Delphi Digital: فرص وتحديات تحليل العمق DeAI

المؤلف الأصلي: PonderingDurian ، باحث دلفي الرقمي

التجميع الأصلي: Pzai ، أخبار البصيرة

نظرًا لأن العملات الرقمية أساسًا هي برمجيات مفتوحة المصدر مع آلية حوافز اقتصادية مدمجة ، وفي الوقت نفسه ، يقوم الذكاء الاصطناعي بتحويل طريقة كتابة البرمجيات ، فإن الذكاء الاصطناعي سيكون له تأثير كبير على مجال البلوكتشين بأكمله.

AI x Crypto الكامل الكامل

DeAI ：الفرص والتحديات

في رأيي، تواجه DeAI أكبر تحدي في طبقة البنية التحتية، لأن بناء نماذج الأساسية يتطلب كميات كبيرة من رأس المال، وإرجاع مقياس البيانات والحسابات أيضاً عالياً.

نظرًا لقاعدة التوسع ، تتمتع الشركات التكنولوجية العملاقة بميزة طبيعية: في مرحلة الويب 2 ، حققت أرباحًا هائلة من الربح المتحقق من احتكار تلبية احتياجات المستهلكين ، وقامت بإعادة استثمار هذه الأرباح في البنية التحتية السحابية خلال عقد من الزمان حيث تم تخفيض الرسوم بشكل اصطناعي ، والآن تحاول العمالقة على الإنترنت الاستيلاء على سوق الذكاء الاصطناعي من خلال الاستيلاء على البيانات والحسابات (عناصر رئيسية في الذكاء الاصطناعي).

حجم رمز النموذج الكبير مقارنة بالحجم

بسبب كثافة رأس المال ومتطلبات النطاق الترددي العالية للتدريب الضخم ، لا يزال النظام العالمي الموحد للحوسبة العملاقة هو الاختيار الأفضل - لتوفير أفضل أداء للطرازات المغلقة لعمالقة التكنولوجيا - إنهم يخططون لاستئجار هذه النماذج بأرباح استباقية وإعادة استثمار العائدات في كل جيل من المنتجات اللاحقة.

ومع ذلك ، اتضح أن الخندق في مجال الذكاء الاصطناعي أقل عمقا من تأثير شبكة Web2 ، وأن النماذج المتطورة الرائدة تنخفض قيمتها بسرعة مقارنة بالمجال ، وخاصة “سياسة الأرض المحروقة” الخاصة ب Meta ، والتي استثمرت عشرات المليارات من الدولارات لتطوير نماذج متطورة مثل Llama 3.1 ، التي وصل أداؤها إلى مستويات SOTA.

تقييم نموذج Llama 3 الكبير

على هذا النقطة، يمكن أن تجعل الأبحاث الناشئة المتعلقة بطرق التدريب الموزعة المنخفضة وقت الإستجابة (جزئيًا) نماذج تجارية مبتكرة - مع انخفاض الأسعار الذكية، سيتحول المنافسة (على الأقل جزئيًا) من تجمعات الأجهزة الفائقة (التي تخدم الشركات التكنولوجية الكبرى) إلى الابتكار البرمجي (والذي يخدم قليلاً مفتوح المصدر / العملات الرقمية).

مؤشر القدرة (الجودة) - توزيع أسعار التدريب

نظرًا لكفاءة حسابية هياكل “الخبير المختلط” وتوليفة النماذج الكبيرة / التوجيه، فإننا على الأرجح لسنا أمام عالم يضم فقط 3-5 نماذج ضخمة، بل عالم مكون من ملايين النماذج ذات تكلفة / أداء مختلفة. إنها شبكة ذكية متشابكة (خلية).

هذا يشكل مشكلة تنسيقية ضخمة: يجب أن تكون الآليات المحفزة للبلوكشين والعملات الرقمية قادرة على حل هذه المشكلة بشكل جيد.

مجالات الاستثمار الرئيسية DeAI

البرنامج يبتلع العالم. الذكاء الاصطناعي يبتلع البرنامج. والذكاء الاصطناعي أساسا هو البيانات والحساب.

