في السنوات الأخيرة، مع إطلاق سلسلة منتجات GPT بشكل متتالي، تقوم الذكاء الاصطناعي بتحويل مختلف الصناعات. لقد شهدنا دخول تطبيقات الذكاء الاصطناعي المختلفة إلى عملنا اليومي وحياتنا، مما يعزز كفاءة العمل، ويغير عادات الحياة، ويقلل تكاليف تشغيل الشركات. يجب أن نعترف بأن الذكاء الاصطناعي يصبح نقطة البداية للثورة التكنولوجية القادمة.

يكمن جوهر ثورة تكنولوجيا الذكاء الاصطناعي في توافر قدر كبير من قوة الحسابات ونماذج الخوارزميات وكمية كبيرة من بيانات التدريب. حاليًا، فإن قوة الحسابات عالية الأداء لوحدة معالجة الرسومات محدودة ومكلفة، وتميل الخوارزميات إلى أن تكون موحدة، وهناك قضايا تتعلق بامتثال البيانات وحماية الخصوصية لبيانات تدريب النموذج. تمتلك تكنولوجيا البلوكشين سمات مثل اللامركزية والتخزين الموزع، والتي يمكن تطبيقها بشكل فعال في تطوير ونشر وتشغيل نماذج الذكاء الاصطناعي.

استخدام خصائص البلوكشين لحل مشكلة قوة حساب الذكاء الاصطناعي.

من أجل عملية تطوير الذكاء الاصطناعي، واجهت بعض مشاريع تقنية البلوكشين مشاكل مثل نقص قوة حسابية وحدة معالجة الرسوميات وتكاليف الاستخدام العالية، وهي تحاول حالياً معالجة هذه المشاكل من خلال حلول قائمة على تقنية البلوكشين.

شبكة Render هي منصة تقديم توزيعية عالية الأداء تجسر الفجوة بين الطلب على قوة حسابية GPU وموفري موارد GPU الخاملة باستخدام برامج otoy الرائدة في الصناعة. يتيح هذا الإعداد توفير موارد GPU الخاملة لحقول الحوسبة ذات الطلب العالي مثل الذكاء الاصطناعي والواقع الافتراضي بتكلفة أقل.

في هذا النظام البيئي، مقدمو وحدات معالجة الرسوميات الفارغة يقومون بربط أجهزتهم بشبكة Render Network لإكمال مهام العرض المختلفة، بينما يعوض المطالبون مقدمي وحدات معالجة الرسوميات بمكافآت رمزية. يعزز هذا النهج اللامركزي كفاءة استخدام الموارد إلى الحد الأقصى، ويخلق قيمة للمشاركين، ويقلل من تكاليف تطوير وتشغيل الذكاء الاصطناعي. في ديسمبر من العام الماضي، حققت Render قفزة تكنولوجية هامة من خلال نقل بنيتها التحتية من سلسلة Ethereum إلى Solana ذات معدلات تداول عالية، مستفيدة من أداء Solana العالي وقابلية توسعها الأكبر لتعزيز قدرات Render، بما في ذلك البث الحي وضغط الحالة.

صورة مقدمة على شبكة الرندر

Akash عبارة عن منصة حوسبة لامركزية تجمع وحدة المعالجة المركزية ووحدة معالجة الرسومات والتخزين وعرض النطاق الترددي وعناوين IP المخصصة وموارد الشبكة الأخرى في جميع أنحاء العالم وتؤجرها للمؤسسات والأفراد الذين يحتاجون إلى قوة حسابية عالية لمهام مثل الذكاء الاصطناعي. هذا يسمح لهم بالاستفادة الكاملة من هذه الموارد وتقديم خدمات تأجير GPU. يتلقى المستخدمون الذين يقدمون موارد تأجير GPU رموز AKT ، بينما يحصل الطالبون على إمكانية الوصول إلى قوة الحوسبة بتكاليف منخفضة. لا يتم استخدام رمز المنصة AKT لتسوية المدفوعات لموارد الشبكة المستأجرة فحسب ، بل يعمل أيضا كحافز لتشجيع المدققين على المشاركة في إدارة النظام البيئي وصيانة أمان الشبكة. تفرض المنصة رسوم معاملات معينة لتسوية المدفوعات مقابل موارد الشبكة ، مما يسمح لجميع المشاركين في النظام البيئي للمنصة بتوليد الدخل ودفع جدوى المنصة على المدى الطويل والنمو المستمر لنموذج أعمالها.

