دلفي ديجيتال: تحليل متعمق للفرص والتحديات التي تواجهها الذكاء الاصطناعي

المؤلف الأصلي: PonderingDurian، باحث رقمي في Delphi

الترجمة الأصلية: Pzai، Foresight News

وبما أن العملات المشفرة عبارة عن برمجيات مفتوحة المصدر بشكل أساسي مع حوافز اقتصادية مدمجة، وأن الذكاء الاصطناعي يعطل طريقة كتابة البرمجيات، فإن الذكاء الاصطناعي سيكون له تأثير كبير على مساحة blockchain بأكملها.

الذكاء الاصطناعي x التشفير

DeAI: الفرص والتحديات

في رأيي، يكمن التحدي الأكبر الذي يواجه DeAI في طبقة البنية التحتية، لأن بناء النماذج الأساسية يتطلب قدرًا كبيرًا من رأس المال، كما أن العائدات على نطاق واسع للبيانات والحوسبة مرتفعة أيضًا.

ونظرا لقانون التوسع، تتمتع شركات التكنولوجيا العملاقة بميزة طبيعية: فبعد أن حققت أرباحا ضخمة من أرباح الاحتكار المتمثلة في تجميع الطلب الاستهلاكي خلال مرحلة Web2 وأعادت استثمار تلك الأرباح في البنية التحتية السحابية خلال عقد من الأسعار المنخفضة بشكل مصطنع، تحاول شركات الإنترنت العملاقة الآن الاستحواذ على سوق الذكاء الاصطناعي من خلال الهيمنة على البيانات والحوسبة (العناصر الأساسية للذكاء الاصطناعي):

رمز مميز مقارنة حجم النموذج الكبير

وبسبب كثافة رأس المال ومتطلبات النطاق الترددي العالي للتدريب على نطاق واسع، تظل المجموعات العملاقة الموحدة الخيار الأفضل ــ فهي توفر لشركات التكنولوجيا العملاقة أفضل النماذج المغلقة المصدر أداء ــ والتي تخطط لتأجيرها بأرباح احتكارية وإعادة استثمار العائدات في كل جيل لاحق من المنتجات.

ومع ذلك، اتضح أن الخندق في مجال الذكاء الاصطناعي أقل عمقًا من تأثير شبكة Web2، وأن النماذج الرائدة المتطورة تنخفض قيمتها بسرعة نسبيًا في هذا المجال، خاصة وأن Meta تبنت سياسة الأرض المحروقة واستثمرت عشرات المليارات من الدولارات لتطوير نماذج متطورة مفتوحة المصدر مثل Llama 3.1، والتي وصل أداؤها إلى مستويات SOTA.

تصنيف نموذج لاما 3 الكبير

في هذه المرحلة، وبالاقتران بالبحوث الناشئة حول أساليب التدريب اللامركزية منخفضة الكمون، قد يؤدي ذلك إلى تحويل (أجزاء من) نماذج الأعمال المتطورة إلى سلعة أساسية ــ ومع انخفاض أسعار الهواتف الذكية، سوف تتحول المنافسة (جزئيا على الأقل) من مجموعات الأجهزة العملاقة (التي تفضل شركات التكنولوجيا العملاقة) إلى الابتكار في مجال البرمجيات (الذي يفضل إلى حد ما المصادر المفتوحة/العملات المشفرة).

مؤشر القدرة (الجودة) – مخطط توزيع أسعار التدريب

ونظراً للكفاءة الحسابية التي تتمتع بها هياكل "مزيج الخبراء" وتوليف/توجيه النماذج الضخمة، فمن المرجح أننا لا نواجه عالماً يتألف من ثلاثة إلى خمسة نماذج عملاقة، بل عالماً يتألف من ملايين النماذج التي تختلف في الموازنة بين التكلفة والأداء. إنها شبكة (خلية) من الذكاء المتشابك.

وهذا يطرح مشكلة تنسيقية ضخمة: وهي المشكلة التي ينبغي أن تكون آليات الحوافز الخاصة بسلسلة الكتل والعملات المشفرة قادرة على المساعدة في حلها بشكل جيد للغاية.

