دمج الذكاء الاصطناعي والتشفير: ثلاثة اتجاهات رئيسية للتطوير

حالياً، يدخل دمج الذكاء الاصطناعي مع التشفير بسرعة في مرحلة التجريب. ستتناول هذه المقالة ثلاثة اتجاهات تطوير مهمة لدمج الذكاء الاصطناعي مع التشفير.

1. إنشاء نظام اقتصادي مدفوع بالوكيل الذكي

أظهرت الوكالات الذكية التي تعمل على blockchain إمكانيات هائلة. تتوسع التجارب في هذا المجال باستمرار في حدود تشغيل الوكالات على السلسلة، مما يظهر مساحة تصميم واسعة وإمكانات انفجارية.

اتجاهات التنمية المستقبلية

من المتوقع أن تدير الوكالات الذكية مشاريع التعاون المعقدة متعددة الأطراف. على سبيل المثال في مجال البحث العلمي، يمكن أن تكون الوكالة مسؤولة عن البحث عن حلول علاجية لأمراض معينة:

• جمع الأموال من خلال منصة جمع التبرعات بالرموز
• استخدام الأموال لدفع تكاليف الوصول إلى بيانات البحث وتكاليف الحوسبة لشبكة الحوسبة اللامركزية
• توظيف البشر من خلال منصة المكافآت لتنفيذ أعمال التحقق من التجارب

بالإضافة إلى ذلك، يمكن للوكيل تنفيذ مهام بسيطة مثل إنشاء مواقع شخصية، وابتكار الأعمال الفنية، مما يجعل مجالات التطبيق واسعة جدًا.

مزايا البلوكشين

على الرغم من أن الوكلاء يمكنهم استخدام أنظمة التمويل التقليدي والعملات المشفرة في نفس الوقت، إلا أن العملات المشفرة لها مزايا فريدة في بعض المجالات:

• تطبيقات المدفوعات الصغيرة تظهر أداءً ممتازًا
• تساعد ميزة التسوية الفورية في تحقيق أقصى كفاءة رأس المال
• الدخول بسلاسة إلى الأسواق المالية من خلال DeFi، وتنفيذ أنشطة مالية متنوعة

مع تزايد عدد الوكلاء الذين يحققون الأرباح من خلال التشفير، من المرجح أن تصبح الاتصالات المشفرة القدرة الأساسية للوكلاء.

اتجاه التركيز

تشمل الاتجاهات الاستكشافية التي تستحق الاهتمام في المستقبل ما يلي:

1. إنشاء آلية التحكم في المخاطر
2. دفع الاستخدامات غير المضاربية
3. تسريع تقدم التطوير، وتحقيق تشغيل الشبكة الرئيسية في أقرب وقت ممكن

2. تحسين قدرة LLM في التطوير

لقد أظهرت نماذج اللغة الكبيرة ( LLMs ) قدرات قوية في مجال كتابة الشفرات وتقدمت بسرعة. من المتوقع أن يظهر في هذا المجال منحنى تقدم حاد، مما قد يغير نمط تطوير البرمجيات بشكل جذري.

التحدي الحالي

تواجه نماذج اللغة الكبيرة حاليًا بعض التحديات في فهم تقنيات التشفير المحددة:

• نقص البيانات التدريبية الأصلية عالية الجودة
• عدد البناءات غير كافٍ
• نقص التفاعل بين المطورين ذوي القيمة المعلوماتية العالية
• تحديثات تقنية سريعة، قد لا تكون الشيفرات التاريخية مناسبة للاحتياجات الحالية
• عدم وجود طريقة لتقييم فهم نموذج التقييم

اتجاه التنمية المستقبلية

لتحفيز استخدام النماذج اللغوية الكبيرة في التطوير، يمكن أن نبدأ من الجوانب التالية في المستقبل:

• تحسين جودة البيانات ذات الصلة على الإنترنت
• تشجيع المزيد من الفرق على نشر البناءات الموثقة
• طرح أسئلة نشطة في مجتمع المطورين وتقديم إجابات عالية الجودة
• إنشاء اختبارات معيارية عالية الجودة لتقييم مستوى فهم LLMs
• تطوير نموذج LLM للتخصيص الذي يظهر أداءً جيدًا في الاختبارات المعيارية

الهدف طويل الأجل هو تحقيق عميل تحقق جديد وعالي الجودة ومتميز تم إنشاؤه بالكامل بواسطة AI.

3. دعم التقنيات السحابية المفتوحة واللامركزية للذكاء الاصطناعي

لا يزال توازن القوة على المدى الطويل بين نماذج الذكاء الاصطناعي مفتوحة المصدر ومغلقة المصدر غير واضح. التوقعات الحالية هي أن الشركات التكنولوجية الكبرى تدفع التطورات الرائدة، بينما تتبع نماذج المصدر المفتوح بسرعة وتحقق ميزة في مجالات معينة.

أهمية

تظهر أهمية دعم تقنية OpenAI في:

1. تسريع الابتكار والتكرار: التحسينات السريعة والتعديلات على النماذج من قبل مجتمع المصادر المفتوحة تدفع بفعالية حدود قدرات الذكاء الاصطناعي
2. توفير خيارات للمستخدمين: تقديم بدائل للمستخدمين الذين لا يثقون في الذكاء الاصطناعي المركزي، لمواجهة مخاطر استخدام الذكاء الاصطناعي في السيطرة.

الحالة البيئية

لقد دعمت العديد من المشاريع بالفعل جميع جوانب مجموعة تقنيات OpenAI:

• جمع البيانات
• قدرة الحوسبة اللامركزية
• إطار تدريب لامركزي

آفاق المستقبل

نتطلع إلى بناء المزيد من المنتجات في جميع جوانب تقنية الذكاء الاصطناعي مفتوحة المصدر:

• جمع البيانات اللامركزية
• التحقق من الهوية على السلسلة
• التدريب اللامركزي
• البنية التحتية للـ IP

من خلال هذه الجهود، من المتوقع دفع التكامل العميق بين الذكاء الاصطناعي والتشفير، وإطلاق المزيد من إمكانيات الابتكار.