رسم بياني في الوقت الحقيقي لموارد الشبكة في شبكة Akash

Livepeer هي منصة شبكة البنية التحتية للفيديو للبيانات الجارية وعند الطلب لوسائط البث. يمكن للمستخدمين الانضمام إلى الشبكة من خلال تشغيل برنامج المنصة واستخدام وحدة معالجة الرسومات وعرض النطاق الترددي وغيرها من الموارد الخاصة بهم لتحويل الشفرات وتوزيع مقاطع الفيديو. تعمل هذه الطريقة على تحسين موثوقية تيارات الفيديو وتقليل التكاليف ذات الصلة مثل تحويل الشفرات والتوزيع بمقدار يصل إلى 50 مرة. علاوة على ذلك، يقوم مشروع Livepeer بإدخال مهام الحوسبة الذكية للفيديو إلى شبكة Livepeer، باستخدام شبكتها من وحدات معالجة الرسومات التي تديرها محركات التنظيم لتوليد مقاطع فيديو ذكية عالية الجودة، وبالتالي تقليل تكلفة إنشاء محتوى الفيديو.

من وصف مشاريع سلسلة الكتل أعلاه، فمن الواضح أنه يمكن لسلسلة الكتل أن تستفيد من خصائصها المفcentralized والموزعة لاستخدام موارد الشبكة الخاملة بفعالية لمعالجة نقص قوة الحوسبة الاصطناعية الحالي والتكاليف العالية. بمجرد التحقق من صحة هذا النموذج واعترافه في سيناريوهات العالم الحقيقي ومن قبل شركات الأشباح الاصطناعية في المستقبل، سيخفف بشكل كبير من مشكلة قوة الحوسبة.

تكامل الذكاء الاصطناعي مع بيانات البلوكشين.

البيانات هي أساس نماذج الذكاء الاصطناعي، والبيانات المستخدمة في تدريب النماذج تحدد الفروق بين مختلف نماذج الذكاء الاصطناعي. بالمقارنة مع مصادر البيانات الأخرى، فإن بيانات سلسلة الكتل ذات جودة أعلى وشفافية، مما يمكن تحديد مستخدمي سلسلة الكتل.

أركام هي منصة تكافئ المستخدمين الذين يقدمون بيانات سلسلة كتل وتحليل استخباراتي باستخدام تكنولوجيا الذكاء الاصطناعي. محرك الذكاء الاصطناعي الخاص بها، ULTRA، يمكنه تصنيف عناوين السلسلة الكتلية بمستخدمي العالم الحقيقي، مما يسمح بربط العناوين السلسلية الكتلية المجهولة المصدر بالأفراد الحقيقيين. من خلال الحصول على كمية كبيرة من البيانات المصنفة لعناوين السلسلة الكتلية المجهولة المصدر من خلال نماذج الذكاء الاصطناعي، يمكن للمستخدمين كشف معلومات المعاملات السلسلية الكتلية للكيانات من خلال أركام. من المعروف تمامًا أن أكبر تحدي في التحقيق في جرائم العملات المشفرة هو تحديد تحويلات الأموال من خلال العناوين المجهولة المصدر. يمكن للسلطات التنظيمية تتبع والتحقيق في الأنشطة الإجرامية مثل غسيل الأموال والاحتيال من خلال البيانات المصنفة التي تقدمها أركام.

خريطة تصور البيانات على السلسلة لمنصة Arkham

بالإضافة إلى ذلك ، يتميز Arkham أيضا بوظيفة تداول المعلومات الاستخباراتية على السلسلة. تتيح ميزة التبادل البيني في Arkham إمكانية التبادل بين العناوين على السلسلة ومعلومات العالم الحقيقي خارج السلسلة. يمكن للمستخدمين جمع معلومات استخباراتية على السلسلة من خلال مكافآت المكافآت على المنصة ، ويمكن أيضا بيع المعلومات القيمة على السلسلة بالمزاد العلني على المنصة. للحصول على تحليل مفصل للمنتجات المحددة ، يمكنك الرجوع إلى المقالة "هل يمكن لأركهام أن تصبح أداة قوية لتنظيم السلسلة؟“سبق كتابتها.

محرك الذكاء الاصطناعي Arkham، ULTRA، تلقى الدعم خلال التطوير من Palantir، شركة تحليلات البيانات الضخمة وخدمات الاستخبارات التي توفر خدمات الذكاء الاصطناعي لحكومة الولايات المتحدة، بالإضافة إلى مؤسسي OpenAI. بفضل هذا الدعم القوي والوصول إلى مصدر بيانات تدريب نموذج الذكاء الاصطناعي القوي، يمتلك Arkham أكثر مكتبة تسمية بيانات قوية على السلسلة في الصناعة.

