في الماضي ، كانت الشركات الناشئة ، بسرعتها وخفة حركتها وثقافتها الريادية ، خالية من قيود الجمود التنظيمي وقادت الابتكار التكنولوجي لفترة طويلة. ** لكن كل هذا تمت إعادة كتابته بواسطة عصر الذكاء الاصطناعي. ** حتى الآن ، كان مبتكرو منتجات الذكاء الاصطناعي المتطورة هم عمالقة التكنولوجيا التقليدية مثل Microsoft OpenAI و Nvidia و Google وحتى Meta.
**ماذا حدث؟ ** لماذا فاز العملاق على الشركة الناشئة هذه المرة؟ يمكن للشركات الناشئة كتابة تعليمات برمجية رائعة ، لكنها تواجه العديد من العقبات مقارنة بعمالقة التكنولوجيا:
- تظل التكاليف الحسابية مرتفعة
- تطوير الذكاء الاصطناعي له فص عكسي: القلق وعدم اليقين بشأن التأثير المجتمعي للذكاء الاصطناعي يعوقان الابتكار بسبب نقص الإرشادات اللازمة
- مشكلة الصندوق الأسود لمنظمة العفو الدولية
- “خنادق البيانات” التي بنتها شركات التكنولوجيا الكبرى تشكل حواجز أمام الدخول
إذن ، لماذا هناك حاجة إلى تقنية blockchain؟ أين يتقاطع مع الذكاء الاصطناعي؟ على الرغم من أنه لا يمكن حل جميع المشكلات في وقت واحد ، إلا أن ** شبكة البنية التحتية المادية الموزعة (DePIN) ** في Web3 تخلق الظروف اللازمة لحل المشكلات المذكورة أعلاه. سوف يشرح ما يلي كيف يمكن للتكنولوجيا الكامنة وراء DePIN أن تساعد الذكاء الاصطناعي ، بشكل أساسي من أربعة أبعاد:
- ** تقليل ** تكاليف البنية التحتية
- ** تحقق ** الخالق والشخصية
- ** شغل ** الشفافية والديمقراطية بالذكاء الاصطناعي
- ** الإعداد ** آلية مكافأة مساهمة البيانات
أقل:
- ** “web3” ** تشير إلى الجيل التالي من الإنترنت ، وتقنية blockchain وغيرها من التقنيات الحالية هي مكوناتها العضوية.
- ** “Blockchain” ** تشير إلى تقنية دفتر الأستاذ الموزع واللامركزية.
- ** “Crypto” ** تشير إلى استخدام آليات الرمز المميز للحوافز واللامركزية.
1. تقليل تكاليف البنية التحتية (الحوسبة والتخزين)
تبدأ كل موجة من الابتكارات التكنولوجية بشيء باهظ الثمن يصبح رخيصًا بما يكفي لإهداره.
- الديون التقنية للمجتمع وجوتنبيرج مومنت للبرمجيات ، عبر SK Ventures
** ما مدى أهمية القدرة على تحمل تكاليف البنية التحتية ** (تشير البنية التحتية للذكاء الاصطناعي إلى تكلفة الأجهزة للحوسبة ونقل البيانات وتخزينها) ، أوضحت نظرية كارلوتا بيريز للثورة التكنولوجية أن النظرية تقترح أن الاختراقات التكنولوجية تشمل اثنين مراحل:
[كيف يساعد التحليل متعدد الأبعاد لـ DePIN الذكاء الاصطناعي؟ ] (https://img.gateio.im/social/moments-40baef27dd-a30ba3945e-dd1a6f-62a40f)
المصدر: نظرية الثورة التكنولوجية لكارلوتا بيريز
- ** مرحلة التثبيت ** تتميز باستثمارات ضخمة في رأس المال الاستثماري ، ** بناء البنية التحتية ** و ** إستراتيجيات الانتقال إلى السوق (GTM) “دفع” ** ، حيث لا يفهم العملاء قيمة العرض الجديدة تكنولوجيا.
