المؤلف: Alex Xu، شريك باحث، Mint Ventures

مقدمة

حتى الآن، تعد دورة سوق العملات المشفرة الصاعدة هي الأكثر مملة من حيث ابتكار الأعمال، فهي تفتقر إلى مسارات الجنون على مستوى الظاهرة مثل DeFi وNFT وGamefi في السوق الصاعدة السابقة، مما يؤدي إلى نقص النقاط الساخنة في الصناعة. المستخدمين، والاستثمار في الصناعة في الوضع العام للسوق ونمو المطورين ضعيفة نسبيا.

وينعكس هذا أيضًا في أسعار الأصول الحالية، وبالنظر إلى الدورة بأكملها، تستمر معظم العملات البديلة في خسارة الأموال مقابل البيتكوين، بما في ذلك الإيثيريوم. بعد كل شيء، يتم تحديد تقييم منصة العقود الذكية من خلال ازدهار التطبيق. عندما يكون تطوير التطبيق وابتكاره باهتًا، سيكون من الصعب زيادة تقييم السلسلة العامة.

وبوصف الذكاء الاصطناعي فئةً أحدث نسبيًا من الأعمال التجارية في عالم الكريبتو خلال هذه الدورة، فإنه لا يزال قادرًا على الاستفادة من سرعة النمو الانفجارية في العالم التجاري الخارجي ومن الاهتمام المتواصل، ما قد يوفر زيادة جيدة في الانتباه لمشاريع قطاع الذكاء الاصطناعي في عالم الكريبتو.

وفي تقرير IO.NET الذي نشرته في أبريل، تناولتُ ضرورة دمج الذكاء الاصطناعي مع الكريبتو، أي أن مزايا الحلول الاقتصادية المشفرة في الحتمية، وتنسيق وتخصيص الموارد، وعدم الحاجة إلى الثقة قد تكون أحد الحلول للتحديات الثلاثة التي يطرحها الذكاء الاصطناعي: العشوائية، وكثافة الموارد، وصعوبة التمييز بين الإنسان والآلة.

في مجال الذكاء الاصطناعي ضمن الاقتصاد المشفّر، أحاول من خلال هذه المقالة مناقشة واستشراف بعض القضايا المهمة، بما في ذلك:

  • ما السرديات الأخرى الناشئة في قطاع الكريبتو للذكاء الاصطناعي، والتي قد تنفجر في المستقبل

  • مسارات تحفيز هذه السرديات ومنطقها

  • الأصول المشروعية المرتبطة بالسرديات

  • مخاطر وعدم يقين استشراف السرديات

هذا المقال يمثل أفكاري المرحلية حتى وقت النشر، وقد تتغير في المستقبل، كما أن وجهات النظر هنا ذاتية للغاية، وقد تحتوي أيضًا على أخطاء في الحقائق أو البيانات أو منطق الاستدلال، لذا يرجى عدم اعتباره مرجعًا استثماريًا، ونرحب بالنقد والنقاش من الزملاء في المجال.

وفيما يلي متن المقال.

السردية التالية لقطاع الذكاء الاصطناعي في الكريبتو

وقبل أن نستعرض رسميًا السردية التالية لقطاع الذكاء الاصطناعي في الكريبتو، دعونا أولًا نلقي نظرة على السرديات الرئيسية الحالية، وبحسب ترتيب القيمة السوقية، فإن التي تتجاوز مليار دولار هي:

  • القدرة الحاسوبية: Render (RNDR، القيمة السوقية المتداولة 3.85 مليار)، Akash (القيمة السوقية المتداولة 1.2 مليار)، IO.NET (تقييم الجولة الأخيرة من التمويل من الفئة الأولى 1 مليار)

  • شبكة الخوارزميات: Bittensor (TAO، القيمة السوقية المتداولة 2.97 مليار)

  • وكلاء الذكاء الاصطناعي: Fetchai (FET، القيمة السوقية المتداولة قبل الاندماج 2.1 مليار)

*وقت البيانات: 2024.5.24، وجميع الوحدات النقدية بالدولار الأمريكي.

إلى جانب المجالات المذكورة أعلاه، ما هو القطاع التالي في مسار الذكاء الاصطناعي الذي قد تتجاوز قيمته السوقية مليار دولار لمشروع واحد؟

أعتقد أنه يمكن الاستدلال من منظورين: سردية «جانب العرض الصناعي» وسردية «لحظة GPT».

المنظور الأول لسردية الذكاء الاصطناعي: من جانب العرض الصناعي، النظر إلى فرص قطاعي الطاقة والبيانات خلف الذكاء الاصطناعي

من منظور جانب العرض الصناعي، فإن المحركات الأربعة لتطور الذكاء الاصطناعي هي:

  • الخوارزميات: يمكن للخوارزميات عالية الجودة تنفيذ مهام التدريب والاستدلال بكفاءة أعلى

  • القدرة الحاسوبية: سواء في تدريب النماذج أو في استدلالها، تحتاج هذه العمليات إلى قدرة حوسبة توفرها عتاديات GPU، وهذا هو أصل الاختناق الصناعي الرئيسي حاليًا، كما أن نقص الشرائح في القطاع جعل أسعار الشرائح المتوسطة والعالية الارتفاع مرتفعة للغاية

  • الطاقة: ستنتج مراكز معالجة بيانات الذكاء الاصطناعي استهلاكًا هائلًا للطاقة، وبالإضافة إلى الكهرباء اللازمة لتشغيل مهام الحوسبة على GPU نفسه، فإن تبريد GPU يتطلب أيضًا الكثير من الطاقة، إذ يشكل نظام التبريد في مركز بيانات كبير نحو 40% من إجمالي استهلاك الطاقة

  • البيانات: يتطلب تحسين أداء النماذج الكبيرة توسيع معلمات التدريب، ما يعني طلبًا هائلًا على البيانات عالية الجودة

وبالنسبة لدوافع القطاعات الأربعة المذكورة، فهناك مشاريع كريبتو في مساري الخوارزميات والقدرة الحاسوبية تتجاوز قيمتها السوقية المتداولة مليار دولار، بينما لم يظهر بعد في قطاعي الطاقة والبيانات مشروع بالحجم السوقي نفسه.

