حقيقة وجود الذكاء الاصطناعي: لماذا لا يزال GOAT، الذي يقدر بمليار دولار، مجرد مولد نصوص آلي؟

الوصول إلى البيانات أمر حاسم.

المؤلف: MORBID-19

ترجمة: تيتشفلو ديبتشاو

مرحبًا، إنه يوم جديد مرة أخرى، ومرة أخرى رهان تضخمي. في الآونة الأخيرة، أصبحت وكلاء الذكاء الاصطناعي (AI Agents) موضوعًا ساخنًا للنقاش. خاصة aixbt، حيث أصبح هذا المنتج محلمتابعة.

على نظرتي، هذه الرغبة بلا معنى تماما.

دعني أشرح لصديقي الغير ملم بمصطلحات بيتكوين. عندما يتم ربط أصول المستخدم بما يسمى شبكة بيتكوين L2، فإنه لن يكون من الممكن تحقيق إقراض غير مؤمن بالودائع.

يتطلب جميع جسور بيتكوين (Bitcoin Bridges) أو طبقات التوافق / التوسعة (Interoperability/Scaling Layers) الجديدة فرض فرضية ثقة جديدة، مع بضع استثناءات فقط مثل شبكة الإضاءة (Lightning Network). لذلك، عندما يدعي شخص ما أن L2 لـ BTC هي “غير قابلة للثقة (Trustless)”، يمكنك أن تعتبر هذا في الأساس غير صحيح. هذا هو أيضًا السبب في أن معظم الـ L2 الجديدة تؤكد على أنها “تقليل الثقة إلى أدنى حد (Trust-minimized)”.

على الرغم من عدم معرفتي ببروتوكول Side ، إلا أنني يمكنني بالتأكيد أن أقول أن بيان aixbt بشأن “الإقراض غير المراقب” غير صحيح ، وهذا التقدير نادرًا ما يكون خاطئًا في 99٪ من الحالات.

ومع ذلك ، لا يمكن أن ألوم aixbt تمامًا. إنها تعمل بناءً على التعليمات: جلب البيانات من الإنترنت وتوليد تغريدات تبدو مفيدة.

المشكلة في أن aixbt لا يفهم حقًا ما يقوله. لا يمكنه تقييم صحة المعلومات أو التحقق من فرضياته أمام الخبراء، ولا يمكنه شكك في منطقه أو إجراء استنتاجات.

جوهر نماذج اللغة الكبيرة (LLMs) هو مجرد متنبئ بالكلمات. إنها لا تفهم المحتوى الذي تخرجه بنفسها، بل تختار الكلمات التي تبدو صحيحة بناءً على الاحتمالات.

إذا كنت قد كتبت مقالا في Encyclopædia Britannica حول “غزو هتلر لليونان القديمة وولادة حضارة هلنستية” ، لكان هذا بالنسبة ل LLMs قد أصبح “حقيقة” ، “تاريخا”.

كثير من وكلاء الذكاء الاصطناعي الذين نشاهدهم على تويتر مجرد متنبئين بالكلمات متنكرين بالصور الرمزية الرائعة. ومع ذلك، فإن تقديرات القيمة السوقية لهؤلاء الوكلاء الذكاء الاصطناعي تتصاعد. وصلت قيمة GOAT إلى 01928374656574839201 دولار، بينما بلغت قيمة aixbt السوقية حوالي 2 مليار دولار. هل هذه التقديرات معقولة؟

لا يمكن لأحد أن يؤكد ذلك ، ولكن الساخرة في ذلك هي أنني راضٍ عن الأصول التي أملكها.

وصول البيانات أمر أساسي

لقد كنت مهتمًا دائمًا بتوحيد AI والأصول الرقمية. مؤخرًا، لفتت انتباهي فانا لأنها تحاول حل مشكلة “حواجز البيانات (Data Wall)”. المشكلة ليست في نقص البيانات، بل في كيفية الحصول على بيانات عالية الجودة.

هل ستشارك استراتيجيات التداول الخاصة بك للعملات ذات السيولة المنخفضة القيمة السوقية في الأماكن العامة؟ هل ستقوم بنشر المعلومات ذات القيمة العالية التي عادة ما تكون مدفوعة مجانًا؟ هل ستشارك تفاصيل حياتك الشخصية الأكثر خصوصية بشكل علني؟

بالطبع لا.

لن تشارك أبدًا هذه الـ “البيانات الشخصية” مع أي شخص ما لم تحصل على حماية مناسبة لبياناتك الشخصية بسعر معقول.

ومع ذلك، إذا كنا نأمل أن يصل الذكاء الاصطناعي إلى مستوى الذكاء البشري، فإن هذه البيانات هي بالضبط العنصر الأساسي الأكثر أهمية. في النهاية، فإن السمة الأساسية للإنسان هي فكره والحديث الداخلي وأعمق التفكير.

ولكن حتى الحصول على بعض البيانات “شبه العلنية” يواجه تحديات كبيرة. على سبيل المثال، من الضروري إنشاء ترجمات للفيديو أولاً وفهم سياق الفيديو بدقة لكي يمكن للذكاء الصناعي فهم محتواها.

على سبيل المثال، يتطلب العديد من المواقع من المستخدمين تسجيل الدخول قبل أن يتمكنوا من عرض المحتوى، مثل إنستغرام وفيسبوك. هذا التصميم شائع في العديد من الويب الاجتماعي.

في الخلاصة ، تواجه تطوير الذكاء الاصطناعي الحالي قيود رئيسية تشمل:

لا يمكن الحصول على البيانات الشخصية

تعذر الحصول على البيانات بعد حائط الدفع

لا يمكن الوصول إلى بيانات المنصة المغلقة

تقدم Vana حلاً ممكنًا. من خلال حماية الخصوصية وتجميع مجموعة محددة من البيانات في آلية مركزية تسمى DataDAOs ، يتم تجاوز هذه القيود.

DataDAOs هي سوق البيانات اللامركزية ، ويتم تشغيلها على النحو التالي:

مساهمو البيانات: يمكن للمستخدمين تقديم بياناتهم إلى DataDAOs وبالتالي الحصول على حق الحكم والمكافأة.

تحقق البيانات: ستتم التحقق من البيانات في شبكة Satya ، وهي شبكة تتكون من عقدة أمان الحسابات ، والتي يمكنها ضمان جودة البيانات وسلامتها.

مستهلكو البيانات: يمكن للمجموعات المحققة أن تستخدمها المستهلكون للتدريب على الذكاء الاصطناعي أو سيناريوهات تطبيق أخرى.

آلية الحوافز: تشجيع DataDAOs للمستخدمين على تقديم بيانات عالية الجودة، وإدارة استخدام البيانات وعملية التدريب بشفافية من خلال آلية إدارة.

إذا كنت ترغب في معرفة المزيد، يمكنك النقر هنا لقراءة المزيد.

أتمنى في يوم من الأيام أن يتمكن aixbt من التخلص من الحالة “ال愚ية”. ربما يمكننا إنشاء DataDAO خاصة ل aixbt. على الرغم من أنني لست خبيرًا في مجال الذكاء الاصطناعي، إلا أنني أؤمن بأن الانفجار الكبير التالي في تطوير الذكاء الاصطناعي سيعتمد على جودة البيانات المستخدمة لتدريب النماذج.

فقط وكائن ذكاء اصطناعي مدرب ببيانات عالية الجودة يمكنه فعلا استعراض إمكاناته. أتطلع إلى حلول هذه اللحظة، وآمل ألا تكون بعيدة جدا.