- ** تتميز مرحلة الانتشار بزيادة كبيرة في إمدادات البنية التحتية ** ، وخفض عتبة جذب الوافدين الجدد ، واعتماد إستراتيجية ** “سحب” **** لترويج السوق (GTM) ، ** تشير إلى درجة عالية من مطابقة المنتج للسوق ، يتوقع العملاء المزيد من المنتجات التي لم يتم تشكيلها بعد.
الآن بعد أن أثبتت محاولات مثل ChatGPT ملاءمة السوق وطلب العملاء ، قد يشعر المرء أن الذكاء الاصطناعي قد دخل مرحلة النشر. ** ومع ذلك ، يفتقد الذكاء الاصطناعي جزءًا مهمًا: البنية التحتية الزائدة للشركات الناشئة الحساسة للسعر للبناء والتجربة. **
سؤال
يحتكر مجال البنية التحتية المادية الحالي بشكل أساسي احتكار القلة المتكامل رأسياً ، بما في ذلك AWS و GCP و Azure و Nvidia و Cloudflare و Akamai وما إلى ذلك. تتمتع الصناعة بهوامش ربح عالية. ومن المقدر أن هامش الربح الإجمالي لـ AWS على أجهزة حوسبة السلع هو 61٪. لذلك ، يتعين على الوافدين الجدد في مجال الذكاء الاصطناعي ، وخاصة مجال ماجستير إدارة الأعمال ، مواجهة تكاليف حسابية عالية للغاية.
- تقدر تكلفة تدريب ChatGPT بـ 4 ملايين دولار أمريكي ، وتبلغ تكلفة تشغيل استدلال الأجهزة حوالي 700000 دولار أمريكي في اليوم.
- قد تكلف النسخة 2 من بلوم 10 ملايين دولار لتدريبها وإعادة تدريبها.
- إذا دخلت ChatGPT بحث Google ، فسوف تنخفض إيرادات Google بمقدار 36 مليار دولار ، ** سيتم تحويل أرباح ضخمة من منصات البرامج (Google) إلى مزودي الأجهزة (Nvidia). **
[كيف يساعد التحليل متعدد الأبعاد لـ DePIN الذكاء الاصطناعي؟ ] (https://img.gateio.im/social/moments-40baef27dd-0eed800827-dd1a6f-62a40f)
المصدر: تحليل طبقة تلو الأخرى - بنية بحث LLM والتكلفة
حل
شبكات DePIN مثل Filecoin (نشأت شركة DePIN في عام 2014 ، مع التركيز على جمع الأجهزة على مستوى الإنترنت وخدمة تخزين البيانات الموزعة) ، و Bacalhau ، و Gensyn.ai ، و Render Network ، و ExaBits (طبقة التنسيق لمطابقة العرض والطلب لوحدة المعالجة المركزية / وحدة معالجة الرسومات) يمكن أن توفر 75٪ إلى 90٪ + من تكاليف البنية التحتية من خلال الجوانب الثلاثة التالية:
** 1. ادفع منحنى العرض وحفز المنافسة في السوق **
يوفر DePIN فرصًا متكافئة لموردي الأجهزة ليصبحوا مقدمي خدمة. إنه يخلق سوقًا حيث يمكن لأي شخص الانضمام إليه كـ “عامل منجم” وتبادل وحدة المعالجة المركزية / وحدة معالجة الرسومات أو قوة التخزين مقابل تعويض مالي ، وبالتالي خلق منافسة لمقدمي الخدمة الحاليين.
بينما تتمتع شركة مثل AWS بلا شك ببدء مبكر لمدة 17 عامًا في واجهة المستخدم والعمليات والتكامل الرأسي ، ** تجذب DePIN قاعدة عملاء جديدة لا يمكنها قبول الأسعار من الموردين المركزيين. ** تمامًا مثل Ebay لا تتنافس مباشرة مع Bloomingdale ، ولكنها بدلاً من ذلك توفر ** بدائل أكثر اقتصادية ** لتلبية الاحتياجات المماثلة ، لا تحل شبكات التخزين الموزعة محل الموردين المركزيين ، ولكنها مصممة لخدمة مجموعة المستخدمين الحساسة للسعر.
