0G لقد تابعت هذا المشروع لمدة تقارب نصف عام حتى الآن، وها أنا اليوم لدي وقت فراغ، لنستعرض معًا 0G بالتفصيل، لنرى كيف أعادت @0G_labs تخطيط مستقبل الذكاء الاصطناعي من الإدارة المركزية إلى الإدارة اللامركزية، دعونا نتابع معًا!
لأنني كنت أتحدث مع صديقي عن الذكاء الاصطناعي مؤخرًا، قال صديقي "الذكاء الاصطناعي الآن أصبح أكثر فأكثر مثل "لعبة خاصة" لشركات كبيرة"، أشعر أن هذه العبارة تحمل بعض الحقيقة بالفعل، فالمساعدات الذكية وأدوات توليد الصور التي نستخدمها عادةً، معظمها يأتي من تلك الشركات التكنولوجية الكبرى، والبيانات تحت سيطرتهم، ولا يعرف أحد كيفية عمل الخوارزميات تحديدًا، وإذا حدثت مشكلة، فلن يتمكن أحد من توضيح الأمر، ولكن إذا أخبرتك أن الذكاء الاصطناعي في المستقبل قد يكون "ما يقوله الجميع يعتبر صحيحًا"، هل ستصدق ذلك؟
أول ما خطر ببالي هو مشروع 0G، والآن أحاول تحويل هذا "إذا" إلى واقع.
أولاً: لماذا يجب أن نعمل على "الذكاء الاصطناعي اللامركزي"؟
دعنا نتحدث عن مدى "ازدحام" الذكاء الاصطناعي الآن، فكل فيديو قصير تشاهده يوميًا، وكل "قد يعجبك" في تطبيقات التسوق، يدعمه نماذج الذكاء الاصطناعي من نفس الشركات الكبرى، لكن هذه النماذج تشبه "القرع الصامت":
تم استخدام بياناتك في التدريب، هل تم استخدامها بشكل غير صحيح؟ لا أعلم؛
لماذا تقدم لك الذكاء الاصطناعي هذه الأشياء؟ الخوارزمية تخفيها ولا يمكن توضيحها؛
إذا انهار خادم الشركة الكبرى في يوم من الأيام، أو توقف عن الخدمة لسبب ما، فقد تتوقف جميع التطبيقات التي تعتمد عليه.
هذه هي المشكلة المزعجة للذكاء الاصطناعي المركزي، حيث يسيطر عدد قليل من الأشخاص بينما يتعين على الكثيرين التكيف بشكل سلبي، كما أنهم يتحملون مخاطر تسرب البيانات وانقطاع الخدمات.
وما تريده الذكاء الاصطناعي اللامركزي هو فتح هذا "البطيخة المغلقة" ليتمكن الجميع من المشاركة: يمكن لأي شخص أن يفهم كيف يتم تدريب الذكاء الاصطناعي وكيف يعمل، يمكن العثور على الخوارزميات بوضوح؛
ما هي البيانات المستخدمة، وكيف تم استخدامها، كل شيء مسجل على السلسلة، يمكن التحقق منه من البداية إلى النهاية؛
حتى لو واجه عقدة معينة مشكلة، يمكن للعقد الأخرى الاستمرار في التحويل، ولن تنهار جميعها دفعة واحدة.
ببساطة، الهدف هو جعل الذكاء الاصطناعي من "مناطق الاحتفاظ الخاصة بالشركات الكبرى" إلى "موارد عامة للجميع"، بحيث تكون شفافة، ويكون للجميع صوت، وتكون أكثر قدرة على التحمل.
ثانياً: ماذا يعتمد 0G لتحقيق ذلك؟ المعيارية هي المفتاح
لجعل الذكاء الاصطناعي لامركزيًا، تعتمد 0G على "الهيكلية المودولية" - تفكيك الأنظمة المعقدة إلى قطع ليغو، بحيث يمكن ترقية كل جزء بشكل منفصل، وتكون فعالة عند تجميعها معًا.
هذا مرن بشكل خاص من حيث الامتثال ، حيث أن القواعد تختلف من دولة لأخرى:
في مكان ما، يتم تنظيم تخزين البيانات بشكل صارم، لذا يتم وضع وحدة DA الخاصة بتخزين البيانات على خادم متوافق محلياً.