Delphi يرى أن جميع المكونات في هذه الكومة ممتازة:

مجموعة بنية تحتية بسيطة AI x Crypto

البنية التحتية

نظرًا لأن طاقة الذكاء الاصطناعي تعتمد على البيانات والحسابات ، يسعى البنية التحتية للذكاء الاصطناعي إلى تأمين البيانات والحسابات بأعلى كفاءة ممكنة ، وعادةً ما تستخدم آليات التحفيز بالأصول الرقمية. كما ذُكر سابقًا ، فإن هذا هو أكثر جزء تحديًا في المنافسة ، لكنه قد يكون أيضًا الجزء الأكثر عائدًا نظرًا لحجم السوق المستهدفة.

حساب

حتى الآن، كان بروتوكول التدريب الموزع وسوق وحدات المعالجة الرسومية مقيدًا بوقت الاستجابة، ولكنهم يأملون في تنسيق الأجهزة غير المتجانسة المحتملة لتوفير خدمات الحساب عند الطلب بتكلفة أقل لأولئك الذين يتم استبعادهم من حلول الشركات الكبيرة المتكاملة. شركات مثل Gensyn و Prime Intellect و Neuromesh تعمل على تعزيز تطوير التدريب الموزع، في حين تعمل شركات مثل io.net و Akash و Aethir على تحقيق تكلفة منخفضة تقريبًا للذكاء الحوسبي على الحافة.

توزيع بيئة المشروع على أساس تجميع العرض

البيانات

في عالم ذكي متواجد فيه نموذج أصغر وأكثر احترافية، تزداد قيمة وتحويل الأصول البياناتية.

حتى الآن ، تمت مدح DePIN إلى حد كبير بسبب قدرته على بناء شبكة أجهزة ذات تكلفة أقل مقارنة بالشركات ذات الكثافة الرأسمالية (مثل شركات الاتصالات). ومع ذلك ، ستكون أكبر سوق محتملة لـ DePIN في جمع مجموعات البيانات الجديدة التي ستدخل أنظمة الذكاء في السلسلة: بروتوكول الوكيل (سنناقشه في وقت لاحق)

في هذا العالم، يتم استبدال أكبر سوق محتمل في العالم - القوى العاملة - بالبيانات والحسابات. في هذا العالم، توفر البنية التحتية للذكاء الاصطناعي وسيلة لغير المتخصصين للحصول على وسائل الإنتاج، وتسهم في الاقتصاد الشبكي القادم.

الوسيط

تهدف DeAI في النهاية إلى تحقيق حوسبة قابلة للتركيب فعالة. مثل LEGO رأس المال في التمويل اللامركزي ، يعوض DeAI الأداء المطلق غير المرضي من خلال قدرته على الاحتراق بدون إذن ، ويشجع نظام البيئة المفتوحة للبرمجيات والخوارزميات على التحرك المتكرر للفائدة المركبة ، على أمل تجاوز البرمجيات والخوارزميات الحالية.

إذا كان بإمكاننا أن نقول أن Google هي الاندماج في القمة، فإن DeAI يمثل النهج المتكامل في الأطراف. كما يذكر Clayton Christensen، فإن النهج المتكامل في الصناعات الناشئة غالبًا ما يحقق موقع رائد بتقليل الاحتكاك في سلسلة القيمة، لكن مع نضج هذا المجال، يأخذ النهج المتكامل مكانه من خلال تعزيز المنافسة وكفاءة التكلفة في طبقات الكومة المختلفة.

الذكاء الاصطناعي المتكامل مقابل الذكاء الاصطناعي المتكامل

نحن نرى بشكل كبير الفئات العدة المهمة لتحقيق هذا الرؤية المتخصصة.

التوجيه

في عالم متفكك ذكي ، كيف يمكن اختيار النمط والوقت الصحيحين بأفضل سعر؟ يعمل مجمع الطلبات على القبض على القيمة دائمًا (انظر نظرية التجميع) ، وتعد وظيفة التوجيه حاسمة لتحسين منحنى باريتو الأداء والتكلفة في عالم الذكاء الشبكي.

Bittensor كان في الصدارة في الجيل الأول من المنتجات، ولكنه واجه العديد من المنافسين المتخصصين أيضًا.

باستخدام منهج ‘الإدراك السياقي’ وتحسين الذات مع مرور الوقت، يقيم Allora مسابقات بين نماذج مختلفة في مواضيع مختلفة ويقدم معلومات للتنبؤ بالمستقبل بناءً على دقة التاريخ في ظروف معينة.