** 2. تعزيز التوازن الاقتصادي للسوق من خلال التصميم الاقتصادي المشفر **
يمكن لآلية الدعم التي أنشأتها DePIN ** توجيه موردي الأجهزة للمشاركة في الشبكة ** ، وبالتالي تقليل تكلفة المستخدمين النهائيين. من حيث المبدأ ، يمكننا النظر في تكاليف وإيرادات موفري التخزين AWS و Filecoin في Web2 و Web3.
[كيف يساعد التحليل متعدد الأبعاد لـ DePIN الذكاء الاصطناعي؟ ] (https://img.gateio.im/social/moments-40baef27dd-629cdd1228-dd1a6f-62a40f)
** يحصل العملاء على تخفيض في الأسعار: ** تخلق شبكة DePIN سوقًا تنافسية وتقدم منافسة على غرار Bertrand ، وبالتالي تخفض رسوم الدفع للعملاء. بالمقارنة ، تحتاج AWS EC2 إلى حوالي 55٪ هامش و 31٪ هامش إجمالي للبقاء واقفة على قدميها. ** حافز الرمز المميز / مكافأة الكتلة ** التي تقدمها شبكة DePIN هي أيضًا ** مصدر دخل جديد **. في سياق Filecoin ، كلما زادت البيانات الحقيقية التي يستضيفها مزود التخزين ، زادت مكافآت الكتلة (الرموز) التي يمكن أن تكسبها. ** لذلك ، لدى مزودي التخزين حافز لجذب المزيد من العملاء لإغلاق الصفقات وزيادة الإيرادات. ** تظل الهياكل الرمزية للعديد من شبكات الحوسبة الناشئة DePIN غير مكشوفة ، ولكن من المحتمل أن تتبع نمطًا مشابهًا. تشمل الشبكات المماثلة:
- Bacalhau: طبقة تنسيق تجلب العمليات الحسابية إلى مكان تخزين البيانات ، وتجنب نقل كميات كبيرة من البيانات.
- exaBITS: شبكة حوسبة موزعة تخدم الذكاء الاصطناعي وتطبيقات الحوسبة المكثفة.
- Gensyn.ai: بروتوكول الحوسبة النموذجي للتعلم العميق.
** 3. تقليل التكاليف العامة: ** تشمل مزايا Bacalhau و exaBITS وشبكات DePIN الأخرى والتخزين القابل للتوجيه عبر IPFS / المحتوى ما يلي:
- ** فتح توفر البيانات الكامنة: ** كميات كبيرة من البيانات غير مستغلة حاليًا بسبب ارتفاع تكلفة النطاق الترددي لنقل مجموعات البيانات الكبيرة ، مثل بيانات الأحداث الضخمة الناتجة عن الملاعب الرياضية. يمكن لمشروع DePIN معالجة البيانات في الموقع ونقل المخرجات ذات المعنى فقط ، والكشف عن توافر البيانات المحتمل.
- ** انخفاض تكاليف التشغيل: ** تقليل إدخال البيانات ونقلها وتكاليف الاستيراد / التصدير من خلال الحصول على البيانات محليًا.
- ** تقليل العمل اليدوي في مشاركة البيانات الحساسة: ** إذا احتاجت المستشفيات “أ” و “ب” إلى دمج البيانات الحساسة لمرضاهم لتحليلها ، فيمكنهم استخدام Bacalhau لتنسيق قوة حوسبة وحدة معالجة الرسومات ومعالجة البيانات الحساسة محليًا مباشرةً دون الحاجة إلى تبادل بيانات التعريف الشخصية المعلومات (PII) مع الأطراف المقابلة من خلال العمليات الإدارية المرهقة.
- ** لا حاجة لإعادة حساب مجموعة البيانات الأساسية: ** يأتي التخزين القابل للتوجيه للمحتوى / IPFS مع القدرة على إلغاء تكرار البيانات وتتبعها والتحقق منها. للحصول على وظائف IPFS وأداء التكلفة ، يرجى الرجوع إلى هذه المقالة.