يقيد البلد قوة الحوسبة في الخارج ، وتستخدم الشركات فقط وحدات طاقة الحوسبة المحلية لمعالجة الأعمال ، ويتم إضافة وحدات أخرى حسب الحاجة ؛
في بعض الأماكن، يتم حظر الرموز ولكن يتم الترحيب بالحوسبة الموزعة، لذا قم بإزالة وحدات الرموز ذات الصلة واحتفظ فقط بأجزاء الامتثال مثل جدولة قوة الحوسبة وتشفير البيانات.
مثل بناء المكعبات، لا تضع الأجزاء غير المطابقة في البداية، يمكنك البناء باستخدام الأجزاء المطابقة، وعند تغيير القواعد يمكنك إعادة تركيبها.
ثالثاً: لنلقِ نظرة على الاختلافات الجوهرية بين الذكاء الاصطناعي المركزي والذكاء الاصطناعي اللامركزي
الذكاء الاصطناعي المركزي يشبه "آلة متكاملة": سريع ومستقر، لكن إذا أردت استبدال جزء أو إضافة وظيفة، يجب تفكيك الآلة بأكملها، مما يكون مزعجًا للغاية. بالإضافة إلى ذلك، البيانات مخفية داخل الآلة، ولا يمكن رؤيتها من الخارج، وأحيانًا قد "تقول هراء" (وهو ما يُعرف بـ "هلوسة الذكاء الاصطناعي")، لأنه لا أحد يمكنه التحقق من عملية استنتاجها.
الذكاء الاصطناعي اللامركزي يشبه أكثر "تجميع القطع": الأجزاء (الوحدات) علنية، يمكن لأي شخص استبدالها أو إضافتها، والبيانات وعمليات الاستدلال موجودة على السلسلة، يمكن التحقق منها، مما يقلل من "الأوهام"، لكن العيوب واضحة أيضًا - التنسيق بين العديد من الأجزاء قد يكون بطيئًا بعض الشيء، وإذا كانت "واجهات" القطع المختلفة غير موحدة، فقد تصبح فوضى.
أربعة: ما هي "الكتل" الخاصة بـ 0G؟
0G قسم النظام بأكمله إلى عدة وحدات رئيسية، كل وحدة لها مهامها الخاصة الواضحة:
1) سلسلة 0G: هذه هي السلسلة الأساسية التي يمكن أن تتناسب مع التطبيقات اللامركزية (dApp) الموجودة حاليًا، بالإضافة إلى أن الوظائف الأساسية مثل التنفيذ والإجماع يمكن ترقيتها بشكل منفصل دون الحاجة إلى تغيير السلسلة بالكامل؛
2) تخزين 0G: هو مكان التخزين اللامركزي، يمكنه تخزين الكثير من البيانات، ويعتمد على طرق تشفير والتحقق خاصة لضمان عدم فقدان البيانات وصلاحيتها للاستخدام؛
3) طبقة توافر البيانات (DA): تتعلق بمدى "توفر البيانات"، من خلال اختيار العقد بشكل عشوائي للتحقق، مما يضمن موثوقية ويمكن أن يوسع النطاق بشكل غير محدود؛ 4）0G Serving الهيكل: مصمم خصيصًا لاستنتاج وتدريب نماذج الذكاء الاصطناعي، كما أنه يوفر مجموعة أدوات (SDK) للمطورين، إذا أرادوا ربط وظائف الذكاء الاصطناعي، يمكنهم استخدامه مباشرة، دون الحاجة لبناء هيكل معقد بأنفسهم؛
5) عقد التوافق (Alignment Nodes): مراقبة النظام بأكمله، وضمان أن تصرفات الذكاء الاصطناعي تتماشى مع المعايير الأخلاقية، وأن إدارة هذه العقد هي أيضاً لامركزية، وليست مجرد قول شخص واحد. تتمثل فائدة هذه الخطة في "المرونة"، على سبيل المثال إذا كانت هناك حاجة إلى سعة تخزين أكبر، يتم ترقية وحدة التخزين؛ وإذا كانت هناك حاجة إلى سرعة استدلال أسرع، يتم تحسين هيكل الخدمة بدون الحاجة إلى تغيير الأجزاء الأخرى. بالنسبة للمطورين، أصبح العتبة للدخول أقل بكثير.
