بعد مرور أكثر من عام على إصدار ChatGPT، احتدمت المناقشات حول AI+Crypto مرة أخرى مؤخرًا. ويعتبر الذكاء الاصطناعي أحد أهم المسارات للسوق الصاعدة لعامي 2024-2025، حتى أن فيتاليك بوتيرين نفسه نشر مقالًا بعنوان "الوعد والتحديات لتطبيقات التشفير + الذكاء الاصطناعي" لمناقشة اتجاهات الاستكشاف المحتملة لـ AI+Cryo في المستقبل. لن تقدم هذه المقالة الكثير من التنبؤات الذاتية، ولكنها ستقوم ببساطة بفرز مشاريع ريادة الأعمال المجمعة بين الذكاء الاصطناعي والعملات المشفرة التي تمت ملاحظتها خلال العام الماضي من منظور السوق الأولية، لمعرفة الزوايا التي دخل منها رواد الأعمال إلى السوق، وما هي الإنجازات التي تم تحقيقها، و وما هي المناطق التي لا تزال قيد الاستكشاف.

I. دورة الذكاء الاصطناعي والتشفير

طوال عام 2023، ناقشنا ما يقرب من العشرات من مشاريع الذكاء الاصطناعي والتشفير، حيث يمكن ملاحظة دورة واضحة. قبل إصدار ChatGPT في نهاية عام 2022، كان هناك عدد قليل من مشاريع blockchain المتعلقة بالذكاء الاصطناعي في السوق الثانوية، وأهمها المشاريع القديمة مثل FET وAGIX. وبالمثل، شهد السوق الأولي عددًا قليلاً من المشاريع المتعلقة بالذكاء الاصطناعي.

من يناير إلى مايو 2023، كانت هناك أول فترة انفجار مركزة لمشاريع الذكاء الاصطناعي، ويرجع ذلك أساسًا إلى أن ChatGPT كان له تأثير كبير. تمحورت العديد من المشاريع القديمة في السوق الثانوية حول مسار الذكاء الاصطناعي، وفي كل أسبوع تقريبًا، كانت هناك مناقشات حول مشاريع AI+Crypto في السوق الأولية. ومع ذلك، بدت مشاريع الذكاء الاصطناعي في هذه الفترة بسيطة نسبيًا، حيث كان الكثير منها عبارة عن مشاريع "معاد تصميمها" و"تحويلها إلى سلسلة الكتل" استنادًا إلى ChatGPT، وتفتقر إلى أي حواجز تكنولوجية أساسية. يمكن لفريق التطوير الداخلي لدينا في كثير من الأحيان تكرار الإطار الأساسي للمشروع في يوم أو يومين فقط. قادنا هذا إلى مناقشة العديد من مشاريع الذكاء الاصطناعي خلال هذه الفترة، ولكن في النهاية، لم نقم بأي تحركات.

من مايو إلى أكتوبر، بدأ السوق الثانوي يتحمل، ومن المثير للاهتمام أن عدد مشاريع الذكاء الاصطناعي في السوق الأولية انخفض أيضًا بشكل ملحوظ حتى آخر شهر أو شهرين عندما بدأ العدد في الارتفاع مرة أخرى، مع المناقشات والمقالات والمزيد حول AI+Crypto تصبح أكثر ثراءً. لقد دخلنا مرة أخرى في مرحلة "الازدهار" حيث يمكننا أن نواجه مشاريع الذكاء الاصطناعي كل أسبوع. بعد ستة أشهر، شعرنا بشكل ملحوظ أن الدفعة الجديدة من مشاريع الذكاء الاصطناعي تتمتع بفهم أفضل بشكل كبير لمسار الذكاء الاصطناعي وتنفيذ السيناريو التجاري وتكامل AI+Crypto مقارنة بفترة نشاط الذكاء الاصطناعي الأولى. على الرغم من أن الحواجز التكنولوجية لا تزال غير قوية، إلا أن النضج العام قد وصل إلى مستوى جديد. لم نقم أخيرًا برهاننا الأول على مسار AI+Crpyto حتى عام 2024.

