** المؤلف: كاترينا وانغ
التصنيف: كاترينا ** SevenUp DAO ** المصدر: Coin Time **
رصيد الصورة: تم إنشاؤه بواسطة أدوات * Unbounded AI *
حتى وقت قريب ، كانت الشركات الناشئة رائدة في الابتكار التكنولوجي بسبب سرعتها وخفة حركتها وثقافتها الريادية وتحررها من الجمود التنظيمي. ومع ذلك ، في عصر الذكاء الاصطناعي سريع النمو ، تغيرت الأمور. سيطرت شركات التكنولوجيا العملاقة مثل OpenAI و Nvidia و Google وحتى Meta المملوكة لشركة Microsoft على منتجات الذكاء الاصطناعي الرائدة حتى الآن.
إذن ما الخطأ الذي حدث؟ لماذا فاز "جالوت" على "ديفيد" هذه المرة؟ بينما يمكن للشركات الناشئة كتابة تعليمات برمجية رائعة ، فإنها غالبًا لا تستطيع التنافس مع عمالقة التكنولوجيا الكبيرة بسبب العديد من التحديات:
التكلفة الحسابية لا تزال مرتفعة للغاية ؛
للذكاء الاصطناعي مشكلة تسمى "بروز عكسي": عدم وجود تدابير تنظيمية ضرورية سيعيق الابتكار بسبب المخاوف والشكوك بشأن التأثير الاجتماعي ؛
منظمة العفو الدولية هي صندوق أسود.
تخلق فجوة البيانات الخاصة باللاعبين الآخذين في الاتساع بالفعل (شركات التكنولوجيا الكبيرة) حواجز أمام المنافسين الناشئين.
إذن ، كيف يرتبط هذا بتقنية blockchain ، وأين تتقاطع مع الذكاء الاصطناعي؟ على الرغم من أنه ليس حلاً سحريًا ، في Web3 ، ** يمكن لـ DePIN (شبكة البنية التحتية المادية اللامركزية) تحسين تكنولوجيا الذكاء الاصطناعي من خلال حل التحديات المذكورة أعلاه. ** في هذا المقال ، سأشرح كيفية استخدام التكنولوجيا الكامنة وراء DePIN لتعزيز الذكاء الاصطناعي من أربعة أبعاد:
** 1 - تقليل تكاليف البنية التحتية **
** 2. التحقق من هوية المنتج وإنسانيته ؛ **
** 3. إدخال الديمقراطية والشفافية في الذكاء الاصطناعي ؛ **
** 4. إقامة آلية تحفيزية للمساهمة في البيانات. **
في سياق هذه المقالة ،
يُعرّف "Web3" بأنه الجيل التالي من الإنترنت ، ** تعد تقنية blockchain جزءًا مهمًا منه ، وتتضمن أيضًا التقنيات الأخرى الموجودة ؛ **
"Blockchain" تعني تقنية دفتر الأستاذ الموزع واللامركزية ؛
تشير "العملة المشفرة" إلى استخدام الرموز المميزة كآلية تحفيز ولامركزية.
** أولاً ، تقليل تكاليف البنية التحتية (الحوسبة والتخزين) **
تم تسليط الضوء على أهمية القدرة على تحمل تكلفة البنية التحتية (في سياق الذكاء الاصطناعي ، تكلفة الأجهزة لحساب البيانات وتسليمها وتخزينها) في إطار عمل كارلوتا بيريز "الثورة التكنولوجية". يقترح الإطار أن كل اختراق تقني له مرحلتان:
1) تتميز مرحلة التثبيت باستثمارات كبيرة في رأس المال الاستثماري ، وبناء البنية التحتية ، ونهج "الدفع" إلى السوق (GTM) ، حيث إن عرض قيمة العميل للتقنية الجديدة لم يتضح بعد.
2) تتميز مرحلة النشر بالزيادة السريعة في إمدادات البنية التحتية ، مما يقلل من الحواجز أمام دخول الوافدين الجدد ، بينما تتميز بنهج "سحب" GTM ، مما يشير إلى أن العملاء يرغبون في المزيد من منتج لم يتم إنشاؤه بعد و أن هناك إنفاقًا قويًا يتناسب مع سوق المنتج.
في حين أن ChatGPT لديها بالفعل ملاءمة واضحة لسوق المنتج وطلب كبير من العملاء ، قد يعتقد المرء أن الذكاء الاصطناعي قد دخل بالفعل في مرحلة النشر.
** ومع ذلك ، لا يزال هناك شيء واحد مفقود: فائض المعروض من البنية التحتية لجعلها رخيصة بما يكفي للشركات الناشئة الحساسة للسعر للبناء والتجربة. **
** 1. المشكلة ** تكمن المشكلة في أن ديناميكيات السوق الحالية في مساحة البنية التحتية المادية عبارة عن احتكار قلة متكامل عموديًا إلى حد كبير ، حيث تتمتع شركات مثل AWS و GCP و Azure و Nvidia و Cloudflare و Akamai بأرباح عالية. على سبيل المثال ، لدى AWS هامش إجمالي يقدر بنحو 61٪ على أجهزة الحوسبة السلعية.
باهظة الثمن من الناحية الحسابية للوافدين الجدد إلى الذكاء الاصطناعي ، خاصة في ماجستير إدارة الأعمال.
تبلغ تكلفة تدريب ChatGPT حوالي 4 ملايين دولار ، وتبلغ تكلفة استدلال الأجهزة حوالي 700000 دولار في اليوم.