خمسة: هل 0G موثوق الآن؟ انظر إلى فريق التمويل والشركاء البيئيين، لقد قيل الكثير من المرات.
لتقييم ما إذا كان المشروع موثوقًا أم لا، فإن المال والتقدم الفعلي مهمان جدًا، كما أنهما مباشران.
0G قالت في يناير من العام الماضي إنها قد جمعت 325 مليون دولار، وتم استخدام هذه الأموال بشكل رئيسي لتوسيع نطاق المنتجات وبناء مجتمع المطورين.
وعلاوة على ذلك، فإن 0G قد تعاونت بعمق مع HackQuest، وتركز على بناء مجتمع المطورين، ومن المعروف أن HackQuest كمنصة تعليمية للمطورين قد جمعت 4.1 مليون دولار، وستساعد هذه الشراكة في تعزيز تطوير بيئة المطورين بشكل أفضل.
ليس المال والتعاون كافيين، بل بيانات شبكة الاختبار هي التي توضح المشكلة بشكل أفضل: تم إجراء أكثر من 650 مليون صفقة، وهناك 22 مليون حساب، وأكثر من 8000 مُحقق؛
يمكن أن تصل TPS لكل شريحة إلى 11,000 خلال ذروة الاستخدام، وهذه السرعة تعتبر كافية لمعالجة البيانات الهائلة التي تحتاجها AI.
وأيضًا عدد العقد - تم بيع 85000 عقد، يتم الحفاظ عليها من قبل أكثر من 8500 مشغل حول العالم. كلما زاد عدد العقد، زادت استقرار وأمان الشبكة بأكملها، تمامًا كما لو كان هناك أكثر من 8500 شخص "يحمون" المكان، سيكون من الصعب حدوث أي مشكلة.
علاوة على ذلك، تُعتبر 0G واحدة من أوائل سلاسل الكتل اللامركزية التي تتعاون بعمق في مجال الذكاء الاصطناعي، وهي أيضًا أول سلسلة كتلة لامركزية تعتمد على الذكاء الاصطناعي، ولم يتم إجراء حدث توليد الرموز (TGE) حتى الآن، وقيمة المناقشة المحتملة وراء ذلك تُظهرها الأهمية.
ستة: إذا كنت تريد التحدث عن 0G، فلا بد من ذكر iNFT الخاص بها، باختصار، iNFT هو "NFT يمكنه تشغيل وظائف الذكاء الاصطناعي" - ما تشتريه ليس مجرد صورة، بل هو "مساعد صغير" مزود بالذكاء.
لماذا يقال إن هذا الشيء جديد؟ لأنه استخدم معيارًا جديدًا يسمى ERC-7857:
عند شراء iNFT، ليس فقط الملكية تُعطى لك، بل يُعطى لك أيضاً نموذج الذكاء الاصطناعي والبيانات (أي "البيانات الوصفية")، لن تحصل على هيكل فارغ فقط؛ تشفير البيانات الحساسة مخزنة، الخصوصية مضمونة، لكن يمكن التحقق من الحقيقة على السلسلة، لا تخاف من الخداع؛
هذا المساعد الذكي يمكن أن "ينمو"، يمكن تحديث البيانات الوصفية في أي وقت، كلما استخدمته لفترة أطول، ربما يصبح أكثر قيمة.
هذا يكسر النموذج القديم للذكاء الاصطناعي التقليدي، حيث كنت تستخدم الذكاء الاصطناعي من الشركات الكبرى، والآن يمكنك "امتلاك" مساعد ذكاء اصطناعي صغير، ويمكنك أيضًا بيعه أو ترخيصه للآخرين، وكل الأرباح تعود إليك.