مجالات الاستثمار الأساسية في DeAI

البرمجيات تهيمن على العالم، والذكاء الاصطناعي يهيمن على البرمجيات، والذكاء الاصطناعي هو في الأساس عبارة عن بيانات وحوسبة.

تبدو شركة Delphi متفائلة بشأن المكونات الموجودة في هذه المجموعة:

تبسيط الذكاء الاصطناعي والعملات المشفرة

بنية تحتية

وبما أن الذكاء الاصطناعي يعتمد على البيانات والحوسبة، فإن البنية الأساسية للذكاء الاصطناعي في DeAI تركز على الحصول على البيانات والحوسبة بأكبر قدر ممكن من الكفاءة، وغالبًا ما تستخدم حوافز العملات المشفرة. وكما ذكرنا سابقًا، هذا هو الجزء الأكثر تحديًا في المنافسة، ولكن نظرًا لحجم السوق النهائية، فقد يكون أيضًا الجزء الأكثر مكافأة.

احسب

لقد واجه بروتوكولات التدريب الموزعة وسوق وحدات معالجة الرسوميات قيودًا بسبب التأخير حتى الآن، لكنهم يأملون في تنسيق إمكانات الأجهزة غير المتجانسة لتوفير خدمات الحوسبة منخفضة التكلفة عند الطلب لأولئك الذين تم استبعادهم من الحلول المتكاملة التي تقدمها الشركات العملاقة. تقود شركات مثل Gensyn وPrime Intellect وNeuromesh تطوير التدريب الموزع، في حين تعمل شركات مثل io.net وAkash وAethir وغيرها على تمكين الاستدلال منخفض التكلفة الأقرب إلى ذكاء الحافة.

توزيع المشروعات على أساس العرض المجمع

بيانات

في عالم من الذكاء الشامل المبني على نماذج أصغر وأكثر تخصصًا، أصبحت أصول البيانات ذات قيمة متزايدة وقابلة للتحويل إلى أموال.

حتى الآن، حظيت تقنية DePIN بإشادة واسعة النطاق لقدرتها على بناء شبكات الأجهزة بتكلفة أقل من الشركات كثيفة رأس المال مثل شركات الاتصالات. ومع ذلك، فإن أكبر سوق محتملة لتقنية DePIN ستكون في جمع أنواع جديدة من مجموعات البيانات التي ستتدفق إلى أنظمة ذكية على السلسلة: بروتوكولات الوكيل (سنناقشها لاحقًا).

في عالم يتم فيه استبدال أكبر سوق محتملة في العالم - العمالة - بالبيانات والحوسبة، توفر البنية التحتية للذكاء الاصطناعي طريقة للأشخاص غير التقنيين للاستيلاء على وسائل الإنتاج والمساهمة في اقتصاد الشبكة القادم.

برامج وسيطة

الهدف النهائي لـ DeAI هو تمكين الحوسبة القابلة للتكوين بكفاءة. مثل Lego of DeFi، يعوض DeAI عن الافتقار إلى الأداء المطلق اليوم من خلال إمكانية التكوين بدون إذن، مما يحفز نظامًا بيئيًا مفتوحًا من البرامج وبدائيات الحوسبة على الاستمرار في التراكم بمرور الوقت، وبالتالي (نأمل) تجاوز البرامج وبدائيات الحوسبة الموجودة.

إذا كانت جوجل تمثل أقصى درجات "التكامل"، فإن دي آي تمثل أقصى درجات "التجميع النمطي". وكما يذكرنا كلايتون كريستنسن، فإن النهج المتكامل في الصناعات الناشئة يميل إلى القيادة من خلال الحد من الاحتكاك في سلسلة القيمة، ولكن مع نضوج المجال، تكتسب سلاسل القيمة النمطية أرضية من خلال زيادة المنافسة وكفاءة التكلفة في كل طبقة من المكدس:

الذكاء الاصطناعي المتكامل مقابل الذكاء الاصطناعي المعياري

نحن متفائلون للغاية بشأن العديد من الفئات التي تعتبر حاسمة لتحقيق هذه الرؤية المعيارية:

التوجيه

في عالم من الذكاء المجزأ، كيف يمكننا اختيار الأسلوب والوقت المناسبين بأفضل الأسعار؟ لقد نجحت شركات تجميع جانب الطلب دائمًا في التقاط القيمة (انظر نظرية التجميع)، وتعتبر وظائف التوجيه بالغة الأهمية لتحسين منحنى باريتو بين الأداء والتكلفة في عالم من الذكاء المترابط:

كانت شركة Bittensor في طليعة الجيل الأول من المنتجات، ولكن ظهر عدد من المنافسين المتفانين.

تستضيف Allora مسابقات بين نماذج مختلفة في "مواضيع" مختلفة بطريقة "تراعي السياق" وتتحسن ذاتيًا بمرور الوقت، مما يوفر معلومات عن التوقعات المستقبلية بناءً على دقتها التاريخية في ظل ظروف محددة.

تهدف Morpheus إلى أن تكون "توجيه جانب الطلب" لحالات استخدام Web3 - وهي في الأساس "ذكاء Apple" مع وكيل محلي مفتوح المصدر يفهم السياق ذي الصلة للمستخدم ويمكنه توجيه الاستعلامات بكفاءة من خلال اللبنات الأساسية الناشئة لـ DeFi أو البنية التحتية "الحوسبة القابلة للتكوين" الخاصة بـ Web3.

تهدف بروتوكولات التشغيل البيني للوكلاء مثل Theoriq و Autonolas إلى دفع التوجيه المعياري إلى أقصى حد، مما يتيح نظامًا بيئيًا مركبًا قابلًا للتكوين من الوكلاء أو المكونات المرنة ليصبح خدمة ناضجة تمامًا على السلسلة.

باختصار، في عالم تتفتت فيه المعلومات بسرعة، سوف تكون شركات تجميع المعلومات على جانبي العرض والطلب قوية للغاية. فإذا كانت شركة جوجل شركة تبلغ قيمتها 10 مليارات دولار أميركي وتقوم بفهرسة معلومات العالم، فإن الشركة الفائزة بجهاز التوجيه على جانب الطلب ــ سواء كانت شركة أبل أو جوجل أو حل ويب 3 ــ سوف تكون قادرة على فهرسة المعلومات بالوكالة على نطاق أوسع كثيراً.

المعالج المساعد

نظرًا لطبيعتها اللامركزية، فإن تقنية البلوك تشين محدودة للغاية في كل من البيانات والحوسبة. كيف يمكنك جلب تطبيقات الذكاء الاصطناعي التي تتطلب قدرًا كبيرًا من الحوسبة والبيانات والتي يحتاجها المستخدمون إلى البلوك تشين؟ من خلال المعالجات المساعدة!

طبقة تطبيق المعالج المساعد في التشفير

توفر جميعها تقنيات مختلفة للتحقق من أن البيانات الأساسية أو النموذج المستخدم هو أوراكل صالح، مما يقلل من افتراضات الثقة الجديدة على السلسلة مع تحسين قدراتها بشكل كبير. حتى الآن، استخدمت العديد من المشاريع zkML وopML وTeeML والطرق الاقتصادية المشفرة، وتختلف مزاياها وعيوبها:

مقارنة المعالج المساعد

وعلى مستوى أعلى، تعتبر المعالجات المساعدة ضرورية لذكاء العقود الذكية - حيث توفر حلاً يشبه "مستودع البيانات" للاستعلام عن تجربة أكثر تخصيصًا على السلسلة، أو للتحقق من اكتمال استنتاج معين بشكل صحيح.

أصبحت شبكات TEE (التنفيذ الموثوق) مثل Super و Phala و Marlin تحظى بشعبية متزايدة في الآونة الأخيرة بسبب عمليتها وقدرتها على استضافة التطبيقات واسعة النطاق.

بشكل عام، تعتبر المعالجات المساعدة ضرورية لدمج سلاسل الكتل عالية التحديد ولكن منخفضة الأداء مع وكلاء عاليي الأداء ولكن احتماليين. بدون المعالجات المساعدة، لن يكون الذكاء الاصطناعي موجودًا في هذا الجيل من سلاسل الكتل.