ثانيا. في مسار الذكاء الاصطناعي والتشفير

يتنبأ فيتاليك في مقالته عن "التوقعات والتحديات" من عدة أبعاد ووجهات نظر مجردة نسبيًا:

• الذكاء الاصطناعي كلاعب في اللعبة
• الذكاء الاصطناعي كواجهة ألعاب
• الذكاء الاصطناعي كقواعد اللعبة
• الذكاء الاصطناعي كهدف للألعاب

ومع ذلك، فإننا نلخص مشاريع الذكاء الاصطناعي التي نراها حاليًا في السوق الأولية من زاوية أكثر واقعية ومباشرة. تدور المشاريع في AI+Crypto في الغالب حول جوهر Crypto، وهو "اللامركزية الفنية (أو السياسية) + الأصول التجارية".

اللامركزية لا تحتاج إلى مقدمة؛ الأمر كله يتعلق بـ Web3. بناءً على نوع الأصول، يمكن تقسيمها بشكل عام إلى ثلاثة مسارات رئيسية:

• استغلال القدرة الحاسوبية
• أصول النماذج
• الكتابة بالأحرف الكبيرة للبيانات

الأصول من قوة الحوسبة

يعد هذا مسارًا كثيفًا نسبيًا، ويشمل العديد من المشاريع الجديدة بالإضافة إلى محاور من مشاريع قديمة، مثل Akash من Cosmos وNosana من Solana. ارتفعت أسعار العملات الرمزية بعد المحورية، مما يعكس تفاؤل السوق تجاه مسار الذكاء الاصطناعي. على الرغم من أن RNDR يركز بشكل أساسي على العرض اللامركزي، إلا أنه يمكن أن يخدم أيضًا أغراض الذكاء الاصطناعي، لذلك يصنف الكثيرون RNDR والمشاريع المماثلة المتعلقة بالطاقة الحاسوبية ضمن مسار الذكاء الاصطناعي.

يمكن تقسيم استغلال القدرة الحاسوبية إلى اتجاهين:

الحوسبة اللامركزية للتدريب على الذكاء الاصطناعي، ممثلة بـ Gensyn.

الحوسبة اللامركزية لاستدلال الذكاء الاصطناعي، ممثلة بمعظم المحاور والمشاريع الجديدة.

ومن الظواهر المثيرة للاهتمام التي نلاحظها في هذا المسار، أو بالأحرى سلسلة الشك، ما يلي:

الذكاء الاصطناعي التقليدي ← الاستدلال اللامركزي ← التدريب اللامركزي

أولئك الذين لديهم خلفية تقليدية في مجال الذكاء الاصطناعي يشككون في التدريب أو الاستدلال اللامركزي على الذكاء الاصطناعي. وفي الفضاء اللامركزي، يشكك أولئك الذين يركزون على الاستدلال في جدوى التدريب اللامركزي. ويكمن السبب الرئيسي في التحديات التقنية، حيث يتطلب تدريب الذكاء الاصطناعي (وخاصة بالنسبة للنماذج الكبيرة) بيانات ضخمة، والأهم من ذلك، عرض نطاق ترددي عال لنقل البيانات. في الوقت الحالي، يتطلب تدريب نماذج Transformer الكبيرة مصفوفة من وحدات معالجة الرسومات المتطورة (مثل 4090 أو H100 للذكاء الاصطناعي) بالإضافة إلى NVLink ومفاتيح الألياف الضوئية الاحترافية لقنوات الاتصال على مستوى 100G، مما يلقي بظلال من الشك على جدوى اللامركزية لمثل هذه المهام.

• أولئك الذين أتوا من تخصصات الذكاء الاصطناعي التقليدية ليسوا متفائلين بشأن التدريب أو التفكير اللامركزي في الذكاء الاصطناعي.
• أولئك الذين يستخدمون المنطق اللامركزي ليسوا متفائلين بشأن التدريب اللامركزي.

السبب تقني بشكل أساسي، لأن تدريب الذكاء الاصطناعي (خاصة النموذج الكبير للذكاء الاصطناعي) يتضمن كميات هائلة من البيانات، وما هو أكثر مبالغة من متطلبات البيانات هو متطلبات عرض النطاق الترددي الناتجة عن الاتصال عالي السرعة لهذه البيانات. في بيئة الطرازات الكبيرة الحالية من Transformer، يتطلب تدريب هذه النماذج الكبيرة عددًا كبيرًا من بطاقات الرسومات المتطورة بمستوى 4090/بطاقات الرسومات الاحترافية H100 التي تعمل بالذكاء الاصطناعي والتي تم شراؤها مصفوفة طاقة حاسوبية + قنوات اتصال على مستوى 100G مكونة من NVLink ومفاتيح الألياف الضوئية الاحترافية. أنت تقول أن هذا الشيء يمكن تنفيذه بطريقة لا مركزية، حسنًا...