سبعة: عائق التعلم؟ 0G في الواقع قد مهدت لك الطريق منذ فترة طويلة
مؤخراً، تعاونت 0G مع HackQuest @HackQuest_ لفتح دورة مخصصة تُعرف باسم 0G Learning Track، حيث يتم تناول كل شيء بوضوح، بدءاً من طبقة البيانات وآلية التخزين، إلى كيفية الاتصال بإطار الذكاء الاصطناعي، وكيفية إجراء العمليات عبر سلاسل الكتل. بعد الانتهاء من الدورة، يمكن للطلاب الحصول على شهادة معتمدة من كلا الجانبين، مما يجعلها نقطة انطلاق جيدة للمطورين الذين يرغبون في دخول مجال الذكاء الاصطناعي اللامركزي.
ثمانية: في النهاية، دعني أقول شيئًا صادقًا، فكرة 0G جيدة، لكن هناك العديد من التحديات:
1) الأنظمة اللامركزية بطبيعتها أبطأ من الأنظمة المركزية، كيف يمكن العثور على توازن بين التوسع والأداء؟ لا بد من النظر في الوضع الفعلي بعد إطلاق الشبكة الرئيسية؛
2) ماذا نفعل إذا كانت معايير واجهة الوحدة غير موحدة عند دمج مشاريع مختلفة؟ قد يؤدي ذلك إلى "تفتيت"؛ يجب أيضًا أخذ مسائل الامتثال في الاعتبار، نظرًا لأنها تتعلق بالبيانات والذكاء الاصطناعي، حيث تختلف السياسات من مكان لآخر.
3) ومع ذلك، فإن الذكاء الاصطناعي اللامركزي هو اتجاه يستحق التفكير فيه. إذا كان بالإمكان تحقيق "الشفافية، والمشاركة للجميع، ومقاومة المخاطر"، فإن الذكاء الاصطناعي سيكون حينها فعلاً في خدمة الجميع، وليس أداة لفئة قليلة.
هل يمكن أن ينجح 0G؟ من السابق لأوانه إصدار حكم الآن، لكن على الأقل لقد خطا الخطوة الأولى. سأستمر في متابعة هذا المشروع بنفسي، على الأقل أعتقد أنه مشروع يستحق الوقت الذي سنقضيه فيه! ناهيك عن أن @Jtsong2 سيكون معنا في البناء! #去中心化AI # 0GLabs #الذكاء الاصطناعي
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
0G لقد تابعت هذا المشروع لمدة تقارب نصف عام حتى الآن، وها أنا اليوم لدي وقت فراغ، لنستعرض معًا 0G بالتفصيل، لنرى كيف أعادت @0G_labs تخطيط مستقبل الذكاء الاصطناعي من الإدارة المركزية إلى الإدارة اللامركزية، دعونا نتابع معًا!
لأنني كنت أتحدث مع صديقي عن الذكاء الاصطناعي مؤخرًا، قال صديقي "الذكاء الاصطناعي الآن أصبح أكثر فأكثر مثل "لعبة خاصة" لشركات كبيرة"، أشعر أن هذه العبارة تحمل بعض الحقيقة بالفعل، فالمساعدات الذكية وأدوات توليد الصور التي نستخدمها عادةً، معظمها يأتي من تلك الشركات التكنولوجية الكبرى، والبيانات تحت سيطرتهم، ولا يعرف أحد كيفية عمل الخوارزميات تحديدًا، وإذا حدثت مشكلة، فلن يتمكن أحد من توضيح الأمر، ولكن إذا أخبرتك أن الذكاء الاصطناعي في المستقبل قد يكون "ما يقوله الجميع يعتبر صحيحًا"، هل ستصدق ذلك؟
أول ما خطر ببالي هو مشروع 0G، والآن أحاول تحويل هذا "إذا" إلى واقع.
أولاً: لماذا يجب أن نعمل على "الذكاء الاصطناعي اللامركزي"؟
دعنا نتحدث عن مدى "ازدحام" الذكاء الاصطناعي الآن، فكل فيديو قصير تشاهده يوميًا، وكل "قد يعجبك" في تطبيقات التسوق، يدعمه نماذج الذكاء الاصطناعي من نفس الشركات الكبرى، لكن هذه النماذج تشبه "القرع الصامت":
تم استخدام بياناتك في التدريب، هل تم استخدامها بشكل غير صحيح؟ لا أعلم؛
لماذا تقدم لك الذكاء الاصطناعي هذه الأشياء؟ الخوارزمية تخفيها ولا يمكن توضيحها؛
إذا انهار خادم الشركة الكبرى في يوم من الأيام، أو توقف عن الخدمة لسبب ما، فقد تتوقف جميع التطبيقات التي تعتمد عليه.