** ملخص يولده الذكاء الاصطناعي: ** يتطلب الذكاء الاصطناعي بنية تحتية ميسورة التكلفة توفرها شركة DePIN ، وتهيمن احتكارات القلة المتكاملة رأسياً على سوق البنية التحتية حاليًا. تعمل شبكات DePIN مثل Filecoin و Bacalhau و Render Network و ExaBits على إضفاء الطابع الديمقراطي على الفرصة لتصبح موردًا للأجهزة ، وإدخال المنافسة ، والحفاظ على التوازن الاقتصادي للسوق من خلال تصميم الاقتصاد المشفر ، وتقليل التكاليف بأكثر من 75٪ -90٪ ، وتقليل التكاليف العامة.
2. تحقق من الخالق والشخصية
سؤال
أظهر استطلاع حديث أن ** 50٪ من علماء الذكاء الاصطناعي يعتقدون أن إمكانية تسبب الذكاء الاصطناعي في إحداث ضرر مدمر للإنسان تتجاوز 10٪. **
يحتاج الناس إلى توخي الحذر من أن الذكاء الاصطناعي تسبب في فوضى اجتماعية ، ولا يزال هناك نقص في التنظيم أو المواصفات الفنية ، وهذا الوضع يسمى “الفص العكسي”.
على سبيل المثال ، في فيديو Twitter هذا ، يناقش مقدم البودكاست جو روغان والمعلق المحافظ بن شابيرو فيلم “راتاتوي” ، لكن هذا الفيديو تم إنشاؤه بواسطة الذكاء الاصطناعي.
[كيف يساعد التحليل متعدد الأبعاد لـ DePIN الذكاء الاصطناعي؟ ] (https://img.gateio.im/social/moments-40baef27dd-4f840a866f-dd1a6f-62a40f)
المصدر: بلومبرج
تجدر الإشارة إلى أن التأثير الاجتماعي للذكاء الاصطناعي يمتد إلى ما هو أبعد من المشكلات التي تطرحها المدونات والمحادثات والصور المزيفة:
- خلال انتخابات الولايات المتحدة عام 2024 ، حقق محتوى حملة التزييف العميق الذي تم إنشاؤه بواسطة الذكاء الاصطناعي تأثير التزييف لأول مرة.
- تم تعديل مقطع فيديو للسيناتور إليزابيث وارين لجعلها “تقول” أشياء مثل “لا ينبغي السماح للجمهوريين بالتصويت” (تم فضح الشائعات).
- صوت بايدن المصطنع ينتقد النساء المتحولات.
- رفعت مجموعة من الفنانين دعوى قضائية جماعية ضد Midjourney و Stability AI ، بدعوى الاستخدام غير المصرح به لأعمال الفنانين لتدريب الذكاء الاصطناعي ، وانتهاك حقوق النشر والتهديد لسبل عيش الفنانين.
انتشرت أغنية “Heart on My Sleeve” التي أنتجتها منظمة العفو الدولية ، والتي تضم The Weeknd و Drake ، على منصة البث المباشر ، ولكن تم سحبها لاحقًا. عندما تدخل التكنولوجيا الجديدة في الاتجاه السائد دون تنظيم ، فإنها تخلق العديد من المشاكل ، ** يعد انتهاك حقوق النشر مشكلة “الفص المعكوس”. **
فهل يمكننا إضافة المواصفات المتعلقة بالذكاء الاصطناعي إلى Web3؟
حل
** قدِّم دليلًا على الشخصية وإثباتًا لمنشئ المحتوى باستخدام إثبات المنشأ في السلسلة المشفرة **
اجعل تقنية blockchain تعمل حقًا - بصفتها دفتر أستاذ موزع يحتوي على سجل غير قابل للتغيير على السلسلة ، يمكن التحقق من أصالة المحتوى الرقمي من خلال أدلة تشفير المحتوى.
