Web3 AI: البحث عن اختراقات في سيناريوهات الحافة

في الآونة الأخيرة، سجلت أسهم إنفيديا أعلى مستوياتها على الإطلاق، حيث أن تقدم النماذج متعددة الوسائط قد عمق الحواجز التقنية لـ Web2 AI. من المحاذاة الدلالية إلى الفهم البصري، ومن التضمين عالي الأبعاد إلى دمج الميزات، تقوم النماذج المعقدة بدمج طرق التعبير المختلفة بوتيرة مذهلة، مما يبني منطقة مغلقة بشكل متزايد من الذكاء الاصطناعي. كما أن سوق الأسهم الأمريكية قد أكد ذلك بالفعل من خلال التحركات الفعلية، حيث شهدت الأسهم المتعلقة بالذكاء الاصطناعي عمومًا موجة صغيرة من الارتفاع.

ومع ذلك، يبدو أن هذه الحماسة لا علاقة لها بعالم العملات المشفرة. محاولات Web3 AI، وخاصة الاستكشاف في اتجاه Agent خلال الأشهر القليلة الماضية، تظهر انحرافًا واضحًا في الاتجاه. إن محاولة تجميع نظام متعدد الوسائط على طراز Web2 باستخدام هيكل لامركزي، هي في الواقع نوع من الاختلال التكنولوجي والفكري. في ظل الترابط القوي بين الوحدات، وعدم استقرار توزيع الخصائص بشكل كبير، وزيادة تركيز متطلبات حساب القوة، من الصعب أن تجد الأنظمة متعددة الوسائط مكانًا لها في بيئة Web3.

مستقبل Web3 AI لا يكمن في التقليد البسيط، بل في التحايل الاستراتيجي. من محاذاة المعاني في الفضاءات عالية الأبعاد، إلى اختناقات المعلومات في آلية الانتباه، وصولاً إلى محاذاة الميزات تحت القوى الحاسوبية غير المتجانسة، يحتاج Web3 AI إلى ابتكار طرق جديدة.

إن Web3 AI يعتمد على نموذج متعدد الوسائط مسطح، مما يجعل من الصعب تحقيق تزامن دلالي فعال، مما يؤدي إلى أداء منخفض. الفضاء المضمن عالي الأبعاد هو أساس أنظمة الذكاء الاصطناعي الحديثة، لكن بروتوكول Web3 Agent يجد صعوبة في تحقيق ذلك. قد تكون الوحدات في Web3 AI مجرد وهم، لأنها تتطلب تطوير جميع واجهات برمجة التطبيقات المعنية بشكل مستقل، مما يتعارض مع الهدف الأصلي للوحدات.

في الفضاءات ذات الأبعاد المنخفضة، لا يمكن تصميم آلية الانتباه بدقة. آلية الانتباه في الذكاء الاصطناعي Web2 تشبه سيارة عالية الأداء، بينما يصعب تحقيق جدولة انتباه موحدة في الذكاء الاصطناعي Web3 القائم على الوحدات، مثل سيارة ذات أداء محرك منخفض لا يمكن تحسين حدها الأقصى من خلال تعديلات بسيطة.

تؤدي التجميعات المودولية المنفصلة إلى توقف دمج الميزات عند مرحلة التجميع الساكن السطحي. تميل الذكاء الاصطناعي في ويب2 إلى التدريب المشترك من النهاية إلى النهاية، بينما يعتمد الذكاء الاصطناعي في ويب3 أكثر على تجميع الوحدات المنفصلة، مما يفتقر إلى المرونة والتفاعل العميق.

تتعمق الحواجز في صناعة الذكاء الاصطناعي، لكن نقاط الألم لم تظهر بالكامل بعد. يجب أن تتبنى الذكاء الاصطناعي Web3 تكتيك "محاصرة المدن من الريف"، وتجربة صغيرة في السيناريوهات الطرفية. الميزة الأساسية للذكاء الاصطناعي Web3 هي اللامركزية، مما يجعله مناسبًا للهياكل الخفيفة، والمهام السهلة المتوازية والقابلة للتحفيز، مثل ضبط LoRA الدقيق، ومهام التدريب بعد المحاذاة السلوكية، وتدريب البيانات المجمعة والتعليق، وتدريب النماذج الأساسية الصغيرة، بالإضافة إلى التدريب التعاوني على الأجهزة الطرفية.

ومع ذلك، فإن الفرص ليست متاحة على الفور. إن حواجز Web2 AI لا تزال في مرحلة التكوين الأولية، والذكاء الاصطناعي المعقد متعدد النماذج يتقدم بسرعة. فقط عندما تختفي مكاسب Web2 AI تمامًا، يمكن أن تصبح النقاط المؤلمة التي خلفتها فرصة دخول لـ Web3 AI. قبل ذلك، يحتاج Web3 AI إلى اختيار البروتوكولات التي تتمتع بإمكانية "الريف يحيط بالمدينة" بحذر، للدخول من الأطراف، والتكرار باستمرار في السيناريوهات الصغيرة، مع الحفاظ على المرونة للتكيف مع متطلبات السوق المتغيرة.