Delphi Digital: فرص وتحديات ومستقبل DeAI

المؤلف: PonderingDurian، باحث في ديلفي ديجيتال

تجميع: Pzai ، أخبار البصيرة

نظرًا لأن الأصول الرقمية بشكل أساسي هي برامج مفتوحة المصدر ، ولديها آلية حوافز اقتصادية مدمجة ، وفي الوقت نفسه ، يقوم الذكاء الاصطناعي بقلب طريقة كتابة البرامج ، فإن الذكاء الاصطناعي سيؤثر بشكل كبير على مجال البلوكتشين بأكمله.

مجموعة العمليات الكاملة لـ AI x Crypto

DeAI: الفرص والتحديات

في رأيي، أكبر التحديات التي تواجه DeAI تكمن في طبقة البنية التحتية، حيث يتطلب بناء النماذج الأساسية توافر تمويل كبير، وكذلك عائد على مستوى البيانات والحسابات.

نظرًا لقاعدة التوسع ، فإن العمالقة التكنولوجيين لديهم ميزة طبيعية: في مرحلة الويب2 ، حصلوا على أرباح هائلة من استغلال احتكاري لاحتياجات المستهلكين وأعادوا هذه الأرباح استثمارها في البنية التحتية للسحابة خلال عقد من خفض الأسعار الاصطناعية ، والآن تحاول العمالقة على الإنترنت السيطرة على سوق الذكاء الاصطناعي من خلال الاستيلاء على البيانات والحسابات (عنصر رئيسي في AI):

حجم رمز الرمز الخاص بنموذج stoken مقارنة

نظرًا لكثافة رأس المال ومتطلبات النطاق الترددي العالي للتدريب بشكل كبير ، لا يزال السوبر كلستر الموحد هو الخيار الأفضل - وهو يوفر أفضل أداء للنماذج المغلقة للعمالقة التكنولوجيين - إنهم يخططون لتأجير هذه النماذج بطريقة احتكارية وإعادة استثمار العائدات في كل جيل من المنتجات اللاحقة.

ومع ذلك، فإن الواقع يثبت أن حواجز الحماية في مجال AI أكثر ضحالة من آثار شبكة Web2، والنماذج الجبهة الرائدة القيادية تتداعى بسرعة مقارنة بالمجال، خاصة بعد اتخاذ شركة Meta لـ “سياسة الأرض المحروقة”، والتي تم إنفاق مئات المليارات من الدولارات على تطوير نماذج الجبهة الرائدة مثل Llama 3.1 وغيرها من الموديلات مفتوحة المصدر، والتي وصلت أداؤها إلى مستوى SOTA.

تقييم نموذج Llama 3 الكبير

في هذه المرحلة، قد يؤدي البحث الناشئ حول أساليب التدريب المتناثرة المنخفضة الوقت الى تجارب جديدة (جزئيا)، مما قد يجعل نماذج الأعمال الرائدة تتجانس - مع انخفاض الأسعار الذكية، ستنتقل المنافسة (على الأقل جزئيا) من مجموعات الأجهزة الفائقة (التي تخدم العمالقة التكنولوجية) إلى الابتكار في البرمجيات (مع تفضيل طفيف للمصدر المفتوح / الأصول الرقمية).

مؤشر القدرة (الجودة) - توزيع أسعار التدريب

بناءً على هيكل “الخبير المختلط” وكفاءة حساب النموذج الضخم / التوجيه ، فإننا على الأرجح لسنا مواجهين فقط بعالم يحتوي على 3-5 نماذج ضخمة ، بل بعالم يتكون من ملايين النماذج مع توازن تكلفة / أداء مختلف. شبكة ذكاء متداخلة (خلية).

هذا يطرح مشكلة تنسيق ضخمة: يجب أن تكون حوافز blockchain والعملات الرقمية قادرة على المساعدة في حل هذه المشكلة بشكل جيد للغاية.

مجالات الاستثمار الأساسية لـ DeAI

البرمجيات تأكل العالم. الذكاء الاصطناعي يأكل البرمجيات. والذكاء الاصطناعي أساسا البيانات والحسابات.

Delphi يرى أن جميع المكونات في هذه الكومة ممتازة:

تبسيط مكدس AI x Crypto

البنية التحتية

نظرًا لأن طاقة الذكاء الاصطناعي تأتي من البيانات والحوسبة، تسعى البنية التحتية DeAI جاهدة لشراء البيانات والحوسبة بأكثر فعالية ممكنة وتعتمد عادةً على آليات تحفيزية مشفرة. كما ذكرنا سابقًا، فإن هذا هو الجزء الأكثر تحديًا في المنافسة، ولكن نظرًا لحجم السوق النهائي، قد يكون هذا أيضًا الجزء الأعلى عائدًا.