هذه هي المشكلة المزعجة للذكاء الاصطناعي المركزي، حيث يسيطر عدد قليل من الأشخاص بينما يتعين على الكثيرين التكيف بشكل سلبي، كما أنهم يتحملون مخاطر تسرب البيانات وانقطاع الخدمات.
وما تريده الذكاء الاصطناعي اللامركزي هو فتح هذا "البطيخة المغلقة" ليتمكن الجميع من المشاركة:
يمكن لأي شخص أن يفهم كيف يتم تدريب الذكاء الاصطناعي وكيف يعمل، يمكن العثور على الخوارزميات بوضوح؛
ما هي البيانات المستخدمة، وكيف تم استخدامها، كل شيء مسجل على السلسلة، يمكن التحقق منه من البداية إلى النهاية؛
حتى لو واجه عقدة معينة مشكلة، يمكن للعقد الأخرى الاستمرار في التحويل، ولن تنهار جميعها دفعة واحدة.
ببساطة، الهدف هو جعل الذكاء الاصطناعي من "مناطق الاحتفاظ الخاصة بالشركات الكبرى" إلى "موارد عامة للجميع"، بحيث تكون شفافة، ويكون للجميع صوت، وتكون أكثر قدرة على التحمل.
ثانياً: ماذا يعتمد 0G لتحقيق ذلك؟ المعيارية هي المفتاح
لجعل الذكاء الاصطناعي لامركزيًا، تعتمد 0G على "الهيكلية المودولية" - تفكيك الأنظمة المعقدة إلى قطع ليغو، بحيث يمكن ترقية كل جزء بشكل منفصل، وتكون فعالة عند تجميعها معًا.
هذا مرن بشكل خاص من حيث الامتثال ، حيث أن القواعد تختلف من دولة لأخرى:
في مكان ما، يتم تنظيم تخزين البيانات بشكل صارم، لذا يتم وضع وحدة DA الخاصة بتخزين البيانات على خادم متوافق محلياً.
يقيد البلد قوة الحوسبة في الخارج ، وتستخدم الشركات فقط وحدات طاقة الحوسبة المحلية لمعالجة الأعمال ، ويتم إضافة وحدات أخرى حسب الحاجة ؛
في بعض الأماكن، يتم حظر الرموز ولكن يتم الترحيب بالحوسبة الموزعة، لذا قم بإزالة وحدات الرموز ذات الصلة واحتفظ فقط بأجزاء الامتثال مثل جدولة قوة الحوسبة وتشفير البيانات.
مثل بناء المكعبات، لا تضع الأجزاء غير المطابقة في البداية، يمكنك البناء باستخدام الأجزاء المطابقة، وعند تغيير القواعد يمكنك إعادة تركيبها.
ثالثاً: لنلقِ نظرة على الاختلافات الجوهرية بين الذكاء الاصطناعي المركزي والذكاء الاصطناعي اللامركزي
الذكاء الاصطناعي المركزي يشبه "آلة متكاملة": سريع ومستقر، لكن إذا أردت استبدال جزء أو إضافة وظيفة، يجب تفكيك الآلة بأكملها، مما يكون مزعجًا للغاية. بالإضافة إلى ذلك، البيانات مخفية داخل الآلة، ولا يمكن رؤيتها من الخارج، وأحيانًا قد "تقول هراء" (وهو ما يُعرف بـ "هلوسة الذكاء الاصطناعي")، لأنه لا أحد يمكنه التحقق من عملية استنتاجها.
الذكاء الاصطناعي اللامركزي يشبه أكثر "تجميع القطع": الأجزاء (الوحدات) علنية، يمكن لأي شخص استبدالها أو إضافتها، والبيانات وعمليات الاستدلال موجودة على السلسلة، يمكن التحقق منها، مما يقلل من "الأوهام"، لكن العيوب واضحة أيضًا - التنسيق بين العديد من الأجزاء قد يكون بطيئًا بعض الشيء، وإذا كانت "واجهات" القطع المختلفة غير موحدة، فقد تصبح فوضى.