حوافز المطورين

إن إحدى أكبر المشاكل التي تعيب تطوير البرمجيات مفتوحة المصدر في مجال الذكاء الاصطناعي تتمثل في الافتقار إلى الحوافز اللازمة لجعلها مستدامة. ذلك أن تطوير الذكاء الاصطناعي يتطلب قدراً كبيراً من رأس المال، كما أن التكاليف الفرصة لكل من الحوسبة والعمل المعرفي في مجال الذكاء الاصطناعي مرتفعة للغاية. وفي غياب الحوافز المناسبة لمكافأة المساهمات في مجال البرمجيات مفتوحة المصدر، فإن هذا المجال سوف يخسر حتماً أمام أجهزة الكمبيوتر العملاقة في ظل الرأسمالية المفرطة.

من Sentiment إلى Pluralis وSahara AI وMira، فإن هدف هذه المشاريع هو إطلاق شبكات تمكن شبكات لامركزية من الأفراد من المساهمة في ذكاء الشبكات مع منحهم الحوافز المناسبة.

ومن خلال التعويض عن ذلك في نموذج الأعمال، ينبغي أن يتسارع معدل النمو المركب للبرمجيات مفتوحة المصدر ــ وهو ما يوفر للمطورين والباحثين في مجال الذكاء الاصطناعي بديلاً عالمياً لشركات التكنولوجيا الكبرى واحتمال الحصول على تعويض جيد على أساس القيمة التي يخلقونها.

ورغم أن القيام بذلك أمر صعب للغاية وأن المنافسة تشتد على نحو متزايد، فإن السوق المحتملة هنا ضخمة.

نموذج GNN

في حين تصنف نماذج اللغة الكبيرة الأنماط في مجموعات نصية كبيرة وتتعلم التنبؤ بالكلمة التالية، تقوم الشبكات العصبية الرسومية (GNNs) بمعالجة البيانات المهيكلة بالرسوم البيانية وتحليلها والتعلم منها. نظرًا لأن البيانات الموجودة على السلسلة تتكون بشكل أساسي من تفاعلات معقدة بين المستخدمين والعقود الذكية، أو بعبارة أخرى، الرسم البياني، تبدو الشبكات العصبية الرسومية خيارًا معقولًا لدعم حالات استخدام الذكاء الاصطناعي على السلسلة.

تحاول مشاريع مثل Pond وRPS بناء نماذج أساسية لـ web3، والتي يمكن تطبيقها في المعاملات وDeFi وحتى حالات الاستخدام الاجتماعي، مثل:

• التنبؤ بالأسعار: تتنبأ النماذج السلوكية على السلسلة بالأسعار، واستراتيجيات التداول الآلية، وتحليل المشاعر

• AI Finance: التكامل مع تطبيقات DeFi الحالية، واستراتيجيات العائد المتقدمة واستخدام السيولة، وإدارة المخاطر/الحوكمة بشكل أفضل

• التسويق عبر السلسلة: المزيد من عمليات الإنزال الجوي/التمركز المستهدفة، ومحرك التوصية بناءً على السلوك عبر السلسلة

ستستخدم هذه النماذج بشكل مكثف حلول مستودعات البيانات مثل Space and Time وSubsquid وCovalent وHyperline، والتي أنا أيضًا متفائل جدًا بشأنها.

يمكن لـ GNN أن تثبت أن النموذج الكبير لسلسلة الكتل ومخزن البيانات Web3 هي أدوات مساعدة أساسية، أي أنها توفر وظائف OLAP (المعالجة التحليلية عبر الإنترنت) لـ Web3.

طلب

في رأيي، قد يكون وكلاء السلسلة هم المفتاح لحل مشكلة تجربة المستخدم التي تشتهر بها العملات المشفرة، ولكن الأهم من ذلك أننا استثمرنا مليارات الدولارات في البنية التحتية لـ Web3 على مدى العقد الماضي، ولكن الاستخدام على جانب الطلب مثير للشفقة.

