أفضل 7 منصات الذكاء الاصطناعي اللامركزية التي تستحق المتابعة
في سطور
في هذه المقالة، نسلط الضوء على أفضل 7 منصات الذكاء الاصطناعي اللامركزية التي تعمل على تسوية قواعد اللعبة.
شهدت ابتكارات الذكاء الاصطناعي نموًا هائلاً منذ ظهورها ChatGPT في نوفمبر 2022. ومع ذلك، وعلى الرغم من التوجه نحو الاتجاه السائد، لا تزال بعض الاختناقات الكبيرة تؤدي إلى إبطاء تطوير وتبني الذكاء الاصطناعي - أحد أكبر التحديات التي تواجه هذه الصناعة الناشئة هو جودة البيانات والتحكم فيها.
وفقا ل تقدير وفقًا لشركة Epoch AI، يبلغ إجمالي المخزون الفعلي لبيانات النصوص العامة التي يُنتجها الإنسان حوالي 300 تريليون رمز؛ ومن المرجح أن تُستخدم هذه المخزونات بالكامل من البيانات بواسطة نماذج اللغة للتدريب بين عامي 2026 و2032. ويُعزى هذا الندرة المُقلقة في البيانات، إلى جانب المخاوف بشأن الشفافية والتكلفة، بشكل رئيسي إلى مركزية معظم خطوط أنابيب بيانات الذكاء الاصطناعي.
من الناحية الإيجابية، أثبتت البنى التحتية اللامركزية فعاليتها في حل بعض هذه التحديات. في هذه المقالة، نسلط الضوء على أفضل 7 منصات ذكاء اصطناعي لامركزية تُحسّن بيئة العمل. تتيح هذه المنصات الناشئة لمطوري الذكاء الاصطناعي والشركات إمكانية الحصول على مجموعات بيانات قابلة للتحقق، مدفوعة من قِبل المجتمع، دون الاعتماد على وسطاء مركزيين.
OORT: سحابة البيانات الكاملة للذكاء الاصطناعي اللامركزي
أورت هو حل ذكاء اصطناعي متكامل لامركزي مصمم لتمكين الشركات والأفراد من جمع بيانات الذكاء الاصطناعي ومعالجتها وتحقيق الدخل منها.
ما يميز سحابة بيانات الذكاء الاصطناعي هذه مقارنةً بنظيراتها المركزية هو نهجها المجتمعي العالمي؛ فبدلاً من الاعتماد على عمليات جمع بيانات مبهمة، تُقدم OORT منصةً لامركزيةً متعددة السلاسل لجمع البيانات تُعرف باسم OORT DataHub. تستفيد هذه المنصة من مساهمات مجتمع عالمي لتوفير مجموعات بيانات متنوعة وعالية الجودة وقابلة للتحقق، لمعالجة أوجه القصور الحالية في جودة بيانات الذكاء الاصطناعي وضبطها.
يتم دعم OORT DataHub من خلال شبكة لامركزية، OORT Edge، والتي تعمل على تشغيل تخزين ومعالجة البيانات التي تم جمعها؛ وهي تفعل ذلك من خلال جهاز أجهزة عقدة الحافة - Deimos.
على هذا النحو، يتمتع مستخدمو نظام OORT بفرصة كسب مكافآت قابلة للربح من خلال المساهمة نحو DataHub أو أن تصبح جزءًا من شبكة الحافة من خلال استضافة عقدة عبر جهاز دييموس. يوجد حاليًا أكثر من 330,000 مساهم بالبيانات، وأكثر من 83,000 عقدة، وأكثر من 10,000 مستخدم يوميًا على هذا النظام البيئي اللامركزي للذكاء الاصطناعي.
بيتنسور: شبكة الاستخبارات اللامركزية
بيتنسور هي منصة ذكاء اصطناعي لامركزية أخرى مثيرة للاهتمام؛ في جوهرها، يدعم هذا النظام البيئي القائم على تقنية blockchain إنتاج السلع الرقمية على السلسلة، بما في ذلك استدلال الذكاء الاصطناعي والتدريب والبنية الأساسية ذات الصلة.
