تعتبر مزيج الذكاء الاصطناعي والبلوكتشين موضوعًا مرتقبًا بشدة في الصناعة، حيث يقوم المطورون بنشاط باستكشاف الإمكانيات المحتملة لهذا التكامل. حاليًا، يُعتبر تكنولوجيا البلوكتشين حلاً مثاليًا للعديد من المشاكل، مثل عدم القدرة على استخدام خدمات الذكاء الاصطناعي وموارد الحوسبة بشكل صحيح. لقد وضع العديد من المشاريع مساراتها الخاصة في هذا المجال بالفعل.
اليوم، سيقوم الدكتور دودو بشرح بعض المشاريع الملحوظة في سوق الذكاء الاصطناعي وموارد الحساب.
AI + البلوكتشين
في مجال البلوكتشين، يمكن تصنيف المشاريع التي تركز على الذكاء الاصطناعي إلى ثلاثة مسارات رئيسية:
- مشاركة موارد قوة الحوسبة: تستطيع تكنولوجيا البلوكتشين بناء منصات حوسبة سحابية موزعة، مما يمكن من المشاركة والاستخدام الفعال لموارد قوة الحوسبة. من خلال العقود الذكية، يمكن استئجار الموارد الحوسبية الخاملة للمهام التي تحتاج إلى قدرة حوسبة، مما يعزز استغلال الموارد ويقلل التكاليف. من المشاريع الممثلة io.net و Aethir.
- أمان بيانات الذكاء الاصطناعي والحوسبة القابلة للتحقق: كل من تقنيات الذكاء الاصطناعي والبلوكتشين بحاجة إلى التعامل مع كميات كبيرة من البيانات. تقدم شبكات تخزين البلوكتشين طرق تخزين ونقل آمنة للبيانات، بينما يولد الذكاء الاصطناعي معلومات قيمة من تحليل هذه البيانات. دمج الاثنين يمكن أن يحمي خصوصية المستخدم بينما يوفر مصادر بيانات موثوقة للذكاء الاصطناعي. حاليًا، يعتبر Arweave مشروعًا ملحوظًا في هذا الاتجاه.
- الذكاء الاصطناعي المتمركز: يمكن تحقيق خدمات الذكاء الاصطناعي المتمركز عن طريق نشر نماذج الذكاء الاصطناعي على شبكات البلوكتشين. تحسن هذه الطريقة من موثوقية واستقرار النظام وتقلل من خطر نقاط الفشل الفردية. حاليًا، يعتبر Bittensor مشروعًا رائدًا في هذا الاتجاه.
io.net
تم إطلاقه مؤخرًا على Binance، io.net هو الموضوع الساخن الحالي في مجاله. io.net هو شبكة GPU مركزية تهدف إلى توفير قوة حوسبة هائلة لتطبيقات تعلم الآلة. رؤيتهم هي فتح الوصول العادل إلى قوة الحوسبة من خلال تجميع أكثر من مليون وحدة معالجة الرسومات من مراكز بيانات مستقلة ومنقبين عن العملات المشفرة ومشاريع مثل Filecoin، مما يجعل الحساب أكثر قابلية للتوسع والوصول والكفاءة.
تقدم io.net نهجًا مختلفًا تمامًا للحوسبة السحابية من خلال استخدام نموذج موزع ولامركزي، مما يمنح المستخدمين مزيدًا من التحكم والمرونة في قوة الحوسبة. خدماتهم غير مرخصة وفعالة من حيث التكلفة. وفقًا لـ io.net، تكون تكاليف قوتهم الحاسوبية أقل بنسبة 90٪ مقارنة بمزودي الخدمات المركزية مثل Amazon AWS. جميع هذه العوامل مجتمعة تجعل io.net متميزة بين مقدمي الخدمات غير المركزية.
المصدر: io.net
Aethir
يوفر Aethir حلاً مبتكرًا ومجدًا للغاية لمشكلة استخدام الموارد الحاسوبية العالمية بكفاءة. يقوم شبكتهم بتجميع وإعادة توزيع وحدات المعالجة الرسومية الجديدة والخاملة بذكاء من المؤسسات ومراكز البيانات وعمليات تعدين العملات المشفرة والمستهلكين. فرص السوق لإعادة توزيع سعة وحدات المعالجة الرسومية بشكل أفضل هي شاسعة، وتهدف Aethir إلى زيادة توافر وحدات المعالجة الرسومية العالمية الحالية بأكثر من عشرة أضعاف.
ميزة رئيسية في Aethir هي التركيز على إعادة استخدام الموارد الفارغة الحالية بدلاً من الاشتراك في شراء عتاد جديد. عادةً ما يتم تقدير سعة وحدة معالجة الرسومات (GPU) غير المستخدمة لجهاز بين 50٪ و 75٪ ، مما يشير إلى كمية كبيرة من الطاقة الحاسوبية التي يمكن تحويلها إلى رمز. يهدف Aethir إلى استغلال هذه الموارد الفارغة الوفيرة عن طريق استهداف مراكز البيانات والشركات الصغيرة والمتوسطة الحجم.
يتم حاليًا سرد رمز Aethir على بورصات مثل OKX و Bybit. سابقًا، جمعت الشركة 9 ملايين دولار في جولة تمويل ما قبل السلسلة A، بقيادة مؤسسات معروفة مثل Sanctor Capital و Hashkey.