من المتوقع أن تكلف النسخة الثانية من Bloom 10 ملايين دولار للتدريب وإعادة التدريب.
إذا تم نشر ChatGPT في بحث Google ، فسيتكلف Google 36 مليار دولار من العائدات ، وهو تحول كبير في الأرباح من منصة البرمجيات (Google) إلى مزود الأجهزة (Nvidia).
** 2. الحل ** يمكن لشبكات DePIN (مثل Filecoin و Bacalhau و Render Network و ExaBits) تحقيق وفورات في تكلفة البنية التحتية تزيد عن 75٪ -90٪ من خلال الروافع الثلاثة التالية. ** تعتبر هذه الشبكات رائدة منذ عام 2014 وتركز على تجميع أجهزة الإنترنت على نطاق واسع لتخزين البيانات اللامركزية ، ** بينما Bacalhau و Render Network و ExaBits هي طبقات التنسيق التي تطابق الطلب مع وحدة المعالجة المركزية / وحدة معالجة الرسومات. ** (إخلاء المسؤولية: كان المؤلف موظفًا سابقًا في Protocol Labs ومستشارًا لشركة ExaBits)
** 1) ادفع منحنى العرض لأعلى وأنشئ سوقًا أكثر تنافسية **
تعمل DePIN على إضفاء الطابع الديمقراطي على عملية إعداد موردي الأجهزة من خلال تمكين موردي الأجهزة من أن يصبحوا مقدمي خدمة. إنه يخلق منافسة على هذه المصالح المكتسبة من خلال إنشاء سوق حيث يمكن لأي شخص الانضمام إلى الشبكة كـ "عامل منجم" ، وتقديم وحدة المعالجة المركزية / وحدة معالجة الرسومات أو قوة التخزين الخاصة بهم مقابل مكافآت مالية.
بينما تتمتع شركات مثل AWS بلا شك ببدء رئيسي لمدة 17 عامًا في واجهة المستخدم والتميز التشغيلي والتكامل الرأسي ، تفتح DePIN قاعدة عملاء جديدة كان مقدمو الخدمات المركزيون قد زادوا من قيمتها في السابق. تمامًا مثل Ebay لن تتنافس مباشرة مع Bloomingdale ، ولكنها ستقدم بدائل أكثر بأسعار معقولة لتلبية الاحتياجات المماثلة ، لن تحل شبكة DePIN محل المزودين المركزيين ، ولكنها تهدف بدلاً من ذلك إلى خدمة قاعدة مستخدمين أكثر وعيًا بالسعر.
** 2) موازنة اقتصاد هذه الأسواق من خلال تصميم الاقتصاد المشفر **
ينشئ DePIN آلية دعم لحث موردي الأجهزة على المشاركة في الشبكة ، وبالتالي تقليل التكاليف للمستخدمين النهائيين. لفهم كيفية عملها ، دعنا أولاً نقارن تكاليف وإيرادات موفري التخزين في AWS و Filecoin.
ج. يمكن لشبكة DePIN أن تقلل التكاليف للعملاء: تخلق شبكة DePIN سوقًا تنافسية وتقدم منافسة على غرار Bertrand ، وبالتالي تقلل التكاليف للعملاء. في المقابل ، تحتاج AWS EC2 إلى هامش ربح متوسط بنسبة 50٪ وهامش إجمالي بنسبة 31٪ للبقاء واقفة على قدميها.
ب. بإصدار مكافآت رمزية / مكافآت كتلة كمصدر جديد للدخل ، يمكن أن توفر شبكة DePIN المزيد من الفوائد. في سياق Filecoin ، تعني استضافة المزيد من البيانات الفعلية أن مزود التخزين يربح المزيد من مكافآت الكتلة (الرموز). لذلك ، يمتلك مقدمو التخزين حافزًا لجذب المزيد من العملاء وكسب المزيد من الصفقات لزيادة الإيرادات إلى أقصى حد. لا يزال الهيكل المميز للعديد من شبكات DePIN الحسابية الناشئة قيد الالتفاف ، ولكن من المحتمل أن يتبع نمطًا مشابهًا. من أمثلة هذه الشبكات:
Bacalhau: طبقة تنسيق تجلب العمليات الحسابية إلى مكان تخزين البيانات دون نقل كميات كبيرة من البيانات
ExaBITS: شبكة حوسبة لامركزية للذكاء الاصطناعي والتطبيقات الحاسوبية المكثفة
** 3) تقليل التكاليف العامة: **
تشمل مزايا شبكات DePIN مثل Bacalhau و ExaBITS و IPFS / تخزين معالجة المحتوى ما يلي:
أ. إنشاء التوافر من البيانات الكامنة: نظرًا لارتفاع تكلفة النطاق الترددي لنقل مجموعات البيانات الكبيرة ، هناك قدر كبير من البيانات غير المستغلة. على سبيل المثال ، تنشئ الملاعب الرياضية كميات كبيرة من بيانات الأحداث ، والتي لا يتم استخدامها حاليًا. يفتح مشروع DePIN إتاحة مثل هذه البيانات الكامنة من خلال معالجة البيانات في الموقع ونقل المخرجات ذات المعنى فقط.
ب- تقليل التكاليف التشغيلية من خلال استيعاب البيانات محليًا ، مثل إدخال البيانات ونقلها والاستيراد / التصدير.
