ثورة الذكاء الاصطناعي وشبكة Bittensor: إعادة تشكيل الذكاء الجماعي
خلفية عصر ثورة الذكاء الاصطناعي
إن التطور المزدهر لتقنية الذكاء الاصطناعي يقودنا إلى عصر جديد مدفوع بالبيانات. إن التقدم الثوري في مجالات مثل التعلم العميق ومعالجة اللغة الطبيعية جعل تطبيقات الذكاء الاصطناعي موجودة في كل مكان. أدى ظهور ChatGPT في عام 2022 إلى انفجار في صناعة الذكاء الاصطناعي، وتبعه ظهور سلسلة من الأدوات مثل تحويل النص إلى فيديو والأدوات المكتبية الأوتوماتيكية. كما ارتفعت القيمة السوقية لصناعة الذكاء الاصطناعي، ومن المتوقع أن تصل إلى 185 مليار دولار بحلول عام 2030.
ومع ذلك، فإن صناعة الذكاء الاصطناعي تهيمن عليها حالياً عدد قليل من عمالقة التكنولوجيا، مما يجلب تحديات مثل تركيز البيانات وعدم توزيع موارد الحوسبة بشكل عادل، كما أنه يعيق الإمكانيات الابتكارية للصناعة بأكملها. في الوقت نفسه، توفر فكرة اللامركزية في Web3 إمكانيات جديدة لحل هذه المشكلات. من المتوقع أن تعيد الشبكات الموزعة في Web3 تشكيل مشهد تطوير الذكاء الاصطناعي الحالي.
في هذا السياق، ظهرت مجموعة من مشاريع Web3 + AI عالية الجودة. من بينها، برز مشروع Bittensor، الذي أسس منصة خوارزميات AI ذات آلية筛选 ذاتية وآلية تنافسية من خلال آليات المنافسة والتحفيز القائمة على البلوكشين، مما يوفر طرقًا جديدة للحفاظ على مشاريع AI ذات الجودة العالية وتطويرها.
Bittensor: نظام بيئي للذكاء الاصطناعي اللامركزي
Bittensor هو شبكة تعلم آلي لامركزية تحفز السوق الرقمية للسلع. تشمل مزاياها الأساسية:
بنية لامركزية: تعمل على شبكة حاسوب موزعة يتحكم بها مؤسسات مختلفة، مما يحل بفعالية مشاكل مثل مركزية البيانات.
آلية التحفيز العادلة: مكافآت الرموز التي يقدمها الشبكة إلى الشبكة الفرعية تتناسب مع مساهمتها، وتوزيع المكافآت داخل الشبكة الفرعية يتبع نفس المبدأ.
موارد التعلم الآلي المفتوحة: تقديم الخدمات لكل فرد يحتاج إلى موارد حسابية للتعلم الآلي.
تداول السلع الرقمية المتنوعة: لا يدعم فقط تداول نماذج التعلم الآلي والبيانات، بل يمكن أيضًا تداول أشكال أخرى من السلع الرقمية.
تاريخ تطوير Bittensor يعكس الخصائص التي يجب أن تتوفر في مشروع حقيقي يخص المهووسين:
2021: تم إنشاؤه بواسطة مجموعة من الخبراء الفنيين المكرسين لدفع شبكة الذكاء الاصطناعي اللامركزية، باستخدام إطار Substrate لبناء blockchain.
2022: إصدار شبكة النسخة Alpha، التحقق من جدوى الذكاء الاصطناعي اللامركزي. إدخال توافق Yuma، مع التأكيد على مبدأ عدم معرفة البيانات.
2023: إصدار النسخة التجريبية، وإدخال نموذج الاقتصاد الرمزي (TAO) لتحفيز صيانة الشبكة.
2024: استخدام تقنية DHT لتحسين كفاءة تخزين واسترجاع البيانات، مع التركيز على تطوير الشبكات الفرعية وسوق السلع الرقمية.
من الجدير بالذكر أن مشاركة رأس المال الاستثماري التقليدي كانت قليلة خلال عملية تطوير Bittensor، مما قلل من مخاطر السيطرة المركزية. يضمن المشروع حيوية الشبكة من خلال تحفيز العقد والمعدنين بالرموز. بطبيعة الحال، Bittensor هو مشروع يقدم خدمات وقدرات الذكاء الاصطناعي مدفوعًا بمعدني GPU.
