تطور الذكاء الاصطناعي في مجال Web3: من الضجة إلى التطبيقات الفعلية

منذ ظهور ChatGPT في نهاية عام 2022، كان مجال الذكاء الاصطناعي نقطة تركيز بارزة في صناعة التشفير. كانت مجتمع Web3 دائمًا متقبلًا للمفاهيم الجديدة، خاصةً بالنسبة للتقنيات مثل الذكاء الاصطناعي التي تمتلك إمكانيات سرد لا حصر لها وآفاق تطبيق. في دائرة التشفير، أصبح مفهوم الذكاء الاصطناعي شائعًا بسرعة في شكل "موضوع ساخن"، ثم بدأت بعض المشاريع في استكشاف قيمته في التطبيقات العملية: ما هي التطبيقات الابتكارية التي يمكن أن تقدمها تقنية التشفير للذكاء الاصطناعي المتطور بسرعة؟

ستستكشف هذه المقالة تاريخ تطور الذكاء الاصطناعي في مجال Web3، بدءًا من موجة الضجيج المبكرة إلى ظهور المشاريع التطبيقية الحالية، مع تقديم أمثلة وبيانات لمساعدة القراء على فهم سياق الصناعة والاتجاهات المستقبلية. فيما يلي استنتاجاتنا الأولية:

1. مرحلة الضجة حول الذكاء الاصطناعي أصبحت من الماضي، سواء كانت الأرباح أو الخسائر ستصبح ذكريات تاريخية.
2. تشدد بعض مشاريع الذكاء الاصطناعي الأساسية في Web3 على مساهمة "اللامركزية" في أمان الذكاء الاصطناعي، لكن المستخدمين يهتمون أكثر بـ"عائدات الرموز" و"تجربة المنتج".
3. عند الاستثمار في مشاريع التشفير المتعلقة بالذكاء الاصطناعي، يجب التركيز على مشاريع الذكاء الاصطناعي التطبيقية البحتة أو مشاريع الذكاء الاصطناعي المنصات (التي يمكنها دمج العديد من الأدوات السهلة الاستخدام أو الوكلاء)، فقد تكون هذه فرص استثمارية طويلة الأجل بعد ذروة الذكاء الاصطناعي.

اختلاف تطور الذكاء الاصطناعي في Web2 و Web3

الذكاء الاصطناعي في عالم Web2

تدفع عملاق التكنولوجيا والمؤسسات البحثية الذكاء الاصطناعي في عالم Web2، حيث يكون مسار التطوير مستقراً ومركزياً. تقوم الشركات الكبرى بتدريب نماذج مغلقة، واللوغاريتمات والبيانات غير متاحة للعامة، مما يعني أن المستخدمين يمكنهم فقط استخدام النتائج، مما يفتقر إلى الشفافية. تؤدي هذه السيطرة المركزية إلى قرارات ذكاء اصطناعي يصعب تدقيقها، وتوجد فيها تحيزات ومسؤوليات غير واضحة. بشكل عام، تركز الابتكارات في الذكاء الاصطناعي في Web2 على تحسين أداء النماذج الأساسية وتطبيقاتها التجارية، لكن عملية اتخاذ القرار تظل غير شفافة للجمهور. أدت هذه المشكلة في عدم الشفافية إلى بروز مشاريع ذكاء اصطناعي جديدة مثل Deepseek في عام 2025، والتي تبدو مفتوحة المصدر لكنها في الواقع "صيد".

بخلاف عدم كفاية الشفافية، تواجه نماذج الذكاء الاصطناعي الكبيرة في Web2 مشكلتين رئيسيتين: تجربة المستخدم السيئة في أشكال المنتجات المختلفة، وافتقار الدقة في المجالات المتخصصة.

على سبيل المثال، يميل المستخدمون إلى اختيار منتجات الذكاء الاصطناعي الجديدة ذات العوائق المنخفضة والتجربة الجيدة لإنشاء PPT أو الصور أو مقاطع الفيديو، وهم مستعدون لدفع ثمن ذلك. حاليًا، تحاول العديد من مشاريع الذكاء الاصطناعي تطوير منتجات ذكاء اصطناعي بدون كود لتقليل عوائق استخدام المستخدم.

بالإضافة إلى ذلك، يشعر مستخدمو Web3 غالبًا بالعجز عند استخدام ChatGPT أو DeepSeek للحصول على معلومات عن مشاريع أو رموز تشفير معينة، لأن بيانات النماذج الكبيرة لم تتمكن بعد من تغطية التفاصيل الدقيقة لكل صناعة فرعية. لذلك، فإن اتجاه تطوير آخر للعديد من منتجات الذكاء الاصطناعي هو التعمق في استخراج البيانات والتحليل في صناعات محددة.