إذن، كيف يعمل؟ تستفيد Bittensor من مفهوم الشبكات الفرعية لإنشاء مجتمعات تُنتج هذه السلع الرقمية بأسعار تنافسية. يعتمد هذا على نموذج مُحفّز يُكافأ فيه أفضل المُعدّنين (المساهمين) على إنجاز مهمة مُحددة. تتراوح بعض المهام داخل الشبكة الفرعية للذكاء الاصطناعي بين خدمات مثل التدريب والتنبؤ والاستدلال المُتخصص.
تتضمن شبكة Bittensor أيضًا مُصدِّقين مهمتهم التحقق من صحة عمل المُعَدِّنين. يضمن هذا مكافأة الخدمات عالية الجودة فقط من خلال نموذج حوافز Bittensor - حيث يُصدر النظام البيئي 7200 رمز TAO يوميًا لهذا الغرض. تُقسَّم التخصيصات داخل الشبكات الفرعية إلى ثلاثة: مُنشئ الشبكة الفرعية (18%)، والمُصدِّقون (41%)، والمُعَدِّنون (41%).
تمثل شبكات Bittensor الفرعية اللامركزية تحولًا بعيدًا عن عملية تدريب الذكاء الاصطناعي المركزية، حيث تحتكر التكنولوجيا الكبيرة جمع البيانات وخدمات الذكاء الاصطناعي الأخرى.
بروتوكول المحيط: سوق للبيانات الجاهزة للذكاء الاصطناعي
بروتوكول المحيط تُعد من الشركات الرائدة في هذا المجال الابتكاري الناشئ. صُممت هذه المنصة كبروتوكول لامركزي، وهي تُسهّل العنصرين الرئيسيين اللازمين لتطوير الذكاء الاصطناعي: البيانات والحوسبة.
تتضمن حزمة التقنيات ثلاثة أجزاء رئيسية: رموز البيانات، وعُقد المحيط، والحوسبة إلى البيانات. باستخدام رموز البيانات، يُمكن لمستخدمي بروتوكول المحيط ترميز بياناتهم الخاصة وإتاحتها لتدريب النماذج مع الحفاظ على خصوصيتهم. ويُطلق على هذا النهج اسم "بوابة الرموز"، حيث يُمكن لمالكي البيانات نشر خدمات البيانات على سوق بروتوكول المحيط من خلال نموذج تحكم وصول لامركزي.
أما بالنسبة لعُقد المحيط، فهي تتيح استثمار موارد الحوسبة الخاملة. يمكن لمالكي الأجهزة حول العالم تخصيص طاقة حوسبتهم الخاملة لدعم شبكة المحيط مقابل مكافآت من النظام البيئي.
تُعد الحوسبة إلى بيانات السمة المميزة لهذا النظام البيئي؛ إذ تتيح للمستهلكين (مدربي النماذج) شراء مجموعات بيانات يمكنهم من خلالها تشغيل نماذجهم دون الكشف عن خصوصية المزود. وهذا ما يمنح بروتوكول أوشن ميزة كونه "سوقًا لامركزيًا للبيانات الجاهزة للذكاء الاصطناعي".
SingularityNET: رائد خدمات الذكاء الاصطناعي اللامركزية
SingularityNET تُعدُّ شركة رائدة في مجال الذكاء الاصطناعي اللامركزي؛ أُطلق المشروع عام ٢٠١٧، وجمع ٣٦ مليون دولار أمريكي في عرضٍ أوليٍّ للعملة (ICO) خلال دقيقة واحدة. ومنذ ذلك الحين، تطورت لتصبح منصةً مرموقةً قائمةً على تقنية بلوكتشين، حيث يُمكن للمستخدمين إنشاء خدمات الذكاء الاصطناعي ومشاركتها وتحقيق الدخل منها.
بخلاف نظيراتها التي تُركز على مجموعات البيانات والحوسبة الخام، تتخصص SingularityNET في خدمات الذكاء الاصطناعي، مثل واجهات برمجة التطبيقات والنماذج والوكلاء، والتي يُمكن للمطورين تحقيق الدخل منها أو شراؤها لدعم مبادراتهم التطويرية. ويُمكن تحقيق ذلك من خلال الرمز المميز الأصلي للمنصة $AGIX، والذي يُتيح للمشاركين دفع ثمن خدمات الذكاء الاصطناعي.
