تطور صناعة الذكاء الاصطناعي ودمجها مع الأصول الرقمية

لقد شهدت صناعة الذكاء الاصطناعي نمواً ملحوظاً في السنوات الأخيرة، حيث تُعتبر جزءاً أساسياً من الثورة الصناعية الرابعة. وقد أدت ظهور نماذج اللغة الكبيرة إلى تحسين كفاءة مختلف القطاعات بشكل ملحوظ، حيث تقدر شركة بوسطن الاستشارية أن GPT قد زادت من كفاءة العمل في الولايات المتحدة بنحو 20%. ويُعتبر القدرة على تعميم النماذج الكبيرة نموذجاً جديداً لتصميم البرمجيات، حيث أن البرمجيات الحالية تتضمن بشكل أكبر إطار نماذج كبيرة تعميمية، مما يؤدي إلى أداء أفضل ودعم أوسع للأنماط. وقد جلبت تقنيات التعلم العميق جولة جديدة من الازدهار لصناعة الذكاء الاصطناعي، وقد امتدت هذه الموجة إلى صناعة الأصول الرقمية.

تاريخ تطور صناعة الذكاء الاصطناعي

بدأت صناعة الذكاء الاصطناعي في الخمسينيات من القرن العشرين، وقد اقترحت الأوساط الأكاديمية والصناعية في فترات زمنية مختلفة طرقًا تقنية متعددة لتحقيق الذكاء الاصطناعي. الطريقة السائدة حالياً هي الأساليب القائمة على التعلم الآلي، حيث يتمثل المفهوم الأساسي في جعل الآلات تحسن أداء النظام من خلال تكرار كميات كبيرة من البيانات. ينقسم التعلم الآلي بشكل رئيسي إلى ثلاثة مدارس: المدرسة الترابطية، والمدرسة الرمزية، والمدرسة السلوكية، والتي تحاكي على التوالي النظام العصبي البشري والتفكير والسلوك.

تحتل الشبكات العصبية، التي تمثلها الروابطية، الهيمنة حاليًا، والمعروفة أيضًا بالتعلم العميق. تحتوي الشبكات العصبية على طبقة إدخال وطبقة إخراج والعديد من الطبقات المخفية، وتقوم بتدريبها باستخدام كميات هائلة من المعلمات والبيانات لتناسب المهام العامة المعقدة. شهدت تقنيات التعلم العميق العديد من التطورات، من الشبكات العصبية المبكرة، والشبكات العصبية المتكررة، والشبكات العصبية الالتفافية، إلى المحولات الحديثة وغيرها.

! [الوافد الجديد Science Popular 丨الذكاء الاصطناعي x Crypto: من الصفر إلى الذروة](https://img-cdn.gateio.im/webp-social/moments-c50ee5a87373c6cd6c4dc63adc2cf47c.webp019283746574839201

مرت تطورات الذكاء الاصطناعي بثلاث موجات تكنولوجية:

1. في الستينيات من القرن العشرين، أثارت تقنية الرمزية الموجة الأولى، حيث حلت مشكلة معالجة اللغة الطبيعية العامة والحوار بين الإنسان والآلة.

2. في التسعينيات من القرن العشرين، هزمت IBM Deep Blue بطل الشطرنج، مما أدى إلى ذروة ثانية للذكاء الاصطناعي.

3. منذ عام 2006، أدى ظهور التعلم العميق إلى الموجة الثالثة. طرح عمالقة التعلم العميق المفاهيم ذات الصلة، تلا ذلك تطور مستمر في الخوارزميات مثل RNN وGAN وTransformer.

! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-0c9bdea33a39a2c07d1f06760ed7e804.webp(

في السنوات الأخيرة، ظهرت العديد من الأحداث البارزة في مجال الذكاء الاصطناعي:

• في عام 2011، هزم IBM Watson الإنسان في برنامج المسابقات Jeopardy!
• في عام 2016، هزمت AlphaGo بطل العالم في لعبة围棋 لي شيدو
• في عام 2017 ، قدمت Google خوارزمية Transformer
• نموذج GPT من 2018 إلى 2020 استمر في تحقيق اختراقات جديدة
• تم إطلاق ChatGPT في عام 2023 وانتشر بسرعة

! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-609c5dd6ee0abcec6bf9c118d7741867.webp(

سلسلة صناعة التعلم العميق

نماذج اللغة الكبيرة الرائجة حالياً تعتمد على أساليب التعلم العميق. وقد أثار نموذج GPT، الذي يُعتبر نموذجاً كبيراً، موجة جديدة من الحماس في مجال الذكاء الاصطناعي، حيث تدفق عدد كبير من اللاعبين إلى هذه الساحة. يمكننا تحليل هيكل سلسلة صناعة التعلم العميق من خلال أبعاد مثل البيانات، وقوة الحوسبة، وغيرها.