الحساب

حتى الآن، كان بروتوكول التدريب الموزع وسوق وحدة المعالجة الرسومية تحت إشراف وقت الإستجابة، لكنها تأمل في تنسيق الأجهزة الغير متجانسة المحتملة، وتوفير خدمات الحساب عند الطلب بتكلفة أقل لأولئك الذين يتم استبعادهم من حلول التكامل الكبيرة. تقوم شركات مثل Gensyn و Prime Intellect و Neuromesh بدفع تطور التدريب الموزع، بينما تعمل شركات مثل io.net و Akash و Aethir على تحقيق حسابات أقرب إلى الذكاء الحدودي بتكلفة منخفضة.

توزيع البيئة للمشروع القائم على التجميع التوريد

البيانات

في عالم ذكاء اصطناعي شامل يعتمد على نماذج أصغر وأكثر احترافية، يزداد قيمة الأصول البيانات ودرجة تحويلها إلى عملات.

حتى الآن، حظي DePIN بتقدير كبير بشكل كبير بسبب قدرته على بناء شبكات أجهزة أرخص تكلفة مقارنةً بالشركات الرأسمالية المكثفة (مثل شركات الاتصالات). ومع ذلك، ستظهر أكبر الأسواق المحتملة لـ DePIN في جمعيات البيانات الجديدة التي ستتدفق إلى نظام الذكاء الاصطناعي على داخل السلسلة: بروتوكول الوسيط (سيتم مناقشته لاحقًا).

في هذا العالم، يتم استبدال أكبر سوق محتمل في العالم - قوى العمل - بالبيانات والحسابات. في هذا العالم، توفر البنية التحتية للذكاء الاصطناعي وسيلة للأشخاص غير التقنيين للحصول على وسائل الإنتاج وللمساهمة في الاقتصاد الشبكي القادم.

الوسيط

الهدف النهائي لـ DeAI هو تحقيق حساب مركب فعال. مثل ليجو رأس المال للتمويل اللامركزي ، يقوم DeAI بتعويض الأداء المطلق الحالي بفضل قدرته على التركيب غير المرخص له ، ويتطور النظام البيئي المفتوح للبرمجيات والاصول الحسابية على مر الزمن بفضل الفائدة المركبة ، مع الأمل في تجاوز البرمجيات والاصول الحسابية الحالية.

إذا كان يمكن القول أن Google هي الطرف “المتكامل” النهائي، فإن DeAI تمثل الطرف “القابل للتطبيق” النهائي. كما يذكر كلايتون كريستنسن، في الصناعات الناشئة، غالباً ما يكون النهج المتكامل الأكثر فاعلية من خلال تقليل الاحتكاك في سلسلة القيمة، ولكن مع نضوج هذا المجال، ستكون سلسلة القيمة القابلة للتطبيق قادرة على الاستفادة من تعزيز المنافسة وكفاءة التكلفة في كل طبقة من الكومة.

AI المتكاملة مقابل الوحدات

نحن نرى بشكل كبير الفئات القليلة المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية المهمة لتحقيق هذا الرؤية

توجيه

في عالم متجزئ ذكي، كيف يمكن اختيار النمط والوقت الصحيحين بأفضل سعر؟ جهاز التجميع دائمًا ما يلتقط القيمة (انظر نظرية التجميع)، ويعتبر وظيفة التوجيه أمرًا حيويًا لتحسين الأداء وتكلفة الشبكة في عالم الذكاء الشبكي.

Bittensor كان في موقع ريادي في المنتجات من الجيل الأول، ولكنه واجه العديد من المنافسين المتخصصين أيضا.

يقيم Allora مسابقات بين نماذج مختلفة في سياقات مختلفة بطريقة تدرك السياق وتتحسن ذاتيًا مع مرور الوقت، وتقدم معلومات للتنبؤ بالمستقبل وفقًا للدقة التاريخية في ظروف محددة.

هدف Morpheus هو أن يصبح “توجيه طلب الجانب الثالث” لحالات استخدام Web3 - وهو عمليًا وكيل محلي ذو مصدر مفتوح يمكنه فهم سياق المستخدم ذي الصلة وتوجيه الاستعلامات بفعالية من خلال التمويل اللامركزي أو مكونات البنية التحتية الناشئة لـ Web3 للحوسبة المركبة “ذكاء Apple”.

