يشرفنا جدا أن نرحب بخوان بروس (@jbruce)، الرئيس التنفيذي لشركة Supernet AI(@Supernet_AI)، كضيف في هذه الحلقة من AITopia، حيث نستعرض أحدث تقنيات الذكاء الاصطناعي وكيفية تطبيق Supernet في سيناريوهات البناء الواقعية. واحدة من أصعب التحديات في الذكاء الاصطناعي وتفاعل الوكلاء هي الذاكرة. مع طول المحادثات، غالبا ما تصبح نماذج اللغة الكبيرة أكثر عرضة للهلوسات أو انحراف الذاكرة أو ارتباك السياق. يصبح الأمر أكثر تعقيدا عندما يكون النماذج أو الوكلاء مسؤولين عن مجالات مختلفة جدا، مثل إدارة أحدهم للحياة اليومية والآخر لإدارة المهام المالية. في هذا السياق، تصبح طبقة الذاكرة المفتاح لإنشاء تفاعلات أكثر توحيدا وموثوقية وتحسينا. هذه بالضبط المشكلة التي صمم Supernet AI لحلها. خلال المحادثة، شارك خوان عددا من الأمثلة الواقعية الشيقة، بما في ذلك الاتجاه الأخير في OpenClaw. كما كانت Supernet تختبر داخليا SuperClaw، وهو حل جديد مصمم لدمج عدة وكلاء بسلاسة وأمان في عوامل متعددة المهام مستقلة تتماشى بشكل أفضل مع احتياجات الإنسان. سيتم إصدار الحلقة الكاملة من البودكاست قريبا.

إذا كنت فضوليا لمعرفة ما يحدث عندما يستطيع الذكاء الاصطناعي التذكر فعليا. احفظ التاريخ.

الكأس المقدسة لخصوصية الذكاء الاصطناعي: لماذا تعتبر FHE هي الألفا الحقيقية في الحوسبة اللامركزية صناعة الذكاء الاصطناعي تصل حاليا إلى سقف هائل غير مرئي. ليست قيدا في الحوسبة الخام أو شبكات الطاقة، بل هي مأزق أساسي فيما يتعلق بخصوصية البيانات. الشركات ومقدمو الرعاية الصحية والمؤسسات المالية تحتفظ ببيانات ملكية بقيمة تريليونات الدولارات، ومع ذلك فهي ممنوعة رياضيا من استخدام شبكات وحدات معالجة الرسوميات اللامركزية أو واجهات برمجة التطبيقات المركزية للنماذج اللغوية الكبيرة. إرسال سجلات طبية غير مشفرة أو خوارزميات تداول مملوكة إلى نقطة نهاية طرف ثالث يتطلب ثقة عمياء، مما يخلق احتكاكا هيكليا يبقي أهم مجموعات البيانات في العالم معزولة بشكل دائم. هذا العزل المتعلق بالبيانات يعيق بشكل أساسي القفزة التطورية القادمة في قدرات الذكاء الاصطناعي. أذكى مهندسي رأس المال والبروتوكولات يتجهون بهدوء نحو الكأس المقدسة النهائية للتشفير لحل هذه المشكلة: التشفير المتجانس الكامل (FHE). على عكس معايير التشفير التقليدية التي تحمي فقط البيانات أثناء السكون أو أثناء النقل، يسمح FHE بإجراء الحوسبة المعقدة مباشرة على البيانات المشفرة دون الحاجة لفك تشفيرها. تخيل أنك تسلم رياضيا معصوب العينين صندوقا مغلقا يحتوي على معادلات معقدة؛ يحلون المشكلة ويعيدون صندوقا مغلقا بداخله الإجابة الصحيحة، دون أن يروا الأرقام الفعلية. في سياق نماذج اللغة الكبيرة (LLMs)، يعني هذا أن المستخدم يمكنه إرسال تنبيه مشفر تشفيريا إلى وكيل ذكاء اصطناعي لامركزي، ويعالج النموذج الاستنتاج في الظلام تماما، ويعيد استجابة مشفرة لا يملك المفتاح إلا المستخدم لفتحها. لعقود، تم رفض FHE باعتباره تمرينا أكاديميا نظريا بحتا، ويعاني بشكل سيء السمعة من عبء حسابي ضخم جعله غير مجدي تجاريا. ومع ذلك، فإن الاختراقات المعمارية الأخيرة حطمت هذا الاختناق. ظهور تسريع الأجهزة المخصصة—وخاصة أنظمة FHE ASICs—إلى جانب أنظمة تشفير محسنة للغاية مثل TFHE، يضغط بشكل عنيف على زمن الاستجابة من دقائق إلى أجزاء من الثانية. عندما يلتقي هذا الاختراق في التشفير مع شبكات الحوسبة اللامركزية في Web3، نشهد ولادة بنية تحول النموذج: الذكاء الاصطناعي السري. يفسر هذا التقارب المعماري سبب تحول رأس المال الاستثماري الأعلى بشكل مكثف من شبكات الطبقة الثانية العامة إلى بنية تحتية حوسبة سرية. يمكن لأسواق وحدات معالجة الرسوميات اللامركزية أخيرا التوسع لتشمل تبني المؤسسات لأن FHE يضمن رياضيا أن مشغل العقدة لن يتعلم شيئا عن أوزان النموذج أو بيانات الإدخال أو المخرج. صناعة التقنية تنتقل بنشاط من وعد الويب 2 الهش القائم على السياسات "لا تكن شريرا" إلى واقع "لا يمكن أن تكون شريرا" مفرض بشكل تشفيري. FHE ليس مجرد بروتوكول تشفير؛ إنه HTTPS عصر الذكاء الاصطناعي، والشبكات التي تبني هذه الطبقة السرية هي التي تؤلف البنية التحتية الأكثر أهمية في العقد القادم. #Web3 #AI #FHE #Cryptography #DecentralizedAI #DePIN #ConfidentialCompute #TechTrends