عنوان تكلفة تخزين كميات كبيرة من البيانات لتدريب نماذج الذكاء الاصطناعي، مشاريع تخزين سلسلة الكتل مثل Arweave، Filecoin، و Storj قد قدمت حلولًا. سواء كانت الدفعة الواحدة للتخزين الدائم من Arweave أو نموذج الدفع الفعال وفق الاستخدام من Filecoin، تقلل هذه الحلول بشكل كبير من تكاليف تخزين البيانات. بالإضافة إلى ذلك، يمكن للتخزين اللامركزي التخفيف من مخاطر فقدان البيانات نتيجة الكوارث الطبيعية مقارنة بطرق التخزين التقليدية.

بينما يمكن استخدام ChatGPT لتحسين كفاءة العمل، إلا أن تحسين النموذج لتعزيز دقة محادثات الذكاء الاصطناعي يتطلب كميات كبيرة من بيانات المستخدم للتدريب وضبط الدقة. ولذلك، هناك خطر تسرب البيانات الحساسة والبيانات الخاصة للخصوصية الشخصية. Zama هي شركة تشفير مفتوحة المصدر تبني حلول التشفير المشفرة بالكامل من الدرجة الأولى (FHE) للبلوكشين والذكاء الاصطناعي. يمكن لـ Zama Concrete ML التعامل بشكل آمن مع البيانات الحساسة، وتمكين تعاون البيانات بين مؤسسات مختلفة مع الحفاظ على سرية البيانات، وتحسين الكفاءة وأمان البيانات. يقوم بتشفير البيانات الخاصة مثل سجلات الرعاية الطبية الشخصية أثناء التدريب، مما يضمن أن يمكن لكل مستخدم رؤية النتيجة النهائية فقط وليس بيانات الأشخاص الآخرين الحساسة.

تكامل وكلاء الذكاء الاصطناعي مع مشاريع بلوكتشين.

تعرف OpenAI وكيل AI على أنه نظام يعمل بواسطة نموذج لغوي كبير (LLM) يمتلك القدرة على فهم الذاتي والإدراك والتخطيط والتذكر واستخدام الأدوات، مما يمكنه من تلقينه تنفيذ المهام المعقدة تلقائيًا. مع إصدارات OpenAI المتعاقبة لنماذج GPT، هناك مزيد من تطبيقات وكلاء AI يتم تنفيذها بشكل متزايد.

Fetch.ai هي شبكة blockchain ذاتية التعلم تسهل في المقام الأول الأنشطة الاقتصادية بين وكلاء الذكاء الاصطناعي المستقلين. يتكون Fetch.ai من أربعة أجزاء: وكلاء الذكاء الاصطناعي ، و Agentverse ، و الذكاء الاصطناعي Engine ، و Fetch network. يمكن للمستخدمين إنشاء وكلاء الذكاء الاصطناعي الخاصة بهم وتطويرها ونشرها باستخدام حالات استخدام الوكيل الذكاء الاصطناعي التي يوفرها النظام الأساسي على Agentverse. يمكنهم أيضا الترويج لوكلائهم الذكاء الاصطناعي للمستخدمين الآخرين على النظام الأساسي. DeltaV هي واجهة الدردشة القائمة على الذكاء الاصطناعي في Fetch.ai. يقوم المستخدمون بإدخال الطلبات من خلال هذه الواجهة، ويقوم الذكاء الاصطناعي Engine بقراءة إدخال المستخدم، وتحويله إلى مهام قابلة للتنفيذ، وتحديد وكيل الذكاء الاصطناعي الأنسب في Agentverse لتنفيذ المهمة. حاليا ، تتعاون شركة Bosch الألمانية مع Fetch.ai للبحث في تكامل تقنية وكيل الذكاء الاصطناعي مع تطبيقات التنقل والمنزل الذكي ، مما يفتح الباب بشكل مشترك أمام عصر Web3 لاقتصاد إنترنت الأشياء.

تكوين نظام Fetch.ai البيئي

بالإضافة إلى ذلك ، يقدم تطبيق الذكاء الاصطناعي Agent QnA3.AI روبوتات الأسئلة والأجوبة الذكاء الاصطناعي في صناعة التشفير وروبوتات التحليل الفني وقدرات تداول الأصول في عالم Web3. من خلال QnA3 Bot ، يمكن للمستخدمين جمع وتحليل وتنفيذ المعاملات الفعلية عند تداول أصول التشفير. يتم تحقيق السلوك من خلال وظائف المنتج "سؤال وجواب" و "التحليل الفني" و "التداول في الوقت الفعلي" ، مما يقلل من تدخل المشاعر الذاتية للمستخدمين في قرارات التداول الخاصة بهم.