يهدف Morpheus إلى أن يكون “التوجيه من جانب الطلب” لحالات استخدام Web3 - وهو في الأساس “Apple Intelligence” مع وكيل أصلي مفتوح المصدر يفهم السياق ذي الصلة للمستخدم ويمكنه توجيه الاستعلامات بكفاءة من خلال التمويل اللامركزي أو اللبنات الأساسية الناشئة للبنية التحتية “للحوسبة القابلة للتركيب” في Web3.

بروتوكولات التوافقية مثل Theoriq و Autonolas تهدف إلى دفع التوجيه المتعدد الوحدات إلى الحد الأقصى ، مما يجعل النظام البيئي المرن للوكلاء أو المكونات قابلة للتركيب والتكامل تكامل كامل في خدمات السلسلة الداخلية.

في الأخير، في عالم ذكي ومتشظّ، ستلعب وحدة تجميع العرض والطلب دورًا قويًا للغاية. إذا كان بإمكانك أن تعتبر Google شركة قيمتها 2 مليون دولار، والتي تقوم بفهرسة المعلومات للعالم بأكمله، فإن الشركة الفائزة بجهاز توجيه الطلبات - سواء كانت Apple أو Google أو حلول Web3 - والتي تقوم بتنسيق فهرسة الذكاء الاصطناعي، ستكون ذات حجم أكبر.

معالج مساعد

نظرًا لتشتتها، تواجه تقنية سلسلة الكتل قيودًا كبيرة في مجالات البيانات والحسابات. كيف يمكن دمج تطبيقات الذكاء الاصطناعي الكثيفة للحسابات والبيانات التي يحتاجها المستخدم في تقنية سلسلة الكتل؟ من خلال معالج التعاون!

المعالج المساعد في Crypto في طبقة التطبيق

وتقدم جميعها تقنيات مختلفة لـ ‘التحقق’ من البيانات الأساسية أو النماذج المستخدمة بشكل فعال من خلال ‘آلة أوراكل’، وهذا الأسلوب يقلل إلى حد كبير من الافتراضات الجديدة للثقة داخل السلسلة ويعزز قدرتها بشكل كبير. حتى الآن، استخدمت العديد من المشاريع طرق zkML و opML و TeeML وتشفير الاقتصاد، لكل منها مزايا وعيوب مختلفة:

مقارنة المعالج المساعد

على المستوى الأعلى، يعد المعالج المشترك أمرًا حاسمًا لتحسين العقود الذكية - حيث يوفر حلولًا مشابهة لـ “مستودع البيانات” من أجل الاستعلام عن تجربة داخل السلسلة الشخصية أكثر تفصيلاً، أو التحقق مما إذا كان المنطق المعطى تم إكماله بشكل صحيح.

شبكة القضاء الأمني (TEE)، مثل Super، Phala، و Marlin، بسبب قدرتها العملية وقدرتها على استضافة تطبيقات بمقياس كبير، أصبحت محل ترحيب متزايد في الآونة الأخيرة.

بشكل عام، فإن المعالج المساعد حاسم لدمج سلسلة الكتل ذات الأداء المنخفض لكن ذات التحديد العالي مع الكيانات الذكية ذات الأداء العالي ولكن ذات الاحتمالية في هذا الجيل من سلسلة الكتل. دون المعالج المساعد، لن يكون هناك وجود للذكاء الاصطناعي في هذا الجيل من سلسلة الكتل.

تحفيز المطورين

واحدة من أكبر التحديات في تطوير الذكاء الاصطناعي مفتوح المصدر هي نقص الآليات التحفيزية التي تجعله قابلاً للتطور المستدام. تطوير الذكاء الاصطناعي هو عملية تعتمد بشكل كبير على رأس المال، وتكلفة الفرص في المعلوماتية والعمل المعرفي للذكاء الاصطناعي مرتفعة للغاية. إذا لم يتم توفير تدابير تحفيز مناسبة لمساهمات مفتوح المصدر، فإن هذا المجال سيخسر بلا شك أمام الكمبيوتر الخارق الذي يعمل بأسلوب رأس المال.

من Sentiment إلى Pluralis و Sahara AI و Mira ، يهدف مشاريع هذه إلى تشغيل شبكة تمكن الأفراد المنتشرين على الشبكة من المساهمة في الذكاء الشبكي وفي الوقت نفسه توفير حوافز مناسبة.