ج. تقليل العملية اليدوية لمشاركة البيانات الحساسة: على سبيل المثال ، إذا احتاجت المستشفيات "أ" و "ب" إلى دمج بيانات المريض الحساسة الخاصة بهما لتحليلها ، فيمكنهما استخدام Bacalhau لتنسيق طاقة وحدة معالجة الرسومات لمعالجة البيانات الحساسة محليًا مباشرةً بدلاً من المرور عبرها المرهقة الإجراءات الإدارية مع الطرف المقابل يعالج تبادل معلومات التعريف الشخصية (PII).
د- تخلص من الحاجة إلى إعادة حساب مجموعة البيانات الأساسية: يحتوي التخزين IPFS / المحتوى الموجه إلى خصائص مضمنة لإزالة البيانات المكررة وتتبع النسب والتحقق من البيانات. فيما يلي مزيد من القراءة حول الميزات وفوائد التكلفة التي يجلبها IPFS.
** 3. ملخص ** يحتاج الذكاء الاصطناعي إلى DePIN للحصول على بنية تحتية ميسورة التكلفة ، وتحتكر السوق الحالية احتكارات قلة متكاملة رأسياً. يمكن لشبكات DePIN مثل Filecoin و Bacalhau و Render Network و ExaBits توفير 75٪ -90٪ + توفير التكاليف عن طريق إضفاء الطابع الديمقراطي على الوصول إلى موردي الأجهزة وإدخال المنافسة وتحقيق التوازن بين اقتصادات السوق من خلال تصميم الاقتصاد المشفر وتقليل التكاليف العامة.
** ثانيًا ، الإبداع والتحقق من الإنسانية **
** 1. سؤال ** وفقًا لمسح حديث ، يعتقد 50٪ من علماء الذكاء الاصطناعي أن هناك احتمالًا بنسبة 10٪ على الأقل أن يؤدي الذكاء الاصطناعي إلى تدمير البشر.
هذه فكرة واقعية. يتسبب الذكاء الاصطناعي بالفعل في اضطراب مجتمعي ، ونحن نفتقر حاليًا إلى هيكل ضمان تنظيمي أو تكنولوجي - وهو ما تسميه الحكومة "نقطة انطلاق عكسية". **
ستكون دورة الانتخابات الرئاسية لعام 2024 واحدة ، وهي حملة سياسية مزيفة من صنع الذكاء الاصطناعي يصعب تمييزها عن الحملة الحقيقية.
مقطع فيديو للسيناتور إليزابيث وارين يجري تعديله لجعله يبدو كما لو أن وارن تقول إنه لا ينبغي السماح للجمهوريين بالتصويت (تم فضحه).
تزوير استنساخ صوت بايدن لانتقاده النساء المتحولات.
رفعت مجموعة من الفنانين دعوى قضائية جماعية ضد Midjourney و Stability AI بدعوى الاستخدام غير المصرح به لعمل الفنانين لتدريب صور الذكاء الاصطناعي التي تنتهك العلامات التجارية للفنانين وتهدد سبل عيشهم.
اكتسبت الموسيقى التصويرية التي تم إنشاؤها بواسطة AI بعنوان "Heart on My Sleeve" ، والتي تضم The Weeknd و Drake ، قوة جذب قبل سحبها من خدمة البث. الجدل الدائر حول انتهاك حقوق النشر هو نذير بالمضاعفات التي يمكن أن تنشأ عندما تدخل تقنية جديدة إلى الوعي السائد دون القواعد اللازمة. بعبارة أخرى ، إنها مشكلة نقطة انطلاق عكسية.
ماذا لو كان بإمكاننا الحصول على بعض الحماية للذكاء الاصطناعي من خلال براهين التشفير في Web3؟
** 2. الحل 1) إثبات هوية المنشئ والهوية البشرية من خلال شهادة المصدر المشفرة على blockchain. **
هذا هو المكان الذي يمكننا فيه الاستفادة من تقنية blockchain - كدفتر أستاذ موزع يحتوي على سجلات غير قابلة للتغيير على blockchain. هذا يجعل من الممكن التحقق من أصالة المحتوى الرقمي عن طريق التحقق من أدلة التشفير الخاصة به.
** 2) التوقيع الرقمي يثبت هوية وإنسانية المنشئ **
لمنع التزييف العميق ، يمكن إنشاء أدلة تشفير باستخدام توقيع رقمي فريد لمنشئ المحتوى الأصلي. يمكن إنشاء هذا التوقيع باستخدام مفتاح خاص ، معروف فقط للمنشئ ، ويمكن التحقق منه باستخدام مفتاح عام ، ومتاح للجميع. من خلال إرفاق هذا التوقيع بالمحتوى ، من الممكن إثبات أن المحتوى قد تم إنشاؤه بواسطة المنشئ الأصلي ، سواء أكان إنسانًا أم ذكاءً اصطناعيًا ، وأنه تم إجراء تغييرات مصرح بها / غير مصرح بها على هذا المحتوى.
** 3) استخدم IPFS وشجرة Merkle لإثبات الأصالة **
IPFS هو بروتوكول لامركزي يستخدم عنونة المحتوى وأشجار Merkle للإشارة إلى مجموعات البيانات الكبيرة. لإثبات التغييرات في محتويات الملف ، يتم إنشاء دليل Merkle ، وهو عبارة عن قائمة تجزئات تظهر كتلة معينة من البيانات في شجرة Merkle. في كل مرة يكون هناك تغيير ، يتم إنشاء تجزئة جديدة ويتم تحديث شجرة Merkle ، مما يوفر دليلًا على تعديل الملف.
