على مدار السنوات القليلة الماضية، لم تكن أكبر ثروة في صناعة الذكاء الاصطناعي هي النماذج نفسها، بل كانت "البيانات".
المشكلة هي أنه في الوقت الحالي، تُسيطر قلة من عمالقة التكنولوجيا على معظم موارد بيانات الذكاء الاصطناعي في العالم. المستخدمون العاديون يساهمون يوميًا بالمحتوى وبيانات السلوك واللغة، لكن في النهاية، المستفيد الحقيقي لا يزال هو المنصات المركزية.
هذا هو السبب الذي يجعلني أتابع OpenLedger بشكل مستمر في الآونة الأخيرة.
OpenLedger في جوهرها ليست مشروع ذكاء اصطناعي بالمعنى التقليدي، بل هي في الأساس بنية تحتية اقتصادية لبيانات الذكاء الاصطناعي. إنها تحاول حل واحدة من أكثر المشكلات جوهرية في صناعة الذكاء الاصطناعي: عدم قدرة المساهمة في البيانات على التحقق منها، وعدم إمكانية تتبعها، وعدم حصولها على عوائد طويلة الأجل.
حاليًا، يتم تقسيم البنية المعمارية الشاملة لـ OpenLedger بشكل أساسي إلى عدة أجزاء:
Datanets (شبكة البيانات)
يمكن للمستخدمين رفع بيانات احترافية وبناء مجموعات بيانات ومشاركتها، بحيث تتحول البيانات إلى أصول قابلة للاستثمار/امتلاكها كأصول.ModelFactory
يسمح للمطورين بتدريب نماذج ذكاء اصطناعي بناءً على بيانات المجتمع، كما أن عملية التدريب بأكملها تتمتع بشفافية على السلسلة.OpenLoRA
لنشر نماذج ذكاء اصطناعي كبيرة الحجم بتكلفة منخفضة؛ بل إن الجهة الرسمية طرحت حتى اقتراحًا لتشغيل عدد كبير من نماذج الضبط الدقيق على جهاز GPU واحد.إثبات نسبة/منسوبية المساهمة (Proof of Attribution)
هذه برأيي هي أكثر الأجزاء أهمية.إذا ما تم استخدام أي بيانات، وأي مصادر تدريب في المستقبل لتشغيل نماذج الذكاء الاصطناعي، ومن قدّم المساهمات—فكل ذلك يمكن تتبعه وتسجيله، كما يمكنه تشكيل توزيع أرباح آلي.
قد لا يدرك كثيرون أن هذه الآلية، إذا تم تطبيقها فعليًا، ستغيّر بنية مصالح صناعة الذكاء الاصطناعي بأكملها.
المشكلة الأكبر حاليًا في الذكاء الاصطناعي ليست أن قدرات النماذج غير كافية، بل هي:
فوضى ملكية البيانات
لا يستطيع المساهمون في البيانات تحقيق أرباح
عملية تدريب نماذج الذكاء الاصطناعي صندوق أسود بالكامل
المستخدمون العاديون لا يمكنهم المشاركة في اقتصاد الذكاء الاصطناعي
أما اتجاه OpenLedger، فهو تحويل “البيانات” من أصول خاصة مملوكة لمنصات على الإنترنت، إلى موارد إنتاج قابلة للتداول على السلسلة.
وهذه النقطة تشبه إلى حد كبير ما حدث مع DeFi في بداياته حين غيّر التمويل.
في عصر التمويل التقليدي، تتحكم البنوك في حق تدفّق الأصول؛
بعد ظهور DeFi، بدأ المستخدمون يمتلكون حق التحكم في الأصول.
وبالمثل:
في عصر الذكاء الاصطناعي التقليدي، تمتلك الشركات الكبرى قيمة البيانات؛
بينما يهدف OpenLedger إلى أن يمتلك مساهمو البيانات حق تحقيق العائد بأنفسهم.
وفقًا للوثائق الرسمية الحالية،$OPEN ليس فقط رمز حوكمة، بل يضطلع أيضًا بـ:
دفع الغاز (Gas)
تكلفة الاستدلال بالذكاء الاصطناعي
تكلفة تدريب النموذج
مكافآت مساهمة البيانات
حوكمة النظام البيئي
إجمالي المعروض يبلغ 1 مليار قطعة، ويُخصص منها أكثر من 60% للمجتمع والنظام البيئي.
بالطبع، أعتقد أن OpenLedger سيواجه أيضًا بعض التحديات في المستقبل:
أولًا، في الوقت الحالي، يعاني معظم مشاريع الذكاء الاصطناعي عمومًا من مشكلة أن “السرد يفوق التنفيذ الفعلي”.
لا تزال العديد من مشاريع AI+Crypto تعتمد على الحوسبة المركزية والعمليات خارج السلسلة. وتُظهر الأبحاث الأكاديمية أيضًا أن العديد من مشاريع رموز الذكاء الاصطناعي الحالية لا تزال تعاني من ظاهرة “اللامركزية الزائفة”.
ثانيًا، نظام حقيقي لِنسبة/منسوبية البيانات؛ مستوى صعوبة التنفيذ التقني له مرتفع جدًا.
نظرًا لأن تدريب نماذج الذكاء الاصطناعي يتضمن عددًا هائلًا من المعاملات المعقدة، فإن الحكم بدقة على إسهام جزء من البيانات في مخرجات النموذج—حتى ذلك بحد ذاته يعد تحديًا عالميًا صعبًا.
ثالثًا، المنافسة في مسار الذكاء الاصطناعي شديدة جدًا.
تشترك مشاريع مثل Fetch.ai وBittensor وOcean وغيرها في التنافس على سوق “البنية التحتية للذكاء الاصطناعي”.
لكن حتى مع ذلك، ما زلت أعتقد أن اتجاه OpenLedger يستحق المتابعة على المدى الطويل.
لأن مستقبل صناعة الذكاء الاصطناعي الأكثر أهمية قد لا يكون هو من يمتلك أكبر نموذج، بل من يستطيع بناء “نظام اقتصاد بيانات مستدام”.
من يمكنه حقًا حل ذلك:
“من يملك البيانات؟”
“من ينبغي أن تُمنح له أرباح الذكاء الاصطناعي؟”
“كيف يشارك عامة الناس في توزيع قيمة الذكاء الاصطناعي؟”
من يمكن أن يصبح البنية التحتية الأساسية للمرحلة التالية من AI+Crypto.
وبالنسبة لـ OpenLedger، فإن الأمر على الأقل بدأ في محاولة الإجابة عن هذه الأسئلة.
@OpenLedger $OPEN #OpenLedger