تصادم العملات المشفرة الذكاء الاصطناعي: الفرص والمشاريع التمثيلية والمستقبل

المؤلف: أبحاث الانعكاسية ، ترجمة جولدن فاينانس شياوزو

1. تصادم الذكاء الاصطناعي (الذكاء الاصطناعي) والتشفير

في الآونة الأخيرة ، تصدرت صناعة الذكاء الاصطناعي (الذكاء الاصطناعي) عناوين الصحف بمراجعات مختلطة. على الرغم من أنك قد تكون على دراية جيدة بمهزلة OpenAI الأخيرة ، وربما تكون قد قمت ببعض الاستكشاف في قدرات تقنيات الذكاء الاصطناعي الحالية ، فمن المحتمل أنك لم تفكر كثيرا في التفاعل بين أنظمة الذكاء الاصطناعي و blockchain. في هذه المقالة ، سوف نقدم بعض التطبيقات الحالية المخصصة للجمع بين تقنية الذكاء الاصطناعي و blockchain ، بالإضافة إلى آفاق هذه التطبيقات وصناعة الذكاء الاصطناعي في السنوات القادمة.

2. تعرف على الذكاء الاصطناعي (الذكاء الاصطناعي) ومدى ارتباطه بالتشفير

قبل أن ندخل في تفاصيل المشروع والمزيد من التفاصيل الفنية ، أعتقد أنه من المهم تغطية أساسيات التكنولوجيا الذكاء الاصطناعي وكيف ابتكرت الفرق الموهوبة والمطورون الفرديون في الصناعة لعبة اليوم.

إذا كنت معتادا بالفعل على ChatGPT ، فهو تطبيق الذكاء الاصطناعي الأكثر شيوعا والمعترف به على نطاق واسع اليوم ، وقد تمكن من جذب انتباه صناعة التكنولوجيا خلال العام الماضي - دعنا نوضح المفهوم الأساسي للتكنولوجيا ولماذا تعمل بشكل جيد لجميع احتياجات المستخدم.

التكنولوجيا الأساسية التي تدعم ChatGPT وغيرها من نماذج الدردشة التي تواجه المستهلك هي نموذج اللغة الكبيرة المعروف (LLM). هذه التقنيات الذكاء الاصطناعي المتطورة هي في الأساس مزيج من تقنيات / خوارزميات التعلم العميق ومجموعات البيانات الكبيرة جدا ، والتي تخلق معا نموذجا الذكاء الاصطناعي قادرا على التنبؤ بالمعلومات وتلخيصها.

تتم معالجة التفاعل بين البشر و LLMs من خلال اللغة الطبيعية ، ويتم بناء معظم LLMs على وجه التحديد باستخدام معالجة اللغة الطبيعية (NLP). أولا ، يطلب المستخدم من chatbot الإجابة على نوع معين من الأسئلة بلغة طبيعية ، ثم يستخدم chatbot تقنيته الأساسية وبيانات التدريب وقدراته لتزويد المستخدم بالإجابات الممكنة.

يتم إنشاء LLM بناء على نموذج المحول. المحول هو شبكة عصبية جيدة في التنبؤ بالنص وتعلم السياق وراء الكلمات. تعتبر LLMs التي تستخدم نماذج المحولات جيدة في البرمجة اللغوية العصبية وهي جيدة في التعامل مع المهام البشرية اليومية ، مثل حل مشاكل الرياضيات ، وإنشاء قوالب التعليمات البرمجية ، وحتى كتابة الملخصات أو نصوص التدقيق اللغوي.

هذا هو السبب في أن روبوتات المحادثة مثل ChatGPT و Bing الذكاء الاصطناعي من Microsoft و Claude كانت ناجحة بشكل كبير ، حيث أثارت بمفردها تقريبا ثورة الذكاء الاصطناعي. بينما يعتقد الكثيرون أن أنظمة الذكاء الاصطناعي قد تكتسب في النهاية قدرات وذكاء أكثر من البشر ، إلا أن هناك القليل من الأدلة على أن هذا سيحدث في أي وقت قريب. على أي حال ، فإن إمكانيات الجمع بين هذه النماذج وسير العمل البشري والقدرات الحالية الواعدة كافية لإظهار أن الذكاء الاصطناعي موجود ليبقى ، سواء أحببنا ذلك أم لا. ومع ذلك ، قد تتساءل كيف يمكن دمج هذه النماذج مع الطبيعة غير المصرح بها للتشفير و blockchain ، لذلك دعونا نشرح اتجاهات التقارب المحتملة ونستكشف هذين الشكلين التخريبيين للتكنولوجيا.