قد تواجه حلول التشفير هذه مشكلة الحوافز والمكافآت:
بعد كل شيء ، لن يكون للقبض على مولدات التزييف العميق تكلفة مالية مثل تقليل العوامل الخارجية الاجتماعية السلبية. من المحتمل أن تقع المسؤولية على منصات توزيع الوسائط الرئيسية مثل Twitter و Meta و Google وما إلى ذلك ، والتي تقوم بالفعل بالإبلاغ.
** فلماذا نحتاج إلى blockchain؟ ** الجواب هو أن هذه التواقيع المشفرة وإثباتات الأصالة أكثر كفاءة وقابلية للتحقق وحتمية. اليوم ، تتم عملية اكتشاف التزييف العميق إلى حد كبير من خلال خوارزميات التعلم الآلي (مثل Meta "Deepfake Detection Challenge" و "Google's Asymmetric Number System" (ANS) و c2pa) لتحديد الأنماط والشذوذ في المحتوى المرئي ، والتي تكون أحيانًا غير دقيقة. دقيقة ، ويتخلفون عن تقنيات التزييف العميق المتطورة بشكل متزايد. غالبًا ما يكون تدخل الوسطاء البشريين مطلوبًا لتقييم المصداقية ، وهو أمر غير فعال ومكلف.
تخيل عالماً يكون فيه لكل جزء من المحتوى توقيعه المشفر بحيث يمكن للجميع إثبات أصل الإبداع والتلاعب أو التزوير - عالم جديد شجاع.
** 3. ملخص ** يشكل الذكاء الاصطناعي تهديدًا كبيرًا للمجتمع ، حيث يمثل التزييف العميق والاستخدام غير المصرح به للمحتوى مصدر قلق كبير. يمكن لتقنيات Web3 ، مثل التوقيعات الرقمية التي تثبت هوية المنشئ وإنسانية استخدام IPFS و Merkle لإثبات المصداقية ، أن توفر الأمان للذكاء الاصطناعي من خلال التحقق من أصالة المحتوى الرقمي ومنع التغييرات غير المصرح بها.
** ثالثًا ، إدخال الديمقراطية في الذكاء الاصطناعي **
** 1. المشكلة ** اليوم ، الذكاء الاصطناعي هو صندوق أسود يتكون من بيانات خاضعة للملكية وخوارزميات خاصة. تؤدي الطبيعة المغلقة لشركات التكنولوجيا الكبيرة هذه إلى استحالة "ديمقراطية الذكاء الاصطناعي" ، أي أن كل مطور وحتى مستخدم يجب أن يكون قادرًا على المساهمة بالخوارزميات والبيانات في نماذج LLM والحصول على حصة من أرباح النموذج المستقبلية (كما تمت مناقشته في هذه الورقة).
ديمقراطية الذكاء الاصطناعي = الرؤية (القدرة على رؤية البيانات والخوارزميات المغذية في النموذج) + المساهمة (القدرة على المساهمة بالبيانات أو الخوارزميات في النموذج).
** 2. الحل ** تهدف AI Democracy إلى جعل نماذج الذكاء الاصطناعي التوليدية في المتناول وذات صلة ويمتلكها الجميع. يقارن الجدول أدناه ما هو ممكن اليوم بما ستجعله تقنية blockchain ممكنة في Web3.
1) في الوقت الحاضر
أ. بالنسبة للمستهلكين:
ب. للمطورين:
القليل من التكرار حيث لا توجد إمكانية لتتبع ETL يتم إجراؤه على البيانات
يتم إهدار 80٪ من وقت عالم البيانات في إجراء تنقية بيانات منخفضة المستوى بسبب نقص القدرة على التحقق من إخراج البيانات المشتركة
ستتيح تقنية Blockchain ما يلي:
أ. بالنسبة للمستهلكين:
يمكن للمستخدمين تقديم ملاحظات (مثل التغذية الراجعة الدقيقة حول التحيز ، وتعديل المحتوى ، والإخراج) كمدخلات للضبط الدقيق المستمر
ب. للمطورين:
طبقة معالجة البيانات اللامركزية: حشد الموارد عمليات شاقة ومستهلكة للوقت مثل تصنيف البيانات
الرؤية والقدرة على الجمع بين الخوارزميات وضبطها بدقة مع الخوارزميات التي يمكن التحقق منها والقائمة على النسب (أي يمكنهم رؤية تاريخ غير قابل للعبث لجميع التغييرات السابقة)
سيادة البيانات (تتحقق من خلال معالجة المحتوى / IPFS) وسيادة الخوارزمية (على سبيل المثال ، يدرك Urbit الجمع من نقطة إلى نقطة وقابلية نقل البيانات والخوارزميات)
LLMs المبتكرة الناشئة عن المتغيرات الأساسية لنموذج المصدر المفتوح تولد دفعة لتسريع الابتكار
مخرجات بيانات التدريب القابلة لإعادة الإنتاج عبر التسجيل غير القابل للتغيير لعمليات ETL والاستفسارات السابقة (مثل Kamu)
قد يُقال أن منصة Web2 مفتوحة المصدر هي حل وسط ، لكنها لا تزال بعيدة عن أن تكون مثالية للأسباب الموضحة في هذه المقالة.