بنية الشبكة الفرعية: الابتكار الرئيسي لـ Bittensor
تكمن جوهر شبكة Bittensor في هيكلها الفريد من نوعه للشبكات الفرعية. يمكن اعتبار كل شبكة فرعية ككود يعمل بشكل مستقل، حيث تحدد حوافز المستخدمين والوظائف المحددة، لكنها تحافظ جميعها على واجهة التوافق نفسها مع الشبكة الرئيسية.
تحتوي الشبكة الفرعية على ثلاثة أنواع رئيسية من الأدوار:
مالك الشبكة الفرعية: مسؤول عن توفير كود عمال المناجم والمتحققين الأساسيين، ويمكنه إعداد آليات تحفيز إضافية.
عمال المناجم: تشغيل الخوادم وكود التعدين، من خلال التنافس للحفاظ على الصدارة. يمكن لعمال المناجم تشغيل العقد في شبكات فرعية متعددة.
المدققون: تقييم مساهمات الشبكة الفرعية وضمان دقتها، والحصول على المكافآت المناسبة. يمكن رهن رموز TAO للحصول على عوائد إضافية.
توزيع المكافآت ضمن الشبكة الفرعية هو الآلية الأساسية لتوزيع المكافآت في شبكة Bittensor. بشكل عام، يتم تخصيص 18% لمالكي الشبكة الفرعية، و41% للمصادقين، و41% للعمال. داخل الشبكة الفرعية، يتم استخدام آلية البقاء للأصلح، حيث يتم استبدال المصادقين والعمال ذوي الأداء الضعيف بالداخلين الجدد.
بعد تسجيل الشبكة الفرعية، هناك فترة مناعة لمدة 7 أيام. عندما تكتمل جميع مواقع الشبكات الفرعية، سيتم استبعاد تسجيل الشبكات الفرعية الجديدة ذات أقل تصريف والتي ليست في فترة المناعة. هذه الآلية تحفز الشبكات الفرعية على زيادة كمية الرهانات وكفاءة المعدنين لضمان البقاء.
ابتكارات آلية الإجماع وآلية الإثبات
شبكة Bittensor تستخدم مجموعة متنوعة من آليات الإجماع والإثبات المبتكرة:
إثبات الذكاء ( PoI ): يتم إثبات مساهمة المشاركين من خلال إكمال مهام الحوسبة الذكية، مما يضمن أمان الشبكة وجودة البيانات والاستخدام الفعال للموارد.
إجماع Yuma: يقيم المدققون بناءً على أداء المهام، ويدخلون خوارزمية Yuma. يحصل المدققون الذين لديهم كمية كبيرة من الرهانات على وزن أعلى في التقييم، وفي الوقت نفسه يتم استبعاد النتائج التي تنحرف عن الغالبية، وأخيرًا يتم توزيع المكافآت بناءً على التقييم الشامل.
آلية MOE: دمج نماذج فرعية من خبراء متعددين في هيكل نموذج واحد، تعمل معًا لتحقيق نتائج أفضل. يمكن للمتحققين تقييم النماذج الخبيرة وتصنيفها، مما يحفز تحسين النموذج.
تضمن هذه الآليات التشغيل الفعال المستمر لشبكة Bittensor والابتكار.
حالة وآفاق مشاريع الشبكات الفرعية
حتى الآن، يوجد لدى Bittensor 45 شبكة فرعية مسجلة، 40 منها تم تسميتها. الشبكات الفرعية الثلاثة الأولى هي:
رؤية الشبكة الفرعية رقم 19: التركيز على توليد الصور اللامركزية والاستدلال، وتوفير الوصول إلى نماذج عالية الجودة.
الشبكة الفرعية رقم 18 Cortex.t: تسعى لبناء منصة AI متقدمة، وتوفير استجابات موثوقة للنصوص والصور.
الشبكة الفرعية رقم 1: الشبكة الفرعية الأولى لـ Bittensor، تركز على توليد النص.
تظهر هذه الشبكات الفرعية اتجاهات مختلفة لتطبيقات الذكاء الاصطناعي، من معالجة الصور إلى توليد النصوص، وصولاً إلى تحليل المشاعر في السوق. على الرغم من العوائد الجيدة، يواجه الوافدون الجدد منافسة شديدة، ويحتاجون إلى أجهزة عالية الأداء وخوارزميات محسّنة لتثبيت أقدامهم في الشبكة.