3. كيف تساعد تقنية التشفير في تطوير تطبيقات الذكاء الاصطناعي؟

يتم عرض صناعة التشفير كل يوم في الأخبار ووسائل الإعلام الكبيرة ومنصات التواصل الاجتماعي الأخرى. في عام 2008 ، كتب ساتوشي ناكاموتو ورقة بيضاء أصبحت سوقا بقيمة 1.5 تريليون دولار ، مما دفع أكبر المؤسسات المالية في العالم إلى الموافقة على طلبات ETF الفورية أو رفضها.

غالبا ما يكون من الصعب وصف الفوائد الجوهرية لتقنية blockchain للغرباء ، ويرجع ذلك أساسا إلى أن معظم دول العالم الأول لديها صناعات مالية متطورة للغاية وتتفاعل مع المستخدمين بسلاسة كبيرة. خارج بلد متقدم مثل الولايات المتحدة ، من الأسهل بكثير شرح وإظهار قوة الحسابات غير المصرح بها للمعاملات المالية ، ويرجع ذلك إلى حد كبير إلى المؤسسات المالية والحكومات الفاسدة في هذه الأماكن ، والتي ، للأسف ، لا تزال تحمل شريان الحياة السياسي والاقتصادي للعالم. تقوم البلدان في جميع أنحاء العالم بقرع الطبول بشكل منتظم ، ولا تزال الغالبية العظمى من سكان العالم لا يستطيعون الوصول إلى البنية التحتية المصرفية.

التشفير هو وسيلة للخدمات المصرفية لغير المتعاملين مع البنوك ، وتوفر هذه التكنولوجيا للأفراد الفرصة ليصبحوا مشرفين على عملياتهم المالية الخاصة ، سواء كان ذلك الاحتفاظ بالعملات المشفرة في محافظ باردة أو الاستفادة من العديد من تطبيقات التمويل اللامركزية المتاحة في النظام البيئي للتشفير. من الصعب وصف احتمال التمويل غير المصرح به ، لكن التغييرات الثورية التي تحدث كل يوم لا يمكن الاستهانة بها.

يمكن للشفافية المتأصلة والأمان واللامركزية في blockchain أن تسهل إلى حد كبير طريقة تخزين البيانات ومشاركتها واستخدامها الذكاء الاصطناعي. من المتوقع أن يؤدي التقارب بين تكنولوجيا الذكاء الاصطناعي و blockchain إلى تعزيز الثقة في أنظمة الذكاء الاصطناعي من خلال توفير دفتر أستاذ غير قابل للتغيير للمعاملات الذكاء الاصطناعي واتخاذ القرارات ، مما يقلل من المخاوف بشأن التلاعب بالبيانات أو إساءة استخدامها.

يكمن أحد الجوانب الرئيسية التي يمكن أن يتقدم فيها التشفير الذكاء الاصطناعي (والعكس صحيح) في مجالات إدارة البيانات وأمانها. تتطلب أنظمة الذكاء الاصطناعي كميات كبيرة من البيانات للتعلم والتحسين. باستخدام تقنية blockchain ، يمكن مشاركة هذه البيانات بشكل آمن وشفاف عبر مختلف المنصات وأصحاب المصلحة. وهذا لا يضمن سلامة البيانات فحسب، بل يفتح أيضا آفاقا جديدة للبحث والتطوير التعاوني الذكاء الاصطناعي، مما يؤدي إلى كسر صوامع البيانات التي غالبا ما تعيق الابتكار.