** 3. ملخص ** أدت الطبيعة المغلقة لشركات التكنولوجيا الكبيرة إلى استحالة "ديمقراطية الذكاء الاصطناعي" ، أي أن كل مطور أو مستخدم يجب أن يكون قادرًا على المساهمة بالخوارزميات والبيانات في نموذج LLM والاستفادة من الأرباح المستقبلية من الجزء النموذجي. يجب أن يكون الذكاء الاصطناعي متاحًا ومناسبًا ومملوكًا للجميع. ستمكّن شبكة blockchain المستخدمين من تقديم ملاحظات ، والمساهمة بالبيانات في تحقيق الدخل النموذجي ، ومنح المطورين الرؤية والقدرة على تكوين خوارزميات وضبطها بدقة باستخدام ميزات يمكن التحقق منها وقائمة على النسب. ستعمل ابتكارات Web3 مثل عنونة المحتوى / IPFS و Urbit على تمكين سيادة البيانات والخوارزمية. سيكون من الممكن أيضًا إخراج بيانات التدريب المتكرر من عمليات ETL والاستعلامات السابقة من خلال سجل blockchain غير القابل للتغيير.
** رابعًا ، ضع حوافز مساهمة البيانات **
** 1. المشكلة ** اليوم ، تعتبر بيانات المستهلك الأكثر قيمة هي الفجوة التجارية المملوكة لمنصات التكنولوجيا الكبيرة. لا يملك عمالقة التكنولوجيا حافزًا كبيرًا لمشاركة هذه البيانات مع أطراف خارجية.
فلماذا لا نحصل على هذه البيانات مباشرة من منشئ / مستخدم البيانات؟ لماذا لا تجعل البيانات منفعة عامة من خلال المساهمة ببياناتنا وفتح مصادرها لعلماء البيانات الموهوبين؟
باختصار ، لا يوجد حافز أو آلية تنسيق لتحقيق ذلك. مهام الحفاظ على البيانات وتنفيذ ETL (استخراج وتحويل وتحميل) تحمل عبئا كبيرا. في الواقع ، ستبلغ صناعة تخزين البيانات وحدها 777 مليار دولار في عام 2030 ، دون احتساب تكلفة الحوسبة. لماذا يتولى أي شخص أعمال سباكة البيانات والتكاليف عندما لا يكون هناك شيء في المقابل؟
على سبيل المثال ، كان OpenAI في الأصل مفتوح المصدر وغير هادف للربح ، ولكن نظرًا لأنه ليس من السهل كسب المال ، فقد وقع في مشكلة. أخيرًا ، في عام 2019 ، كان عليها أن تأخذ حقنة رأس المال من Microsoft وتغلق خوارزميتها للجمهور. من المتوقع أن تحقق شركة OpenAI إيرادات قدرها مليار دولار بحلول عام 2024.
** 2. الحل ** يقدم Web3 آلية جديدة تسمى dataDAO ، والتي تسهل إعادة توزيع الدخل من مالكي نماذج الذكاء الاصطناعي إلى المساهمين بالبيانات ، مما يخلق طبقة تحفيزية لمساهمات البيانات الجماعية.
خاتمة
في الختام ، تعد DePIN فئة جديدة مثيرة توفر وقودًا بديلاً في الأجهزة لتغذية نهضة ابتكارات Web3 والذكاء الاصطناعي.
بينما تهيمن شركات التكنولوجيا الكبرى على صناعة الذكاء الاصطناعي ، فإن اللاعبين الناشئين الذين يتنافسون مع تقنية blockchain لديهم أيضًا القدرة على:
تقلل شبكة DePIN من عتبة تكاليف الحوسبة ؛ الطبيعة اللامركزية القابلة للتحقق من blockchain تجعل الذكاء الاصطناعي مفتوحًا حقيقيًا ؛ الآليات المبتكرة ، مثل dataDAO ، تحفز مساهمات البيانات ؛ الخصائص غير القابلة للتغيير والمقاومة للعبث في blockchain توفر دليلًا على الهوية المؤلف لمعالجة المخاوف بشأن التأثير المجتمعي السلبي للذكاء الاصطناعي.
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
يحتاج الذكاء الاصطناعي إلى Web3
** المؤلف: كاترينا وانغ التصنيف: كاترينا ** SevenUp DAO ** المصدر: Coin Time **
حتى وقت قريب ، كانت الشركات الناشئة رائدة في الابتكار التكنولوجي بسبب سرعتها وخفة حركتها وثقافتها الريادية وتحررها من الجمود التنظيمي. ومع ذلك ، في عصر الذكاء الاصطناعي سريع النمو ، تغيرت الأمور. سيطرت شركات التكنولوجيا العملاقة مثل OpenAI و Nvidia و Google وحتى Meta المملوكة لشركة Microsoft على منتجات الذكاء الاصطناعي الرائدة حتى الآن.
