النضج العام قد خطا خطوة إلى الأمام. في عام 2024 فقط، قمنا أخيرًا بأول رهان لنا على مسار الذكاء الاصطناعي+التشفير.
في مقاله حول "الوعود والتحديات"، يقدم فيتاليك بوتيرين توقعات من عدة أبعاد ووجهات نظر مجردة نسبياً، كما يلي:
الذكاء الاصطناعي كلاعب في اللعبة
الذكاء الاصطناعي كواجهة للعبة
الذكاء الاصطناعي كقواعد للعبة
الذكاء الاصطناعي كهدف للعبة
من ناحية أخرى، سنلخص المشاريع الحالية في السوق الأولية للذكاء الاصطناعي من منظور أكثر تحديداً ومباشرة.
تتمحور معظم مشاريع الذكاء الاصطناعي+التشفير حول جوهر التشفير، الذي نعرفه بأنه "اللامركزية التكنولوجية (أو السياسية) + تحقيق الأصول التجارية".
فيما يتعلق باللامركزية، ليس هناك الكثير ليقال، لأنه كله يتعلق بـ الويب3. لذلك، يمكننا تقسيم فئات التغطية المالية بشكل تقريبي إلى ثلاث مسارات رئيسية:
التغطية المالية لقدرة الحوسبة
التغطية المالية للنماذج
التغطية المالية للبيانات
هذا مسار مزدحم نسبيًا، إذ أنه بالإضافة إلى المشاريع الجديدة المختلفة، هناك أيضًا العديد من المشاريع القديمة التي تتحول. على سبيل المثال، على جانب كوسموس توجد شبكة أكاش، وعلى جانب سولانا هناك نوسانا. بعد التحول، شهدت الرموز زيادة جنونية، مما يعكس بشكل غير مباشر تفاؤل السوق تجاه مسار الذكاء الاصطناعي. على الرغم من أن رندر (RNDR) تركز بشكل رئيسي على التصيير اللامركزي، إلا أنها يمكن أن تخدم أغراض الذكاء الاصطناعي أيضًا. لذلك، تتضمن العديد من التصنيفات مشاريع تتعلق بقوة الحوسبة الشبيهة بـ RNDR في مسار الذكاء الاصطناعي.
يمكن تقسيم تحضير أصول قوة الحوسبة بشكل أكبر إلى اتجاهين، بناءً على استخدام قوة الحوسبة. يمثل أحدها جينسن، التي هي "قوة حوسبة لامركزية تُستخدم لتدريب الذكاء الاصطناعي". ويمثل الآخر معظم المحاور والمشاريع الجديدة، أو "قوة حوسبة لامركزية تُستخدم لاستنباط الذكاء الاصطناعي" (قدرة نماذج التعلم الآلي على بناء قرارات أو توقعات بناءً على البيانات أو النماذج المتعلمة سابقًا).
في هذا المسار، يمكننا ملاحظة ظاهرة مثيرة للاهتمام، أو ربما سلسلة من الاحتقار:
الذكاء الاصطناعي التقليدي → الاستنباط اللامركزي → التدريب اللامركزي
يميل أولئك الذين لديهم خلفية في الذكاء الاصطناعي التقليدي إلى النظر باحتقار إلى التدريب أو الاستنباط اللامركزي.
يميل أولئك الذين يركزون على الاستنباط اللامركزي إلى عدم الموافقة على التدريب اللامركزي.
السبب الرئيسي يكمن في الجانب التقني — لأن تدريب الذكاء الاصطناعي (خاصة للذكاء الاصطناعي النموذجي الكبير) يتطلب كميات هائلة من البيانات. ما هو مبالغ فيه أكثر من متطلبات البيانات هو الطلب على النطاق الترددي الذي تشكله الاتصالات عالية السرعة لهذه البيانات. في البيئة الحالية لنماذج المحولات الكبيرة، يتطلب التدريب مصفوفة حسابية تتكون من عدد كبير من بطاقات الرسوميات المتقدمة مثل سلسلة 4090/بطاقات AI المهنية H100 مع قنوات تواصل بمستوى جيجابت المئة تشكلت بواسطة NVLink ومفاتيح الألياف الاحترافية. هل يمكنك أن تتخيل لامركزية هذا الأمر؟ همم ...