التطلعات المستقبلية
Bittensor كمشروع مبتكر في مجال Web3+AI، لديه آفاق واسعة للتنمية:
حرارة السوق: سيظل دمج الذكاء الاصطناعي و Web3 يحظى باهتمام السوق على المدى الطويل.
الأساس المشروع: يتمتع Bittensor بالابتكار التكنولوجي والاعتراف في السوق، مما يضع أساسًا للتطور على المدى الطويل.
التوسع البيئي: يقلل هيكل الشبكة الفرعية من عتبة دخول فرق الذكاء الاصطناعي إلى الشبكة اللامركزية، مما يسهل التوسع السريع للنظام البيئي.
التحسين المستمر: آلية الإقصاء التنافسي تحفز الشبكات الفرعية على تحسين النماذج وزيادة كمية الرهانات.
ومع ذلك، يجب أن نكون حذرين من التحديات التي قد تأتي مع زيادة عدد الشبكات الفرعية، مثل زيادة المشاريع ذات الجودة المنخفضة، وانخفاض العائدات في الشبكة الفرعية الواحدة. يحتاج Bittensor إلى تحقيق التوازن بين التوسع ومراقبة الجودة من أجل تحقيق التنمية المستدامة على المدى الطويل.
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.
تسجيلات الإعجاب 18
أعجبني
18
7
إعادة النشر
مشاركة
تعليق
0/400
ChainSpy
· منذ 9 س
狗مستثمرين كبار又要搞事了
شاهد النسخة الأصليةرد0
MEVHunterX
· منذ 16 س
ماذا يفعل رأس المال من هراء؟
شاهد النسخة الأصليةرد0
ForkMaster
· منذ 16 س
مرة أخرى، يتم الحديث عن الرسوم الرقمية، تكاليف تربية الأطفال مرتفعة، ولا يمكن تحمل هذا الفخ.
شاهد النسخة الأصليةرد0
ChainSherlockGirl
· منذ 16 س
الجميع يتحدث عن الذكاء الاصطناعي اللامركزي، لكن لا يوجد عدد كبير منهم يجرؤ على تفويض الصلاحيات، فكل البيانات لا تزال في أيديهم.
شاهد النسخة الأصليةرد0
MissedAirdropAgain
· منذ 16 س
عالم العملات الرقمية老حمقى了 天天喂ai学费
شاهد النسخة الأصليةرد0
SchrodingersPaper
· منذ 16 س
ستأتي موجة أخرى من الانخفاض إلى الصفر قريبًا، من الأفضل أن نشتري الانخفاض داخل السلسلة من البيانات أولاً.
شاهد النسخة الأصليةرد0
DegenGambler
· منذ 16 س
صباح الخير لقد كانت الاحتكارات موجودة لسنوات عديدة، وأخيرًا تحدث أحدهم عن هذا الأمر.
Bittensor: ممارسة مبتكرة لشبكات الذكاء الاصطناعي اللامركزية لإعادة تشكيل ذكاء السرب
ثورة الذكاء الاصطناعي وشبكة Bittensor: إعادة تشكيل الذكاء الجماعي
خلفية عصر ثورة الذكاء الاصطناعي
إن التطور المزدهر لتقنية الذكاء الاصطناعي يقودنا إلى عصر جديد مدفوع بالبيانات. إن التقدم الثوري في مجالات مثل التعلم العميق ومعالجة اللغة الطبيعية جعل تطبيقات الذكاء الاصطناعي موجودة في كل مكان. أدى ظهور ChatGPT في عام 2022 إلى انفجار في صناعة الذكاء الاصطناعي، وتبعه ظهور سلسلة من الأدوات مثل تحويل النص إلى فيديو والأدوات المكتبية الأوتوماتيكية. كما ارتفعت القيمة السوقية لصناعة الذكاء الاصطناعي، ومن المتوقع أن تصل إلى 185 مليار دولار بحلول عام 2030.
ومع ذلك، فإن صناعة الذكاء الاصطناعي تهيمن عليها حالياً عدد قليل من عمالقة التكنولوجيا، مما يجلب تحديات مثل تركيز البيانات وعدم توزيع موارد الحوسبة بشكل عادل، كما أنه يعيق الإمكانيات الابتكارية للصناعة بأكملها. في الوقت نفسه، توفر فكرة اللامركزية في Web3 إمكانيات جديدة لحل هذه المشكلات. من المتوقع أن تعيد الشبكات الموزعة في Web3 تشكيل مشهد تطوير الذكاء الاصطناعي الحالي.