إذن ما الخطأ الذي حدث؟ لماذا فاز "جالوت" على "ديفيد" هذه المرة؟ بينما يمكن للشركات الناشئة كتابة تعليمات برمجية رائعة ، فإنها غالبًا لا تستطيع التنافس مع عمالقة التكنولوجيا الكبيرة بسبب العديد من التحديات:
إذن ، كيف يرتبط هذا بتقنية blockchain ، وأين تتقاطع مع الذكاء الاصطناعي؟ على الرغم من أنه ليس حلاً سحريًا ، في Web3 ، ** يمكن لـ DePIN (شبكة البنية التحتية المادية اللامركزية) تحسين تكنولوجيا الذكاء الاصطناعي من خلال حل التحديات المذكورة أعلاه. ** في هذا المقال ، سأشرح كيفية استخدام التكنولوجيا الكامنة وراء DePIN لتعزيز الذكاء الاصطناعي من أربعة أبعاد:
** 1 - تقليل تكاليف البنية التحتية ** ** 2. التحقق من هوية المنتج وإنسانيته ؛ ** ** 3. إدخال الديمقراطية والشفافية في الذكاء الاصطناعي ؛ ** ** 4. إقامة آلية تحفيزية للمساهمة في البيانات. **
في سياق هذه المقالة ،
** أولاً ، تقليل تكاليف البنية التحتية (الحوسبة والتخزين) **
تم تسليط الضوء على أهمية القدرة على تحمل تكلفة البنية التحتية (في سياق الذكاء الاصطناعي ، تكلفة الأجهزة لحساب البيانات وتسليمها وتخزينها) في إطار عمل كارلوتا بيريز "الثورة التكنولوجية". يقترح الإطار أن كل اختراق تقني له مرحلتان:
** 1) ادفع منحنى العرض لأعلى وأنشئ سوقًا أكثر تنافسية ** تعمل DePIN على إضفاء الطابع الديمقراطي على عملية إعداد موردي الأجهزة من خلال تمكين موردي الأجهزة من أن يصبحوا مقدمي خدمة. إنه يخلق منافسة على هذه المصالح المكتسبة من خلال إنشاء سوق حيث يمكن لأي شخص الانضمام إلى الشبكة كـ "عامل منجم" ، وتقديم وحدة المعالجة المركزية / وحدة معالجة الرسومات أو قوة التخزين الخاصة بهم مقابل مكافآت مالية. بينما تتمتع شركات مثل AWS بلا شك ببدء رئيسي لمدة 17 عامًا في واجهة المستخدم والتميز التشغيلي والتكامل الرأسي ، تفتح DePIN قاعدة عملاء جديدة كان مقدمو الخدمات المركزيون قد زادوا من قيمتها في السابق. تمامًا مثل Ebay لن تتنافس مباشرة مع Bloomingdale ، ولكنها ستقدم بدائل أكثر بأسعار معقولة لتلبية الاحتياجات المماثلة ، لن تحل شبكة DePIN محل المزودين المركزيين ، ولكنها تهدف بدلاً من ذلك إلى خدمة قاعدة مستخدمين أكثر وعيًا بالسعر.
** 2) موازنة اقتصاد هذه الأسواق من خلال تصميم الاقتصاد المشفر ** ينشئ DePIN آلية دعم لحث موردي الأجهزة على المشاركة في الشبكة ، وبالتالي تقليل التكاليف للمستخدمين النهائيين. لفهم كيفية عملها ، دعنا أولاً نقارن تكاليف وإيرادات موفري التخزين في AWS و Filecoin.
** 3) تقليل التكاليف العامة: ** تشمل مزايا شبكات DePIN مثل Bacalhau و ExaBITS و IPFS / تخزين معالجة المحتوى ما يلي: أ. إنشاء التوافر من البيانات الكامنة: نظرًا لارتفاع تكلفة النطاق الترددي لنقل مجموعات البيانات الكبيرة ، هناك قدر كبير من البيانات غير المستغلة. على سبيل المثال ، تنشئ الملاعب الرياضية كميات كبيرة من بيانات الأحداث ، والتي لا يتم استخدامها حاليًا. يفتح مشروع DePIN إتاحة مثل هذه البيانات الكامنة من خلال معالجة البيانات في الموقع ونقل المخرجات ذات المعنى فقط. ب- تقليل التكاليف التشغيلية من خلال استيعاب البيانات محليًا ، مثل إدخال البيانات ونقلها والاستيراد / التصدير. ج. تقليل العملية اليدوية لمشاركة البيانات الحساسة: على سبيل المثال ، إذا احتاجت المستشفيات "أ" و "ب" إلى دمج بيانات المريض الحساسة الخاصة بهما لتحليلها ، فيمكنهما استخدام Bacalhau لتنسيق طاقة وحدة معالجة الرسومات لمعالجة البيانات الحساسة محليًا مباشرةً بدلاً من المرور عبرها المرهقة الإجراءات الإدارية مع الطرف المقابل يعالج تبادل معلومات التعريف الشخصية (PII). د- تخلص من الحاجة إلى إعادة حساب مجموعة البيانات الأساسية: يحتوي التخزين IPFS / المحتوى الموجه إلى خصائص مضمنة لإزالة البيانات المكررة وتتبع النسب والتحقق من البيانات. فيما يلي مزيد من القراءة حول الميزات وفوائد التكلفة التي يجلبها IPFS. ** 3. ملخص ** يحتاج الذكاء الاصطناعي إلى DePIN للحصول على بنية تحتية ميسورة التكلفة ، وتحتكر السوق الحالية احتكارات قلة متكاملة رأسياً. يمكن لشبكات DePIN مثل Filecoin و Bacalhau و Render Network و ExaBits توفير 75٪ -90٪ + توفير التكاليف عن طريق إضفاء الطابع الديمقراطي على الوصول إلى موردي الأجهزة وإدخال المنافسة وتحقيق التوازن بين اقتصادات السوق من خلال تصميم الاقتصاد المشفر وتقليل التكاليف العامة.