الطلب على قوة الحوسبة وعرض النطاق الترددي في استدلال الذكاء الاصطناعي أقل بكثير منه في تدريب الذكاء الاصطناعي. بشكل طبيعي، فإن إمكانية التنفيذ اللامركزي أكبر بكثير للاستدلال منها للتدريب. لهذا السبب تركز معظم المشاريع المتعلقة بقوة الحوسبة على الاستدلال، بينما يترك التدريب في المقام الأول للاعبين الكبار مثل Gensyn و Together AI، الذين جمعوا مئات الملايين من التمويل. ومع ذلك، من وجهات نظر الجدوى من حيث التكلفة والموثوقية، على الأقل في هذه المرحلة، فإن قوة الحوسبة المركزية للاستدلال لا تزال تتفوق بكثير على الخيارات اللامركزية.
هذا يفسر لماذا أولئك المهتمون بالاستدلال اللامركزي ينظرون إلى التدريب اللامركزي ويقولون "لا يمكنك تحقيق ذلك على الإطلاق"، بينما يعتبر الذكاء الاصطناعي التقليدي التدريب والاستدلال اللامركزيين "غير واقعي من حيث تكنولوجيا التدريب" و"غير موثوق به من حيث الاستدلال تجارياً".
يقول البعض إنه عندما ظهر BTC/ETH لأول مرة، بدا أن نموذج وجود عقد موزعة تحسب كل شيء غير منطقي نسبيًا (بالمقارنة مع الحوسبة السحابية). لكن في النهاية، ألم ينجح؟ حسنًا، ذلك يعتمد على متطلبات الدقة، والثبات، والتكرار وأبعاد أخرى لتدريب واستدلال الذكاء الاصطناعي في المستقبل. ببساطة من حيث الأداء، والموثوقية والسعر، فإنه من المستحيل حاليًا تجاوز الحلول المركزية.
هذا أيضًا مسار مزدحم للمشاريع، ويعتبر نسبيًا أسهل في الفهم بالمقارنة مع تحويل الأصول الحاسوبية لأن أحد أشهر التطبيقات بعد انتشار ChatGPT هو Character.AI. معه، يمكنك طلب الحكمة من الفلاسفة القدماء مثل سقراط وكونفوشيوس، والانخراط في محادثات عادية مع مشاهير مثل إيلون ماسك وسام ألتمان، أو حتى الاستمتاع بأحاديث رومانسية مع أيدولز افتراضية مثل هاتسون ميكو ورايدن شوغون. كل هذا يعرض سحر النماذج اللغوية الكبيرة (LLMs). أصبح مفهوم عملاء الذكاء الاصطناعي مترسخًا في عقول الناس من خلال Character.AI.
ماذا لو كانت شخصيات مثل كونفوشيوس، إيلون ماسك أو رايدن شوغون جميعها NFTs؟
أليس هذا هو الذكاء الاصطناعي + العملات الرقمية؟
لذلك، بدلاً من تسميتها تحويل الأصول للنماذج، من الأنسب القول إنها تحويل الأصول للوكيل المبني على النماذج الكبيرة. في النهاية، لا يمكن وضع النماذج الكبيرة نفسها على البلوكشين. الأمر يتعلق أكثر بتعيين الوكلاء فوق النماذج إلى NFTs لخلق شعور بـ “تحويل الأصول للنموذج” في مجال الذكاء الاصطناعي + العملات الرقمية.
هناك الآن وكلاء يمكنهم تعليمك الإنجليزية أو حتى الدخول في علاقات رومانسية معك، من بين أنواع مختلفة أخرى. بالإضافة إلى ذلك، يمكن العثور أيضًا على مشاريع ذات صلة، مثل محركات البحث عن الوكلاء والأسواق.