وفي الواقع، قد يأتي سريعًا نقص الإمداد في الطاقة والبيانات ليصبح موجة جديدة من الاهتمام الصناعي، ومن ثم يدفع بانتعاش المشاريع ذات الصلة في مجال الكريبتو.

لنبدأ بالطاقة.

في 29 فبراير 2024، قال ماسك خلال مؤتمر Bosch Connected World 2024: «كنت قد توقعت قبل أكثر من عام نقص الشرائح، والنقص التالي سيكون في الكهرباء. أعتقد أنه لن يكون هناك كهرباء كافية لتشغيل كل الشرائح في العام المقبل.»

ومن حيث البيانات المحددة، فإن معهد ستانفورد للذكاء الاصطناعي بقيادة لي في-في (Human-Centered Artificial Intelligence) ينشر سنويًا تقرير (مؤشر الذكاء الاصطناعي). وفي التقرير الذي أصدره الفريق عام 2022 والمتعلق بصناعة الذكاء الاصطناعي في 2021، قدّر الباحثون أن حجم استهلاك الطاقة للذكاء الاصطناعي في ذلك العام لم يتجاوز 0.9% من الطلب العالمي على الكهرباء، ما يعني أن الضغط على الطاقة والبيئة كان محدودًا. أما في عام 2023، فقد لخّصت الوكالة الدولية للطاقة (IEA) عام 2022 بقولها إن مراكز البيانات العالمية استهلكت نحو 460 تيراواط ساعة (TWh) من الكهرباء، أي 2% من الطلب العالمي على الكهرباء، وتوقعت أنه بحلول 2026 سيبلغ استهلاك مراكز البيانات العالمية للطاقة 620 تيراواط ساعة على الأقل، وقد يصل إلى 1050 تيراواط ساعة في الحد الأعلى.

وفي الحقيقة، فإن تقديرات الوكالة الدولية للطاقة لا تزال متحفظة، لأن هناك بالفعل عددًا كبيرًا من المشاريع المرتبطة بالذكاء الاصطناعي على وشك الانطلاق، وما تحتاجه من طاقة يفوق بكثير ما كان متصورًا في 2023.

مثل مشروع Stargate الذي تخطط له مايكروسوفت وOpenAI. يُتوقع أن يبدأ هذا المشروع في 2028 ويُنجز تقريبًا في 2030، ويهدف إلى بناء حاسوب فائق يضم ملايين شرائح الذكاء الاصطناعي المتخصصة، لتوفير قدرة حوسبة غير مسبوقة لـ OpenAI ودعم أبحاثها في الذكاء الاصطناعي، ولا سيما النماذج اللغوية الكبيرة. ويُتوقع أن تتجاوز تكلفة الخطة 100 مليار دولار، أي أعلى بنحو 100 مرة من تكلفة مراكز البيانات الضخمة الحالية.

وحده مشروع Stargate يستهلك 50 تيراواط ساعة.

ولهذا السبب أيضًا قال سام ألتمان، مؤسس OpenAI، خلال منتدى دافوس في يناير من هذا العام: «الذكاء الاصطناعي في المستقبل سيحتاج إلى اختراقات في مجال الطاقة، لأن استهلاك الطاقة من قبل الذكاء الاصطناعي سيتجاوز توقعات الناس بكثير.»

بعد القدرة الحاسوبية والطاقة، فإن القطاع التالي الذي قد يعاني من نقص سريع النمو في صناعة الذكاء الاصطناعي هو على الأرجح البيانات.

أو بعبارة أخرى، فإن نقص البيانات عالية الجودة المطلوبة للذكاء الاصطناعي أصبح واقعًا بالفعل.

في الواقع، ومن خلال تطور GPT، أصبح البشر قد فهموا إلى حد كبير قواعد نمو قدرات النماذج اللغوية الكبيرة، أي أنه عبر توسيع معلمات النموذج وبيانات التدريب يمكن رفع قدرة النموذج بشكل أسي، ولا تظهر في المدى القصير أي عوائق تقنية لهذا المسار.

لكن المشكلة أن البيانات عالية الجودة والمفتوحة قد تصبح أكثر ندرةً في المستقبل، وقد يواجه منتجو الذكاء الاصطناعي تناقضًا بين العرض والطلب على البيانات يشبه ما يحدث مع الشرائح والطاقة.

أولها زيادة النزاعات حول ملكية البيانات.

في 27 ديسمبر 2023، رفعت (نيويورك تايمز) رسميًا دعوى ضد OpenAI ومايكروسوفت في محكمة اتحادية أمريكية، متهمةً إياهما باستخدام ملايين مقالاتها دون إذن لتدريب نموذج GPT، وطالبت بأن يتحمل الطرفان «مليارات الدولارات من التعويضات القانونية والفعليّة عن النسخ غير القانوني واستخدام الأعمال الفريدة القيمة»، كما طالبت بتدمير جميع النماذج وبيانات التدريب التي تتضمن مواد حقوق نشر تعود لـ(نيويورك تايمز).

وفي نهاية مارس من ذلك العام، أصدرت (نيويورك تايمز) بيانًا جديدًا لم يوجَّه فقط ضد OpenAI، بل أيضًا ضد Google وMeta. وقال البيان إن OpenAI استخدمت أداة للتعرف على الكلام تُدعى Whisper لنسخ أجزاء صوتية ضخمة من مقاطع YouTube ثم تحويلها إلى نصوص لاستخدامها في تدريب GPT-4. وأضافت (نيويورك تايمز) أن أساليب السرقة البسيطة التي تستخدمها الشركات الكبرى في تدريب نماذج الذكاء الاصطناعي أصبحت شائعة جدًا، وأن Google تفعل الأمر ذاته أيضًا، إذ تحول محتوى فيديوهات YouTube إلى نصوص لاستخدامها في تدريب نموذجها الكبير، وهو ما ينتهك جوهر حقوق منشئي المحتوى المرئي.