** التوقيع الرقمي كدليل على الخالق ودليل على الشخصية **
لتحديد التزييف العميق ، يمكن إنشاء إثبات تشفير باستخدام توقيع رقمي فريد لمنشئ المحتوى الأصلي. يمكن إنشاء التوقيع باستخدام مفتاح خاص معروف فقط للمنشئ ويمكن التحقق منه بواسطة مفتاح عام متاح للجميع. يثبت التوقيع أن المحتوى تم إنشاؤه بواسطة المنشئ الأصلي ، سواء أكان بشريًا أم AI ، ويتحقق من التغييرات المصرح بها أو غير المصرح بها للمحتوى.
** استخدام IPFS و Merkle Tree لإثبات المصداقية **
IPFS هو بروتوكول موزع للإشارة إلى مجموعات البيانات الكبيرة باستخدام معالجة المحتوى وأشجار Merkle. لإثبات أن محتوى الملف قد تم استلامه وتغييره ، يتم إنشاء دليل Merkle ، وهو عبارة عن سلسلة من التجزئة توضح موضع كتلة بيانات معينة في شجرة Merkle. مع كل تغيير ، تتم إضافة تجزئة إلى شجرة Merkle ، مما يوفر دليلًا على تعديل الملف.
** نقطة الألم في نظام التشفير هي آلية التحفيز. ** بعد كل شيء ، على الرغم من أن تحديد صانع التزييف العميق ** يمكن أن يقلل من التأثير الاجتماعي السلبي ، ** لن يجلب نفس الفوائد الاقتصادية. من المحتمل أن تقع هذه المسؤولية على منصات توزيع الوسائط الرئيسية مثل Twitter و Meta و Google ، وهذا هو الحال بالفعل. ** فلماذا نحتاج إلى blockchain؟ **
الجواب هو أن تواقيع التشفير وإثباتات الأصالة ** المشفرة ** أكثر كفاءة وقابلة للتحقق منها ومؤكدة. ** في الوقت الحالي ، تتم عملية اكتشاف التزييف العميق بشكل أساسي من خلال خوارزميات التعلم الآلي (مثل Meta “Deepfake Detection Challenge” و “Asymmetric Numerals” (ANS) من Google و c2pa: لتحديد أوجه الانتظام والشذوذ في المحتوى المرئي ، ** ولكن غالبًا ليست دقيقة بما يكفي وتتأخر عن سرعة تطوير التزييف العميق. ** بشكل عام ، المراجعة اليدوية مطلوبة لتحديد الأصالة ، وهي غير فعالة ومكلفة.
إذا كان لكل جزء من المحتوى في يوم من الأيام توقيع مشفر ، ** يمكن للجميع إثبات مصدر الإنشاء بشكل يمكن التحقق منه ، ** الإبلاغ عن التلاعب أو التزوير ، فسنبدأ في عالم جميل.
** الملخص الذي تم إنشاؤه بواسطة الذكاء الاصطناعي: ** قد يشكل الذكاء الاصطناعي تهديدًا كبيرًا للمجتمع ، خاصةً التزييف العميق والاستخدام غير المصرح به للمحتوى ، بينما تستخدم تقنيات Web3 مثل إثبات المبدع التوقيعات الرقمية وإثبات الأصالة باستخدام IPFS و Merkle ، وأصالة التقنيات الرقمية يمكن التحقق من المحتوى ، ومنع التغييرات غير المصرح بها وتوفير معايير للذكاء الاصطناعي.
3. دمقرطة الذكاء الاصطناعي
سؤال
الذكاء الاصطناعي اليوم عبارة عن صندوق أسود مصنوع من البيانات الخاضعة للملكية وخوارزميات الملكية. قتلت الطبيعة المغلقة لشركة LLM ، وهي شركة تقنية كبيرة ، ** “ديمقراطية الذكاء الاصطناعي” ** في عيني ، أي أن كل مطور وحتى مستخدم يمكنه المساهمة ** الخوارزميات والبيانات ** في نموذج LLM والحصول على جزء من الربح عندما يكون النموذج مربحًا (مقالات ذات صلة).