لا تقلق، هنا يأتي العملاء...

ارتفعت درجات اختبارات الذكاء الاصطناعي في أبعاد مختلفة للسلوك البشري

يبدو من المنطقي أن يستفيد هؤلاء الوكلاء من البنية الأساسية المفتوحة التي لا تتطلب أذونات ــ عبر المدفوعات والحوسبة القابلة للتكوين ــ لتحقيق أهداف نهائية أكثر تعقيدا. وفي الاقتصاد الذكي الشبكي القادم، قد لا تكون التدفقات الاقتصادية على النحو التالي: ب ــ> ب ــ> ج، بل المستخدم ــ> الوكيل ــ> شبكة الحوسبة ــ> الوكيل ــ> المستخدم. والنتيجة النهائية لهذا التدفق هي بروتوكول الوكيل. فالمؤسسات الموجهة نحو التطبيقات أو الخدمات لديها نفقات عامة محدودة وتدير في الأساس موارد على السلسلة. وتكلفة تلبية احتياجات المستخدمين النهائيين (أو بعضهم البعض) في شبكة قابلة للتكوين أقل كثيرا من تكلفة المؤسسات التقليدية. وكما تستحوذ طبقة التطبيق في ويب 2 على معظم القيمة، فأنا أيضا من أنصار نظرية بروتوكول الوكيل السمين في دي أي أي. وبمرور الوقت، ينبغي أن يتحول التقاط القيمة إلى الطبقات العليا من المكدس.

تراكم القيمة في الذكاء الاصطناعي التوليدي

ومن المحتمل أن تكون بروتوكولات جوجل وفيسبوك وبلاك روك التالية عبارة عن بروتوكولات وكيلة، ويتم بالفعل إنشاء المكونات اللازمة لتنفيذها.

نهاية لعبة DeAI

إن الذكاء الاصطناعي سوف يغير اقتصادنا. واليوم، يتوقع السوق أن يقتصر هذا الاستحواذ على القيمة على عدد قليل من الشركات الكبرى على الساحل الغربي لأميركا الشمالية. ويمثل الذكاء الاصطناعي رؤية مختلفة. رؤية مفتوحة وقابلة للتكوين لشبكة ذكية مع مكافآت وتعويضات حتى لأصغر المساهمات، والمزيد من الملكية/الإدارة الجماعية.

ورغم أن بعض ادعاءات دي إيه آي مبالغ فيها، وأن العديد من المشاريع تتداول بأسعار أعلى كثيراً من زخمها الفعلي الحالي، فإن حجم الفرصة كبير. وبالنسبة لأولئك الذين يتمتعون بالصبر والبصيرة، فإن الرؤية النهائية التي تقدمها دي إيه آي للحوسبة القابلة للتكوين حقاً قد تبرر تقنية البلوك تشين نفسها.

تم الحصول على هذه المقالة من الإنترنت: Delphi Digital: تحليل متعمق للفرص والتحديات التي تواجه DeAI

ذات صلة: هل يعد Polymarket الشهير أداة تنبؤ جيدة؟

ذات مرة، كنت أنا وصديق نناقش تأييد روبرت كينيدي لترامب، وأعلن أحد المشاركين بثقة أن فرص ترامب في الفوز زادت بمقدار 2% لأن بوليماركت توقع ذلك. كانت هذه ملاحظة جيدة لأن الحدث حدث بسرعة ولم يكن هناك الكثير من الأخبار الأخرى لتحريك السوق. إذا كانت بوليماركت سوقًا فعالة، فسيبدو هذا البيان قابلاً للتطبيق. المشكلة هي أن بوليماركت لا تزال سوقًا ناشئة غير فعالة لا يمكنها التنبؤ بالتغيرات الصغيرة في احتمالية حدوث حدث (الطريقة التي تعمل بها الأسواق الفعالة هي أن عددًا كبيرًا من المستثمرين يتداولون بناءً على الأحداث. إذا كنت تعتقد أن تأييد روبرت كينيدي سيزيد من احتمالات ترامب بمقدار 10%، فستشتري بالرافعة المالية ...