يُولي نموذج البنية التحتية لـ SingularityNET اهتمامًا بالغًا لقابلية التشغيل البيني، مما يُمكّن الخدمات المختلفة من التواصل مع بعضها البعض. وهذا يُنشئ نظامًا بيئيًا داعمًا للذكاء الاصطناعي، حيث يُمكن للمساهمين المستقلين تجميع خطوط أنابيب مُعقدة.
ومن السمات البارزة الأخرى لهذا المشروع على وجه الخصوص رؤية المؤسس، الدكتور بن جورتزل، لتطوير الذكاء الاصطناعي العام (AGI) - وهو العصر الذي ستمتلك فيه الذكاء الاصطناعي القدرة على أداء أي مهام يمكن للبشر القيام بها وربما تجاوز الذكاء البشري عبر العديد من المجالات.
Fetch.ai: وكلاء لامركزيون واقتصاد البيانات
Fetch.ai هو ابتكار جديد آخر يعمل ضمن اقتصاد الوكلاء المُستقبلي المُدعّم بوكلاء الذكاء الاصطناعي. صُمم هذا المشروع كمنصة متعددة الوكلاء، تُتيح لوكلاء البرامج المستقلين التفاعل والتفاوض وإجراء معاملات البيانات نيابةً عن المستخدمين أو المؤسسات أو الأجهزة، مع الاستفادة من تقنية البلوك تشين لتأمين قنوات الاتصال.
أحد المكونات الرئيسية لهذا النظام البيئي هو إطار عمل الوكيل (AEAs). يُكلَّف هذا الإطار بوظائف مثل جمع البيانات وتحليلها، والتفاعل مع الوكلاء أو مصادر البيانات الأخرى، واتخاذ القرارات، والمعاملات، والمشاركة في التعلم الآلي أو تحسين المهام. ويمكن اعتباره بمثابة توائم رقمية تعمل نيابةً عن المستخدمين.
ما يبرز Fetch.ai هو تمكين تدفقات بيانات ديناميكية آنية بين الوكلاء المستقلين. يُعد هذا تطورًا عن أنظمة الذكاء الاصطناعي التقليدية، التي لا تتسم بالمركزية فحسب، بل بالثبات أيضًا. على سبيل المثال، يمكن لنظام إدارة حركة المرور في مدينة مزدحمة استخدام وكلاء الذكاء الاصطناعي لشراء بيانات حركة المرور المباشرة من أجهزة استشعار المدينة، وذلك بفضل نموذج الاقتصاد القائم على الوكلاء.
جينسين: الحوسبة اللامركزية لتدريب الذكاء الاصطناعي
وفقا لأحدث تقرير وبحسب مشاريع ماكينزي، فإن مراكز البيانات في جميع أنحاء العالم سوف تحتاج إلى ما يقدر بنحو 6.7 تريليون دولار لمواكبة الطلب المتزايد على قوة الحوسبة. جينسين وتعالج شركة مايكروسوفت هذا الخطر المتعلق بالتكلفة من خلال بروتوكولها اللامركزي، الذي يركز على الحوسبة القائمة على التعلم الآلي.
في جوهرها، تُمكّن Gensyn من تجميع موارد الحوسبة العالمية في شبكة واحدة. ويُمكن تحقيق ذلك من خلال إطار عمل لامركزي يُتيح لأي شخص لديه حوسبة خاملة تخصيص موارده للشبكة، مما يدعم مُبتكري الذكاء الاصطناعي بأجهزة حوسبة متاحة عالميًا يُمكنهم استئجارها لتوسيع نطاق تدريب النماذج الكبيرة.
يتكون نظام جينسين البيئي من أربعة مكونات أساسية: التنفيذ المتسق للتعلم الآلي، والتحقق بدون ثقة، والتواصل بين الأقران، والتنسيق اللامركزي. تعمل جميع هذه الجوانب معًا لتمكين التعلم الآلي اللامركزي والقابل للتحقق على نطاق عالمي.
تجدر الإشارة أيضًا إلى أن هذا المشروع لا يزال في مراحله الأولى، حيث تتوفر شبكة الاختبار حاليًا. ويضم ثلاثة تطبيقات يُمكن للمستخدمين تجربتها: RL Swarm وBlockAssist وJudge.