أربعة: ما هي "الكتل" الخاصة بـ 0G؟
0G قسم النظام بأكمله إلى عدة وحدات رئيسية، كل وحدة لها مهامها الخاصة الواضحة:
1) سلسلة 0G: هذه هي السلسلة الأساسية التي يمكن أن تتناسب مع التطبيقات اللامركزية (dApp) الموجودة حاليًا، بالإضافة إلى أن الوظائف الأساسية مثل التنفيذ والإجماع يمكن ترقيتها بشكل منفصل دون الحاجة إلى تغيير السلسلة بالكامل؛
2) تخزين 0G: هو مكان التخزين اللامركزي، يمكنه تخزين الكثير من البيانات، ويعتمد على طرق تشفير والتحقق خاصة لضمان عدم فقدان البيانات وصلاحيتها للاستخدام؛
3) طبقة توافر البيانات (DA): تتعلق بمدى "توفر البيانات"، من خلال اختيار العقد بشكل عشوائي للتحقق، مما يضمن موثوقية ويمكن أن يوسع النطاق بشكل غير محدود؛
4）0G Serving الهيكل: مصمم خصيصًا لاستنتاج وتدريب نماذج الذكاء الاصطناعي، كما أنه يوفر مجموعة أدوات (SDK) للمطورين، إذا أرادوا ربط وظائف الذكاء الاصطناعي، يمكنهم استخدامه مباشرة، دون الحاجة لبناء هيكل معقد بأنفسهم؛
5) عقد التوافق (Alignment Nodes): مراقبة النظام بأكمله، وضمان أن تصرفات الذكاء الاصطناعي تتماشى مع المعايير الأخلاقية، وأن إدارة هذه العقد هي أيضاً لامركزية، وليست مجرد قول شخص واحد.
تتمثل فائدة هذه الخطة في "المرونة"، على سبيل المثال إذا كانت هناك حاجة إلى سعة تخزين أكبر، يتم ترقية وحدة التخزين؛ وإذا كانت هناك حاجة إلى سرعة استدلال أسرع، يتم تحسين هيكل الخدمة بدون الحاجة إلى تغيير الأجزاء الأخرى. بالنسبة للمطورين، أصبح العتبة للدخول أقل بكثير.
خمسة: هل 0G موثوق الآن؟ انظر إلى فريق التمويل والشركاء البيئيين، لقد قيل الكثير من المرات.
لتقييم ما إذا كان المشروع موثوقًا أم لا، فإن المال والتقدم الفعلي مهمان جدًا، كما أنهما مباشران.
0G قالت في يناير من العام الماضي إنها قد جمعت 325 مليون دولار، وتم استخدام هذه الأموال بشكل رئيسي لتوسيع نطاق المنتجات وبناء مجتمع المطورين.
وعلاوة على ذلك، فإن 0G قد تعاونت بعمق مع HackQuest، وتركز على بناء مجتمع المطورين، ومن المعروف أن HackQuest كمنصة تعليمية للمطورين قد جمعت 4.1 مليون دولار، وستساعد هذه الشراكة في تعزيز تطوير بيئة المطورين بشكل أفضل.
ليس المال والتعاون كافيين، بل بيانات شبكة الاختبار هي التي توضح المشكلة بشكل أفضل:
تم إجراء أكثر من 650 مليون صفقة، وهناك 22 مليون حساب، وأكثر من 8000 مُحقق؛
يمكن أن تصل TPS لكل شريحة إلى 11,000 خلال ذروة الاستخدام، وهذه السرعة تعتبر كافية لمعالجة البيانات الهائلة التي تحتاجها AI.
وأيضًا عدد العقد - تم بيع 85000 عقد، يتم الحفاظ عليها من قبل أكثر من 8500 مشغل حول العالم. كلما زاد عدد العقد، زادت استقرار وأمان الشبكة بأكملها، تمامًا كما لو كان هناك أكثر من 8500 شخص "يحمون" المكان، سيكون من الصعب حدوث أي مشكلة.