المشكلة الشائعة في هذا المسار هي أولاً أنه لا توجد حواجز تكنولوجية. إنه في الأساس مجرد ترميز Character.AI. يمكن لسحرينا التقنيين الداخليين إنشاء وكيل يتحدث ويبدو مثل شخصية معينة (مثل مؤسسنا المشارك، BMAN) في ليلة واحدة فقط باستخدام الأدوات والإطارات المفتوحة المصدر المتاحة. ثانياً، التكامل مع البلوكشين خفيف جدًا. إنه يشبه إلى حد ما GameFi NFTs على Ethereum، حيث يمكن أن يكون البيانات الوصفية المخزنة مجرد عنوان URL أو هاش، والنماذج/الوكلاء يقيمون على خوادم السحاب. المعاملات على السلسلة تمثل فقط الملكية.
تأصيل النماذج/الوكلاء لا يزال أحد المسارات الرئيسية في AI+Crypto للمستقبل المنظور. في المستقبل، نأمل أن نرى مشاريع ذات حواجز تكنولوجية أعلى نسبياً وتكامل أوثق مع البلوكشين أكثر أصالة.
من الناحية المنطقية، تأصيل البيانات هو الجانب الأنسب لـ AI+Crypto لأن التدريب التقليدي للذكاء الاصطناعي يعتمد بشكل أساسي على البيانات المرئية المتاحة على الإنترنت - أو، بشكل أدق، بيانات حركة المرور في المجال العام. قد تمثل هذه البيانات نسبة صغيرة فقط، حوالي 10-20%، في حين أن غالبية البيانات تقع بالفعل ضمن حركة المرور في المجال الخاص (بما في ذلك البيانات الشخصية). إذا كان من الممكن استخدام بيانات حركة المرور هذه للتدريب أو تحسين النماذج الكبيرة، يمكننا بلا شك الحصول على وكلاء/روبوتات أكثر احترافية في مختلف القطاعات.
ما هو أفضل شعار لـ web3؟ اقرأ، اكتب، امتلك!
لذلك، من خلال الذكاء الاصطناعي + التشفير، وتحت توجيهات الحوافز اللامركزية، يبدو أن إطلاق بيانات حركة المرور الشخصية والخاصة وقومنتها لتوفير "طعام" أفضل وأغنى للنماذج الكبيرة نهج منطقي بما فيه الكفاية. بالفعل، هناك العديد من الفرق المشاركة بعمق في هذا المجال.
ومع ذلك، فإن التحدي الأكبر في هذا المسار هو أن البيانات، بخلاف قوة الحوسبة، يصعب توحيدها. باستخدام قوة الحوسبة اللامركزية، يتم تحويل طراز بطاقة الرسوميات الخاصة بك مباشرة إلى مقدار قوة الحوسبة التي تحتفظ بها. من ناحية أخرى، يصعب قياس كمية وجودة وغرض البيانات الخاصة. إذا كانت قوة الحوسبة اللامركزية تشبه ERC-20، فإن تحويل بيانات تدريب الذكاء الاصطناعي اللامركزية إلى أصول يشبه إلى حد ما ERC-721 — وكأنك لديك العديد من المشاريع، مثل APE، Punk، Azuki وNFTs مختلفة بخصائص مختلفة مدمجة معًا. الصعوبة في السيولة وصناعة السوق أكثر تحديًا بكثير مما هي عليه مع ERC-20. لذلك، فإن المشاريع التي تركز على تحويل بيانات الذكاء الاصطناعي إلى أصول تواجه حاليًا تحديات كبيرة.
جانب آخر في مسار البيانات يستحق الذكر هو التصنيف اللامركزي. تحويل البيانات إلى أصول يعمل في خطوة "جمع البيانات"، والبيانات المجمعة تحتاج إلى معالجة قبل توجيهها إلى الذكاء الاصطناعي، وهنا يأتي دور تصنيف البيانات. هذه الخطوة حاليا تتركز في الغالب وتتطلب عمل كثيف. مع تحفيز الرموز المميزة اللامركزية، تحويل هذا العمل إلى نظام لامركزي، التصنيف لكسب أو (مشابه لمنصات التمويل الجماعي) توزيع العمل هو أيضًا نهج قابل للتطبيق. تعمل بعض الفرق حاليًا في هذا المجال.
دعونا نناقش بإيجاز قطع الألغاز الحالية المفقودة في هذا المسار من منظورنا.