من خلال تعويض نموذج الأعمال، يجب أن يتسارع الفائدة المركبة المفتوحة المصدر، مما يوفر خيارًا عالميًا للمطورين وباحثي AI خارج الشركات التكنولوجية الكبرى، ومن المتوقع أن يحصلوا على عوائد كبيرة بناءً على القيمة التي يخلقونها.

على الرغم من صعوبة تحقيق ذلك وزيادة المنافسة ، إلا أن السوق الكامن هنا هو هائل.

نموذج GNN

يقوم نموذج اللغة الكبير بتقسيم الأنماط في مجموعة كبيرة من النصوص وتعلم توقع الكلمة التالية، بينما تعالج شبكة الأعصاب الرسم البياني (GNN) وتحليل وتعلم بيانات هيكل الرسم البياني. بما أن البيانات داخل السلسلة تتكون أساسًا من تفاعلات معقدة بين المستخدمين والعقود الذكية، بمعنى آخر، هي رسم بياني، لذلك يبدو أن GNN هو اختيار منطقي لدعم حالات استخدام الذكاء الاصطناعي داخل السلسلة.

تحاول مشاريع مثل Pond و RPS إنشاء نموذج أساسي لـ web3 ، والذي يمكن أن يتم تطبيقه في حالات الاستخدام مثل التداول و Defi وحتى الشبكات الاجتماعية.

• التنبؤ بالأسعار: تتنبأ النماذج السلوكية على السلسلة بالأسعار واستراتيجيات التداول الآلي وتحليل المشاعر
• تمويل الذكاء الاصطناعي: دمج مع تطبيقات التمويل اللامركزي الحالية، واستراتيجيات العائد المتقدمة واستغلال السيولة، وإدارة المخاطر / الحوكمة الأفضل
• التسويق داخل السلسلة: توزيع مجاني أكثر استهدافًا / تحديد موقع، بناءً على محرك الإرشادات المستندة إلى السلوك داخل السلسلة

هذه النماذج ستستخدم بشكل كبير حلول مستودعات البيانات مثل Space and Time و Subsquid و Covalent و Hyperline وغيرها، وأنا أيضًا متفائل جدًا بها.

يمكن أن يثبت GNN أن النموذج الكبير للبلوكشين ومستودع بيانات Web3 هما أدوات مساعدة ضرورية لـ Web3 ، وتوفر وظيفة OLAP (معالجة التحليل عبر الإنترنت).

تطبيق

في رأيي، داخل السلسلة Agents قد تكون المفتاح لحل مشاكل تجربة المستخدم المعروفة للعملات الرقمية، ولكن الأهم من ذلك، خلال العقد العشرة الماضية، قمنا بإستثمار مليارات الدولارات في بنية الويب3، ومع ذلك، فإن معدل استخدام الطلب قليل للغاية.

لا داعي للقلق، وصل الوكلاء…

النمو في درجات اختبار الذكاء الاصطناعي عبر جميع أبعاد السلوك البشري

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 AI التوليدية

من المحتمل أن يكون البروتوكول التالي هو وسيط في غوغل وفيسبوك وبلاكروك، والمكونات التي تنفذ هذه البروتوكولات قيد الولادة.

نهاية DeAI

سوف تغير الذكاء الاصطناعي شكل اقتصادنا. السوق يتوقع الآن أن يكون الحصول على هذه القيمة مقتصرًا على عدد قليل من الشركات الكبيرة على الساحل الغربي لأمريكا الشمالية. بينما يمثل DeAI رؤية مختلفة. إنها رؤية لشبكة ذكاء اصطناعي مفتوحة وقابلة للتجميع، حيث يتم مكافأة ومكافأة حتى للمساهمات الصغيرة، بالإضافة إلى المزيد من حقوق الملكية / الإدارة الجماعية.

على الرغم من أن بعض التصريحات حول DeAI مبالغ فيها، وأن أسعار تداول العديد من المشاريع تفوق بكثير القيمة الفعلية الحالية، إلا أن حجم الفرص حقًا واقعي. بالنسبة لأولئك الذين لديهم الصبر والرؤية، قد يثبت الرؤية النهائية الحقيقية لـ DeAI قابلية الجمع بشكل فعلي لسلاسل الكتل ذاتها.