علاوة على ذلك، تُعتبر 0G واحدة من أوائل سلاسل الكتل اللامركزية التي تتعاون بعمق في مجال الذكاء الاصطناعي، وهي أيضًا أول سلسلة كتلة لامركزية تعتمد على الذكاء الاصطناعي، ولم يتم إجراء حدث توليد الرموز (TGE) حتى الآن، وقيمة المناقشة المحتملة وراء ذلك تُظهرها الأهمية.
ستة: إذا كنت تريد التحدث عن 0G، فلا بد من ذكر iNFT الخاص بها، باختصار، iNFT هو "NFT يمكنه تشغيل وظائف الذكاء الاصطناعي" - ما تشتريه ليس مجرد صورة، بل هو "مساعد صغير" مزود بالذكاء.
لماذا يقال إن هذا الشيء جديد؟ لأنه استخدم معيارًا جديدًا يسمى ERC-7857:
عند شراء iNFT، ليس فقط الملكية تُعطى لك، بل يُعطى لك أيضاً نموذج الذكاء الاصطناعي والبيانات (أي "البيانات الوصفية")، لن تحصل على هيكل فارغ فقط؛
تشفير البيانات الحساسة مخزنة، الخصوصية مضمونة، لكن يمكن التحقق من الحقيقة على السلسلة، لا تخاف من الخداع؛
هذا المساعد الذكي يمكن أن "ينمو"، يمكن تحديث البيانات الوصفية في أي وقت، كلما استخدمته لفترة أطول، ربما يصبح أكثر قيمة.
هذا يكسر النموذج القديم للذكاء الاصطناعي التقليدي، حيث كنت تستخدم الذكاء الاصطناعي من الشركات الكبرى، والآن يمكنك "امتلاك" مساعد ذكاء اصطناعي صغير، ويمكنك أيضًا بيعه أو ترخيصه للآخرين، وكل الأرباح تعود إليك.
سبعة: عائق التعلم؟ 0G في الواقع قد مهدت لك الطريق منذ فترة طويلة
مؤخراً، تعاونت 0G مع HackQuest @HackQuest_ لفتح دورة مخصصة تُعرف باسم 0G Learning Track، حيث يتم تناول كل شيء بوضوح، بدءاً من طبقة البيانات وآلية التخزين، إلى كيفية الاتصال بإطار الذكاء الاصطناعي، وكيفية إجراء العمليات عبر سلاسل الكتل. بعد الانتهاء من الدورة، يمكن للطلاب الحصول على شهادة معتمدة من كلا الجانبين، مما يجعلها نقطة انطلاق جيدة للمطورين الذين يرغبون في دخول مجال الذكاء الاصطناعي اللامركزي.
ثمانية: في النهاية، دعني أقول شيئًا صادقًا، فكرة 0G جيدة، لكن هناك العديد من التحديات:
1) الأنظمة اللامركزية بطبيعتها أبطأ من الأنظمة المركزية، كيف يمكن العثور على توازن بين التوسع والأداء؟ لا بد من النظر في الوضع الفعلي بعد إطلاق الشبكة الرئيسية؛
2) ماذا نفعل إذا كانت معايير واجهة الوحدة غير موحدة عند دمج مشاريع مختلفة؟ قد يؤدي ذلك إلى "تفتيت"؛
يجب أيضًا أخذ مسائل الامتثال في الاعتبار، نظرًا لأنها تتعلق بالبيانات والذكاء الاصطناعي، حيث تختلف السياسات من مكان لآخر.
3) ومع ذلك، فإن الذكاء الاصطناعي اللامركزي هو اتجاه يستحق التفكير فيه. إذا كان بالإمكان تحقيق "الشفافية، والمشاركة للجميع، ومقاومة المخاطر"، فإن الذكاء الاصطناعي سيكون حينها فعلاً في خدمة الجميع، وليس أداة لفئة قليلة.
هل يمكن أن ينجح 0G؟ من السابق لأوانه إصدار حكم الآن، لكن على الأقل لقد خطا الخطوة الأولى. سأستمر في متابعة هذا المشروع بنفسي، على الأقل أعتقد أنه مشروع يستحق الوقت الذي سنقضيه فيه! ناهيك عن أن @Jtsong2 سيكون معنا في البناء!
#去中心化AI # 0GLabs #الذكاء الاصطناعي