البلوك تشين تستعد لديمقراطية تدريب الذكاء الاصطناعي عبر تجميع طلبات DRL

التعلم المعزز العميق (DRL) هو أحد أكثر خوارزميات الذكاء الاصطناعي شهرة وتقدماً المستخدمة اليوم. تجمع هذه الأنظمة بين فعالية بروتوكولات التعلم الآلي وقابلية برمجة الشبكات العصبية العميقة لتنتج نتائج مدهشة. اليوم، ساعدت خوارزميات الذكاء الاصطناعي DRL في حل بعض أقدم ألغاز العلم واكتشاف أنماط وحلول كان البشر يتغاضون عنها بسهولة.

مؤخرًا، قدمت مجموعة من الباحثين مفهومًا جديدًا إلى السوق قد يساعد في إتاحة خوارزميات DRL لمزيد من الشركات والباحثين وحتى المستخدمين العاديين في المستقبل. يستخدم النظام سوقًا للبلوك تشين وحوافز لتسهيل الاعتماد. إليكم كل ما تحتاجون معرفته حول كيفية استعداد البلوك تشين للعب دور متزايد الأهمية في مجتمع DRL.

ما الذي يجعل الذكاء الاصطناعي DRL مختلفًا؟

إحدى المزايا الرئيسية لخوارزميات الذكاء الاصطناعي DRL هي قدرتها على نقل معرفتها من سيناريوهات إلى مواقف جديدة. تجعل هذه القدرة هذه الخوارزميات مناسبة تمامًا للتعلم الذاتي في بيئات جديدة استنادًا إلى بيانات النماذج. يمكن لأنظمة الذكاء الاصطناعي DRL فحص موقف جديد وإنشاء إجابات معقدة يمكن أن تدعم كل شيء من قيادة المركبات الذاتية إلى تحديد خلايا السرطان في كبدك أو كليتك.

المصدر – Analyticsvidhya

تُعد أنظمة الذكاء الاصطناعي DRL من بين الأكثر تقدمًا وقد أصبحت الخيار المفضل لتفسير وفك شفرة البيانات الخام عالية الأبعاد. يمكن أن تأتي هذه المعلومات على شكل صور، فيديوهات، وأكثر. وبالتالي، شهدنا تحولًا قويًا نحو استخدام وتوسيع هذه التقنية عبر الصناعات. يعتقد بعض المحللين أن الذكاء الاصطناعي DRL قد يزود أنظمة الذكاء الاصطناعي العامة يومًا ما لتتعلم مهامًا جديدة من الأشخاص قبل اعتماد حل ذاتي.

سبب آخر يجعل الباحثين يفضلون أنظمة الذكاء الاصطناعي DRL هو أنها توفر قابلية توسع لا مثيل لها. لقد قيدت مخاوف التوسع تقنية الذكاء الاصطناعي لسنوات. يمكن لأنظمة DRL التوسع لتلبية احتياجات الجماهير. بالإضافة إلى ذلك، يمكنها إدخال بيانات من الشبكة الموسعة لتحسين الأداء بشكل أكبر.

عيوب الذكاء الاصطناعي DRL

تُعد خوارزميات الذكاء الاصطناعي DRL من بين الأصعب في البرمجة والنشر. أحد أسباب صعوبة إنشاء هذه الخوارزميات هو العدد الهائل من المتغيرات والبيانات المطلوبة لتعمل بشكل صحيح. على سبيل المثال، يحتاج النظام إلى أخذ تفاعلات بيئية مختلفة، ومعلمات، ومواقف، وتوقيت، وبرمجة سابقة في الاعتبار. تحدث جميع هذه العمليات خلال مليثانية لتوفير تجربة ذكاء اصطناعي سلسة للمستخدمين.
إن إنشاء خوارزمية DRL متقدمة ومتجاوبة يمكن أن يكون مهمة مكلفة تتطلب مساعدة خبراء. يجب أولاً إنشاء هذه الخوارزميات، واستيراد البيانات واختبارها، ثم ضبطها لتحسين النتائج. تستغرق هذه العملية وقتًا وتمويلًا، مما يزيد من المتطلبات العامة للتقنية.

كيف يمكن للشخص العادي الوصول إلى تقنية الذكاء الاصطناعي DRL

تجعل هذه المتطلبات خوارزميات DRL واحدة من أغلى أنواع أنظمة الذكاء الاصطناعي للنمذجة. تكلفة مبرمجي الذكاء الاصطناعي، الاختبار، جمع البيانات، والنمذجة تجعل معظم المستخدمين بعيدين عن خط البداية فيما يتعلق بتطبيق هذه التقنية في نماذجهم.