في هذا السياق، ظهرت مجموعة من مشاريع Web3 + AI عالية الجودة. من بينها، برز مشروع Bittensor، الذي أسس منصة خوارزميات AI ذات آلية筛选 ذاتية وآلية تنافسية من خلال آليات المنافسة والتحفيز القائمة على البلوكشين، مما يوفر طرقًا جديدة للحفاظ على مشاريع AI ذات الجودة العالية وتطويرها.
Bittensor: نظام بيئي للذكاء الاصطناعي اللامركزي
Bittensor هو شبكة تعلم آلي لامركزية تحفز السوق الرقمية للسلع. تشمل مزاياها الأساسية:
بنية لامركزية: تعمل على شبكة حاسوب موزعة يتحكم بها مؤسسات مختلفة، مما يحل بفعالية مشاكل مثل مركزية البيانات.
آلية التحفيز العادلة: مكافآت الرموز التي يقدمها الشبكة إلى الشبكة الفرعية تتناسب مع مساهمتها، وتوزيع المكافآت داخل الشبكة الفرعية يتبع نفس المبدأ.
موارد التعلم الآلي المفتوحة: تقديم الخدمات لكل فرد يحتاج إلى موارد حسابية للتعلم الآلي.
تداول السلع الرقمية المتنوعة: لا يدعم فقط تداول نماذج التعلم الآلي والبيانات، بل يمكن أيضًا تداول أشكال أخرى من السلع الرقمية.
تاريخ تطوير Bittensor يعكس الخصائص التي يجب أن تتوفر في مشروع حقيقي يخص المهووسين:
2021: تم إنشاؤه بواسطة مجموعة من الخبراء الفنيين المكرسين لدفع شبكة الذكاء الاصطناعي اللامركزية، باستخدام إطار Substrate لبناء blockchain.
2022: إصدار شبكة النسخة Alpha، التحقق من جدوى الذكاء الاصطناعي اللامركزي. إدخال توافق Yuma، مع التأكيد على مبدأ عدم معرفة البيانات.
2023: إصدار النسخة التجريبية، وإدخال نموذج الاقتصاد الرمزي (TAO) لتحفيز صيانة الشبكة.
2024: استخدام تقنية DHT لتحسين كفاءة تخزين واسترجاع البيانات، مع التركيز على تطوير الشبكات الفرعية وسوق السلع الرقمية.
من الجدير بالذكر أن مشاركة رأس المال الاستثماري التقليدي كانت قليلة خلال عملية تطوير Bittensor، مما قلل من مخاطر السيطرة المركزية. يضمن المشروع حيوية الشبكة من خلال تحفيز العقد والمعدنين بالرموز. بطبيعة الحال، Bittensor هو مشروع يقدم خدمات وقدرات الذكاء الاصطناعي مدفوعًا بمعدني GPU.
بنية الشبكة الفرعية: الابتكار الرئيسي لـ Bittensor
تكمن جوهر شبكة Bittensor في هيكلها الفريد من نوعه للشبكات الفرعية. يمكن اعتبار كل شبكة فرعية ككود يعمل بشكل مستقل، حيث تحدد حوافز المستخدمين والوظائف المحددة، لكنها تحافظ جميعها على واجهة التوافق نفسها مع الشبكة الرئيسية.
تحتوي الشبكة الفرعية على ثلاثة أنواع رئيسية من الأدوار:
مالك الشبكة الفرعية: مسؤول عن توفير كود عمال المناجم والمتحققين الأساسيين، ويمكنه إعداد آليات تحفيز إضافية.
عمال المناجم: تشغيل الخوادم وكود التعدين، من خلال التنافس للحفاظ على الصدارة. يمكن لعمال المناجم تشغيل العقد في شبكات فرعية متعددة.
المدققون: تقييم مساهمات الشبكة الفرعية وضمان دقتها، والحصول على المكافآت المناسبة. يمكن رهن رموز TAO للحصول على عوائد إضافية.
