تاريخ تطور صناعة الذكاء الاصطناعي وعلاقته بالأصول الرقمية
منذ بداية تقنيات الذكاء الاصطناعي في الخمسينيات من القرن الماضي ، شهدت عدة موجات من التطور. تتصدر تقنيات التعلم العميق الحالية التي تمثلها الشبكات العصبية ، من خلال تدريبها على كميات هائلة من البيانات لتحسين معلمات النموذج باستمرار ، مما يحقق ملاءمة للمهام المعقدة.
شهد تطوير التعلم العميق تطوراً من الشبكات العصبية الأولى، إلى بنى RNN وCNN، وأخيراً إلى بنية Transformer التي تُستخدم على نطاق واسع اليوم. لقد عززت هذه المسار التكنولوجي بشكل كبير من قدرة أنظمة الذكاء الاصطناعي على التعميم، مما يسمح لها بالتكيف مع أنواع متعددة من المدخلات والمخرجات.
! [الوافد الجديد Science Popular 丨الذكاء الاصطناعي x Crypto: من الصفر إلى الذروة](https://img-cdn.gateio.im/webp-social/moments-c50ee5a87373c6cd6c4dc63adc2cf47c.webp019283746574839201
في جانب سلسلة الصناعة، يتطلب تدريب نماذج التعلم العميق واستدلالها دعمًا هائلًا من قوة الحوسبة، مما يجعل وحدات معالجة الرسوميات الخيار الرئيسي للأجهزة. في الوقت نفسه، تعتبر البيانات عالية الجودة بكميات كبيرة أيضًا مفتاح ضمان أداء النموذج. لذلك، حول عنصرين أساسيين هما قوة الحوسبة والبيانات، تشكلت منظومة صناعية كاملة تشمل مزودي وحدات معالجة الرسوميات ومزودي خدمات السحابة ومزودي خدمات البيانات.
! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-0c9bdea33a39a2c07d1f06760ed7e804.webp(
تتجلى دمج صناعة الأصول الرقمية مع الذكاء الاصطناعي في النقاط التالية:
توفير شبكة مشتركة لقوة معالجة GPU غير مركزية، وتحريك موارد قوة المعالجة غير المستغلة.
تعزيز جمع ومشاركة البيانات عالية الجودة من خلال آلية تحفيز الرموز.
استخدام تقنيات حساب الخصوصية مثل إثباتات المعرفة الصفرية لتحقيق الاستخدام الآمن للبيانات.
تطوير نظام وكيل AI قائم على التشفير )Agent( لتحقيق تفاعل تلقائي على السلسلة.
بناء بنية تحتية لسلسلة الكتل العامة مخصصة لتطبيقات الذكاء الاصطناعي.
! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-609c5dd6ee0abcec6bf9c118d7741867.webp(
بشكل عام، يمكن لتكنولوجيا الأصول الرقمية أن تقدم آليات جديدة لاكتشاف القيمة والتداول لسلسلة صناعة الذكاء الاصطناعي، بينما يمكن لخصائص عدم الثقة في البلوكشين أن تحل بعض مشكلات الثقة في تطبيقات الذكاء الاصطناعي. ومع ذلك، لا تزال الأنظمة اللامركزية تعاني من بعض النقص في الأداء وسهولة التطوير خلال عملية التنفيذ الفعلية، مما يتطلب المزيد من التحسين.
! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-f37fb0100218188368f4d31940aab2a3.webp(
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 9
أعجبني
9
6
مشاركة
تعليق
0/400
LiquidityWizard
· منذ 14 س
في الواقع، تطور الشبكة العصبية هو إحصائيًا دون المستوى الأمثل... p=0.87 أننا نقوم بذلك بشكل خاطئ smh
شاهد النسخة الأصليةرد0
ParanoiaKing
· منذ 14 س
قوة الحوسبة تحرق الكهرباء...
شاهد النسخة الأصليةرد0
LucidSleepwalker
· منذ 14 س
أشعر أن الذكاء الاصطناعي هو مجرد حرق لبطاقات الرسومات.