كيف يمكن لتقنية البلوك تشين أن تساعد في دفع تطور DRL مستقبلاً

هناك عدة طرق يمكن لتقنية البلوك تشين من خلالها تحسين الوصول إلى تقنية DRL في المستقبل. أظهر التاريخ أن بروتوكولات البلوك تشين يمكنها المساعدة في دفع الاعتماد وتوسيع الوصول إلى الخدمات إذا استُخدمت بشكل صحيح. بالفعل، شهد قطاع التعلم الآلي للذكاء الاصطناعي العديد من التكاملات المدعومة بالذكاء الاصطناعي التي ساعدت في تعزيز الاعتماد والابتكار.

نماذج التعلم الآلي كخدمة (MLaaS) موجودة تمكّن المستخدمين من إنشاء وتداول وشراء وتكامل خوارزميات التعلم الآلي المتقدمة عبر نظام بيئي آمن للبلوك تشين. في معظم الحالات، يتضمن هذا النهج سوقًا يحفّز المستخدمين على تطوير وتقديم نماذج الذكاء الاصطناعي وخدمات أخرى للمجتمع.

ومن الجدير بالذكر أن هذا النموذج أثبت فعاليته كطريقة رائعة لفتح الباب أمام المستخدمين الجدد وإزالة العديد من العوائق أمام الاعتماد. لذا، ليس من المفاجئ أن يكون نهجًا مشابهًا الآن على الطاولة لأنظمة الذكاء الاصطناعي DRL. يساعد إطار عمل الذكاء الاصطناعي DRL كخدمة (DRaaS) في حل بعض أكبر المشكلات المتعلقة بـ DRL وقد يساهم في usher عصر جديد من إمكانية الوصول إلى الذكاء الاصطناعي والابتكار والقدرات.

DRLaaS

يتيح نهج DRLaaS كإطار عمل للشركات الاستفادة من خدمات DRL دون الحاجة إلى الاستثمار الكامل في خوارزمية ذكاء اصطناعي داخلية. يمكن لهذا النهج خفض التكاليف بشكل كبير للشركات والباحثين الذين يسعون إلى نماذج ذكاء اصطناعي مقبولة في عملياتهم. يمكن للمستخدمين اختيار الميزات التي يحتاجونها ومتى يحتاجونها. تقلل هذه الإستراتيجية من التكاليف غير الضرورية وتضمن أن المجتمع يقدم حوافز للمطورين.

كيف يعمل إطار عمل DRLaaS

بدأ الباحثون باختيار بلوك تشين يمكنه التوسع، ويوفر قابلية برمجة عالية، ولديه سجل نجاح مثبت. بعد فحص عدة خيارات، قرر الفريق أنه من الأفضل إنشاء إطار عمل DRLaaS على بلوك تشين الكونسورتيوم. ومن الجدير بالذكر أن الكونسورتيوم هو بلوك تشين ذو أذونات مميزة يعمل كشبكة خاصة ولكن تحت حوكمة مجموعة.

يستفيد الكونسورتيوم من خوارزمية إثبات السلطة (Proof-of-Authority) الفريدة التي تدمج عقدًا موثقة لضمان القابلية للتوسع، وزيادة الأداء، وتوفير الجودة. ومن الجدير بالذكر أن الكونسورتيوم يدمج نظام تخزين ملفات الخصائص المسمى نظام الملفات بين الكواكب (IPFS). هذه البروتوكول فعال للغاية في منع التلاعب ويسمح للمستخدمين بالاستفادة من العقود الذكية لطلب مهام الذكاء الاصطناعي.

يمكن لمستخدمي النظام الجديد تقديم طلبات وحدات DRL إلى المجتمع. يمكن للمطورين الذين أنشأوا بالفعل أو لديهم القدرة على تطوير الخوارزمية المقابلة للـ DRL الرد على هذه الطلبات. يتلقون تعويضًا عن جهودهم على شكل رموز مكافأة. أثبت هذا النظام التحفيزي فعاليته في مساعدة بناء مجتمعات الذكاء الاصطناعي وكان حاسمًا في دفع قطاع الذكاء الاصطناعي التعلمي إلى الأمام.