المخاطر القانونية المحتملة

1. مخاطر تصدير البيانات

في المقدمة أعلاه، تم ذكر أن بعض مشاريع التخزين اللامركزي تعمل على حل مشكلة تخزين البيانات لتدريب نماذج الذكاء الاصطناعي بتكلفة أقل. وهذا يخفض الحاجز أمام الأفراد والشركات الناشئة المخصصة لريادة الأعمال في مجال الذكاء الاصطناعي. ومع ذلك، قد تشكل هذه النهج في التخزين اللامركزي مخاطر بخروج البيانات خارج الاختصاص.

أصدر المكتب الوطني لمعلومات الإنترنت "المبادئ التوجيهية للتقييم الأمني لتصدير البيانات (الطبعة الأولى)" ، والتي تنص بوضوح على أن سلوك تصدير البيانات يشمل:

(1) نقل وتخزين البعد الذي تم جمعه وتوليده خلال العمليات المحلية إلى مواقع خارجية من قبل معالجي البيانات؛

(2) تخزين البيانات التي تم جمعها وتوليدها من قبل معالجي البيانات محليًا، والسماح للمؤسسات أو المنظمات أو الأفراد في الخارج بالاستعلام، واسترداد، وتنزيل، وتصدير البيانات؛

(3) سلوكيات تصدير البيانات الأخرى كما ينظمها مكتب المعلومات الوطني على الإنترنت.

إذاً، ما هي تعريف "التصدير"؟ ينص المادة 89 من قانون إدارة الخروج والدخول في جمهورية الصين الشعبية على أن "التصدير" يشير إلى السفر من الصين الرئيسية إلى دول أو مناطق أخرى، أو السفر من الصين الرئيسية إلى منطقة هونغ كونغ الإدارية الخاصة أو منطقة ماكاو الإدارية الخاصة، أو السفر من الصين الرئيسية إلى تايوان. لذلك، يمكن رؤية أن تحديد ما إذا كان هناك تصدير يعتمد على القضاء.

بالنسبة لمشاريع التخزين اللامركزي، يقوم المستخدمون بتخزين البيانات في شبكات موزعة لامركزية مثل IPFS. يتم تقسيم الملفات المخزنة في الشبكة إلى عدة شظايا صغيرة من البيانات، وتشفيرها، وتخزينها في عقد متنوعة، مع توزيع عقد التخزين في جميع أنحاء العالم. تخيل لو كانت شركة ناشئة للذكاء الاصطناعي محلية الصنع تخزن البيانات الخاصة بتدريب نماذج الذكاء الاصطناعي على عقد مثل تلك المشاريع اللامركزية، فسيكون هناك فعلا خطر تصدير البيانات.

2. خطر تسرب البيانات الحساسة للخصوصية

في تطبيقات وكيل الذكاء الاصطناعي مثل QnA3.AI، يتفاعل المستخدمون مع الذكاء الاصطناعي للحصول على معلومات تداول للأصول المشفرة وتنفيذ المعاملات. يشكل الحوار الشخصي الذي تم إنشاؤه من هذه التفاعلات خطرًا على تعرض البيانات الخاصة إذا تم استخدامه من قبل المشروع لتدريب النموذج وتحسينه. يمكن أن يؤدي تسرب بيانات المعاملات مثل هذا، في حال تم استغلاله من قبل الجهات الخبيثة، إلى فشل الاستثمار وخسائر أكبر بشكل محتمل.

إخلاء المسؤولية:

1. تم نقل هذه المقالة من [web3caff], كل حقوق الطبع والنشر تنتمي إلى الكاتب الأصلي [كريس تشويانإذا كانت هناك اعتراضات على هذه الإعادة، يرجى الاتصال بالبوابة تعلمفريق، وسوف يتعاملون معها على الفور.
2. تنصيح المسؤولية: الآراء والآراء المعبر عنها في هذه المقالة هي فقط تلك الخاصة بالكاتب ولا تشكل أي نصيحة استثمارية.
3. تتم ترجمة المقال إلى لغات أخرى من قبل فريق Gate Learn. ما لم يذكر غير ذلك، فإن نسخ أو توزيع أو سرقة المقالات المترجمة ممنوعة.