توزيع المكافآت ضمن الشبكة الفرعية هو الآلية الأساسية لتوزيع المكافآت في شبكة Bittensor. بشكل عام، يتم تخصيص 18% لمالكي الشبكة الفرعية، و41% للمصادقين، و41% للعمال. داخل الشبكة الفرعية، يتم استخدام آلية البقاء للأصلح، حيث يتم استبدال المصادقين والعمال ذوي الأداء الضعيف بالداخلين الجدد.
بعد تسجيل الشبكة الفرعية، هناك فترة مناعة لمدة 7 أيام. عندما تكتمل جميع مواقع الشبكات الفرعية، سيتم استبعاد تسجيل الشبكات الفرعية الجديدة ذات أقل تصريف والتي ليست في فترة المناعة. هذه الآلية تحفز الشبكات الفرعية على زيادة كمية الرهانات وكفاءة المعدنين لضمان البقاء.
ابتكارات آلية الإجماع وآلية الإثبات
شبكة Bittensor تستخدم مجموعة متنوعة من آليات الإجماع والإثبات المبتكرة:
إثبات الذكاء ( PoI ): يتم إثبات مساهمة المشاركين من خلال إكمال مهام الحوسبة الذكية، مما يضمن أمان الشبكة وجودة البيانات والاستخدام الفعال للموارد.
إجماع Yuma: يقيم المدققون بناءً على أداء المهام، ويدخلون خوارزمية Yuma. يحصل المدققون الذين لديهم كمية كبيرة من الرهانات على وزن أعلى في التقييم، وفي الوقت نفسه يتم استبعاد النتائج التي تنحرف عن الغالبية، وأخيرًا يتم توزيع المكافآت بناءً على التقييم الشامل.
آلية MOE: دمج نماذج فرعية من خبراء متعددين في هيكل نموذج واحد، تعمل معًا لتحقيق نتائج أفضل. يمكن للمتحققين تقييم النماذج الخبيرة وتصنيفها، مما يحفز تحسين النموذج.
تضمن هذه الآليات التشغيل الفعال المستمر لشبكة Bittensor والابتكار.
حالة وآفاق مشاريع الشبكات الفرعية
حتى الآن، يوجد لدى Bittensor 45 شبكة فرعية مسجلة، 40 منها تم تسميتها. الشبكات الفرعية الثلاثة الأولى هي:
رؤية الشبكة الفرعية رقم 19: التركيز على توليد الصور اللامركزية والاستدلال، وتوفير الوصول إلى نماذج عالية الجودة.
الشبكة الفرعية رقم 18 Cortex.t: تسعى لبناء منصة AI متقدمة، وتوفير استجابات موثوقة للنصوص والصور.
الشبكة الفرعية رقم 1: الشبكة الفرعية الأولى لـ Bittensor، تركز على توليد النص.
تظهر هذه الشبكات الفرعية اتجاهات مختلفة لتطبيقات الذكاء الاصطناعي، من معالجة الصور إلى توليد النصوص، وصولاً إلى تحليل المشاعر في السوق. على الرغم من العوائد الجيدة، يواجه الوافدون الجدد منافسة شديدة، ويحتاجون إلى أجهزة عالية الأداء وخوارزميات محسّنة لتثبيت أقدامهم في الشبكة.
التطلعات المستقبلية
Bittensor كمشروع مبتكر في مجال Web3+AI، لديه آفاق واسعة للتنمية:
حرارة السوق: سيظل دمج الذكاء الاصطناعي و Web3 يحظى باهتمام السوق على المدى الطويل.
الأساس المشروع: يتمتع Bittensor بالابتكار التكنولوجي والاعتراف في السوق، مما يضع أساسًا للتطور على المدى الطويل.
التوسع البيئي: يقلل هيكل الشبكة الفرعية من عتبة دخول فرق الذكاء الاصطناعي إلى الشبكة اللامركزية، مما يسهل التوسع السريع للنظام البيئي.
التحسين المستمر: آلية الإقصاء التنافسي تحفز الشبكات الفرعية على تحسين النماذج وزيادة كمية الرهانات.
ومع ذلك، يجب أن نكون حذرين من التحديات التي قد تأتي مع زيادة عدد الشبكات الفرعية، مثل زيادة المشاريع ذات الجودة المنخفضة، وانخفاض العائدات في الشبكة الفرعية الواحدة. يحتاج Bittensor إلى تحقيق التوازن بين التوسع ومراقبة الجودة من أجل تحقيق التنمية المستدامة على المدى الطويل.