Grass: شبكة التعهيد الجماعي للبيانات اللامركزية
في كثير من الأحيان، عندما ندفع مقابل خدمات الإنترنت، ينتهي بنا الأمر إلى عدم استخدام كامل النطاق الترددي المخصص لنا. عشبقدمت شركة Grassdata، التي كانت تُعرف سابقًا باسم Grassdata، مفهومًا مبتكرًا حيث يمكن لمستخدمي الإنترنت حول العالم استخدام النطاق الترددي الخامل لديهم.
يُجسّد المشروع هذه الرواية من خلال نموذجه الموزع الذي يُتيح لأي شخص المساهمة وكسب المكافآت بخطوات بسيطة، مُحوّلاً بذلك النطاق الترددي الخامل إلى مورد قيّم لتدريب الذكاء الاصطناعي. ببساطة، يعمل Grass كشبكة مادية لامركزية (DepIN) للوصول إلى بيانات الويب، حيث يُمكن للمستخدمين تشغيل العقد من أجهزتهم اليومية، لتكون بمثابة مصادر بيانات للذكاء الاصطناعي وذكاء الويب.
هذا النهج الموزع وغير المرخص لا يُحدث نقلة نوعية في تدريب نماذج الذكاء الاصطناعي فحسب، بل يُسهم أيضًا في استخدام الموارد الرقمية اليومية. يُمكن للمستخدمين العمل كمزودي بيانات لتشغيل شبكة مفتوحة قادرة على منافسة برامج الزحف على الويب المركزية ومُجمّعات البيانات التي تُسيطر عليها حاليًا حفنة من شركات التكنولوجيا الكبرى.
الخاتمة
كما ذُكر في المقدمة، لم يخلو تطور الذكاء الاصطناعي واعتماده من تحديات فريدة. يشمل ذلك التحكم في البيانات، والجودة، وتكلفة الحوسبة المتزايدة. ومع ذلك، وكما هو موضح في الأمثلة الواردة في هذه القائمة، فقد أُحرز تقدم كبير في مجال ابتكارات الذكاء الاصطناعي اللامركزي. تُقدم هذه المشاريع لمحة عما يمكن أن تقدمه البنى اللامركزية للذكاء الاصطناعي، والعكس صحيح؛ إنها فرصة مربحة لكل من ابتكارات البلوك تشين والذكاء الاصطناعي.
جدول مقارنة لمنصات الذكاء الاصطناعي اللامركزية
| مشروع | التركيز الأساسى | ما الذي يبرز؟ |
| أورت | سحابة بيانات الذكاء الاصطناعي اللامركزية التي تمكن المستخدمين من جمع البيانات ومعالجتها وتحقيق الدخل منها | مركز بيانات يعتمد على المجتمع وشبكة حافة (Deimos) مع أكثر من 330 ألف مساهم ومجموعات بيانات قابلة للتحقق |
| بيتنسور | شبكة بلوكتشين للتدريب والاستدلال اللامركزي في مجال الذكاء الاصطناعي | شبكات فرعية محفزة تكافئ مخرجات الذكاء الاصطناعي عالية الجودة من خلال انبعاثات TAO اليومية |
| بروتوكول المحيط | سوق للبيانات والحوسبة الجاهزة للذكاء الاصطناعي | نموذج خصوصية الحوسبة للبيانات يسمح بمشاركة البيانات بشكل آمن دون الكشف عن مجموعات البيانات الخام |
| SingularityNET | سوق لخدمات الذكاء الاصطناعي وواجهات برمجة التطبيقات | استثمار وكلاء الذكاء الاصطناعي المتوافقين؛ رؤية رائدة للذكاء الاصطناعي العام (AGI) |
| Fetch.ai | اقتصاد الذكاء الاصطناعي متعدد الوكلاء لتبادل البيانات بشكل مستقل | التفاوض على البيانات في الوقت الفعلي من خلال الوكلاء المستقلين (AEAs) |
| جينسين | شبكة الحوسبة اللامركزية للتعلم الآلي | التحقق بدون ثقة وتجميع إمدادات الحوسبة العالمية لتدريب الذكاء الاصطناعي |
| عشب | شبكة النطاق الترددي اللامركزي ومصادر البيانات الجماعية | تحويل عرض النطاق الترددي للإنترنت الخامل إلى موارد بيانات تدريب الذكاء الاصطناعي |
الأسئلة الشائعة
ما هو الذكاء الاصطناعي اللامركزي؟
يشير الذكاء الاصطناعي اللامركزي إلى أنظمة الذكاء الاصطناعي المبنية على أنظمة بيئية موزعة، مثل تقنية البلوك تشين أو البنى التحتية المتصلة بين الأقران. تتولى المجتمعات العالمية دور البيانات والحوسبة وتدريب النماذج، على عكس البيئة المركزية التي تتحكم فيها الشركات الكبرى بجميع هذه الوظائف.