(نيويورك تايمز) باعتبارها «أول قضية حقوق نشر للذكاء الاصطناعي» ضد OpenAI، وبالنظر إلى تعقيد القضية وتأثيرها العميق على مستقبل صناعة المحتوى والذكاء الاصطناعي، فليس من المؤكد أن يصدر حكم سريع. ومن النتائج المحتملة أن يتوصل الطرفان إلى تسوية خارج المحكمة، حيث تدفع مايكروسوفت وOpenAI تعويضًا كبيرًا. لكن المزيد من احتكاكات حقوق البيانات في المستقبل سيؤدي حتمًا إلى رفع التكلفة الإجمالية للبيانات عالية الجودة.

إضافةً إلى ذلك، كُشف أن Google، أكبر محرك بحث في العالم، تدرس أيضًا فرض رسوم على وظيفة البحث الخاصة بها، لكن ليس على المستخدم العادي، بل على شركات الذكاء الاصطناعي.

المصدر: رويترز

تخزن خوادم محرك بحث Google كمية هائلة من المحتوى، بل يمكن القول إن Google تحتفظ بكل ما نُشر على صفحات الويب منذ بداية القرن الحادي والعشرين. أما منتجات البحث المدعومة بالذكاء الاصطناعي حاليًا، مثل Perplexity في الخارج وKimi وMita في الداخل، فهي تعالج هذه البيانات التي يتم العثور عليها عبر الذكاء الاصطناعي ثم تقدمها للمستخدم. ومن المؤكد أن فرض محركات البحث رسومًا على الذكاء الاصطناعي سيزيد تكلفة الحصول على البيانات.

في الواقع، وبالإضافة إلى البيانات العامة، فقد بدأت عمالقة الذكاء الاصطناعي أيضًا في استهداف البيانات الداخلية غير العامة.

Photobucket هو موقع عريق لاستضافة الصور والفيديوهات، وكان يضم في أوائل العقد الأول من الألفية 70 مليون مستخدم وحصة تقارب نصف سوق الصور عبر الإنترنت في الولايات المتحدة. ومع صعود وسائل التواصل الاجتماعي، انخفض عدد مستخدمي Photobucket بشكل حاد، ولم يتبقَّ لديه حاليًا سوى 2 مليون مستخدم نشط (يدفعون سنويًا رسومًا مرتفعة تبلغ 399 دولارًا). ووفقًا لاتفاقية المستخدم وسياسة الخصوصية التي يوقّعها المستخدم عند التسجيل، فإن الحسابات التي لا تُستخدم لأكثر من عام تُستعاد، كما تحتفظ Photobucket بحق استخدام الصور والفيديوهات التي يرفعها المستخدمون. وكشف الرئيس التنفيذي Ted Leonard أن بياناته التي تضم 1.3 مليار صورة وفيديو ذات قيمة كبيرة للغاية لتدريب نماذج الذكاء الاصطناعي التوليدي. وهو يتفاوض مع عدة شركات تقنية لبيع هذه البيانات، وتتراوح العروض من 5 سنتات للصورة الواحدة إلى دولار واحد، وأكثر من دولار لكل مقطع فيديو، ويقدّر أن قيمة البيانات التي يمكن لـ Photobucket توفيرها تتجاوز مليار دولار.

أصدر فريق البحث EPOCH، المتخصص في اتجاهات تطوير الذكاء الاصطناعي، تقريرًا عن حالة البيانات المطلوبة للتعلم الآلي، بالاستناد إلى استخدام البيانات وتوليد بيانات جديدة في عام 2022، ومع أخذ نمو الموارد الحاسوبية في الاعتبار أيضًا، بعنوان (Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning). وخلص التقرير إلى أن بيانات النصوص عالية الجودة ستنفد تقريبًا بين فبراير 2023 و2026، بينما ستنفد بيانات الصور بين 2030 و2060. وإذا لم تتحسن كفاءة استخدام البيانات بشكل ملحوظ، أو لم تظهر مصادر بيانات جديدة، فقد يتباطأ اتجاه النماذج الكبيرة للتعلم الآلي المعتمدة حاليًا على مجموعات بيانات ضخمة.

وبالنظر إلى أن عمالقة الذكاء الاصطناعي يشترون البيانات بأسعار مرتفعة على نحو متزايد، فإن البيانات النصية المجانية عالية الجودة قد نفدت عمليًا بالفعل، وكان توقع EPOCH قبل عامين دقيقًا إلى حد كبير.

وفي الوقت نفسه، بدأت تظهر أيضًا حلول لتلبية الطلب على «نقص بيانات الذكاء الاصطناعي»، أي: خدمات توفير بيانات الذكاء الاصطناعي.

Defined.ai هي شركة توفر لشركات الذكاء الاصطناعي بيانات مخصصة وعالية الجودة وواقعية.

أمثلة على أنواع البيانات التي يمكن لـ Defined.ai توفيرها: https://www.defined.ai/datasets

يتمثل نموذج أعمالها في أن شركات الذكاء الاصطناعي تزود Defined.ai بمتطلباتها من البيانات؛ فمثلًا بالنسبة للصور، قد تشمل الجودة المطلوبة حدًا أدنى من الدقة، وتجنب الضبابية والتعريض الزائد، وأن يكون المحتوى واقعيًا. أما من حيث المحتوى، فيمكن لشركات الذكاء الاصطناعي تخصيص مواضيع محددة حسب مهمة التدريب، مثل الصور الليلية، أو الأقماع المرورية الليلية، أو مواقف السيارات، أو اللوحات الإرشادية، وذلك لتحسين معدل تعرف الذكاء الاصطناعي على المشاهد الليلية. ويمكن لأي شخص أن يتسلم المهمة، ثم يرفع الصور بعد الانتهاء لتقوم الشركة بمراجعتها، ثم يُدفع للمحتوى المطابق وفق عدد القطع؛ ويبلغ السعر تقريبًا 1-2 دولار للصورة عالية الجودة، و5-7 دولارات لمقطع قصير مدته بضع ثوانٍ، و100-300 دولار لفيديو عالي الجودة يزيد على 10 دقائق، أما النصوص فتُدفع بسعر دولار واحد لكل ألف كلمة، ويمكن لمن يتسلمون مهام التعهيد الفرعي الحصول على نحو 20% من الأجر. وقد تصبح خدمات توفير البيانات تجارة تعهيد جماعي جديدة بعد «وسم البيانات».

