حالة وتوجهات تطوير Web3 AI

سعر سهم إنفيديا يصل إلى أعلى مستوى جديد، بينما تعمق تقدم النماذج متعددة الأنماط الحواجز التقنية في Web2 AI. من المحاذاة الدلالية إلى الفهم البصري، ومن الإدماج عالي الأبعاد إلى دمج الخصائص، تدمج النماذج المعقدة بسرعة غير مسبوقة طرق التعبير المختلفة، مما يبني منطقة AI مغلقة بشكل متزايد. كما أن سوق الأسهم الأمريكية أظهر تصرفات فعلية للتصويت، سواء كانت الأسهم المرتبطة بالعملات المشفرة أو أسهم AI، فقد شهدت جميعها موجة من السوق الصاعدة الصغيرة. ومع ذلك، فإن هذه الموجة من الحماس تكاد تكون بلا علاقة بمجال العملات المشفرة.

تبدو محاولات Web3 AI الأخيرة، وخاصة في اتجاه الوكلاء، قد انحرفت عن المسار: حيث تحاول استخدام هيكل لا مركزي لتجميع نظام متعدد الأنماط على غرار Web2، وهو في الواقع نوع من الاختلال التكنولوجي والفكري. في ظل الترابط القوي بين الوحدات، وعدم استقرار توزيع الخصائص، وازدياد تركيز متطلبات القوة الحاسوبية، يصعب على النظام متعدد الأنماط أن يرسخ وجوده في بيئة Web3.

مستقبل الذكاء الاصطناعي Web3 ليس في التقليد، بل في التحايل الاستراتيجي. من محاذاة المعاني في الفضاءات عالية الأبعاد، إلى الاختناقات المعلوماتية في آليات الانتباه، وصولاً إلى محاذاة الميزات تحت القدرة الحاسوبية غير المتجانسة، يجب إعادة التفكير في كل ذلك. ينبغي أن يتبنى الذكاء الاصطناعي Web3 استراتيجية تكتيكية "تحيط القرى بالمدن".

Web3 AI يعتمد على نموذج متعدد الوسائط مسطح، مما يؤدي إلى انخفاض الأداء بسبب صعوبة توافق المعاني

في أنظمة الويب 2 الحديثة المتعددة الأنماط للذكاء الاصطناعي، تشير "محاذاة المعنى" إلى تحويل معلومات الأنماط المختلفة إلى نفس الفضاء الدلالي، مما يمكّن النموذج من فهم ومقارنة المعاني الكامنة وراء هذه الإشارات المتباينة. فقط عندما يتحقق الفضاء المضمن عالي الأبعاد يكون من المنطقي تقسيم سير العمل إلى وحدات مختلفة لتحقيق تخفيض التكاليف وزيادة الكفاءة. ومع ذلك، في بروتوكول وكيل الويب 3، من الصعب تحقيق الفضاء المضمن عالي الأبعاد، لأن التعديل قد يكون مجرد وهم في الذكاء الاصطناعي للويب 3.

يتطلب تحقيق Web3 AI في الفضاء عالي الأبعاد، مما يعادل بشكل غير مباشر طلب بروتوكول Agent لتطوير جميع واجهات برمجة التطبيقات ذات الصلة بنفسه، وهذا يتعارض مع هدفه الأساسي في كونه نظامًا معياريًا. إن النظام متعدد الأنماط المعياري الذي تصوره الشركات الصغيرة والمتوسطة في Web3 AI لا يتحمل التدقيق. يتطلب الهيكل عالي الأبعاد تدريبًا موحدًا من البداية إلى النهاية أو تحسينًا تعاونيًا: من التقاط الإشارات إلى حساب الاستراتيجيات، ثم التنفيذ وإدارة المخاطر، يجب أن تتشارك جميع المراحل نفس مجموعة التمثيلات ودالة الخسارة.

لتحقيق وكيل ذكي كامل السلسلة مع حواجز صناعية، يحتاج الأمر إلى نمذجة مشتركة من الطرف إلى الطرف، وتضمين موحد عبر الوحدات، وهندسة نظامية للتدريب والتوزيع المتعاون، ولكن السوق الحالي لا توجد به مثل هذه النقاط المؤلمة، وبالتالي تفتقر أيضاً إلى الطلب السوقي المقابل.

في الفضاء ذي الأبعاد المنخفضة، من الصعب تصميم آلية الانتباه بدقة

تتطلب النماذج متعددة الأنماط عالية المستوى تصميم آليات اهتمام دقيقة. آلية الاهتمام هي في جوهرها طريقة ديناميكية لتوزيع موارد الحساب، مما يسمح للنموذج بالتركيز بشكل انتقائي على الأجزاء الأكثر صلة عند معالجة مدخلات نمط معين.

لماذا يصعب تحقيق جدولة انتباه موحدة في Web3 AI القائم على الوحدات؟ أولاً، تعتمد آلية الانتباه على مساحة موحدة من Query-Key-Value، حيث يجب أن يتم تعيين جميع الميزات المدخلة إلى نفس مساحة المتجهات عالية الأبعاد، لكي يتمكن الحساب النقطي من حساب الأوزان الديناميكية. بينما ترجع واجهات برمجة التطبيقات المستقلة بيانات بتنسيقات وتوزيعات مختلفة، وبدون طبقة تضمين موحدة، يصبح من الصعب تشكيل مجموعة من Q/K/V القابلة للتفاعل.