نقص الحواجز التكنولوجية: كما ذكرنا سابقًا، معظم مشاريع الذكاء الاصطناعي + العملات المشفرة تفتقر تقريباً إلى الحواجز التكنولوجية بالمقارنة مع مشاريع الذكاء الاصطناعي التقليدية في الويب 2.0. بدلاً من ذلك، يعتمدون بشكل أكبر على النماذج الاقتصادية والحوافز الرمزية في تجربة المستخدم والأسواق والعمليات. بينما يمكن فهم هذا النهج نظرًا لقوة اللامركزية وتوزيع القيمة في الويب 3، فإن نقص الحواجز الأساسية يعطي حتمًا شعور "X-to-earn". ما زلنا نأمل أن نرى المزيد من الفرق مثل RNDR، المدعومة من شركات مثل OTOY، مع تقنيات أساسية تحقق خطوات كبيرة في مجال العملات المشفرة.
الحالة الحالية للممارسين: بناءً على الملاحظات الحالية، بعض الفرق في مجال الذكاء الاصطناعي + العملات المشفرة لديها إلمام جيد بالذكاء الاصطناعي ولكنها تفتقر إلى فهم عميق للويب 3. على العكس، بعض الفرق تكون ذات توجه كبير نحو العملات المشفرة ولكن لديها خبرة محدودة في مجال الذكاء الاصطناعي. هذه الحالة تذكرنا بأيام المسار المبكرة في GameFi، عندما كانت بعض الفرق ملمة بالألعاب وسعت لنقل ألعاب Web 2.0 إلى البلوك تشين، بينما كانت فرق أخرى مغمورة في الويب3، تركز على نماذج ألعاب مبتكرة ومحسّنة مختلفة. كانت MATR1X أول فريق نلتقي به في مسار GameFi يظهر فهماً مزدوجاً للألعاب والعملات الرقمية، ولهذا السبب ذكرت IT سابقاً كأحد المشاريع الثلاثة التي كنت أؤمن بها بشدة في عام 2023. نأمل في رؤية المزيد من الفرق في عام 2024 التي تمتلك فهماً مزدوجاً للذكاء الاصطناعي والعملات الرقمية.
سيناريوهات الأعمال: الذكاء الاصطناعي + العملات الرقمية في مرحلة استكشاف مبكرة جدًا، والأشكال المختلفة للتجزئة المذكورة أعلاه ما هي إلا بعض الاتجاهات الرئيسية. كل اتجاه يحتوي على العديد من المسارات الفرعية التي يمكن استكشافها وتقسيمها بعناية. حاليًا، العديد من المشاريع في السوق التي تدمج بين الذكاء الاصطناعي والعملات الرقمية تشعر بأنها "غير ملائمة" أو "خام"، ولا تستفيد من التنافسية المثلى أو القابلية للدمج بين الذكاء الاصطناعي والعملات الرقمية. هذا مرتبط ارتباطًا وثيقًا بالنقطة الثانية المذكورة أعلاه. على سبيل المثال، فريق البحث والتطوير الداخلي لدينا تصور وصمم طريقة دمج أكثر مثالية؛ ومع ذلك، على الرغم من ملاحظة العديد من المشاريع في مسار الذكاء الاصطناعي، إلا أننا لم نشهد أي فرق تدخل هذه المنطقة الضيقة. لذلك لا يمكننا إلا الاستمرار في الانتظار.
قد تتساءل لماذا يمكن لشركة مثلنا في رأس المال المخاطر أن تبتكر سيناريوهات معينة قبل أن يتمكن رواد الأعمال في السوق من ذلك. ذلك لأن لدينا سبعة خبراء في فريق AI الداخلي، خمسة منهم يحملون شهادات دكتوراه في الذكاء الاصطناعي.
أخيرًا، على الرغم من أنه من منظور السوق الأولي، فإن الذكاء الاصطناعي + التشفير لا يزال مبكرًا وغير ناضج للغاية، فإن هذا لا يمنعنا من التفاؤل بشأن 2024–2025، عندما يصبح الذكاء الاصطناعي + التشفير أحد المسارات الرئيسية لدورة السوق الصاعدة هذه. بعد كل شيء، هل هناك طريقة أفضل لدمج الإنتاجية التي يحررها الذكاء الاصطناعي مع علاقات الإنتاج التي يحررها البلوكشين؟
#Bybit #TheCryptoArk