يمكن أن يؤدي الجمع بين الذكاء الاصطناعي و blockchain إلى ظهور منظمات مستقلة لامركزية شرعية (DAOs). تتم إدارة DAOs هذه من خلال عقود ذكية ومدعومة بخوارزميات الذكاء الاصطناعي يمكنها العمل واتخاذ القرارات بشكل مستقل وتنفيذ المعاملات دون تدخل بشري. تاريخيا ، لم تكن إدارة DAOs المشفرة مثالية ، حيث أن المشاعر البشرية والرغبة في المال غالبا ما تلقي بظلالها على الغرض الأصلي من DAO. يمكن أن يؤدي تنفيذ أنظمة الذكاء الاصطناعي إلى إحداث ثورة في الصناعات من خلال أتمتة العمليات وتقليل الحاجة إلى الوسطاء ، وزيادة الكفاءة مع تقليل التكاليف.

مجال واعد آخر هو استخدام blockchain كحافز لتوليد ومشاركة البيانات الذكاء الاصطناعي. من خلال عملية الترميز ، يمكن مكافأة الأفراد والمؤسسات على المساهمة ببيانات قيمة في نماذج الذكاء الاصطناعي ، وبناء نظام بيئي الذكاء الاصطناعي أكثر تعاونا وشمولية.

التمويل اللامركزي (DeFi) هو أيضا مساهم كبير محتمل في الذكاء الاصطناعي ويستعد لإنشاء شيء يمكن تسميته الذكاء الاصطناعي اللامركزي (DeAI). سيؤدي ذلك إلى إضفاء الطابع الديمقراطي على استخدام التكنولوجيا الذكاء الاصطناعي والسماح للأفراد والكيانات الصغيرة بالوصول إلى الأدوات والخدمات الذكاء الاصطناعي التي كانت متاحة في السابق للشركات الكبيرة فقط.

إن التقارب بين العملات المشفرة والذكاء الاصطناعي لديه القدرة على تحويل ليس فقط القطاع المالي ، ولكن أيضا كل جانب من جوانب حياتنا الرقمية. من خلال الجمع بين نقاط القوة في هاتين التقنيتين ، يمكننا أن نتطلع إلى مستقبل لا يكون فيه الوصول إلى الذكاء الاصطناعي أكثر سهولة فحسب ، بل أيضا أكثر أمانا وشفافية ، وربما أكثر كفاءة. مع ذلك ، دعنا نحلل الأداء الحالي لصناعة الذكاء الاصطناعي.

4. كسر الحاجز غير الشفاف للذكاء الاصطناعي

من خلال تشبيه إصلاح التشفير للنظام المالي بثورة ذكية في إنتاج الأنظمة الذكاء الاصطناعي ، يمكننا استخلاص بعض أوجه التشابه ذات الصلة للغاية وتوفير أساس للجمع بين الاثنين.

اليوم ، تجري الذكاء الاصطناعي شركات ، مثل OpenAI و Google Deepmind و Anthropic وغيرها الكثير ، أبحاثها وعملياتها الخاصة.

5. الفرص الحالية في التشفير والذكاء الاصطناعي

الآن بعد أن غطينا أساسيات التآزر بين الذكاء الاصطناعي والتشفير ، دعنا نلقي نظرة فاحصة على بعض المشاريع الرائدة في الفضاء. في حين أن معظمهم لا يزالون يعملون بنشاط على تمهيد شبكاتهم ، واكتساب قاعدة مستخدمين مخلصين ، واكتساب قوة جذب من مجتمع التشفير الأوسع ، إلا أنهم جميعا في طليعة الصناعة وهم ممثلون ممتازون لهذه الصناعة سريعة النمو.

(1) Bittensor: شبكة نموذج الذكاء الاصطناعي لامركزية

Bittensor هو إلى حد بعيد المشروع الأكثر شعبية وراسخة في النظام البيئي Crypto &الذكاء الاصطناعي. Bittensor هي شبكة لامركزية تهدف إلى إضفاء الطابع الديمقراطي على مساحة الذكاء الاصطناعي من خلال إنشاء منصة للعديد من أسواق السلع اللامركزية أو “الشبكات الفرعية” التي توحد استخدام نظام رمز واحد. وتتمثل مهمتها في بناء شبكة تنافس العمالقة الكبار في مجال الذكاء الاصطناعي مثل OpenAI من خلال استخدام آلية حوافز فريدة وبنية شبكة فرعية متقدمة. يمكن اعتبار نظام Bittensor على أنه آلة تعمل بنظام blockchain يمكنها توفير إمكانات الذكاء الاصطناعي بشكل فعال على السلسلة.