** ديمقراطية الذكاء الاصطناعي = الرؤية ** (يمكن رؤية إدخال البيانات والخوارزميات في النموذج) ** + المساهمة ** (يمكن أن تساهم بالبيانات أو الخوارزميات في النموذج).
حل
الغرض من ديمقراطية الذكاء الاصطناعي هو جعل نماذج الذكاء الاصطناعي التوليدية مفتوحة للجمهور وذات صلة به ويملكها. يقارن الجدول أدناه الوضع الحالي للذكاء الاصطناعي مع المستقبل الذي يمكن تحقيقه من خلال تقنية Web3 blockchain.
[كيف يساعد التحليل متعدد الأبعاد لـ DePIN الذكاء الاصطناعي؟ ] (https://img.gateio.im/social/moments-40baef27dd-c6da84fa17-dd1a6f-62a40f)
في الوقت الحالي–
للعملاء **: **
- إخراج LLM في اتجاه واحد
- لا يمكن التحكم في كيفية استخدام البيانات الشخصية
للمطورين:**
- قابلية منخفضة للتركيب
- معالجة بيانات ETL لا يمكن تتبعها ويصعب إعادة إنتاجها
- مصدر مساهمة البيانات مقصور على مالك البيانات
- لا يمكن الوصول إلى النماذج المغلقة المصدر إلا عبر واجهة برمجة التطبيقات مقابل رسوم
- يفتقر إخراج البيانات المشتركة إلى إمكانية التحقق ، ويقضي علماء البيانات 80٪ من وقتهم في تنظيف البيانات المنخفضة النهاية
** بعد دمج blockchain —— **
للعملاء **: **
يمكن للمستخدمين تقديم ملاحظات (مثل التحيز ، وتعديل المحتوى ، وردود الفعل الدقيقة على المخرجات) كأساس للضبط الدقيق
يمكن للمستخدمين اختيار المساهمة بالبيانات مقابل الربح بعد أن يكون النموذج مربحًا
للمطورين:**
- ** طبقة إدارة البيانات الموزعة: ** التعهيد الجماعي المتكرر الذي يستغرق وقتًا طويلاً لتصنيف البيانات وأعمال أخرى لإعداد البيانات
- ** الرؤية ** والقدرة على دمج الخوارزميات وضبطها بدقة ، مع مصادر يمكن التحقق منها (يمكن رؤية تاريخ غير قابل للعبث لجميع التغييرات)
- ** سيادة البيانات ** (تتحقق من خلال معالجة المحتوى / IPFS) وسيادة الخوارزمية (على سبيل المثال ، يدرك Urbit الجمع من نقطة إلى نقطة وقابلية نقل البيانات والخوارزميات)
- ** يسرع ابتكار LLM ، ** يسرع ابتكار LLM من المتغيرات المختلفة لنموذج المصدر المفتوح الأساسي.
- ** مخرجات بيانات التدريب القابلة لإعادة الإنتاج ** التي تم تحقيقها من خلال سجل غير قابل للتغيير لعمليات ETL السابقة والاستفسارات على blockchain (مثل Kamu).
يقول بعض الأشخاص أن منصة Web2 مفتوحة المصدر توفر أيضًا حلاً وسطًا ، لكن التأثير ليس مثاليًا.للمناقشات ذات الصلة ، راجع منشور المدونة الخاص بـ exaBITS.
ملخص إنشاء الذكاء الاصطناعي: تقتل LLM المغلقة لشركات التكنولوجيا الكبرى “ديمقراطية الذكاء الاصطناعي” ، أي أن كل مطور أو مستخدم يمكنه المساهمة في الخوارزميات والبيانات في نموذج LLM ، والحصول على جزء من الربح عندما يكون النموذج مربحًا. يجب أن يكون الذكاء الاصطناعي مفتوحًا للجمهور ، ومناسبًا للجمهور ، ومملوكًا للجمهور. بمساعدة شبكة blockchain ، يمكن للمستخدمين تقديم ملاحظات والمساهمة بالبيانات في النموذج مقابل الأرباح المحققة ، ويمكن للمطورين أيضًا الحصول على رؤية ومصادر يمكن التحقق منها لدمج الخوارزميات وضبطها. ستعمل ابتكارات Web3 مثل عنونة المحتوى / IPFS و Urbit على تمكين سيادة البيانات والخوارزميات. سيكون من الممكن أيضًا إعادة إنتاج مخرجات بيانات التدريب من خلال سجل blockchain الثابت لعمليات ETL والاستفسارات السابقة.