يتطلب تفكير الذكاء الاصطناعي قوة حوسبة ونطاق ترددي للاتصالات أقل بكثير من تدريب الذكاء الاصطناعي. إن إمكانية اللامركزية بطبيعة الحال أكبر بكثير من إمكانية التدريب. هذا هو السبب في أن معظم المشاريع المتعلقة بقوة الحوسبة تشارك في التفكير، والتدريب هو في الأساس Gensyn فقط. ، لاعب كبير مثل Together الذي جمع أكثر من 100 مليون يوان. ولكن بالمثل، ومن منظور أداء التكلفة والموثوقية، على الأقل في هذه المرحلة، لا تزال قوة الحوسبة المركزية أفضل بكثير من التفكير اللامركزي.

ليس من الصعب تفسير لماذا، عند النظر إلى الاستدلال اللامركزي والتدريب اللامركزي، يعتقدون "أنك لا تستطيع القيام بذلك على الإطلاق"، بينما ينظر الذكاء الاصطناعي التقليدي إلى التدريب اللامركزي والاستدلال ويعتقد أن "التدريب غير واقعي من الناحية الفنية" و"الاستدلال" لا يمكن الاعتماد عليها تجاريا". نطاق".

يقول بعض الأشخاص أنه عندما ظهرت BTC/ETH لأول مرة، قال الجميع أيضًا أن هذا النموذج لجميع العقد الموزعة التي يتم حسابها غير موثوق به مقارنة بالحوسبة السحابية، لكنه لم ينجح في النهاية؟ ثم يعتمد الأمر على الاحتياجات المستقبلية لتدريب الذكاء الاصطناعي واستدلال الذكاء الاصطناعي فيما يتعلق بأبعاد الصحة وعدم التلاعب والتكرار. إن مجرد التركيز على الأداء والموثوقية والسعر لا يمكن أن يكون أفضل من المركزية في الوقت الحالي.

أصول النماذج

هذا المسار مزدحم وأسهل نسبيًا للفهم مقارنة بأصول قوة الحوسبة. لقد أظهرت شعبية ChatGPT وتطبيقات مثل Character.AI إمكانات النماذج اللغوية الكبيرة. يمكن للمستخدمين طلب المعرفة من شخصيات تاريخية مثل سقراط أو كونفوشيوس، أو الدردشة مع المشاهير مثل Elon Musk أو Sam Altman، أو حتى المشاركة في محادثات رومانسية مع شخصيات افتراضية مثل Hatsune Miku أو Raiden Shogun. يعود الفضل في كل هذا السحر إلى نماذج اللغات الكبيرة، حيث أصبح مفهوم AI Agents متأصلًا بعمق من خلال Character.AI.

ماذا لو كان هؤلاء العملاء، مثل كونفوشيوس أو ماسك أو رايدن شوغون، هم NFTs؟

أليس هذا AI X Crypto؟!

وهذا يجسد مفهوم AI X Crypto. يتعلق الأمر أكثر باستغلال الوكلاء الذين تم إنشاؤهم من نماذج كبيرة بدلاً من النماذج نفسها، حيث لا يمكن وضع النماذج الكبيرة مباشرة على blockchain. ينصب التركيز على تعيين الوكلاء على NFTs لخلق إحساس "بأصول النموذج" في مساحة AI X Crypto.

يوجد حاليًا وكلاء لتعلم اللغة الإنجليزية والمواعدة والمزيد، إلى جانب المشاريع المشتقة مثل البحث عن الوكلاء والأسواق. إحدى المشكلات الشائعة في هذا المسار هي عدم وجود حواجز تقنية، حيث أن العديد من المشاريع تقوم ببساطة بإضفاء طابع NFT على مفهوم Character.AI. غالبًا ما يكون التكامل مع blockchain في حده الأدنى، على غرار الطريقة التي قد تقوم بها GameFi NFTs على Ethereum فقط بتخزين عنوان URL أو التجزئة في البيانات الوصفية الخاصة بها، مع استضافة النماذج/الوكلاء على خوادم سحابية. يتضمن التداول على blockchain حقوق الملكية بشكل أساسي.