يحكم الشبكة لاعبان رئيسيان: عمال المناجم والمدققون. يقدم عمال المناجم نماذج الذكاء الاصطناعي مدربة مسبقا إلى الشبكة ويكافأون على مساهماتهم ، بينما يضمن المدققون صحة ودقة مخرجات النموذج. يخلق هذا الإعداد بيئة تنافسية تحفز عمال المناجم على تحسين نماذجهم باستمرار للحصول على أداء أفضل وعوائد TAO (الرمز المميز الأصلي للشبكة). يتفاعل المستخدمون مع الشبكة عن طريق إرسال استعلامات إلى المدققين ، الذين يقومون بعد ذلك بتوزيع هذه الاستعلامات على عمال المناجم. يقوم المدقق بفرز مخرجات عمال المناجم هؤلاء وإرجاع الاستجابة الأعلى مرتبة للمستخدم.

نهج Bittensor لتطوير النموذج فريد من نوعه. على عكس العديد من مختبرات الذكاء الاصطناعي أو معاهد البحوث ، لا تقوم Bittensor بذلك بسبب التكلفة العالية وتعقيد نماذج التدريب. تعتمد الشبكة على آلية تدريب لامركزية. تتمثل مهمة المدقق في تقييم النماذج التي تم إنشاؤها بواسطة عمال المناجم باستخدام مجموعة بيانات محددة وتسجيل كل نموذج بناء على معايير معينة ، مثل الدقة ووظيفة الخسارة. يضمن هذا النهج اللامركزي للتقييم التحسين المستمر في أداء النموذج.

تتضمن بنية Bittensor آلية إجماع Yuma ، وهي مزيج فريد من إثبات العمل (PoW) وإثبات الحصة (PoS) الذي يخصص الموارد عبر الشبكات الفرعية للشبكة. الشبكات الفرعية هي أسواق اقتصادية مستقلة ، يركز كل منها على مهمة الذكاء الاصطناعي مختلفة ، مثل التنبؤ بالنص أو إنشاء الصور ، ويمكنها الاشتراك في إجماع يوما أو عدم الاشتراك فيه اعتمادا على وظيفتها.

Bittensor هي خطوة مهمة في لامركزية الذكاء الاصطناعي ، حيث توفر منصة لتطوير وتقييم وتحسين نماذج الذكاء الاصطناعي المختلفة بطريقة لامركزية. لا يحفز هيكلها الفريد إنشاء نماذج الذكاء الاصطناعي عالية الجودة فحسب ، بل يضفي أيضا الطابع الديمقراطي على استخدام التكنولوجيا الذكاء الاصطناعي ، والتي من المتوقع أن تغير طريقة تطوير الذكاء الاصطناعي واستخدامها في مختلف المجالات.

(2) عكاش: سحابة فائقة المصدر مفتوحة المصدر

شبكة أكاش هي منصة سحابية فائقة مبتكرة ومفتوحة المصدر مصممة لشراء وبيع موارد الحوسبة بأمان وكفاءة. تتمثل رؤيتها في تزويد المستخدمين بالقدرة على نشر البنية التحتية السحابية الخاصة بهم وشراء وبيع الموارد السحابية غير المستخدمة. لا تعمل هذه المرونة على إضفاء الطابع الديمقراطي على استخدام الموارد السحابية فحسب ، بل توفر أيضا حلا فعالا من حيث التكلفة للمستخدمين الذين يحتاجون إلى توسيع نطاق عملياتهم.