4. إعداد آلية مكافأة مساهمة البيانات
سؤال
اليوم ، تعد بيانات المستهلك الأكثر قيمة هي الأصل الحصري لشركات التكنولوجيا الكبيرة ، مما يشكل حاجزًا تجاريًا أساسيًا. لا يوجد لدى عمالقة التكنولوجيا أي حافز لمشاركة هذه البيانات مع أطراف خارجية.
فلماذا لا يمكننا الحصول على البيانات مباشرة من منشئيها أو مستخدميها؟ لماذا لا يمكننا جعل البيانات موردًا عامًا ، والمساهمة بالبيانات وفتح مصدرها لعلماء البيانات لاستخدامها؟
ببساطة ، هذا بسبب ** الافتقار إلى آلية الحوافز وآلية التنسيق **. يعد الاحتفاظ بالبيانات وتنفيذ ETL (الاستخراج والتحويل والتحميل) تكلفة عامة كبيرة. في الواقع ، سيكون تخزين البيانات وحده صناعة بقيمة 777 مليار دولار في عام 2030 ، بدون حساب تكاليف الحوسبة. لا أحد يتولى أعمال وتكاليف معالجة البيانات مجانًا.
دعنا نلقي نظرة على OpenAI. كان من المقرر في الأصل أن يكون مفتوح المصدر وغير هادف للربح ، ولكن من الصعب إدراك التكلفة ولا يمكن تغطية التكلفة. في عام 2019 ، كان على OpenAI قبول ضخ رأس المال من Microsoft ، ولم تعد الخوارزمية مفتوحة للجمهور. من المتوقع أن تحقق شركة OpenAI إيرادات قدرها مليار دولار بحلول عام 2024.
حل
يقدم Web3 آلية جديدة ** تسمى “dataDAO” ** تسهل إعادة توزيع الدخل بين مالكي نماذج الذكاء الاصطناعي والمساهمين في البيانات ، مما يخلق طبقة حوافز لمساهمات البيانات الجماعية. نظرًا لقيود المساحة ، لن يتم توسيعها هنا. إذا كنت تريد معرفة المزيد ، يمكنك قراءة المقالتين التاليتين:
- كيف تعمل DataDAO / مبدأ DataDAO ، من تأليف HQ Han من Protocol Labs
- كيف تعمل مساهمة البيانات وتحقيق الدخل في web3 / web3 كيف تعمل مساهمة البيانات وتحقيق الدخل؟ في هذه المقالة ، ناقشت بعمق آلية وأوجه قصور وفرص dataDAO
بشكل عام ، اتخذ DePIN نهجًا مختلفًا وقدم طاقة جديدة للأجهزة لتعزيز ابتكار Web3 و AI. بينما يهيمن عمالقة التكنولوجيا على صناعة الذكاء الاصطناعي ، يمكن للاعبين الناشئين الاستفادة من تقنية blockchain للانضمام إلى المعركة: تعمل شبكة DePIN على تقليل الحواجز التي تحول دون الدخول عن طريق خفض تكاليف الحوسبة ؛ وتمكن الطبيعة القابلة للتحقق والموزعة من blockchain الذكاء الاصطناعي المفتوح حقًا ؛ يصبح ممكنًا ؛ آليات مبتكرة مثل كما تشجع البيانات داو مساهمة البيانات ؛ توفر ميزات الثبات ومقاومة العبث في blockchain شهادة هوية المنشئ ، مما يبدد مخاوف الناس بشأن التأثير الاجتماعي السلبي للذكاء الاصطناعي.