ثانياً، تتيح الانتباه المتعدد الاتجاهات التركيز على مصادر معلومات مختلفة في نفس الطبقة بالتوازي، ثم تجميع النتائج؛ بينما غالباً ما تكون واجهات برمجة التطبيقات المستقلة استدعاءات خطية، حيث إن مخرجات كل خطوة هي فقط مدخلات الوحدة التالية، مما يفتقر إلى القدرة على المعالجة المتوازية، والوزن الديناميكي المتعدد الاتجاهات.

أخيرًا، ستقوم آلية الانتباه الحقيقية بتوزيع الوزن الديناميكي لكل عنصر بناءً على السياق العام؛ في وضع واجهة برمجة التطبيقات، يمكن للوحدات رؤية السياق "المستقل" فقط عندما يتم استدعاؤها، ولا يوجد سياق مركزي مشترك في الوقت الفعلي بينها، وبالتالي لا يمكن تحقيق الارتباط والتركيز العالمي عبر الوحدات.

يؤدي التجميع المعياري المتقطع إلى توقف دمج الميزات عند الربط السطحي الواضح

"دمج الميزات" هو عملية تجمع بين متجهات الميزات المستخرجة من أنماط مختلفة بعد المعالجة، وذلك بناءً على المحاذاة والانتباه، لاستخدامها مباشرة في المهام اللاحقة. بالطبع، تبقى Web3 AI في مرحلة الربط الأساسية، لأن شرط دمج الميزات الديناميكية هو وجود مساحة عالية الأبعاد وآلية انتباه دقيقة، وعندما لا تتوفر هذه الشروط، فإن دمج الميزات في المرحلة النهائية لا يمكن أن يحقق أداءً ممتازًا.

يميل Web2 AI إلى التدريب المشترك من النهاية إلى النهاية: معالجة ميزات الأنماط المختلفة في نفس الفضاء عالي الأبعاد في نفس الوقت، مع تحسين مشترك من خلال طبقات الانتباه وطبقات الدمج وطبقات المهام اللاحقة. بينما يعتمد Web3 AI بشكل أكبر على تجميع الوحدات المنفصلة، حيث يتم تغليف أنواع مختلفة من واجهات برمجة التطبيقات كوكيل مستقل، ثم يتم تجميع العلامات والقيم أو إنذارات العتبة التي تنتجها ببساطة، ويتم اتخاذ القرار الشامل من خلال منطق رئيسي أو بشري، هذه الطريقة تفتقر إلى هدف تدريب موحد، وليس لديها تدفق تدرج عبر الوحدات.

الحواجز في صناعة الذكاء الاصطناعي تتعمق، لكن نقاط الألم لم تظهر بعد

نظام الذكاء الاصطناعي متعدد الوسائط في Web2 هو مشروع هندسي ضخم للغاية. إنه لا يحتاج فقط إلى مجموعات بيانات عبر وسائط ضخمة ومتنوعة وموسومة بدقة، بل يحتاج أيضًا إلى استثمار كميات كبيرة من وحدات معالجة الرسوميات ووقت التدريب؛ وفيما يتعلق بهندسة النموذج، يتم دمج أحدث مفاهيم تصميم الشبكات وتقنيات التحسين؛ وفي التنفيذ الهندسي، يجب أيضًا بناء منصة تدريب موزعة قابلة للتوسع، ونظام مراقبة، وإدارة وإصدار نماذج، وخط أنابيب نشر. هذه الأعمال النظامية الشاملة والمتكاملة تتطلب متطلبات عالية للغاية من حيث التمويل والبيانات وقدرة الحساب والمواهب وحتى التنسيق التنظيمي، وبالتالي تشكل حاجزًا قويًا في الصناعة.

يجب أن تتطور منتجات Web3 AI أو أي عملات مشفرة تدعي أنها تتوافق مع متطلبات السوق باستخدام استراتيجية "الريف يحيط بالمدينة"، ينبغي أن تبدأ بتجارب صغيرة في مشاهد هامشية، والتأكد من أن الأساس قوي قبل الانتظار لظهور المشاهد الأساسية. يكمن جوهر Web3 AI في اللامركزية، ويعكس مسار تطوره التوافق بين التوازي العالي، والترابط المنخفض، وقوة الحوسبة المتنوعة. وهذا يجعل Web3 AI أكثر ميزة في مشاهد مثل الحوسبة الطرفية، حيث يناسب الهياكل الخفيفة، والمهام السهلة التوازي، والقابلة للتحفيز.

ومع ذلك، فإن الحواجز أمام الذكاء الاصطناعي في Web2 بدأت للتو في التشكيل، وهذه هي المرحلة المبكرة من المنافسة بين الشركات الرائدة. فقط عندما تختفي مزايا الذكاء الاصطناعي في Web2 تمامًا، ستكون نقاط الألم المتبقية هي الفرص لدخول الذكاء الاصطناعي في Web3. قبل ذلك، يحتاج الذكاء الاصطناعي في Web3 إلى التمييز بعناية بين البروتوكولات التي لديها إمكانيات "القرى تحيط بالمدن"، والتركيز على ما إذا كانت قادرة على التكرار باستمرار في مشاهد صغيرة، وما إذا كانت تمتلك مرونة كافية للتكيف مع بيئة السوق المتغيرة.