محمد جمالعلى الرغم من أن تقاطع الويب3 والذكاء الاصطناعي لديه إمكانات كبيرة، إلا أن هناك الكثير من الارتباك حول هذه التكنولوجيا الناشئة في السوق اليوم. يمكن أن يساعد رسم سلسلة إمدادات وحدة معالجة الرسومات، وطبقات تراكم التكنولوجيا، والمناظر التنافسية المختلفة المستثمرين على فهم النظام البيئي بشكل أفضل واتخاذ قرارات استثمارية أكثر ذكاءً، وفقًا لما قاله ديفيد أترمان في M31 Capital.
في أقل من عام منذ إطلاق ChatGPT لأول مرة ، أصبحت الذكاء الاصطناعي الإنتاجي على ما يبدو السرد العالمي الأكثر تأثيرًا في الوقت الحاضر. نجاح OpenAI في وقت مبكر دفع بزيادة اهتمام المستثمرين بنماذج اللغة الكبيرة وتطبيقات الذكاء الاصطناعي ، مما جذب استثمارات بقيمة 25 مليار دولار في عام 2023 (زيادة 5 مرات عن العام السابق!) ، في سعي للاستفادة من فرصة السوق المتعددة التريليونية المحتملة.
أنت تقرأ Crypto Long & Short ، نشرتنا الأسبوعية التي تتضمن رؤى وأخبار وتحليلات للمستثمر المحترف. اشترك هنا لتصلك في صندوق الوارد الخاص بك كل يوم أربعاء.
كما ذكرت سابقًا ، يتكامل تقنيات الذكاء الاصطناعي والعملات المشفرة بشكل جيد ، لذا ليس من المستغرب رؤية نظام بيئي للذكاء الاصطناعي الناشئ داخل Web3. على الرغم من كل الاهتمام ، لاحظت الكثير من الارتباك حول ما تفعله هذه البروتوكولات ، وما هو هوس مقابل حقيقة ، وكيف يتناسب كل ذلك معًا. ستقوم هذه التقرير برسم خريطة سلسلة إمداد الذكاء الاصطناعي في Web3 ، وتعريف كل طبقة في تكنولوجيا البرمجيات ، واستكشاف المناظر التنافسية المختلفة. في النهاية ، يجب أن يكون لديك فهم أساسي لكيفية عمل النظام البيئي وما يجب أن تبحث عنه في المستقبل.
طبقة تكنولوجيا الذكاء الاصطناعي في Web3
طبقة البنية التحتية
يتم تشغيل الذكاء الاصطناعي الإنتاجي بواسطة نماذج اللغة الكبيرة ، التي تعمل على وحدات معالجة الرسومات عالية الأداء. تحتوي نماذج اللغة الكبيرة على ثلاثة أعباء رئيسية: التدريب (إنشاء النموذج) ، والتحسين (تخصص القطاع / الموضوع) ، والاستدلال (تشغيل النموذج). لقد قسمت هذه الطبقة إلى وحدات معالجة الرسومات متعددة الاستخدامات ، ووحدات معالجة الرسومات المخصصة لتعلم الآلة ، ومجمعات وحدات معالجة الرسومات ، والتي تتميز بقدرات الأعباء المختلفة وحالات الاستخدام المختلفة. تتم تشجيع هذه الأسواق النظير إلى ضمان اللامركزية الآمنة ، ولكن من المهم ملاحظة أن معالجة وحدات معالجة الرسومات الفعلية تحدث خارج السلسلة.
طبقة الوسيط
تمكن الطبقة السابقة من الوصول غير المشروط إلى وحدات معالجة الرسومات ، ولكن يتطلب الوسيط الاتصال بهذا المورد الحاسوبي مع عقود ذكية على السلسلة بطريقة تقلل من الثقة (أي لاستخدامها من قبل تطبيقات Web3). يدخل في ذلك الأدلة بدون معرفة (ZKPs) ، وهي طريقة تشفيرية يمكن لطرف واحد (المثبت) أن يثبت للطرف الآخر (التحقق) أن بيان معين صحيح ، مع تجنب إيصال أي معلومات إلى المحقق بخلاف حقيقة صحة البيان. في حالتنا ، يكون “البيان” هو ناتج نماذج اللغة الكبيرة بناءً على إدخال محدد.
طبقة التطبيق
وأخيرًا ، في أعلى تكنولوجيا البرمجيات ، لدينا تطبيقات التفاعل مع المستخدمين التي تستفيد من قوة معالجة الذكاء الاصطناعي غير المشروطة في Web3 (بفضل الطبقتين السابقتين) لإكمال مهام محددة لمجموعة متنوعة من الحالات الاستخدام. تعتمد هذه الجزء من السوق لا تزال في مراحلها الأولى ، وتعتمد لا تزال على البنية التحتية المركزية ، ولكن الأمثلة المبكرة تشمل التدقيق الذكي للعقود الذكية ، وروبوتات الدردشة المحددة للبلوكشين ، وألعاب الميتافيرس ، وإنشاء الصور ، ومنصات التداول وإدارة المخاطر. مع استمرار تطور البنية التحتية الأساسية ، ونضج ZKPs ، ستظهر تطبيقات الذكاء الاصطناعي من الجيل التالي بوظائف يصعب تخيلها اليوم. ليس واضحًا ما إذا كان المشاركون المبكرين سيكونون قادرين على مواكبة التطورات أم ستظهر قادة جدد في عام 2024 وما بعده.
آفاق المستثمر: على الرغم من تفاؤلي بكامل طبقات تكنولوجيا الذكاء الاصطناعي ، أعتقد أن بروتوكولات البنية التحتية والوسيط هي استثمارات أفضل اليوم نظرًا لعدم اليقين في كيفية تطور وظائف الذكاء الاصطناعي مع مرور الوقت. ومهما تطورت ، فإن تطبيقات الذكاء الاصطناعي في Web3 ستحتاج بلا شك إلى قوة معالجة GPU ضخمة وتقنية ZKP وأدوات وخدمات المطورين (أي البنية التحتية والوسيط).
الإفصاح: تحتفظ M31 Capital بمراكز في عدة رموز ذكرت في هذه المقالة.
عمر غريب
خالد الهادي