شاهد النسخة الأصليةرد0
WalletWhisperer
· منذ 14 س
تشير الأنماط إلى أن تقارب الذكاء الاصطناعي مع العملات المشفرة كان حتمياً... كانت الشذوذات الإحصائية تشير إلى ذلك منذ عام 2017
شاهد النسخة الأصليةرد0
WenMoon42
· منذ 14 س
إنه أمر رائع، الذكاء الاصطناعي يريد أن يأخذ قوة الحوسبة لجهاز التعدين.
دمج الذكاء الاصطناعي مع الأصول الرقمية: من مشاركة قوة الحوسبة إلى الحوسبة الخاصة
تاريخ تطور صناعة الذكاء الاصطناعي وعلاقته بالأصول الرقمية
منذ بداية تقنيات الذكاء الاصطناعي في الخمسينيات من القرن الماضي ، شهدت عدة موجات من التطور. تتصدر تقنيات التعلم العميق الحالية التي تمثلها الشبكات العصبية ، من خلال تدريبها على كميات هائلة من البيانات لتحسين معلمات النموذج باستمرار ، مما يحقق ملاءمة للمهام المعقدة.
! علم الوافد الجديد 丨 الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة
شهد تطوير التعلم العميق تطوراً من الشبكات العصبية الأولى، إلى بنى RNN وCNN، وأخيراً إلى بنية Transformer التي تُستخدم على نطاق واسع اليوم. لقد عززت هذه المسار التكنولوجي بشكل كبير من قدرة أنظمة الذكاء الاصطناعي على التعميم، مما يسمح لها بالتكيف مع أنواع متعددة من المدخلات والمخرجات.
! [الوافد الجديد Science Popular 丨الذكاء الاصطناعي x Crypto: من الصفر إلى الذروة](https://img-cdn.gateio.im/webp-social/moments-c50ee5a87373c6cd6c4dc63adc2cf47c.webp019283746574839201
في جانب سلسلة الصناعة، يتطلب تدريب نماذج التعلم العميق واستدلالها دعمًا هائلًا من قوة الحوسبة، مما يجعل وحدات معالجة الرسوميات الخيار الرئيسي للأجهزة. في الوقت نفسه، تعتبر البيانات عالية الجودة بكميات كبيرة أيضًا مفتاح ضمان أداء النموذج. لذلك، حول عنصرين أساسيين هما قوة الحوسبة والبيانات، تشكلت منظومة صناعية كاملة تشمل مزودي وحدات معالجة الرسوميات ومزودي خدمات السحابة ومزودي خدمات البيانات.
! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-0c9bdea33a39a2c07d1f06760ed7e804.webp(
تتجلى دمج صناعة الأصول الرقمية مع الذكاء الاصطناعي في النقاط التالية:
توفير شبكة مشتركة لقوة معالجة GPU غير مركزية، وتحريك موارد قوة المعالجة غير المستغلة.
تعزيز جمع ومشاركة البيانات عالية الجودة من خلال آلية تحفيز الرموز.
استخدام تقنيات حساب الخصوصية مثل إثباتات المعرفة الصفرية لتحقيق الاستخدام الآمن للبيانات.
تطوير نظام وكيل AI قائم على التشفير )Agent( لتحقيق تفاعل تلقائي على السلسلة.
بناء بنية تحتية لسلسلة الكتل العامة مخصصة لتطبيقات الذكاء الاصطناعي.
! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-609c5dd6ee0abcec6bf9c118d7741867.webp(
بشكل عام، يمكن لتكنولوجيا الأصول الرقمية أن تقدم آليات جديدة لاكتشاف القيمة والتداول لسلسلة صناعة الذكاء الاصطناعي، بينما يمكن لخصائص عدم الثقة في البلوكشين أن تحل بعض مشكلات الثقة في تطبيقات الذكاء الاصطناعي. ومع ذلك، لا تزال الأنظمة اللامركزية تعاني من بعض النقص في الأداء وسهولة التطوير خلال عملية التنفيذ الفعلية، مما يتطلب المزيد من التحسين.
! [علم الوافد الجديد 丨الذكاء الاصطناعي x التشفير: من الصفر إلى الذروة])https://img-cdn.gateio.im/webp-social/moments-f37fb0100218188368f4d31940aab2a3.webp(