في قلب نظام عكاش توجد آلية مزاد عكسي حيث يمكن للمستخدمين تقديم عروض أسعار بناء على احتياجاتهم الحسابية ويمكن للبائعين التنافس على الخدمات من بعضهم البعض ، مما يؤدي في كثير من الأحيان إلى أسعار أقل بكثير من الأنظمة السحابية التقليدية. الدعم الأساسي للنظام هو التقنيات الناضجة والموثوقة مثل Kubernetes و Cosmos ، والتي تضمن أن النظام الأساسي يستضيف التطبيقات بشكل آمن وموثوق. يضمن نهج عكاش الذي يحركه المجتمع أن يكون لمستخدميها صوت في تطوير الشبكة وحوكمتها ، مما يجعلها خدمة عامة تتمحور حول المستخدم حقا.

يتم تعريف البنية التحتية ل Akash باستخدام SDL سهل الاستخدام قائم على YAML يسمح للمستخدمين بإنشاء عمليات نشر معقدة عبر مجالات وبائعين متعددين. لا تضمن هذه الميزة ، جنبا إلى جنب مع Kubernetes ، نظام تنسيق الحاويات الرائد ، مرونة النشر فحسب ، بل تضمن أيضا أمان وموثوقية استضافة التطبيقات. بالإضافة إلى ذلك ، يوفر Akash حل تخزين دائم يضمن الاحتفاظ بالبيانات حتى بعد إعادة التشغيل ، وهو أمر مفيد بشكل خاص للتطبيقات التي تدير مجموعات البيانات الكبيرة.

بشكل عام ، تبرز شبكة Akash كمنصة سحابية لامركزية تقدم حلا فريدا للمشاكل الاحتكارية لمقدمي الخدمات السحابية الحاليين. فهو يستفيد من الموارد غير المستغلة في ملايين مراكز البيانات حول العالم، وهو نموذج لا يقلل التكاليف فحسب، بل يزيد أيضا من سرعة وكفاءة التطبيقات السحابية الأصلية. مع عدم الحاجة إلى إعادة كتابة لغات الملكية وحيادية البائعين ، يوفر Akash منصة مشتركة لمجموعة واسعة من التطبيقات السحابية.

(3) عرض: حوسبة منصة ملحق الوصول

شبكة رندر هي عبارة عن منصة blockchain مصممة لتلبية احتياجات الحوسبة المتزايدة في إنتاج الوسائط ، لا سيما في مجالات مثل الواقع المعزز والواقع الافتراضي والوسائط المحسنة الذكاء الاصطناعي. إنه يستفيد من دورات GPU غير المستخدمة لربط منشئي المحتوى الذين يحتاجون إلى قوة الحوسبة بالبائعين الذين لديهم موارد GPU المتاحة. يضمن هذا النهج اللامركزي الذي يستفيد من تقنية blockchain التعامل مع المهام المستندة إلى GPU ، مثل إنشاء المحتوى وتحسينه الذكاء الاصطناعي ، بأمان وكفاءة.

تتمثل الخدمة الأساسية لشبكة Render في تكاملها مع الذكاء الاصطناعي ، والذي يلعب دورا حيويا في كل من إنشاء المحتوى وتحسين العملية. تدعم الشبكة المهام المتعلقة الذكاء الاصطناعي ، مما يمكن الفنانين من استخدام أدوات الذكاء الاصطناعي لتوليد الأصول وتعزيز الأعمال الفنية الرقمية. يسمح هذا التكامل بإنشاء عوالم 3D فائقة الدقة وعمليات تقديم محسنة مثل تقليل الضوضاء الذكاء الاصطناعي. بالإضافة إلى ذلك ، يمتد استخدام شبكة Render للذكاء الاصطناعي إلى إدارة المجموعات الفنية على نطاق واسع وتحسين سير العمل ، مما يوسع إمكانيات العملية الإبداعية.