إن توزيع المهام الجماعية عالميًا، والحوافز الاقتصادية، وتسعير وتداول الأصول البيانية وحماية الخصوصية، وإمكانية مشاركة الجميع، كلها أمور تبدو وكأنها تناسب نموذج Web3 التجاري بشكل خاص.

أصول سردية الذكاء الاصطناعي من منظور العرض الصناعي

امتد الاهتمام الناتج عن نقص الشرائح إلى قطاع الكريبتو، وجعل القدرة الحاسوبية الموزعة حتى الآن فئة مشاريع الذكاء الاصطناعي الأكثر سخونةً والأعلى قيمة سوقية.

إذا تفجّر التناقض بين العرض والطلب في صناعة الذكاء الاصطناعي على الطاقة والبيانات خلال سنة إلى سنتين قادمتين، فما هي المشاريع المرتبطة بهذه السرديات في قطاع الكريبتو؟

لنبدأ بالأصول ذات الصلة بالطاقة.

مشاريع الطاقة التي أُدرجت بالفعل في بورصات CEX الكبرى نادرة جدًا، ولا يوجد سوى مشروع واحد هو Power Ledger (الرمز Powr).

أُطلق Power Ledger في عام 2017، وهو منصة طاقة شاملة قائمة على تقنية البلوكتشين، تهدف إلى تحقيق لامركزية تجارة الطاقة، وتشجيع الأفراد والمجتمعات على تداول الكهرباء مباشرة، ودعم الاستخدام الواسع للطاقة المتجددة، وضمان شفافية وكفاءة المعاملات عبر العقود الذكية. وفي البداية، كان Power Ledger يعمل على سلسلة تحالفية مبنية على إيثريوم. وفي النصف الثاني من عام 2023، حدّث Power Ledger ورقته البيضاء وأطلق سلاسله العامة الشاملة الخاصة به، والمبنية على إطار Solana التقني المُعدَّل، ما يسهل التعامل مع المعاملات الصغيرة عالية التكرار في أسواق الطاقة الموزعة. وتشمل الأعمال الرئيسية الحالية لـ Power Ledger:

  • تداول الطاقة: يتيح للمستخدمين شراء وبيع الكهرباء مباشرةً من نظير إلى نظير، ولا سيما الكهرباء القادمة من مصادر الطاقة المتجددة.

  • تداول المنتجات البيئية: مثل تداول أرصدة الكربون وشهادات الطاقة المتجددة، إضافةً إلى التمويل القائم على المنتجات البيئية.

  • تشغيل السلسلة العامة: جذب مطوري التطبيقات للبناء على سلسلة Powerledger، وتُدفع رسوم المعاملات على السلسلة العامة بعملة Powr الرمزية.

تبلغ القيمة السوقية المتداولة لمشروع Power Ledger حاليًا 170 مليون دولار، والقيمة السوقية المخففة بالكامل 320 مليون دولار.

مقارنةً بالأصول المشفرة المرتبطة بالطاقة، فإن عدد الأصول المشفرة في قطاع البيانات أكثر تنوعًا.

أقتصر هنا على سرد مشاريع قطاع البيانات التي أتابعها حاليًا، والتي أُدرجت على الأقل في إحدى منصات CEX التالية: Binance أو OKX أو Coinbase، مرتبةً حسب FDV من الأدنى إلى الأعلى:

1.Streamr – DATA

تتمثل القيمة المقترحة لـ Streamr في بناء شبكة بيانات لامركزية وآنية، تتيح للمستخدمين تداول البيانات ومشاركتها بحرية مع الحفاظ الكامل على السيطرة على بياناتهم. ومن خلال سوق البيانات الخاص بها، تأمل Streamr أن يتمكن منتجو البيانات من بيع تدفقات البيانات مباشرةً للمستهلكين المهتمين دون وسطاء، ما يقلل التكاليف ويزيد الكفاءة.

المصدر: https://streamr.network/hub/projects

في حالات التعاون الفعلية، تعاونت Streamr مع مشروع عتاد Web3 للسيارات آخر هو DIMO، إذ تستخدم أجهزة الاستشعار المثبتة على المركبات لجمع درجة الحرارة والضغط الجوي وبيانات أخرى، لتكوين تدفقات بيانات طقس تُرسل إلى الجهات المحتاجة.

وبالمقارنة مع مشاريع البيانات الأخرى، فإن Streamr يركز أكثر على بيانات إنترنت الأشياء وبيانات المستشعرات المادية. فإلى جانب بيانات المركبات من DIMO المذكورة أعلاه، تشمل المشاريع الأخرى أيضًا تدفقات بيانات المرور الآنية في هلسنكي وغيرها. لذلك، شهد رمز Streamr DATA أيضًا في ديسمبر الماضي، عندما كانت رواية DePIN في أوجها، ارتفاعًا يوميًا وصل إلى الضعف.

تبلغ القيمة السوقية المتداولة لمشروع Streamr حاليًا 44 مليون دولار، والقيمة السوقية المخففة بالكامل 58 مليون دولار.

