المؤلف: DWF Ventures المصدر: متوسط ​​الترجمة: Shan Oppa, Golden Finance

< p style="text-align: left;">سوف تتعمق هذه المقالة في أحد أهم المواضيع هذا العام - الذكاء الاصطناعي (AI). على مدار العام الماضي، كان الذكاء الاصطناعي في مركز النقاش بفضل إطلاق ChatGPT 3.5 من OpenAI. يوضح الإطلاق الإمكانات الاقتصادية الهائلة للذكاء الاصطناعي. وقد أثار هذا مناقشات عالمية حول مستقبله وتأثيراته والمخاطر المرتبطة به.

مع نمو التفاؤل، تنمو الشك أيضًا. بدأت المشاكل المحتملة تدق أجراس الإنذار للمنظمين. إنه يعكس الأيام الأولى لفضاء العملات المشفرة، مع الصعود السريع للذكاء الاصطناعي والإطار التنظيمي الغامض. هناك أوجه تشابه بين الصناعتين تسلط الضوء على الطبيعة اللامركزية للويب 3، والتي يبدو أنها تكمل القوة المركزية المحتملة للذكاء الاصطناعي. وسرعان ما ركزت جميع مناقشات web3 VC تقريبًا في الربع الأول على الإمكانات التحويلية للذكاء الاصطناعي. (في مرحلة ما، تساءلت عما إذا كنت سأحضر حدثًا على شبكة الإنترنت أو الذكاء الاصطناعي.) خلال العام، رأينا أيضًا عددًا من شركات رأس المال الاستثماري تتمحور حول الذكاء الاصطناعي أو تدمجه في مهامها الاستثمارية.

الآن بعد أن تراجعت هذه الضجة بمرور الوقت،تخطط DWF Ventures لإلقاء نظرة جديدة على مجال الذكاء الاصطناعي بنظرة غير متحيزة إليه . تقدم هذه المقالة نظرة عامة موجزة عن تطور الذكاء الاصطناعي وكيف وصل إلى مستوى شعبيته الحالي. ومع ذلك، هناك تحول واضح في سرد ​​المقال، من التركيز التقليدي على كيفية تأثير الذكاء الاصطناعي على الويب 3 إلى استكشاف الاتجاه المعاكس - كيف يؤثر الويب 3 على الذكاء الاصطناعي. في هذا الاستكشاف، نلقي نظرة عميقة على كيفية عمل اللامركزية وweb3 كمحفزات لحل التحديات الحالية التي تواجه الذكاء الاصطناعي.

نظرة عامة على الذكاء الاصطناعي والاختراق في ChatGPT 3.5

على عكس الضجة الأخيرة المحيطة بالذكاء الاصطناعي، يعود التاريخ إلى الثلاثينيات. ساعدت أعمال تورينج في عام 1950، بما في ذلك اختبار تورينج، في إضفاء الطابع الرسمي على أسس الذكاء الاصطناعي. وعلى الرغم من التفاؤل المبكر، تضاءل الحماس في السبعينيات بسبب الصعوبات الحسابية وعدم القدرة على تلبية المتطلبات في الوقت الحقيقي، مما أدى إلى دخول "شتاء الذكاء الاصطناعي". في الثمانينيات، أعادت الأنظمة الخبيرة تنشيط الذكاء الاصطناعي باستخدام قواعد بيانات المعرفة لمحاكاة الخبرة البشرية. وشهدت هذه الحقبة أيضًا إحياء الاتصالية وظهور الشبكات العصبية المتكررة.

ومع ذلك، واجهت الأنظمة الخبيرة تحديات في اكتساب المعرفة والتحليل في الوقت الفعلي، مما أدى إلى تراجعها في التسعينيات. أدى أداء أجهزة الكمبيوتر الشخصية إلى تراجع أهميتها. حقق مجال الذكاء الاصطناعي تقدمًا كبيرًا على مر السنين وتوسع ليشمل مجالات تقنية مختلفة مثل التعلم الآلي ومعالجة اللغات الطبيعية ورؤية الكمبيوتر والتعرف على الكلام. وقد سمحت هذه التطورات للذكاء الاصطناعي بالتطور من حل المشكلات البسيطة إلى التعلم العميق في مجالات التطبيق المعقدة.

p>

شهد الذكاء الاصطناعي في تطوره تقاربًا بين مجالاته الفرعية المختلفة. ومن بين هذه المجالات، تم إحراز تقدم كبير في التحول الرأسي في مجالات التعلم الآلي والماجستير. ورقة "الانتباه هو كل ما تحتاجه" بقلم أشيش فاسواني وآخرين. ومن الجدير بالذكر الإلهام من نموذج GPT (المحول التوليدي المُدرب مسبقًا). ومنذ ذلك الحين، ظهر عدد كبير من GPTs في هذا المجال، مثل GPT "BERT" ثنائي الاتجاه وGPT الخاص بفريق OpenAI. بعد ChatGPT، ظهرت بدائل مفتوحة المصدر مثل Falcon وLLaMA2، مما أدى إلى اشتداد المنافسة على الإصدار التالي من GPT، والذي قد يكون أقرب إلى AGI (الذكاء العام الاصطناعي).

ساعد الضجيج الذي حققته GPT في جلب الذكاء الاصطناعي من الأوساط الأكاديمية إلى وعي المليارات من الناس. في غضون شهرين من الإطلاق، سجلت OpenAI رقمًا قياسيًا لأسرع قاعدة مستخدمين تصل إلى 100 مليون مستخدم نشط أسبوعيًا. كشفت دراسة حديثة أجرتها شركة ماكينزي أن ما يقرب من 51% من المتخصصين في صناعة التكنولوجيا يستخدمون حاليًا الذكاء الاصطناعي إلى حد ما في عملهم.