يعمل النظام البيئي لشبكة Render كسوق لموارد GPU ، حيث يخدم مختلف أصحاب المصلحة مثل الفنانين والمهندسين ومشغلي العقد. إنه يضفي الطابع الديمقراطي على استخدام قوة الحوسبة بشكل أكبر ويجعل مشاريع العرض المعقدة ميسورة التكلفة للمبدعين الفرديين والاستوديوهات الكبيرة. يتم تنفيذ المعاملات داخل هذا النظام البيئي باستخدام رموز RNDR ، مما يخلق اقتصادا نابضا بالحياة يتمحور حول تقديم الخدمات. مع استمرار الذكاء الاصطناعي في إعادة تشكيل إنشاء المحتوى الرقمي ، ستكون شبكة Render لاعبا رئيسيا في تسهيل التعبيرات الإبداعية الجديدة والابتكارات التكنولوجية في مجال الوسائط الرقمية.

(4) Gensyn: منصة الحوسبة اللامركزية

Gensyn هو مشروع عملة مشفرة مدمج الذكاء الاصطناعي يركز على التغلب على التحديات الحسابية وقيود الموارد المتأصلة في أنظمة الذكاء الاصطناعي الحديثة. يهدف المشروع إلى التغلب على الحواجز التي تحول دون تنمية الذكاء الاصطناعي الناجمة عن متطلبات الموارد الضخمة المطلوبة لبناء نماذج تأسيسية. يتمثل نهج Gensyn في إنشاء بروتوكول blockchain لامركزي يستخدم موارد الحوسبة العالمية بكفاءة.

تسلط خلفية ولادة Gensyn الضوء على التعقيد الحسابي المتزايد لأنظمة الذكاء الاصطناعي ، متجاوزة إمدادات الحوسبة المتاحة. على سبيل المثال ، يتطلب تدريب نموذج كبير مثل GPT-4 من OpenAI الكثير من الموارد ، مما يخلق عقبة كبيرة لجميع الأطراف المعنية. وقد خلقت هذه الديناميكية الحاجة إلى أنظمة يمكنها الاستفادة بكفاءة من جميع موارد الحوسبة المتاحة لمعالجة قيود الحلول الحالية ، والتي إما باهظة الثمن أو غير كافية لمهام الذكاء الاصطناعي واسعة النطاق.

يهدف Gensyn إلى حل هذه المشكلة من خلال إنشاء بروتوكول لامركزي يربط مهام التعلم العميق خارج السلسلة ويتحقق من صحتها بطريقة فعالة من حيث التكلفة. يواجه البروتوكول العديد من التحديات ، بما في ذلك التحقق من المهام ، وديناميكيات السوق ، والتقييم المسبق ، ومخاوف الخصوصية ، والحاجة إلى التوازي الفعال لنماذج التعلم العميق. يهدف البروتوكول إلى بناء شبكة حوسبة غير موثوقة ، وتوفير حوافز للمشاركة ، وتوفير طريقة للتحقق من أن مهام الحوسبة تعمل كما وعدت.

بروتوكول Gensyn هو بروتوكول غير موثوق به من الطبقة الأولى لحوسبة التعلم العميق ، ويكافئ المشاركين على المساهمة بوقت الحوسبة وأداء مهام ML. يستخدم مجموعة متنوعة من التقنيات للتحقق من المهام المكتملة ، بما في ذلك براهين التعلم الاحتمالية ، وبروتوكولات الدقة القائمة على الرسم البياني ، وألعاب الحوافز من نوع Truebit. يتضمن النظام العديد من المشاركين ، مثل المرسل ، والحل ، والمدقق ، والمبلغين عن المخالفات ، ولكل منهم دور محدد في العملية الحسابية.

في الممارسة العملية ، يتكون بروتوكول Gensyn من عدة مراحل من تقديم المهمة إلى التحكيم وتسوية العقود. يهدف البروتوكول إلى إنشاء سوق شفاف ومنخفض التكلفة لحوسبة التعلم الآلي (ML) ، مما يتيح قابلية التوسع والكفاءة. يوفر البروتوكول أيضا فرصة لعمال المناجم الذين لديهم وحدات معالجة رسومات قوية لاستخدام أجهزتهم لحسابات التعلم الآلي بتكلفة أقل من البائعين السائدين. هذا النهج لا يحل فقط التحديات الحسابية في مجال الذكاء الاصطناعي ، ولكن أيضا إضفاء الطابع الديمقراطي على الوصول إلى الموارد الذكاء الاصطناعي.