لماذا خيار DRLaaS هو حل ذكي – DRL

أحد الأسباب الرئيسية التي تجعل خيار DRLaaS من المؤكد أن يحصل على مزيد من الدعم هو حقيقة أن إنشاء خوارزميات DRL مكلف للغاية. يمكن أن تكون تكاليف الأجهزة لهذه الأنظمة مرتفعة بشكل جنوني. لتوضيح برمجة نظام الذكاء الاصطناعي DRL، أشار الباحثون إلى خوارزمية DOTA للذكاء الاصطناعي DRL التي قدمها مؤخرًا فريق من الباحثين.

استغرق برمجة خوارزمية DOTA 51 ألف وحدة معالجة مركزية (CPU) و512 وحدة معالجة رسومية (GPU). بالنسبة للباحث أو المستخدم أو الشركة العادية، لا توجد طريقة للوصول إلى هذه القوة الحاسوبية بشكل ميسور. شراء هذا المعدات ليس العائق المالي الوحيد. لا يزال هناك حاجة للحصول على البيانات، وبرمجة أنظمة الذكاء الاصطناعي، ومهام أخرى مرتبطة بالتنفيذ. في النهاية، قد يكون DRLaaS هو الطريقة الوحيدة لمعظم الشركات للوصول إلى هذه الأدوات القوية بأمان.

الآن، يمكن للشركات الاستفادة من أعلى مستويات الخبرة والمعرفة المتخصصة لإنشاء حلول ذكاء اصطناعي مخصصة لتلبية احتياجاتها. يتيح خيار DRLaaS لهذه الشركات استخدام أنظمة الذكاء الاصطناعي عند الحاجة، مما يقلل بشكل كبير من التعرض غير الضروري والتكاليف.

الباحثون

يشمل الباحثون وراء الدراسة مجموعة متنوعة من المهندسين، ومطوري التحليل، وغيرهم. على وجه التحديد، تُنسب الدراسة إلى المؤلفين أحمد الاغها، هادي أترق، شاكتي سينغ، ربيب ميزوني، وجمال بنتهراس كالمؤلفين الرئيسيين. الآن، يسعى الفريق لتوسيع عملياته وتنفيذه في السوق، مما يعزز الوصول للجماهير.

تطبيقات تقنية DRL

هناك العديد من تطبيقات الذكاء الاصطناعي DRL قيد التشغيل اليوم. تلعب هذه الأنظمة أدوارًا حيوية في المركبات الذاتية، والملاحة، والرعاية الصحية، والألعاب، وأكثر. إليكم بعض التطبيقات الرئيسية لنظام DRL التي يمكن أن تساعد في تحسين الخيارات الحالية بشكل كبير.

الرعاية الصحية باستخدام DRL

تستمر تقنية DRL في لعب دور حيوي في ممارسات الرعاية الصحية من الجيل التالي. أثبتت هذه الأنظمة المتقدمة للذكاء الاصطناعي فعاليتها الكبيرة في تحديد الأنماط عبر نماذج بيانات ضخمة، مما يمكّن الباحثين من رؤية ارتباطات لم تُلاحظ من قبل. هناك بالفعل أنظمة ذكاء اصطناعي يمكنها المساعدة في تحديد صحة أعضائك، ومسح نشاط موجات الدماغ، وتحديد الخلايا المتضررة.

العسكرية باستخدام DRL

يتزايد استخدام تقنية DRL في المجال العسكري. تم توظيف هذه التقنية في أنظمة الحرب المستقبلية بما في ذلك العدد المتزايد من أسراب الطائرات بدون طيار. أسراب الطائرات بدون طيار هي طريقة لمهاجمة العدو باستخدام كميات هائلة من الطائرات الذاتية. يهدف هذا النهج إلى إرباك الدفاعات الجوية.
كما تلعب أنظمة الذكاء الاصطناعي DRL دورًا حيويًا في استهداف الأهداف. تدمج أنظمة المراقبة العسكرية اليوم تقنية DRL لتتبع أدق التغييرات في المنطقة المراقبة، مما يكشف عن الأسلحة المخفية والأهداف المحتملة بشكل أكثر فعالية. في المستقبل، سيكون هناك سلاسل قتل كاملة مدعومة بالذكاء الاصطناعي تلغي الحاجة إلى موافقة بشرية عند تحديد الهدف.

نهج مماثلة اتخذتها مشاريع البلوك تشين

استخدمت عدة مشاريع بلوك تشين أساليب تجميع جماعي مماثلة لدفع الابتكار في الصناعات. في البداية، استُخدم هذا النمط من دمج البلوك تشين لخدمات الحوسبة السحابية. ثم توسع إلى مشاركة البيانات وتبادلات الحوسبة. اليوم، يمكنك العثور على أسواق تجميعية للعمليات الحسابية المتقدمة بما في ذلك الذكاء الاصطناعي عبر السوق. إليكم بعض الأمثلة الرئيسية.