2.Covalent – CQT

وعلى خلاف مشاريع البيانات الأخرى، يقدم Covalent بيانات بلوكتشين. تقوم شبكة Covalent بقراءة البيانات من عقد البلوكتشين عبر RPC، ثم معالجة هذه البيانات وتنظيمها لإنشاء قاعدة بيانات استعلام عالية الكفاءة. وبهذا يمكن لمستخدمي Covalent الوصول سريعًا إلى المعلومات التي يحتاجونها دون الحاجة إلى إجراء استعلامات معقدة مباشرة من عقد البلوكتشين، ويُطلق على هذه الخدمة أيضًا اسم «فهرسة بيانات البلوكتشين».

يتركز عملاء Covalent على قطاع الأعمال B2B، حيث يشمل ذلك مشاريع Dapp مثل مختلف تطبيقات DeFi، كما يشمل أيضًا العديد من شركات الكريبتو المركزية مثل Consensys (الشركة الأم لـ Metamask)، وCoinGecko (منصة شهيرة لأسعار الأصول المشفرة)، وRotki (أداة ضرائب)، وRainbow (محفظة كريبتو)، فضلًا عن عمالقة التمويل التقليدي مثل Fidelity ومكتب المحاسبة الأربع الكبرى EY، وجميعهم من عملاء Covalent. ووفقًا للبيانات التي أفصحت عنها Covalent رسميًا، فقد تجاوزت الإيرادات القادمة من خدمات البيانات إيرادات المشروع الرائد في المجال نفسه The Graph.

بفضل اكتمال بيانات السلسلة وعموميتها ومصداقيتها وآنيتها، قد تصبح صناعة Web3 مصدرًا عالي الجودة للبيانات في سيناريوهات ذكاء اصطناعي متخصصة و«نماذج ذكاء اصطناعي صغيرة» محددة. وبوصف Covalent جهة موفرة للبيانات، بدأت بالفعل في تقديم البيانات لمختلف سيناريوهات الذكاء الاصطناعي، وأطلقت بيانات مهيكلة قابلة للتحقق موجهة خصيصًا للذكاء الاصطناعي.

المصدر: https://www.covalenthq.com/solutions/decentralized-ai/

مثلًا، يزوّد منصة التداول الذكي على السلسلة SmartWhales بالبيانات، ويستخدم الذكاء الاصطناعي للتعرف على أنماط التداول والعناوين المربحة؛ بينما تستخدم Entendre Finance البيانات المهيكلة من Covalent، ثم تعالجها بالذكاء الاصطناعي من أجل الرؤى اللحظية واكتشاف الشذوذ والتحليل التنبؤي وغيرها.

حتى الآن، لا تزال سيناريوهات خدمة البيانات على السلسلة التي يقدمها Covalent موجهة أساسًا نحو القطاع المالي، لكن مع تعميم منتجات Web3 وأنواع البيانات، ستتوسع حالات استخدام البيانات على السلسلة أكثر.

تبلغ القيمة السوقية المتداولة لمشروع Covalent حاليًا 150 مليون دولار، والقيمة السوقية المخففة بالكامل 235 مليون دولار، وهو يتمتع بميزة تقييمية واضحة مقارنةً بمشروع فهرسة بيانات البلوكتشين The Graph في نفس القطاع.

3.Hivemapper – Honey

بين جميع مواد البيانات، غالبًا ما يكون سعر وحدة بيانات الفيديو هو الأعلى. ويمكن لـ Hivemapper أن توفر لشركات الذكاء الاصطناعي بيانات تشمل الفيديو ومعلومات الخرائط. وHivemapper نفسها مشروع خرائط عالمي لامركزي، يهدف إلى إنشاء نظام خرائط مفصل وديناميكي وسهل الوصول من خلال تقنية البلوكتشين ومساهمات المجتمع. ويمكن للمشاركين التقاط بيانات الخرائط عبر كاميرات السيارات (dashcam) وإضافتها إلى شبكة بيانات Hivemapper مفتوحة المصدر، والحصول على مكافآت من رمز المشروع HONEY بناءً على مساهماتهم. ولزيادة أثر الشبكة وخفض تكاليف التفاعل، بُنيت Hivemapper على Solana.

أُسِّست Hivemapper لأول مرة عام 2015، وكانت رؤيتها الأولية استخدام الطائرات المسيّرة لإنشاء الخرائط، لكنها اكتشفت لاحقًا أن هذا النموذج صعب التوسع، فتحولت إلى استخدام كاميرات السيارات والهواتف الذكية لالتقاط البيانات الجغرافية، ما خفّض تكلفة إعداد الخرائط عالميًا.

بالمقارنة مع Google Maps وغيرها من برامج الشوارع والخرائط، تستطيع Hivemapper، من خلال شبكة الحوافز ونموذج التعهيد الجماعي، توسيع تغطية الخرائط بكفاءة أكبر، والحفاظ على حداثة المشاهد الواقعية، وتحسين جودة الفيديو.

قبل انفجار الطلب على البيانات من جانب الذكاء الاصطناعي، كان أبرز عملاء Hivemapper يشملون أقسام القيادة الذاتية في صناعة السيارات، وشركات خدمات الملاحة، والحكومات، وشركات التأمين والعقارات وغيرها. أما اليوم، فيمكن لـ Hivemapper عبر API أن توفر للذكاء الاصطناعي والنماذج الكبيرة بيانات واسعة عن الطرق والبيئة، ومن خلال تدفقات الصور وبيانات خصائص الطرق المتجددة باستمرار، ستتمكن نماذج AI وML من تحويل البيانات بشكل أفضل إلى تحسن في القدرات، وإنجاز مهام مرتبطة بالموقع الجغرافي والحكم البصري.

مصدر البيانات: https://hivemapper.com/blog/diversify-ai-computer-vision-models-with-global-road-imagery-map-data/

تبلغ القيمة السوقية المتداولة لمشروع Hivemapper – Honey حاليًا 120 مليون دولار، والقيمة السوقية المخففة بالكامل 496 مليون دولار.