واقع الذكاء الاصطناعي: التعامل مع التصورات الاجتماعية والقيود العملية للذكاء الاصطناعي المركزي

دراسة حديثة ويظهر الاستطلاع الذي أجراه فيتاليك في مقالته أن هناك شعورا واسع النطاق بين الكثير من الناس بتأخير التقدم في مجال الذكاء الاصطناعي، خوفا من ظهور نسخة احتكارية.

p>

يمكن إرجاع الارتفاع الأخير في الاهتمام إلى صعود ChatGPT السريع إلى الشهرة، مدفوعًا باستجاباته الشبيهة بالبشر. ومع ذلك، ما لا يدركه معظم الناس هو أنه على الرغم من أن GPT يحاكي التفاعل البشري، إلا أنه ليس الذكاء الاصطناعي العام.

تتغير GPT إحصائيًا في كل مرة تقوم فيها بإنشاء مخرجات، وتفتقر إلى ضمانات الاتساق والدقة الواقعية. تواجه تقنية GPT أيضًا قيودًا أخرى، لكن أبرز عيوبها هو عدم قدرتها على أداء التفكير المنطقي، خاصة في الرياضيات.

p>

نظرًا للمخاوف التي لا تعد ولا تحصى المحيطة بالذكاء الاصطناعي والتحديات الحالية المتمثلة في الإدارة الفعالة لنماذج الذكاء الاصطناعي الكبيرة، يظهر استكشاف تكامل Web3 كطريقة محتملة للتخفيف من التحديات التي تواجه الذكاء الاصطناعي. يمكن أن تساعد الاستفادة من مبادئ الحوسبة اللامركزية والموزعة المتأصلة في Web3 في حل المشكلات التي تواجهها حاليًا أنظمة الذكاء الاصطناعي.

الطريق إلى الذكاء الاصطناعي اللامركزي: نظرة عامة والإمكانات والتحديات

قدرات الذكاء الاصطناعي التركيز في الأنظمة المركزية يثير مخاوف بشأن الوصول إلى البيانات، وأهمية النموذج، والاستدامة الشاملة لتطبيقات الذكاء الاصطناعي. تواجه أنظمة الذكاء الاصطناعي المركزية عقبات كبيرة. خاصة بالنسبة لمجموعات البيانات الكبيرة والمملوكة والتي غالبًا ما تكون مملوكة.

p>

يؤدي هذا إلى تحقيق الدخل على أساس كل استعلام وحد يومي لعدد مشاهدات المنشورات على X.com. وسرعان ما تم إصدار Grok، X.com GPT، مما يسمح للمستخدمين بالوصول إلى بيانات X.com في الوقت الفعلي. ويخلق هذا النموذج حواجز اقتصادية ويثير تساؤلات حول إمكانية الوصول إلى فوائد الذكاء الاصطناعي وشموليتها.

المؤلف: DWF Ventures المصدر: متوسط ​​الترجمة: Shan Oppa, Golden Finance

بالإضافة إلى ذلك وبدون التحديثات المستمرة للبيانات، سرعان ما تصبح النماذج المنشورة قديمة، مما يشكل تحديًا كبيرًا للحفاظ على الملاءمة والدقة. حاليًا، تشكل بيانات تدريب ChatGPT 3.5 معلومات اعتبارًا من يناير 2022. تم تدريب Llama 2 أيضًا على البيانات من يناير 2023 إلى يوليو 2023.

لمواجهة هذه التحديات، تبرز DAI كنموذج واعد يوفر حلولاً محتملة لقيود المركزية.

p>

يوفر الذكاء الاصطناعي اللامركزي مسارًا بديلاً لمواجهة التحديات الكامنة في النماذج المركزية. ورقة التحليل التلوي الأخيرة التي كتبها جنبي وآخرون. كدليل شامل، ينقسم DAI إلى خمسة مجالات رئيسية.

تحديات DAI

لقد جلبت DAI تطورًا مثيرًا للذكاء الاصطناعي التحول الذي يوفر العديد من المزايا. ومع ذلك، فمن الأهمية بمكان أن نعترف بالتحديات التي تجلبها هذه التطورات.

p>

الاستنتاج

بشكل عام، تتكشف الرحلة إلى الذكاء الاصطناعي اللامركزي مع إمكانات هائلة . ويعتمد تحقيق القوة الكاملة للذكاء الاصطناعي اللامركزي على الوصول إلى الكتلة الحرجة، مدفوعة بالمجموعة الحالية من مستخدمي الذكاء الاصطناعي. في حين أن البدائل مفتوحة المصدر تواجه عوائق بسبب محدودية البائعين والمستخدمين، فإن ChatGPT API توفر خيارًا عمليًا وفعالاً من حيث التكلفة للسوق الشامل، مما يوفر سهولة الاستخدام والموثوقية.

ومع ذلك، ونظرًا للعواقب المحتملة للذكاء الاصطناعي العام الاحتكاري، يجب على الأفراد إعادة النظر في المفاضلة بين الراحة واللامركزية في اختياراتهم وأفعالهم. على نطاق أوسع، يمكن للمبتكرين في مجتمعات الويب والذكاء الاصطناعي مواجهة التحديات من خلال إعادة تعريف سير عمل الذكاء الاصطناعي، وإعادة تصور البنية التحتية، واعتماد نماذج مبتكرة، والإدارة بكفاءة، وتطوير التطبيقات التي تلتزم بالمبادئ اللامركزية. وبينما نواصل السير على هذا الطريق، سيكون التعاون والشمولية والاعتبارات الأخلاقية عنصرًا أساسيًا في تشكيل مشهد الذكاء الاصطناعي اللامركزي الذي يفيد البشرية حقًا.