على الرغم من هذه التحديات، من المرجح أن تظل أصول النموذج/الوكيل مسارًا رئيسيًا في AI x Crypto، مع وجود آمال في مشاريع أكثر قوة من الناحية الفنية ومتكاملة مع blockchain في المستقبل.

أصول البيانات

تعد أصول البيانات أكثر ملاءمة منطقيًا لـ AI+Crypto، حيث يستخدم تدريب الذكاء الاصطناعي التقليدي في المقام الأول البيانات المرئية المتاحة على الإنترنت، أو بشكل أكثر دقة - البيانات من حركة مرور المجال العام، والتي قد تمثل 10-20٪ فقط من الإجمالي. يوجد جزء كبير من البيانات فعليًا ضمن حركة مرور المجال الخاص (بما في ذلك البيانات الشخصية). إذا كان من الممكن استخدام بيانات حركة المرور هذه للتدريب أو تحسين النماذج الكبيرة، فمن الممكن أن يكون لدينا بلا شك وكلاء/روبوتات أكثر تخصصًا في مختلف المجالات الرأسية.

الشعار الأكثر شهرة لـ Web3 هو "اقرأ، اكتب، امتلك!"

لذلك، وبتوجيه من الحوافز اللامركزية من خلال AI+Crypto، فإن إطلاق بيانات حركة الرغبات الفردية والخاصة للاستفادة من الأصول لتوفير "تغذية" أفضل وأكثر ثراءً للنماذج الكبيرة يبدو وكأنه نهج منطقي للغاية. في الواقع، هناك فرق عديدة منخرطة بعمق في هذا المجال.

ومع ذلك، فإن التحدي الأكبر في هذا المسار هو أن البيانات ليست موحدة بسهولة مثل قوة الحوسبة. بالنسبة لقوة الحوسبة اللامركزية، يُترجم نموذج بطاقة الرسومات الخاصة بك مباشرةً إلى قدر معين من قوة الحوسبة، في حين يصعب قياس كمية البيانات الخاصة وجودتها والغرض منها عبر أبعاد مختلفة. إذا كانت قوة الحوسبة اللامركزية مثل ERC20، فإن استغلال بيانات تدريب الذكاء الاصطناعي للذكاء الاصطناعي اللامركزي يبدو أشبه بـ ERC721، ممزوجًا بالعديد من المشاريع والسمات مثل PunkAzuki، مما يجعل السيولة وتطوير السوق أكثر صعوبة بكثير من ERC20. وبالتالي، تواجه المشاريع التي تعمل على استغلال بيانات الذكاء الاصطناعي صعوبات كبيرة.

جانب آخر جدير بالملاحظة في مسار البيانات هو وضع العلامات اللامركزية. تنطبق أصول البيانات على خطوة "جمع البيانات"، ويجب معالجة البيانات المجمعة قبل تقديمها إلى الذكاء الاصطناعي، وهنا يأتي دور تصنيف البيانات. تعد هذه الخطوة حاليًا مهمة مركزية وتتطلب عمالة مكثفة. ومن خلال إضفاء اللامركزية على هذه العملية من خلال المكافآت الرمزية، فإن تحويل هذا العمل إلى تصنيف لا مركزي لكسبه، أو توزيع العمل بطريقة مشابهة لمنصات التعهيد الجماعي، هو مفهوم يتم استكشافه. يقوم عدد قليل من الفرق حاليا بزراعة هذا المجال.

ثالثا. قطع اللغز المفقودة في الذكاء الاصطناعي + التشفير

دعونا نناقش بإيجاز، من وجهة نظرنا، الأجزاء المفقودة في قطاع AI + Crypto.

1. العوائق التكنولوجية: كما ذكرنا سابقًا، فإن غالبية مشاريع AI + Crypto ليس لديها أي عوائق تقريبًا مقارنة بمشاريع الذكاء الاصطناعي التقليدية في مجال Web2. وهم يعتمدون بشكل أكبر على النماذج الاقتصادية والحوافز الرمزية، ويركزون جهودهم على الخبرة الأمامية والسوق والعمليات. على الرغم من أنه لا يوجد شيء خاطئ في هذا - فاللامركزية وتوزيع القيمة هما بالفعل من نقاط القوة في Web3 - إلا أن الافتقار إلى الحواجز الأساسية غالبًا ما يعطي أجواء "X to Earn". ما زلنا نتطلع إلى المزيد من الفرق ذات التقنيات الأساسية، مثل الشركة الأم لـ RNDR OTOY، التي ستحقق خطوات كبيرة في مجال العملات المشفرة.