وبالإضافة إلى المشاريع الثلاثة المذكورة أعلاه، تشمل مشاريع قطاع البيانات أيضًا The Graph – GRT (القيمة السوقية المتداولة 3.2 مليار دولار، FDV 3.7 مليار دولار)، وهو مشابه لـ Covalent من حيث النشاط ويقدم أيضًا خدمات فهرسة بيانات البلوكتشين؛ وكذلك Ocean Protocol – OCEAN (القيمة السوقية المتداولة 670 مليون دولار، FDV 1.45 مليار دولار، وهذا المشروع سيتحول قريبًا إلى ASI بعد اندماجه مع Fetch.ai وSingularityNET)، وهو بروتوكول مفتوح المصدر يهدف إلى تعزيز تبادل البيانات والخدمات المرتبطة بها وتحويلها إلى قيمة نقدية، عبر ربط مستهلكي البيانات بمقدميها، بما يضمن مشاركة البيانات مع الحفاظ على الثقة والشفافية وقابلية التتبع.

المنظور الثاني لسردية الذكاء الاصطناعي: تكرار لحظة GPT، وقدوم الذكاء الاصطناعي العام

في رأيي، كانت السنة الأولى لقطاع «الذكاء الاصطناعي» في عالم الكريبتو هي 2023، وهي السنة التي صدم فيها GPT العالم؛ أما الارتفاع الكبير في مشاريع الذكاء الاصطناعي في عالم الكريبتو فكان في معظمه «أثرًا متأخرًا للضجة» الناتجة عن النمو الانفجاري لصناعة الذكاء الاصطناعي.

ورغم استمرار ترقية قدرات GPT3.5 إلى GPT4 وTurbo وغيرها، وكذلك الإظهار المدهش لقدرات Sora في إنتاج الفيديو، إلى جانب التطور السريع للنماذج اللغوية الكبيرة خارج OpenAI، فلا يمكن إنكار أن الصدمة الإدراكية التي أحدثها التقدم التكنولوجي في الذكاء الاصطناعي لدى العامة بدأت تضعف، وبدأ الناس في استخدام أدوات الذكاء الاصطناعي تدريجيًا، بينما يبدو أن الاستبدال الواسع للوظائف لم يحدث بعد.

إذًا، هل سيعاود مجال الذكاء الاصطناعي في المستقبل إنتاج «لحظة GPT» أخرى، بظهور قفزة هائلة في الذكاء الاصطناعي تدهش العامة، وتجعل الناس يدركون أن حياتهم وعملهم سيتغيران بسبب ذلك؟

قد تكون هذه اللحظة هي قدوم الذكاء الاصطناعي العام (AGI).

يشير AGI إلى امتلاك الآلة لقدرات إدراكية شاملة شبيهة بالإنسان، تمكنها من حل مختلف المشكلات المعقدة، وليس فقط المهام المحددة. وتملك أنظمة AGI قدرات عالية في التفكير التجريدي، والمعرفة العامة الواسعة، والاستدلال العام عبر المجالات وفهم العلاقات السببية، وكذلك التعلم الانتقالي عبر التخصصات. ويضاهي أداء AGI أفضل البشر في شتى المجالات، بينما يتجاوز من حيث القدرة الشاملة أفضل المجموعات البشرية بالكامل.

في الواقع، سواء في تمثيلات الخيال العلمي والألعاب والأعمال السينمائية والتلفزيونية، أو في توقعات العامة بعد الانتشار السريع لـ GPT، كان المجتمع يتوقع منذ وقت طويل ظهور AGI يتجاوز المستوى الإدراكي البشري. أو بعبارة أخرى، فإن GPT نفسه هو منتج تمهيدي لـ AGI، وهو النسخة النبوئية من الذكاء الاصطناعي العام.

ويرجع امتلاك GPT لكل هذه القوة الصناعية والأثر النفسي إلى سرعة انتشاره وأدائه الذي تجاوز توقعات العامة؛ إذ لم يتوقع الناس أن يظهر فعلًا نظام ذكاء اصطناعي قادر على اجتياز اختبار تورينغ، وأن يحدث ذلك بهذه السرعة.

في الواقع، قد يعاود الذكاء الاصطناعي العام (AGI) إنتاج «لحظة GPT» على نحو مفاجئ خلال سنة إلى سنتين: فبمجرد أن يبدأ الناس في التكيف مع مساعدة GPT، يكتشفون أن الذكاء الاصطناعي لم يعد مجرد مساعد، بل صار قادرًا حتى على إنجاز أعمال إبداعية وشديدة التحدي بشكل مستقل، بما في ذلك المشكلات التي حيّرت أبرز العلماء البشر لعقود.

في 8 أبريل من هذا العام، أجرى ماسك مقابلة مع رئيس الاستثمار في صندوق الثروة السيادية النرويجي Nicolai Tangen، وتحدث فيها عن توقيت ظهور AGI.

قال: «إذا عرّفنا AGI بأنه أذكى من الجزء الأذكى من البشر، فأعتقد أنه من المرجح جدًا أن يظهر في عام 2025.»

أي أنه بحسب تقديره، فإن الأمر لن يحتاج إلا إلى سنة ونصف كحد أقصى حتى يحل AGI. وبالطبع، أضاف شرطًا وهو: «إذا كانت الطاقة والأجهزة قادرتين على مواكبة ذلك».

إن فوائد قدوم AGI واضحة للعيان.

وهذا يعني أن مستوى إنتاجية البشر سيلتقيز قفزة كبيرة إلى مستوى أعلى، وستُحل العديد من المشكلات البحثية التي عجزنا عنها لعقود. وإذا اعتبرنا أن «أذكى جزء من البشر» هو بمستوى الحائزين على جائزة نوبل، فهذا يعني أنه بمجرد توفر الطاقة والقدرة الحاسوبية والبيانات بشكل كافٍ، يمكننا امتلاك عدد لا يحصى من «الحائزين على نوبل» الذين لا يكلّون، يعملون على مدار الساعة لحل أعقد المشكلات العلمية.