(5) جلب: منصة مفتوحة المصدر للاقتصاد الذكاء الاصطناعي

Fetch.ai تعمل لفترة أطول من بعض المشاريع المذكورة سابقا ، وتتوفر مجموعة متنوعة من الخدمات على موقعها على الإنترنت. في جوهره ، Fetch هو مشروع مبتكر يجمع بين الذكاء الاصطناعي (الذكاء الاصطناعي) والعملات المشفرة لإحداث ثورة في طريقة تنفيذ الأنشطة والعمليات الاقتصادية. تعتمد خدمات الجلب على وكلائها الذكاء الاصطناعي ، والتي تم تصميمها كوحدات بناء معيارية يمكن برمجتها لأداء مهام محددة. هؤلاء الوكلاء قادرون على الاتصال والبحث والتجارة بشكل مستقل ، مما يخلق أسواقا ديناميكية تغير المشهد التقليدي للنشاط الاقتصادي.

تتمثل إحدى خدمات Fetch الرئيسية في القدرة على دمج المنتجات التقليدية مع الذكاء الاصطناعي. يتم تحقيق ذلك من خلال دمج واجهات برمجة التطبيقات الخاصة بهم مع وكلاء Fetch.ai ، وعملية التكامل سريعة ولا تتطلب تغييرات في تطبيقات الأعمال الأساسية. يمكن دمج الذكاء الاصطناعي الوكلاء مع وكلاء آخرين في الشبكة ، مما يفتح إمكانيات لحالات استخدام ونماذج أعمال جديدة. بالإضافة إلى ذلك ، يتمتع هؤلاء الوكلاء بالقدرة على التفاوض والتعامل نيابة عن المستخدمين ، مما يسمح لهم بتحقيق الدخل من عمليات النشر الخاصة بهم.

بالإضافة إلى ذلك ، يمكن لهؤلاء الوكلاء تقديم استنتاجات من نماذج التعلم الآلي ، مما يسمح للمستخدمين باستثمار رؤاهم وتحسين نماذج التعلم الآلي الخاصة بهم.

قدمت Fetch أيضا Agentverse ، وهي خدمة إدارة بدون تعليمات برمجية تبسط نشر وكلاء الذكاء الاصطناعي. بنفس الطريقة التي تزداد بها شعبية المنصات التقليدية التي لا تحتوي على تعليمات برمجية (Replit) وخدمات مثل Github Copilot تجعل الترميز في متناول عامة الناس ، تعمل Fetch على إضفاء الطابع الديمقراطي على تطوير web3 بطريقتها الفريدة.

مع Agentverse ، يمكن للمستخدمين تشغيل وكيلهم الأول دون عناء ، مما يقلل بشكل كبير من حاجز الدخول لاستخدام تقنيات الذكاء الاصطناعي المتقدمة. فيما يتعلق بمحركات الذكاء الاصطناعي وخدمات الوكيل، تستفيد Fetch من نماذج اللغات الكبيرة (LLMs) لاكتشاف تنفيذ المهام وإرساله إلى وكلاء الذكاء الاصطناعي المناسبين. لا يمكن للنظام تحقيق الدخل من التطبيقات والخدمات الذكاء الاصطناعي فحسب ، بل يعمل أيضا كمنصة شاملة لخدمات الوكلاء مثل البناء والإدراج والتحليل والاستضافة.

يعزز النظام الأساسي الأداة المساعدة بميزات مثل البحث والاكتشاف والتحليلات. يمكن تسجيل الوكلاء في Agentverse لسهولة التعرف عليهم واكتشافهم على منصات Fetch.ai ، Fetch.ai تستخدم المنصات آلية بحث مستهدفة قائمة على LLM. يمكن استخدام أدوات التنميط لتحسين فعالية الواصفات الدلالية للعامل ، وبالتالي تعزيز قابليتها للاكتشاف. بالإضافة إلى ذلك ، Fetch.ai بدمج بوابة إنترنت الأشياء للوكلاء غير المتصلين بالإنترنت ، مما يمكنهم من جمع الرسائل ومعالجتها على دفعات عند إعادة الاتصال.