عالم Web3 للذكاء الاصطناعي

تتمحور عالم Web3 حول صناعة التشفير، حيث تندمج مفاهيم واسعة من التقنية والثقافة والمجتمعات. مقارنة بـ Web2، تميل Web3 أكثر نحو المسار المفتوح المدفوع بالمجتمع.

تستفيد مشاريع الذكاء الاصطناعي في Web3 عادةً من الهيكل اللامركزي لتكنولوجيا البلوك تشين، حيث تدعي أنها تركز على الشيفرات البرمجية المفتوحة وحوكمة المجتمع والشفافية والمصداقية، في محاولة لكسر هيمنة الشركات القليلة على الذكاء الاصطناعي التقليدي بطريقة موزعة. على سبيل المثال، تستكشف بعض المشاريع استخدام البلوك تشين للتحقق من قرارات الذكاء الاصطناعي (من خلال إثبات المعرفة الصفرية لضمان موثوقية مخرجات النموذج) أو مراجعة نماذج الذكاء الاصطناعي بواسطة DAO لتقليل التحيز.

في الحالات المثالية، يسعى Web3 AI إلى "AI مفتوح"، مما يسمح لمعايير النموذج ومنطق اتخاذ القرار بأن يتم تدقيقها من قبل المجتمع، بينما يتم تحفيز المطورين والمستخدمين على المشاركة من خلال آلية الرموز. ومع ذلك، في الواقع، لا يزال تطوير AI في Web3 مقيدًا بالتقنية والموارد: فإن بناء بنية تحتية للذكاء الاصطناعي اللامركزي أمر صعب للغاية (تتطلب تدريب النماذج الكبيرة قدرًا هائلًا من القوة الحاسوبية والبيانات، بينما حجم تمويل مشاريع Web3 لا يقارن بـ OpenAI). المشاريع القليلة التي تدعي أنها Web3 AI لا تزال تعتمد في الواقع على نماذج أو خدمات مركزية، حيث قامت فقط بدمج بعض عناصر blockchain في طبقة التطبيق. تعتبر هذه المشاريع موثوقة نسبيًا، على الأقل في تطوير التطبيقات الحقيقية؛ بينما لا تزال الغالبية العظمى من مشاريع Web3 AI عالقة في مرحلة الضخ الإعلامي البحت، أو تتظاهر بأنها تستخدم AI لأغراض الدعاية.

علاوة على ذلك، فإن اختلافات التمويل ونماذج المشاركة تؤثر أيضًا على مسارات التطور لكليهما. عادةً ما تدفع الذكاء الاصطناعي في Web2 من خلال استثمارات البحث والأرباح الناتجة عن المنتجات، مما يجعل دورة التنمية أكثر استقرارًا. بينما يجمع الذكاء الاصطناعي في Web3 بين خصائص المضاربة في سوق العملات المشفرة، مما يؤدي في كثير من الأحيان إلى ظهور دورات "هوس" تتأرجح مع تقلبات مشاعر السوق: عندما تكون الفكرة رائجة، تتدفق الأموال لدعم ارتفاع أسعار التوكنات والتقييمات، وعندما يهدأ الأمر، تنخفض حدة المشروع وتقل الأموال بسرعة. تجعل هذه الدورة مسار التطور للذكاء الاصطناعي في Web3 أكثر تقلبًا وتأثرًا بالسرد. على سبيل المثال، قد يؤدي مفهوم الذكاء الاصطناعي الذي يفتقر إلى التقدم الحقيقي إلى ارتفاع كبير في أسعار التوكنات بسبب مشاعر السوق؛ وعلى العكس، في أوقات الركود، حتى مع التقدم التكنولوجي، من الصعب جذب الانتباه.

بالنسبة للسرد الرئيسي لـ Web3 AI "شبكات الذكاء الاصطناعي اللامركزية"، نحن حاليًا نتبنى موقفًا "متفائلًا بحذر". بعد كل شيء، لقد شهدت مجال Web3 ظهور مشاريع ثورية مثل BTC و ETH. ولكن في المرحلة الحالية، يجب أن نركز أكثر على بعض السيناريوهات القابلة للتطبيق الفوري، مثل دمج وكلاء الذكاء الاصطناعي في المشاريع الحالية لـ Web3 لتحسين الكفاءة؛ أو دمج الذكاء الاصطناعي مع تقنيات جديدة أخرى لإنتاج أفكار جديدة مناسبة لصناعة التشفير؛ أو منتجات ذكاء اصطناعي مخصصة لخدمة صناعة Web3، سواء كانت لتحسين دقة البيانات أو لتناسب عادات العمل للمنظمات أو الأفراد في Web3، وتقديم خدمات للمستخدمين في صناعة Web3 التي يكونون على استعداد لدفع ثمنها.