وفي الحقيقة، فإن الحائزين على نوبل ليسوا نادرين إلى درجة واحد من مئات الملايين؛ فمعظمهم في القدرة والذكاء بمستوى أساتذة الجامعات المرموقين، لكنهم بحكم الحظ والاحتمال اختاروا الاتجاه الصحيح واستمروا فيه حتى حققوا النتائج. ومن هم في مستواهم، أي زملاؤهم الأكفاء للغاية، ربما حصلوا أيضًا على نوبل في كون موازٍ للبحث العلمي. لكن المشكلة هي أن عدد الأشخاص المؤهلين للوصول إلى مستوى أساتذة الجامعات المرموقين والمشاركين في الاختراقات البحثية لا يزال غير كافٍ، ولذلك فإن سرعة «استعراض جميع الاتجاهات العلمية الصحيحة» ما تزال بطيئة.

مع وجود AGI، وفي ظل وفرة كافية في الطاقة والقدرة الحاسوبية، يمكننا أن نمتلك عددًا لا نهائيًا من أنظمة AGI بمستوى «الحائز على نوبل» لاستكشاف أي اتجاه محتمل للاختراق العلمي بعمق، ما سيجعل سرعة التقدم التقني أكبر بعشرات المرات. وسيؤدي هذا التقدم إلى تضاعف الموارد التي نعدّها اليوم باهظة ومحدودة مئات المرات خلال 10 إلى 20 عامًا، مثل إنتاج الغذاء، والمواد الجديدة، والأدوية الجديدة، والتعليم عالي المستوى، كما ستنخفض تكاليف الحصول عليها عدة مرات، ما يمكّننا من إعالة عدد أكبر من الناس بموارد أقل، ويرتفع ثراء الفرد بسرعة.

مخطط إجمالي الناتج المحلي العالمي، مصدر البيانات: البنك الدولي

قد يبدو هذا مثيرًا بعض الشيء، فلننظر إلى مثالين استخدمتهما سابقًا أيضًا في تقرير IO.NET البحثي:

  • في عام 2018، قالت الحائزة على جائزة نوبل في الكيمياء فرانسيس أرنولد خلال حفل التكريم: «اليوم يمكننا عمليًا قراءة أي تسلسل DNA وكتابته وتحريره، لكننا لا نستطيع بعدُ تأليفه (compose it).» وبعد خمس سنوات فقط من حديثها، وفي عام 2023، نشر باحثون من جامعة ستانفورد وشركة Salesforce Research الناشئة في الذكاء الاصطناعي من وادي السيليكون، ورقةً في (Nature Biotechnology)؛ إذ نجحوا عبر نموذج لغوي كبير مُحسَّن انطلاقًا من GPT-3 في ابتكار مليون نوع جديد من البروتينات من الصفر، ثم عثروا من بينها على نوعين مختلفين تمامًا في البنية لكن كليهما يملك قدرة على قتل البكتيريا، ما قد يجعلهما حلًا بديلًا للمضادات الحيوية. بمعنى آخر: بفضل الذكاء الاصطناعي، تم اختراق عنق زجاجة «إبداع» البروتينات.

  • وقبل ذلك، كان خوارزم AlphaFold في الذكاء الاصطناعي قد تنبأ خلال 18 شهرًا تقريبًا ببنية جميع البروتينات البالغ عددها 214 مليون نوع على كوكب الأرض تقريبًا، وهو إنجاز يفوق بمئات المرات ما حققه جميع علماء البنية الجزيئية البشرية عبر التاريخ.

لقد حدث التغيير بالفعل، وقدوم AGI سيُسرّع هذه العملية أكثر.

ومن جهة أخرى، فإن التحديات التي سيجلبها قدوم AGI هائلة أيضًا.

لن يحل AGI محل عدد كبير من العاملين الذهنيين فحسب، بل حتى العاملين في الخدمات البدنية الذين يُنظر إليهم الآن على أنهم «أقل تأثرًا بالذكاء الاصطناعي» سيتعرضون هم أيضًا للضغط مع نضج تقنيات الروبوتات وانخفاض تكاليف الإنتاج بفضل تطوير مواد جديدة، وسيرتفع سريعًا معدل الوظائف التي تستبدلها الآلات والبرمجيات.

وعندها، ستطفو سريعًا على السطح مشكلتان كانتا تبدوان في السابق بعيدتين جدًا:

  1. مشكلة توظيف ودخل أعداد كبيرة من العاطلين عن العمل

  2. في عالم يحيط به الذكاء الاصطناعي من كل جانب، كيف نميّز بين الذكاء الاصطناعي والإنسان

وفي المقابل، تحاول Worldcoin\Worldchain تقديم حل، وهو استخدام نظام UBI (الدخل الأساسي الشامل) لتوفير دخل أساسي للجمهور، وتمييز البشر عن الذكاء الاصطناعي عبر السمات الحيوية القائمة على قزحية العين.

في الواقع، فإن توزيع الدخل الأساسي الشامل UBI ليس مجرد حلم غير واقعي؛ فقد طبقت فنلندا وإنجلترا بالفعل تجارب على الدخل الأساسي، كما أن أحزابًا سياسية في كندا وإسبانيا والهند وغيرها تقدّم بنشاط مقترحات لدفع التجارب ذات الصلة قدمًا.

وتكمن ميزة توزيع UBI عبر نموذج قائم على التحقق البيومتري + البلوكتشين في طابعه العالمي، إذ يمكنه تغطية أوسع للسكان، كما يمكن بناء نماذج أعمال أخرى اعتمادًا على شبكة المستخدمين التي توسعت عبر توزيع الدخل، مثل الخدمات المالية (DeFi)، والتواصل الاجتماعي، والعمل الجماعي عبر المهام وغيرها، ما يخلق تآزرًا تجاريًا داخل الشبكة.

أحد الأصول الموافقة لأثر قدوم AGI هو Worldcoin – WLD، وتبلغ قيمته السوقية المتداولة 1.03 مليار دولار، والقيمة السوقية المخففة بالكامل 47.2 مليار دولار.