2. الوضع الحالي للممارسين: بناءً على ملاحظاتنا، تتمتع بعض الفرق في قطاع AI x Crypto بمعرفة كبيرة بالذكاء الاصطناعي ولكنها تفتقر إلى الفهم العميق لـ Web3. على العكس من ذلك، فإن بعض الفرق تعتمد لغة تشفير أصلية للغاية ولكن لديها فهمًا سطحيًا للذكاء الاصطناعي. وهذا مشابه جدًا لقطاع Gamefi المبكر، حيث كان لدى الفرق فهمًا عميقًا للألعاب وسعت إلى تكييف ألعاب Web2 مع blockchain أو كانت على دراية جيدة بـ Web3، مع التركيز على الابتكار وتحسين نماذج الربح المختلفة. كان Matr1x هو أول فريق واجهناه في قطاع Gamefi يتمتع بفهم مزدوج لكل من الألعاب والعملات المشفرة، ولهذا السبب ذكرت سابقًا أن Matr1x كان أحد المشاريع الثلاثة في عام 2023 التي قررت تنفيذها "مباشرة بعد المناقشة". نحن نتطلع إلى رؤية فرق تتمتع بفهم مزدوج A في كل من الذكاء الاصطناعي والعملات المشفرة في عام 2024.

3. السيناريوهات التجارية: لا تزال AI X Crypto في مرحلة مبكرة جدًا من الاستكشاف. إن الأصول المختلفة المذكورة ليست سوى عدد قليل من الاتجاهات العامة، ولكل منها قطاعات فرعية محتملة يمكن استكشافها وتقسيمها بدقة. غالبًا ما يبدو الجمع بين الذكاء الاصطناعي والعملات المشفرة في المشاريع الحالية "قاسيًا" أو "صعبًا"، حيث يفشل في الاستفادة من أفضل المزايا التنافسية أو إمكانية الجمع بين الذكاء الاصطناعي والعملات المشفرة. ويرتبط هذا ارتباطًا وثيقًا بالنقطة الثانية المذكورة أعلاه. على سبيل المثال، قام فريق التطوير الداخلي لدينا بتصميم وتصميم طريقة دمج أكثر مثالية. لسوء الحظ، على الرغم من مراجعة العديد من المشاريع في قطاع الذكاء الاصطناعي، إلا أننا لم نجد بعد فريقًا يدخل هذا المجال. ولذلك، لا يسعنا إلا أن نواصل الانتظار.

لماذا يمكن لرأس المال الاستثماري لدينا أن يفكر في سيناريوهات معينة قبل رواد الأعمال في السوق؟ لأن فريق الذكاء الاصطناعي الداخلي لدينا يضم سبعة أساتذة، خمسة منهم يحملون درجة الدكتوراه في الذكاء الاصطناعي. أما بالنسبة لفهم فريق ABCDE للعملات المشفرة، حسنًا، كما تعلم...

في الختام، على الرغم من أنه من منظور السوق الأولية، فإن AI x Crypto لا يزال مبكرًا جدًا وغير ناضج، إلا أن هذا لا يمنعنا من التفاؤل بشأن آفاقه في 2024-2025. يمكن أن يصبح AI x Crypto أحد القطاعات الرئيسية في السوق الصاعدة القادمة. ففي نهاية المطاف، إذا حرر الذكاء الاصطناعي القوى الإنتاجية وحررت تقنية blockchain علاقات الإنتاج، فأي مزيج أفضل يمكن أن يكون؟ :)

تنصل:

1. تمت إعادة طباعة هذه المقالة من [ABCDE]، جميع حقوق النشر مملوكة للمؤلف الأصلي [ABCDE]. إذا كانت هناك اعتراضات على إعادة الطبع هذه، فيرجى الاتصال بفريق Gate Learn ، وسوف يتعاملون معها على الفور.
2. إخلاء المسؤولية: الآراء والآراء الواردة في هذه المقالة هي فقط آراء المؤلف ولا تشكل أي نصيحة استثمارية.
3. تتم ترجمة المقالة إلى لغات أخرى بواسطة فريق Gate Learn. ما لم يُذكر ذلك، يُحظر نسخ أو توزيع أو سرقة المقالات المترجمة.