كيف يختلف الذكاء الاصطناعي اللامركزي عن منصات الذكاء الاصطناعي التقليدية؟
بخلاف نظيراتها التقليدية، التي تعتمد على مراكز بيانات مركزية وتقنيات جمع بيانات مبهمة، يُوزّع الذكاء الاصطناعي اللامركزي مصادر البيانات وقوة الحوسبة وتدريب النماذج على مختلف المشاركين في النظام البيئي. وهذا يُحسّن الشفافية والأمان والشمولية.
لماذا يعد مراقبة جودة البيانات أمرًا مهمًا لتطوير الذكاء الاصطناعي؟
لجودة البيانات تأثير مباشر على دقة نماذج الذكاء الاصطناعي ونزاهتها. لذا، يجب أن تكون قنوات بيانات الذكاء الاصطناعي قابلة للتحقق، وأن يتم الحصول عليها من مصادر أخلاقية، وأن تتم مشاركتها بشكل آمن.
كيف يكسب المشاركون في أنظمة الذكاء الاصطناعي اللامركزية؟
هناك طرق عديدة للربح من هذه الأنظمة البيئية، بما في ذلك المساهمة بموارد قيّمة كالبيانات وقوة الحوسبة. وتوفر معظم منصات الذكاء الاصطناعي اللامركزي آليات تحفيزية تتيح للمستخدمين الحصول على مكافآت قابلة للتحويل إلى نقود.
ما هي مشاريع الذكاء الاصطناعي اللامركزية الرائدة حاليًا؟
تشمل الجهات الفاعلة البارزة OORT (سحابة البيانات)، وBittensor (شبكة استخبارات الذكاء الاصطناعي)، وOcean Protocol (سوق البيانات الجاهزة للذكاء الاصطناعي)، وSingularityNET (مركز خدمة الذكاء الاصطناعي)، وFetch.ai (اقتصاد الوكيل)، وGensyn (الحوسبة اللامركزية)، وGrass (شبكة التعهيد الجماعي للبيانات).
إخلاء مسؤولية
تتماشى مع المبادئ التوجيهية لمشروع الثقةيرجى ملاحظة أن المعلومات المقدمة في هذه الصفحة ليس المقصود منها ولا ينبغي تفسيرها على أنها نصيحة قانونية أو ضريبية أو استثمارية أو مالية أو أي شكل آخر من أشكال المشورة. من المهم أن تستثمر فقط ما يمكنك تحمل خسارته وأن تطلب مشورة مالية مستقلة إذا كانت لديك أي شكوك. لمزيد من المعلومات، نقترح الرجوع إلى الشروط والأحكام بالإضافة إلى صفحات المساعدة والدعم المقدمة من جهة الإصدار أو المعلن. MetaversePost تلتزم بتقارير دقيقة وغير متحيزة، ولكن ظروف السوق عرضة للتغيير دون إشعار.
نبذة عن الكاتب
غريغوري، وهو بدوي رقمي من بولندا، ليس مجرد محلل مالي ولكنه أيضًا مساهم قيم في العديد من المجلات عبر الإنترنت. وبفضل خبرته الواسعة في القطاع المالي، أكسبته رؤيته وخبرته التقدير في العديد من المنشورات. يستغل غريغوري وقت فراغه بفعالية، وهو ملتزم حاليًا بتأليف كتاب عن العملات المشفرة وتقنية blockchain.
المزيد من المقالات
غريغوري، وهو بدوي رقمي من بولندا، ليس مجرد محلل مالي ولكنه أيضًا مساهم قيم في العديد من المجلات عبر الإنترنت. وبفضل خبرته الواسعة في القطاع المالي، أكسبته رؤيته وخبرته التقدير في العديد من المنشورات. يستغل غريغوري وقت فراغه بفعالية، وهو ملتزم حاليًا بتأليف كتاب عن العملات المشفرة وتقنية blockchain.