مخاطر وعدم يقين استشراف السرديات

تختلف هذه المقالة عن العديد من تقارير البحث عن المشاريع والقطاعات التي نشرتها Mint Ventures سابقًا، إذ إن استشراف السرديات والتنبؤ بها هنا يحمل قدرًا كبيرًا من الذاتية، لذا أرجو من القارئ أن يتعامل مع محتواها كمناقشة استكشافية لا كنبوءة بالمستقبل. فالسرديات التي أطرحها أعلاه تواجه كثيرًا من أوجه عدم اليقين، ما قد يؤدي إلى خطأ في الاستنتاجات، وتشمل هذه المخاطر أو العوامل المؤثرة، دون حصر، ما يلي:

  • من ناحية الطاقة: الانخفاض السريع في استهلاك الطاقة الناتج عن تحديث أجيال GPU

وعلى الرغم من الارتفاع الحاد في الطلب على الطاقة المرتبط بالذكاء الاصطناعي، فإن شركات الشرائح بقيادة Nvidia تواصل، عبر ترقية العتاد باستمرار، تقديم قدرة حوسبة أعلى مع استهلاك أقل للطاقة؛ فمثلًا، في مارس من هذا العام أطلقت Nvidia بطاقة الحوسبة الذكية GB200 التي تدمج وحدتي B200 GPU ومعالج Grace CPU واحد، وتبلغ أداءها في التدريب أربعة أضعاف الجيل السابق الرئيسي H100، وأداءها في الاستدلال سبعة أضعاف H100، بينما لا يتجاوز استهلاكها ربع استهلاك H100. ومع ذلك، فإن شهية البشر للحصول على قوة الذكاء الاصطناعي لم تقترب بعد من نهايتها، ومع انخفاض استهلاك الطاقة لكل وحدة، ومع استمرار توسع حالات الاستخدام والطلب، قد يرتفع إجمالي الاستهلاك بدلًا من أن ينخفض.

  • من ناحية البيانات: خطة Q* لتحقيق «بيانات مُنتجة ذاتيًا»

توجد منذ فترة طويلة شائعة داخل OpenAI عن مشروع يُدعى «Q*»، وقد ذُكر هذا المشروع في معلومات داخلية أُرسلت إلى الموظفين من OpenAI. ووفقًا لما نقلته رويترز عن آراء أشخاص من داخل OpenAI، فقد يكون هذا إنجازًا جديدًا في طريق OpenAI نحو الذكاء الفائق / الذكاء الاصطناعي العام (AGI). فـ Q* لا يستطيع فقط حل مسائل رياضية لم تُرَ من قبل بفضل قدرته التجريدية، بل يستطيع أيضًا إنشاء بياناته الخاصة لتدريب النماذج الكبيرة دون الحاجة إلى بيانات العالم الحقيقي. وإذا صحت هذه الشائعة، فإن عنق الزجاجة المتمثل في نقص البيانات عالية الجودة في تدريب النماذج الكبيرة سيتكسر.

  • قدوم AGI: هواجس OpenAI

ما إذا كان موعد قدوم AGI كما قال ماسك في 2025 فعلًا لا يزال غير معروف، لكن ذلك مجرد مسألة وقت. غير أن Worldcoin، بوصفه أصلًا مباشر الاستفادة من سردية قدوم AGI، قد تأتيه أكبر المخاوف من OpenAI، إذ يُنظر إليه على أنه «العملة الظلية لـ OpenAI».

في فجر 14 مايو، عرضت OpenAI خلال حدث الإطلاق الربيعي أداء أحدث GPT-4o مقارنةً بـ 19 إصدارًا مختلفًا آخر من النماذج اللغوية الكبيرة في الدرجات الإجمالية للمهام. ومن الجدول فقط، حصل GPT-4o على 1310 نقطة، ويبدو بصريًا أنه يتفوق على من يليه بفارق كبير، لكن من حيث المجموع العام، فإنه لم يتجاوز GPT4 turbo صاحب المركز الثاني إلا بـ4.5%، ولم يتجاوز Gemini 1.5 Pro من Google صاحب المركز الرابع إلا بـ4.9%، ولا Claude 3 Opus من Anthropic صاحب المركز الخامس إلا بـ5.1%.

مرّ فقط أكثر من عام على اللحظة التي أذهل فيها GPT3.5 العالم عند ظهوره لأول مرة، وقد لحق المنافسون بـ OpenAI إلى مواقع قريبة جدًا (على الرغم من أن GPT5 لم يُطرح بعد، والمتوقع صدوره هذا العام). وإذا أصبحت قدرة OpenAI على الحفاظ على تفوقها وقيادتها في الصناعة غامضة، فإن القيمة السردية لـ Worldcoin بوصفه «العملة الظلية لـ OpenAI» ستتراجع أيضًا.

بالإضافة إلى ذلك، وبصرف النظر عن حل التحقق بالقزحية من Worldcoin، بدأ المزيد من المنافسين في دخول هذا السوق، مثل مشروع Humanity Protocol الخاص بهوية مسح راحة اليد، والذي أعلن للتو إتمام جولة تمويل جديدة بقيمة 30 مليون دولار على تقييم قدره مليار دولار، كما أعلنت LayerZero Labs أنها ستعمل على Humanity وستنضم إلى شبكة عقد التحقق الخاصة به، باستخدام إثباتات ZK للتحقق من الاعتماديات.

الخاتمة

وأخيرًا، ورغم أنني استعرضت السرديات اللاحقة لقطاع الذكاء الاصطناعي، فإن قطاع الذكاء الاصطناعي يختلف عن قطاعات الكريبتو الأصلية مثل DeFi؛ إذ إنه في الغالب نتاجٌ لامتداد موجة الذكاء الاصطناعي إلى عالم العملات، كما أن كثيرًا من المشاريع الحالية لم تنجح تجاريًا بعد، والعديد منها أقرب إلى ميم قائم على موضوع الذكاء الاصطناعي (مثلًا Rndr يشبه ميم إنفيديا، وWorldcoin يشبه ميم OpenAI)، وعلى القراء التعامل معه بحذر.