بروتوكول التشغيل المتبادل لوكيل، مثل Theoriq و Autonolas ، يهدف إلى دفع التوجه الطريقي المتعدد الأطراف إلى الحد الأقصى، حتى يصبح النظام البيئي القابل للتركيب للوكيلين أو العناصر المركبة بالكامل خدمة داخل السلسلة مكتملة النضج.

في الختام، في عالم ذكي قائم على التجزئة السريعة، ستلعب مجمعات العرض والطلب دورًا قويًا للغاية. إذا كان بإمكاننا أن نعتبر جوجل شركة بقيمة 2 مليون دولار تقوم بفهرسة المعلومات للعالم بأجمعه، فإن الشركة الفائزة في مجال توجيه الطلب - سواء كانت آبل أو جوجل أو حلول Web3 - ستكون شركة وكيلة لفهرسة الذكاء الاصطناعي وستكبر بشكل أكبر.

معالج مساعد

نظرًا لتشتتها، تواجه تقنية سلسلة الكتل قيودًا كبيرة في مجالات البيانات والحسابات. كيف يمكن إدخال تطبيقات الذكاء الاصطناعي الحسابية والبيانات المكثفة التي يحتاجها المستخدم إلى تقنية سلسلة الكتل؟ من خلال المعالج المشترك!

المعالج المساعد في طبقة التطبيق في Crypto

هم جميعًا يقدمون تقنيات مختلفة لـ“التحقق” من البيانات الأساسية أو النماذج المستخدمة بشكل فعال من خلال “آلة أوراكل”، ويمكن أن يقلل هذا النهج إلى أقصى حد من الافتراضات الجديدة داخل السلسلة، مما يزيد بشكل كبير من قدرتها. حتى الآن، استخدم العديد من المشاريع zkML وopML وTeeML وأساليب الاقتصاد التشفيري، ولها مزايا وعيوب مختلفة:

مقارنة المعالج المساعد

في مستوى أعلى، يعتبر المعالج المساعد حاسمًا لتحسين الذكاء الاصطناعي للعقود الذكية - مما يوفر حلولًا مشابهة لـ “مستودع البيانات” للبحث في تجربة متكاملة داخل السلسلة أو التحقق مما إذا كان المنطق المعطى قد أكمل بشكل صحيح.

شبكات TEE (التنفيذ الموثوق) مثل Super و Phala و Marlin أصبحت مشهورة في الآونة الأخيرة بسبب قدرتها على التطبيقات العملية وتحمل البرامج الضخمة.

بشكل عام، فإن وحدة المعالجة المساعدة أمر حيوي لدمج سلسلة كتل ذات تحديد عالي وأداء منخفض مع كائن ذكاء اصطناعي عالي الأداء واحتمالي. بدون وحدة المعالجة المساعدة، لن يكون هناك وجود للذكاء الاصطناعي في هذا الجيل من سلاسل الكتل.

إجراءات تحفيز المطورين

واحدة من أكبر التحديات التي تواجه تطوير الذكاء الاصطناعي مفتوح المصدر هي نقص التحفيزات التي تدعم النمو المستدام له. تطوير الذكاء الاصطناعي هو عمل تكلفة رأسمالية عالية للغاية، حيث يكلف الكثير من الحوسبة والعمل المعرفي في مجال الذكاء الاصطناعي. إذا لم تكن هناك تحفيزات مناسبة لمكافأة المساهمات المفتوحة المصدر، فإن هذا المجال سوف يخسر بالتأكيد أمام الكمبيوتر الخارق الذي يتمتع بالرأسمالية الفائقة.

من المشاعر إلى بلوريس وصحراء الذكاء الاصطناعي وميرا ، تهدف هذه المشاريع جميعًا إلى تشغيل شبكة تمكن الأفراد المنتشرين في الشبكة من المساهمة في الذكاء الشبكي وتوفير التحفيز المناسب.

من خلال تعويض نموذج الأعمال، يجب أن يتسارع معدل الفائدة المركبة للمصدر المفتوح - وهو خيار عالمي خارج الشركات التكنولوجية الكبرى للمطورين وباحثي الذكاء الاصطناعي، ومن المتوقع أن يحصلوا على مكافأة سخية وفقًا للقيمة التي يخلقونها.

على الرغم من أن تحقيق ذلك يعد صعبًا للغاية والمنافسة تزداد شدة، إلا أن السوق المحتمل هنا هو ضخم.