تدريب النماذج الكبيرة ينقسم أساسًا إلى ثلاث خطوات:

1. التدريب المسبق: يتطلب بيانات ضخمة وقوة حوسبة، وهو أكثر المراحل استهلاكًا للموارد.

2. التخصيص: استخدام كمية صغيرة من البيانات عالية الجودة لتحسين جودة النموذج.

3. التعلم المعزز: تحسين مخرجات النموذج من خلال التكرار المستمر بناءً على التغذية الراجعة.

! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-f37fb0100218188368f4d31940aab2a3.webp(

العوامل الثلاثة الرئيسية التي تؤثر على أداء النماذج الكبيرة هي عدد المعلمات، وكمية/جودة البيانات، وقوة الحوسبة. على سبيل المثال، يحتوي GPT-3 على 175 مليار معلمة، وبيانات التدريب حوالي 570 جيجابايت، ويتطلب دعمًا كبيرًا من قوة الحوسبة.

سلسلة صناعة التعلم العميق تشمل بشكل رئيسي:

• الأجهزة GPU: تقدم شركات مثل Nvidia شرائح GPU عالية الأداء
• خدمات السحاب: AWS، Google Cloud وغيرها تقدم دعم القدرة الحاسوبية
• البيانات: مقدمو البيانات والشركات التي تقوم بالتوسيم
• قاعدة البيانات: قواعد بيانات المتجهات وما إلى ذلك تخزن كميات هائلة من البيانات
• الأجهزة الطرفية: أنظمة التبريد وغيرها من الأجهزة الداعمة
• التطبيقات: تطبيقات الذكاء الاصطناعي في مختلف المجالات العمودية

! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-8848582a34ba293d15afae15d90e3c95.webp(

دمج الأصول الرقمية والتشفير مع الذكاء الاصطناعي

يمكن لتقنية blockchain و العملات الرقمية أن تجلب اكتشاف قيمة جديدة وآليات إعادة بناء لسلسلة صناعة الذكاء الاصطناعي:

1. يمكن لاقتصاديات التوكن تحفيز المزيد من الأشخاص على المشاركة في جميع جوانب صناعة الذكاء الاصطناعي، والحصول على عوائد تتجاوز التدفق النقدي.

2. يمكن أن تحل دفاتر الحسابات اللامركزية مشاكل موثوقية البيانات والنماذج، مما يحقق التعاون تحت حماية خصوصية البيانات.

3. يمكن لشبكة القيمة العالمية تنشيط القدرة الحسابية غير المستغلة وتقليل التكاليف.

4. يمكن للعقود الذكية تحقيق التداول واستخدام نماذج الذكاء الاصطناعي بشكل آلي.

تشمل الاتجاهات الرئيسية الحالية لدمج الأصول الرقمية مع الذكاء الاصطناعي:

• سوق قوة الحوسبة السحابية GPU: تقدم مشاريع مثل Render شبكة قوة حوسبة لامركزية
• سوق البيانات: بروتوكول EpiK وغيرها تقدم خدمات البيانات للذكاء الاصطناعي
• ZKML: تنفيذ تدريب النموذج والاستدلال تحت حساب الخصوصية
• وكيل الذكاء الاصطناعي: بناء شبكة وكلاء ذكية لمشاريع مثل Fetch.AI
• سلسلة الكتل العامة للذكاء الاصطناعي: شبكة سلسلة الكتل المصممة خصيصًا للذكاء الاصطناعي

! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-53c48daf49a3dbb35c1a2b47e234f180.webp019283746574839201

على الرغم من أن تطبيقات الذكاء الاصطناعي + الأصول الرقمية لا تزال في مراحلها المبكرة، إلا أن هذا الدمج من المتوقع أن يعيد تشكيل سلسلة صناعة الذكاء الاصطناعي، ويخلق قيمة جديدة. في المستقبل، مع التقدم التكنولوجي، سيكون الدمج بين المجالين أكثر قوة.

! [علم الوافد الجديد 丨 الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة] (https://img-cdn.gateio.im/webp-social/moments-250a286e79261e91a0e7ac4941ff5c76.webp019283746574839201