** ثانيًا ، الإبداع والتحقق من الإنسانية **
** 1. سؤال ** وفقًا لمسح حديث ، يعتقد 50٪ من علماء الذكاء الاصطناعي أن هناك احتمالًا بنسبة 10٪ على الأقل أن يؤدي الذكاء الاصطناعي إلى تدمير البشر. هذه فكرة واقعية. يتسبب الذكاء الاصطناعي بالفعل في اضطراب مجتمعي ، ونحن نفتقر حاليًا إلى هيكل ضمان تنظيمي أو تكنولوجي - وهو ما تسميه الحكومة "نقطة انطلاق عكسية". **
** 2) التوقيع الرقمي يثبت هوية وإنسانية المنشئ ** لمنع التزييف العميق ، يمكن إنشاء أدلة تشفير باستخدام توقيع رقمي فريد لمنشئ المحتوى الأصلي. يمكن إنشاء هذا التوقيع باستخدام مفتاح خاص ، معروف فقط للمنشئ ، ويمكن التحقق منه باستخدام مفتاح عام ، ومتاح للجميع. من خلال إرفاق هذا التوقيع بالمحتوى ، من الممكن إثبات أن المحتوى قد تم إنشاؤه بواسطة المنشئ الأصلي ، سواء أكان إنسانًا أم ذكاءً اصطناعيًا ، وأنه تم إجراء تغييرات مصرح بها / غير مصرح بها على هذا المحتوى.
** 3) استخدم IPFS وشجرة Merkle لإثبات الأصالة ** IPFS هو بروتوكول لامركزي يستخدم عنونة المحتوى وأشجار Merkle للإشارة إلى مجموعات البيانات الكبيرة. لإثبات التغييرات في محتويات الملف ، يتم إنشاء دليل Merkle ، وهو عبارة عن قائمة تجزئات تظهر كتلة معينة من البيانات في شجرة Merkle. في كل مرة يكون هناك تغيير ، يتم إنشاء تجزئة جديدة ويتم تحديث شجرة Merkle ، مما يوفر دليلًا على تعديل الملف.
قد تواجه حلول التشفير هذه مشكلة الحوافز والمكافآت: بعد كل شيء ، لن يكون للقبض على مولدات التزييف العميق تكلفة مالية مثل تقليل العوامل الخارجية الاجتماعية السلبية. من المحتمل أن تقع المسؤولية على منصات توزيع الوسائط الرئيسية مثل Twitter و Meta و Google وما إلى ذلك ، والتي تقوم بالفعل بالإبلاغ. ** فلماذا نحتاج إلى blockchain؟ ** الجواب هو أن هذه التواقيع المشفرة وإثباتات الأصالة أكثر كفاءة وقابلية للتحقق وحتمية. اليوم ، تتم عملية اكتشاف التزييف العميق إلى حد كبير من خلال خوارزميات التعلم الآلي (مثل Meta "Deepfake Detection Challenge" و "Google's Asymmetric Number System" (ANS) و c2pa) لتحديد الأنماط والشذوذ في المحتوى المرئي ، والتي تكون أحيانًا غير دقيقة. دقيقة ، ويتخلفون عن تقنيات التزييف العميق المتطورة بشكل متزايد. غالبًا ما يكون تدخل الوسطاء البشريين مطلوبًا لتقييم المصداقية ، وهو أمر غير فعال ومكلف.
تخيل عالماً يكون فيه لكل جزء من المحتوى توقيعه المشفر بحيث يمكن للجميع إثبات أصل الإبداع والتلاعب أو التزوير - عالم جديد شجاع. ** 3. ملخص ** يشكل الذكاء الاصطناعي تهديدًا كبيرًا للمجتمع ، حيث يمثل التزييف العميق والاستخدام غير المصرح به للمحتوى مصدر قلق كبير. يمكن لتقنيات Web3 ، مثل التوقيعات الرقمية التي تثبت هوية المنشئ وإنسانية استخدام IPFS و Merkle لإثبات المصداقية ، أن توفر الأمان للذكاء الاصطناعي من خلال التحقق من أصالة المحتوى الرقمي ومنع التغييرات غير المصرح بها.
** ثالثًا ، إدخال الديمقراطية في الذكاء الاصطناعي **
** 1. المشكلة ** اليوم ، الذكاء الاصطناعي هو صندوق أسود يتكون من بيانات خاضعة للملكية وخوارزميات خاصة. تؤدي الطبيعة المغلقة لشركات التكنولوجيا الكبيرة هذه إلى استحالة "ديمقراطية الذكاء الاصطناعي" ، أي أن كل مطور وحتى مستخدم يجب أن يكون قادرًا على المساهمة بالخوارزميات والبيانات في نماذج LLM والحصول على حصة من أرباح النموذج المستقبلية (كما تمت مناقشته في هذه الورقة).
ديمقراطية الذكاء الاصطناعي = الرؤية (القدرة على رؤية البيانات والخوارزميات المغذية في النموذج) + المساهمة (القدرة على المساهمة بالبيانات أو الخوارزميات في النموذج). ** 2. الحل ** تهدف AI Democracy إلى جعل نماذج الذكاء الاصطناعي التوليدية في المتناول وذات صلة ويمتلكها الجميع. يقارن الجدول أدناه ما هو ممكن اليوم بما ستجعله تقنية blockchain ممكنة في Web3.