المصدر: aethir.com
أرويف
AO هو نظام حوسبة موزع ولامركزي وموجه نحو المشاركين يعتمد على Arweave. الهدف الأساسي لـ AO هو توفير خدمة حوسبة تعاونية بدون ثقة وبلا قيود عملية على نطاق واسع، مما يقدم نموذجًا جديدًا لتطبيقات البلوكتشين المتكاملة. على عكس سلاسل الكتل عالية الأداء الأخرى، يدعم AO تخزين كميات كبيرة من البيانات، مثل نماذج الذكاء الاصطناعي. على عكس إثيريوم، يسمح AO بعدد تسلسلي تعسفي من العمليات التوازية لتشغيلها في وحدات الحوسبة، تنسيقها من خلال رسائل مفتوحة دون الاعتماد على مساحة الذاكرة المركزية.
إطلاق AO من Arweave يشكل خطوة من المسار التخزين المركزي إلى مجال أوسع من خدمات السحابة المركزية. وتخزينها الدائم على السلسلة لم يعد مخصصًا فقط لبيانات المستخدم ولكن يطمح إلى أن يصبح المضيف الدائم للحوسبة السحابية ، مع التركيز على الحوسبة المحققة في مقياس كبير.
في الآونة الأخيرة، أعلنت أرويف أيضًا عن توكنوميكس بين رمزيها المزدوجين $AR و $AO. وفقًا للبيان الرسمي، فإن $AO هو رمز صادر بنسبة 100٪ بدون بريسال أو تخصيص مسبق. إجمالي العرض المتاح لـ $AO هو 21 مليونًا، مع دورة تقسيم كل أربع سنوات، يتم توزيعها كل خمس دقائق، مع توزيع شهري يبلغ 1.425٪ من العرض الباقي.
تُوزَّع حوالي 36٪ (100٪ للأشهر الأربعة الأولى ثم 33.3٪ بعد ذلك) من رموز $AO كل خمس دقائق على حائزي رموز $AR، مما يحفز على أمان الطبقة الأساسية لـ AO - Arweave. يتم تخصيص الـ 64٪ المتبقية من رموز $AO للمستخدمين الذين يقومون بربط الأصول، وتوفير إيرادات خارجية وحوافز لإدخال الأصول في AO.
المصدر: https://ao.arweave.dev/
بيتينسور
يتطلب تدريب نماذج الذكاء الاصطناعي موارد بيانات وطاقة حاسوبية كبيرة، ولكن التكاليف العالية لهذه الموارد تعني أنها تتمتع بشكل أساسي بحكمة الشركات الكبيرة والمؤسسات البحثية. تحد من التركيز اللامركزي والتعاون في نماذج الذكاء الاصطناعي، مما يعيق تطور النظام البيئي للذكاء الاصطناعي. يهدف Bittensor (TAO) إلى إنشاء أول شبكة عصبية تستخدم تكنولوجيا البلوكتشين في العالم، مما يتيح للمشاركين في الشبكة تبادل قدرات وتوقعات التعلم الآلي.
يسعى Bittensor إلى تيسير مشاركة وتعاون نماذج وخدمات التعلم الآلي من خلال نهج ند للند. من الناحية التقنية، فإن تنفيذ TAO يمثل تحديًا كبيرًا ويبقى بعيدًا عن التطبيق العملي.
المصدر:https://futureproofmarketer.com/blog/what-is-bittensor-tao
وجهة نظر المؤلف
من المرجح أن تؤدي مشاريع الذكاء الاصطناعي و blockchain هذه إلى تحويل التوزيع المستقبلي للموارد الحسابية. وستمهد الملكية اللامركزية والنشر الإقليمي اللامركزي التعاوني عبر المجموعات الطريق لموجة جديدة من التقدم الاقتصادي والتكنولوجي. هذه المشاريع لديها طموحات كبيرة لتغيير المشهد المستقبلي للحوسبة السحابية والتطبيقات الذكاء الاصطناعي ، وتشكيل اقتصاد سحابي عالمي أكثر ترابطا وكفاءة ومدفوعا بالابتكار. وبالنظر إلى التعزيز النشط لتحويل الإنتاجية من قبل مختلف البلدان، فإن هذه الاتجاهات الإنمائية تستحق الاستكشاف بعمق. ومع ذلك ، يتطلب هذا المجال دعما فنيا أقوى ومزيدا من التمويل ، مما يعني أن حواجز الدخول لفرق المشروع عالية. في الوقت الحالي ، لا يزالون في المرحلة التجريبية ، ويبقى أن نرى ما إذا كان بإمكانهم أن يصبحوا بنية تحتية عملية مع مستخدمين حقيقيين.
تنويه:
- تم نقل هذه المقالة من [البلوكتشين أبحاث دودو]. جميع حقوق الطبع والنشر تنتمي إلى المؤلف الأصلي [dt]. إذا كان هناك اعتراضات على هذا النشر المعاد، يرجى التواصل معبوابة التعلمالفريق، وسيتعاملون معه بسرعة.
- تنصل المسؤولية: الآراء والآراء المعبر عنها في هذه المقالة هي فقط تلك للكاتب ولا تشكل أي نصيحة استثمارية.
- تتم ترجمة المقالات إلى لغات أخرى من قبل فريق Gate Learn. ما لم يذكر غير ذلك، فإن نسخ أو توزيع أو سرقة المقالات المترجمة ممنوع.