نموذج GNN

يقوم النموذج اللغوي الكبير بتقسيم الأنماط في مجموعة كبيرة من النصوص وتعلم توقع الكلمة التالية، بينما تعمل الشبكات العصبية الرسمية (GNN) على معالجة وتحليل وتعلم بيانات هيكل الرسم البياني. نظرًا لأن البيانات داخل السلسلة تتكون أساسًا من تفاعلات معقدة بين المستخدمين والعقود الذكية، بمعنى آخر، فهي رسم بياني، ولذلك يبدو أن GNN هو اختيار منطقي لدعم حالات استخدام الذكاء الاصطناعي داخل السلسلة.

تحاول مشاريع مثل Pond و RPS إنشاء نماذج أساسية لـ web3 ، والتي قد تستخدم في حالات الاستخدام مثل التداول والديفاي وحتى الحالات الاجتماعية ، مثل :

• التنبؤ بالأسعار: توقعات سعر السلسلة ، استراتيجيات التداول الآلي ، وتحليل المشاعر
• الذكاء الاصطناعي المالي: دمجه مع تطبيقات التمويل اللامركزي الحالية، واستراتيجيات العوائد المتقدمة واستغلال السيولة، وإدارة المخاطر / الحوكمة بشكل أفضل
• داخل السلسلة营销： 更有针对性的توزيع مجاني / 定位，基于داخل السلسلة行为的推荐引擎

ستستخدم هذه النماذج بشكل كبير حلول مستودعات البيانات مثل Space and Time و Subsquid و Covalent و Hyperline ، وأنا أؤيدهم بشدة.

يمكن لـ GNN إثبات أن النموذج الكبير لسلسلة الكتل ومستودع بيانات Web3 ضروريان كأدوات مساعدة، حيث يوفران وظيفة OLAP (المعالجة التحليلية عبر الإنترنت) لـ Web3.

التطبيق

في رأيي، داخل السلسلة Agents قد تكون المفتاح لحل مشكلة تجربة المستخدم المعروفة في العملات الرقمية، ولكن الأهم من ذلك، فقد قمنا بإدخال عشرات المليارات من الدولارات في البنية التحتية للويب3 خلال العقد الماضي، ومع ذلك، فإن معدل الاستخدام من جانب الطلب قليل بشكل مثير للشفقة.

لا تقلق، وكلاء هنا…

AI في تصنيفات الاختبار البشرية في جميع الجوانب ارتفع

يبدو من المنطقي أيضا أن يستفيد هؤلاء الوكلاء من بنية تحتية مفتوحة بدون إذن تمتد عبر المدفوعات والحوسبة القابلة للتركيب لتحقيق هدف نهائي أكثر تعقيدا. في الاقتصاد الذكي الشبكي القادم ، قد لا يكون الحراك الاقتصادي B-> B->C ، ولكن شبكة الحوسبة > الوكيل > > الوكيل > المستخدم. النتيجة النهائية لهذا التدفق هي بروتوكول العامل. المؤسسة القائمة على التطبيق أو الخدمة لها نفقات عامة محدودة وتعمل بشكل أساسي على موارد السلسلة الداخلية ، وهي أقل تكلفة بكثير من المؤسسة التقليدية لتلبية احتياجات المستخدمين النهائيين (أو بعضهم البعض) في شبكة قابلة للتركيب. مثلما تحصل طبقة التطبيق في Web2 على معظم قيمتها ، فأنا أيضا معجب كبير بنظرية “عامل الدهونبروتوكول” في DeAI. بمرور الوقت ، يجب أن يتحول التقاط القيمة إلى الطبقات العليا من المكدس.

تراكم القيمة في الذكاء الاصطناعي التوليدية

التالي قد يكون بروتوكول代理ًا مثل جوجل وفيسبوك وبلاك روك، وتكون المكونات التي تنفذ هذه البروتوكولات قيد الولادة.

DeAI النهائي

سيغير الذكاء الاصطناعي شكل اقتصادنا. في الوقت الحالي ، يتوقع السوق أن يقتصر استحواذ هذه القيمة على عدد قليل من الشركات الكبيرة على الساحل الغربي لأمريكا الشمالية. ولكن DeAI تمثل رؤية مختلفة. رؤية شبكة ذكية مفتوحة وقابلة للتركيب تقدم مكافآت ومكافأت للمساهمات الصغيرة ، والمزيد من حقوق الملكية / الإدارة الجماعية.

على الرغم من أن بعض الادعاءات بشأن DeAI مبالغ فيها، وأن أسعار تداول العديد من المشاريع تفوق بكثير القوة الدافعة الفعلية الحالية، إلا أن مقياس الفرص حقًا واقعي للغاية. بالنسبة لأولئك الذين لديهم الصبر والرؤية، قد يثبت الرؤية النهائية الحقيقية لـ DeAI قابلية الحساب المركبة البالغة إنها منطقية بذاتها.