ثلاثة اتجاهات استراتيجية لدمج الذكاء الاصطناعي مع التشفير

في الوقت الحالي، تدخل العلاقة بين الذكاء الاصطناعي والتشفير فترة من الابتكار المتفجر. ستتناول هذه المقالة بالتفصيل ثلاثة اتجاهات رئيسية لتطور هذه العلاقة.

1. بناء اقتصاد بيئي مدفوع بالوكيل الذكي

لقد أثبتت الممارسات الأخيرة أن وكلاء الذكاء الاصطناعي يمكنهم العمل بفعالية على البلوكشين. هذا المجال يتجاوز باستمرار حدود العمليات على سلسلة الوكلاء، ولديه إمكانيات هائلة ومساحة تصميم واسعة. في الوقت الحالي، أصبح هذا أحد الاتجاهات الأكثر ابتكارًا وازدهارًا في مجالات التشفير والذكاء الاصطناعي، وهذه مجرد البداية.

في المستقبل، من المتوقع أن تدير الوكالات الذكية المشاريع المعقدة التي تتطلب تنسيقًا اقتصاديًا متعدد الأطراف. على سبيل المثال، في مجال البحث العلمي، يمكن أن تكون الوكالات مسؤولة عن البحث عن مركبات علاجية لأمراض معينة:

• جمع الأموال من خلال منصة جمع التبرعات بالرموز
• استخدام الأموال المجمعة لدفع رسوم الوصول إلى بيانات البحث، وإجراء محاكاة المركبات على شبكة الحوسبة اللامركزية
• توظيف البشر لتنفيذ أعمال التحقق من التجارب من خلال منصة المكافآت

بصرف النظر عن المشاريع المعقدة، يمكن للوكيل أيضًا تنفيذ مهام بسيطة مثل إنشاء مواقع شخصية، وإنتاج الأعمال الفنية، حيث أن سيناريوهات التطبيق لديها إمكانيات غير محدودة.

تتمتع تقنية البلوكشين بمزايا فريدة في دعم الأنشطة الوكيلة:

• تطبيقات المدفوعات الصغيرة
• ميزة السرعة، وظيفة التسوية الفورية تساعد الوكلاء على تحقيق أقصى كفاءة لرأس المال
• دخول السوق المالية من خلال DeFi، وإجراء عمليات مثل إنشاء الأصول، والتداول، والاستثمار، والإقراض بشكل سلس.

من حيث قوانين تطور التكنولوجيا، تلعب الاعتمادية على المسار دورًا حاسمًا. مع حصول المزيد من الوكلاء على الأرباح من خلال التشفير، من المحتمل أن تصبح الاتصالات المشفرة القدرة الأساسية للوكلاء.

اتجاهات التنمية المستقبلية تشمل:

1. استكشاف آليات التحكم في المخاطر
2. تعزيز استخدام السيناريوهات غير المضاربة
3. تسريع تقدم التطوير، وتحقيق نموذج اختبار أو تشغيل الشبكة الرئيسية

2. تعزيز قدرة LLM في تطوير البرمجيات

لقد أظهرت النماذج اللغوية الكبيرة أداءً ممتازًا في كتابة الشيفرات، ومن المتوقع أن تتحسن أكثر في المستقبل. من خلال هذه القدرات، يُرجى أن تزداد كفاءة المطورين بمعدل يتراوح بين 2 إلى 10 أضعاف. مؤخرًا، سيساعد إنشاء معايير عالية الجودة لتقييم فهم LLMs وكتابة الشيفرات في فهم التأثير المحتمل لـ LLMs على النظام البيئي.

ومع ذلك، لا تزال هناك بعض التحديات:

• نقص البيانات التدريبية الأصلية عالية الجودة
• عدد البنايات غير كافٍ
• يفتقر المنتدى الفني إلى تفاعل ذو قيمة معلوماتية عالية
• أدى التطور السريع للبنية التحتية إلى احتمال عدم ملاءمة الشيفرة القديمة
• عدم وجود طرق لتقييم فهم نماذج التقييم

تشمل اتجاهات التطوير المستقبلية:

• تحسين جودة البيانات ذات الصلة على الإنترنت
• تشجيع المزيد من الفرق على نشر بناءات التحقق
• تحسين جودة الأسئلة والأجوبة على منصة تبادل التكنولوجيا
• إنشاء اختبارات معيارية عالية الجودة
• تطوير نموذج LLM المعزز الذي يظهر أداء جيد في اختبارات القياس

الهدف النهائي هو تحقيق عميل تحقق جديد وعالي الجودة ومتميز تم إنشاؤه بالكامل بواسطة الذكاء الاصطناعي.

3. دعم تقنية الذكاء الاصطناعي المفتوحة واللامركزية

لا يزال التوازن طويل الأمد للقوة بين النماذج مفتوحة المصدر والمغلقة غير واضح. السيناريو الأكثر احتمالًا في الوقت الحالي هو الحفاظ على الوضع الراهن - حيث تدفع الشركات التكنولوجية الكبرى التطورات الرائدة، بينما تتبع نماذج المصدر المفتوح بسرعة، وتكتسب ميزات فريدة من خلال الضبط الدقيق في سيناريوهات تطبيق محددة.

تكمن أهمية دعم تكنولوجيا الذكاء الاصطناعي المفتوحة في:

1. تسريع الابتكار والتكرار: تُظهر التحسينات السريعة والتعديلات التي يجريها المجتمع المفتوح على النماذج المفتوحة كيف يمكن للمجتمع أن يكمل عمل الشركات الكبرى في الذكاء الاصطناعي بشكل فعال.
2. تقديم خيارات للمستخدمين الذين لا يثقون في الذكاء الاصطناعي المركزي: نظرًا لأن الذكاء الاصطناعي قد يُستخدم كأداة للسيطرة، فإن دعم مجموعة تقنيات الذكاء الاصطناعي مفتوحة المصدر يمكن أن يوفر بديلاً للمستخدمين.

هناك العديد من المشاريع في النظام البيئي تدعم مجموعة تقنيات الذكاء الاصطناعي المفتوحة، بما في ذلك جمع البيانات، والقدرة الحاسوبية اللامركزية، وإطار التدريب اللامركزي.

اتجاهات التطوير المستقبلية تشمل:

• جمع البيانات اللامركزي
• التحقق من الهوية على سلسلة الكتل
• التدريب اللامركزي
• بنية تحتية لـ IP، تسمح لـ AI بترخيص ودفع المحتوى الذي تستخدمه