Golem (GLM)

Golem هو سوق حوسبة لامركزية يركز على الذكاء الاصطناعي يتيح للمستخدمين الحصول على مكافآت على شكل رموز مقابل مشاركة طاقتهم الحوسبية غير المستخدمة. يتيح البروتوكول لأي شخص الوصول إلى قوة حوسبة هائلة دون الحاجة إلى شراء أجهزة باهظة الثمن. في صميم نهج Golem هو سوق لامركزي. هنا، يمكن للمستخدمين الحصول على رموز GLM التي توفر طاقة CPU للمطورين والباحثين والمستخدمين.
ومن الجدير بالذكر أن Golem يتيح للمستخدمين أخذ مهام حوسبة كبيرة وتفويضها إلى حلول أصغر موزعة بين مجتمع المستخدمين النشطين. تقلل هذه الإستراتيجية التكاليف وتحسن الكفاءة واللامركزية. وبالتالي، يُعد Golem مشروعًا شائعًا كان من بين الأوائل الذين قدموا الحوسبة كخدمة باستخدام أنظمة البلوك تشين. اليوم، يُعترف به كمنصة رائدة حصلت على قاعدة مستخدمين قوية.

Render (RENDER)

Render هو نظام قائم على البلوك تشين مدعوم بالذكاء الاصطناعي يقدم قدرة حوسبة شبه لا نهائية لمطوري الذكاء الاصطناعي. ركز البروتوكول في البداية على استخدام قوته الحوسبية اللامركزية الضخمة للمساعدة في تطوير ومعالجة الكميات الهائلة من الفيديو عالي الدقة والمؤثرات المطلوبة لألعاب اليوم، والبحث، والترفيه.
يُمكّن Render المجتمعات العلمية، والترفيهية، والبحثية من خلال نهجه الفريد والمثبت. يستخدم المنصة إيثيريوم للتحقق بينما يدمج بروتوكول OctaneRender لتحسين أداء معالجة ثلاثي الأبعاد. يحصل الذين يقدمون طاقة CPU للمجتمع على رموز RENDER بناءً على كمية القدرة الحوسبية التي يقدمونها.

شركة عامة مدرجة في البورصة تطور حلول ذكاء اصطناعي مبتكرة

تعمل عدة شركات ذكاء اصطناعي على تطوير تقنيات ذكاء اصطناعي ستتفاعل يومًا ما مع حياتك. في كثير من الحالات، قد تتذكر شركات ضخمة مثل Microsoft (MSFT ) عند مناقشة تطوير الذكاء الاصطناعي. ومع ذلك، هناك عدة خيارات ذكاء اصطناعي مدرجة في البورصة تستحق المتابعة. إليكم مثالًا على شركة تستخدم الذكاء الاصطناعي لتقديم خدمات ضرورية للسوق.

1. BrainChip (BRCHF)

Brainchip هي مزود مبتكر للبرمجيات والأجهزة لصناعة الذكاء الاصطناعي في مجال الصحة. يقدم المنصة نموذج حوسبة عصبية صُمم لتمثيل كيفية عمل الخلايا العصبية في الدماغ. أثبتت هذه الإستراتيجية كفاءتها في استهلاك الطاقة وتوفير أداء عالي.

BrainChip هي رائدة في مجال الذكاء الاصطناعي وتقود الطريق في مجال شبكات AIoT (الذكاء الاصطناعي للأشياء). يجمع هذا المفهوم بين التكلفة المنخفضة وتوافر أجهزة إنترنت الأشياء (IoT) الذكية، مع قدرة الخوارزميات المتقدمة للذكاء الاصطناعي. النتيجة هي نظام عالي القدرة يمكنه مراقبة العمليات، واكتشاف المشكلات قبل حدوثها، وتقديم حلول قابلة للتنفيذ بسرعة.

تجميع طلبات DRL – الطريق المثالي

سيساعد تقديم خيار DRLaaS على دفع التكامل عبر السوق. لهذا النهج سجل مثبت في مساعدة توسيع فهم المستخدمين والوصول في قطاعات الذكاء الاصطناعي الأخرى. وبالتالي، هو مثالي لتطبيقه في سوق DRL. يمكنك توقع رؤية المزيد من تكامل الذكاء الاصطناعي مع توفر خدمات DRL للجماهير في المستقبل.
تعرّف على مشاريع أخرى للذكاء الاصطناعي باللغة العربية.