ب. للمطورين: طبقة معالجة البيانات اللامركزية: حشد الموارد عمليات شاقة ومستهلكة للوقت مثل تصنيف البيانات الرؤية والقدرة على الجمع بين الخوارزميات وضبطها بدقة مع الخوارزميات التي يمكن التحقق منها والقائمة على النسب (أي يمكنهم رؤية تاريخ غير قابل للعبث لجميع التغييرات السابقة) سيادة البيانات (تتحقق من خلال معالجة المحتوى / IPFS) وسيادة الخوارزمية (على سبيل المثال ، يدرك Urbit الجمع من نقطة إلى نقطة وقابلية نقل البيانات والخوارزميات) LLMs المبتكرة الناشئة عن المتغيرات الأساسية لنموذج المصدر المفتوح تولد دفعة لتسريع الابتكار مخرجات بيانات التدريب القابلة لإعادة الإنتاج عبر التسجيل غير القابل للتغيير لعمليات ETL والاستفسارات السابقة (مثل Kamu) قد يُقال أن منصة Web2 مفتوحة المصدر هي حل وسط ، لكنها لا تزال بعيدة عن أن تكون مثالية للأسباب الموضحة في هذه المقالة. ** 3. ملخص ** أدت الطبيعة المغلقة لشركات التكنولوجيا الكبيرة إلى استحالة "ديمقراطية الذكاء الاصطناعي" ، أي أن كل مطور أو مستخدم يجب أن يكون قادرًا على المساهمة بالخوارزميات والبيانات في نموذج LLM والاستفادة من الأرباح المستقبلية من الجزء النموذجي. يجب أن يكون الذكاء الاصطناعي متاحًا ومناسبًا ومملوكًا للجميع. ستمكّن شبكة blockchain المستخدمين من تقديم ملاحظات ، والمساهمة بالبيانات في تحقيق الدخل النموذجي ، ومنح المطورين الرؤية والقدرة على تكوين خوارزميات وضبطها بدقة باستخدام ميزات يمكن التحقق منها وقائمة على النسب. ستعمل ابتكارات Web3 مثل عنونة المحتوى / IPFS و Urbit على تمكين سيادة البيانات والخوارزمية. سيكون من الممكن أيضًا إخراج بيانات التدريب المتكرر من عمليات ETL والاستعلامات السابقة من خلال سجل blockchain غير القابل للتغيير.
** رابعًا ، ضع حوافز مساهمة البيانات **
** 1. المشكلة ** اليوم ، تعتبر بيانات المستهلك الأكثر قيمة هي الفجوة التجارية المملوكة لمنصات التكنولوجيا الكبيرة. لا يملك عمالقة التكنولوجيا حافزًا كبيرًا لمشاركة هذه البيانات مع أطراف خارجية.
فلماذا لا نحصل على هذه البيانات مباشرة من منشئ / مستخدم البيانات؟ لماذا لا تجعل البيانات منفعة عامة من خلال المساهمة ببياناتنا وفتح مصادرها لعلماء البيانات الموهوبين؟
باختصار ، لا يوجد حافز أو آلية تنسيق لتحقيق ذلك. مهام الحفاظ على البيانات وتنفيذ ETL (استخراج وتحويل وتحميل) تحمل عبئا كبيرا. في الواقع ، ستبلغ صناعة تخزين البيانات وحدها 777 مليار دولار في عام 2030 ، دون احتساب تكلفة الحوسبة. لماذا يتولى أي شخص أعمال سباكة البيانات والتكاليف عندما لا يكون هناك شيء في المقابل؟
على سبيل المثال ، كان OpenAI في الأصل مفتوح المصدر وغير هادف للربح ، ولكن نظرًا لأنه ليس من السهل كسب المال ، فقد وقع في مشكلة. أخيرًا ، في عام 2019 ، كان عليها أن تأخذ حقنة رأس المال من Microsoft وتغلق خوارزميتها للجمهور. من المتوقع أن تحقق شركة OpenAI إيرادات قدرها مليار دولار بحلول عام 2024. ** 2. الحل ** يقدم Web3 آلية جديدة تسمى dataDAO ، والتي تسهل إعادة توزيع الدخل من مالكي نماذج الذكاء الاصطناعي إلى المساهمين بالبيانات ، مما يخلق طبقة تحفيزية لمساهمات البيانات الجماعية.
خاتمة
في الختام ، تعد DePIN فئة جديدة مثيرة توفر وقودًا بديلاً في الأجهزة لتغذية نهضة ابتكارات Web3 والذكاء الاصطناعي. بينما تهيمن شركات التكنولوجيا الكبرى على صناعة الذكاء الاصطناعي ، فإن اللاعبين الناشئين الذين يتنافسون مع تقنية blockchain لديهم أيضًا القدرة على:
تقلل شبكة DePIN من عتبة تكاليف الحوسبة ؛ الطبيعة اللامركزية القابلة للتحقق من blockchain تجعل الذكاء الاصطناعي مفتوحًا حقيقيًا ؛ الآليات المبتكرة ، مثل dataDAO ، تحفز مساهمات البيانات ؛ الخصائص غير القابلة للتغيير والمقاومة للعبث في blockchain توفر دليلًا على الهوية المؤلف لمعالجة المخاوف بشأن التأثير المجتمعي السلبي للذكاء الاصطناعي.