أخيرا ، تقدم Fetch.ai خدمات مدارة لإدارة الوكلاء ، والتي توفر جميع ميزات Agentverse بالإضافة إلى الخدمات المدارة. تقدم المنصة أيضا شبكة عنونة وتسمية وكيل مفتوحة المصدر تستفيد Fetch.ai شبكات Web3. وهذا يعني نهجا جديدا لمعالجة Web DNS يدمج تقنية blockchain في النظام. بشكل عام ، توفر Fetch.ai منصة متعددة الاستخدامات تجمع بين تقنيات الذكاء الاصطناعي و blockchain لتوفير أدوات لتطوير وكيل الذكاء الاصطناعي ، وتحقيق الدخل من نموذج التعلم الآلي ، وطرق البحث والاكتشاف المتقدمة في الاقتصاد الرقمي. يمهد الجمع بين وكلاء الذكاء الاصطناعي وتقنية blockchain الطريق لعمليات آلية ومحسنة بطريقة لامركزية وفعالة.

6. ما هي الخطوة التالية لصناعة الذكاء الاصطناعي والتشفير؟

يمثل التقارب السلس بين الذكاء الاصطناعي وتكنولوجيا blockchain تقدما رئيسيا في كلا المجالين. هذا المزيج ليس مجرد اندماج بين تقنيتين متطورتين ، ولكنه تآزر تحويلي يعيد تعريف حدود الابتكار الرقمي واللامركزية. توضح التطبيقات المحتملة لهذا المزيج (كما تم استكشافه في مشاريع مثل Fetch.ai و Bittensor و Akash Network و Render Network و Gensyn) الإمكانيات والمزايا الهائلة للجمع بين قوة الحوسبة الذكاء الاصطناعي مع إطار آمن وشفاف ل blockchain.

بينما نتطلع إلى المستقبل ، من الواضح أن التقارب بين الذكاء الاصطناعي و blockchain سيلعب دورا رئيسيا في تشكيل مختلف الصناعات. من تعزيز أمن البيانات وسلامتها إلى إنشاء نماذج جديدة من المنظمات المستقلة اللامركزية ، يعد هذا التقارب بأن يؤدي إلى تقنيات أكثر كفاءة وشفافية ويمكن الوصول إليها. خاصة في مجال التمويل اللامركزي ، يمكن أن يؤدي ظهور الذكاء الاصطناعي اللامركزي (DeAI) إلى إضفاء الطابع الديمقراطي على استخدام التكنولوجيا الذكاء الاصطناعي وكسر الحواجز التي كانت تحتكرها الشركات الكبيرة تقليديا. وهذا يعد بأن يؤدي إلى اقتصاد رقمي أكثر شمولا حيث يمكن للأفراد والكيانات الصغيرة أيضا الاستمتاع بالأدوات والخدمات الذكاء الاصطناعي التي كانت بعيدة المنال في السابق.

بالإضافة إلى ذلك ، يمكن لتكامل الذكاء الاصطناعي والتشفير أيضا معالجة بعض التحديات الأكثر إلحاحا في كلا المجالين. في مجال الذكاء الاصطناعي ، يمكن التخفيف من مشاكل مثل صوامع البيانات وموارد الحوسبة الضخمة المطلوبة لتدريب النماذج الكبيرة من خلال إدارة البيانات اللامركزية ومشاركة طاقة الحوسبة في blockchain. في مجال blockchain ، يمكن الذكاء الاصطناعي زيادة الكفاءة وأتمتة عملية صنع القرار وتحسين آليات الأمان. من الأهمية بمكان أن يستمر المطورون والباحثون وأصحاب المصلحة في استكشاف أوجه التآزر بين الذكاء الاصطناعي و blockchain والاستفادة منها. ومن خلال القيام بذلك، لن يكونوا قادرين على المساهمة في تطوير هذه المجالات المنفصلة فحسب، بل سيقودون أيضا الابتكار في المجال الرقمي ككل، مما يعود بالنفع في نهاية المطاف على المجتمع ككل.