هل يمكن لوكيل الذكاء الاصطناعي أن يكون طوق النجاة لـ Web3 + AI؟
تعتبر مشاريع وكيل الذكاء الاصطناعي من الأنواع الشائعة والناضجة في ريادة الأعمال في Web2، حيث تركز بشكل رئيسي على خدمات الشركات، بينما أصبحت مشاريع تدريب النماذج وتجميع المنصات في مجال Web3 التي تلعب دورًا رئيسيًا في بناء النظام البيئي هي السائدة.
في الوقت الحالي، لا يوجد سوى عدد قليل من مشاريع وكيل الذكاء الاصطناعي في Web3، حيث تشكل 8% فقط، لكن نسبة قيمتها السوقية في مجال الذكاء الاصطناعي تصل إلى 23%، مما يظهر قوة تنافسية كبيرة في السوق. نتوقع أنه مع نضوج التكنولوجيا وزيادة مستوى الاعتراف في السوق، سيظهر مستقبلًا العديد من المشاريع التي تتجاوز قيمتها 10 مليارات دولار.
بالنسبة لمشاريع Web3، قد يصبح إدخال تكنولوجيا الذكاء الاصطناعي ميزة استراتيجية للمنتجات الطرفية غير الأساسية للذكاء الاصطناعي. ينبغي التركيز على بناء النظام الإيكولوجي الكامل وتصميم نموذج اقتصاد الرموز في مشاريع وكلاء الذكاء الاصطناعي لتعزيز اللامركزية وتأثير الشبكة.
موجة الذكاء الاصطناعي: الحالة الحالية لظهور المشاريع وزيادة التقييمات
منذ ظهور ChatGPT في نوفمبر 2022، جذب أكثر من مئة مليون مستخدم في غضون شهرين فقط، بحلول مايو 2024، بلغت الإيرادات الشهرية لـ ChatGPT ما ي astonishing 20.3 مليون دولار، وبعد إصدار ChatGPT، أطلقت OpenAI بسرعة إصدارات متكررة مثل GPT-4 و GP4-4o. في ظل هذا الزخم السريع، أدركت الشركات الكبرى في مجال التكنولوجيا التقليدية أهمية تطبيقات نماذج الذكاء الاصطناعي الرائدة مثل LLM، وأطلقت جميعها نماذجها وتطبيقاتها الخاصة، مثل إصدار Google لنموذج اللغة الكبير PaLM2، وMeta التي أطلقت Llama3، بينما أطلقت الشركات الصينية نماذج كبيرة مثل Wenxin Yiyan وZhipu Qingyan، من الواضح أن مجال الذكاء الاصطناعي أصبح ساحة تنافس حامية.
إن المنافسة بين عمالقة التكنولوجيا لم تدفع فقط إلى تطوير التطبيقات التجارية، بل نجد أيضًا من خلال الإحصائيات المتعلقة بأبحاث الذكاء الاصطناعي المفتوحة المصدر أن تقرير AI Index لعام 2024 يظهر أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على GitHub ارتفع بشكل كبير من 845 مشروعًا في عام 2011 إلى حوالي 1.8 مليون في عام 2023، وخاصة بعد إصدار GPT في عام 2023، حيث زاد عدد المشاريع بنسبة 59.3% مقارنة بالعام السابق، مما يعكس حماس مجتمع المطورين العالمي لأبحاث الذكاء الاصطناعي.
تعكس الحماس لتكنولوجيا الذكاء الاصطناعي مباشرةً في سوق الاستثمار، حيث يظهر سوق الاستثمار في الذكاء الاصطناعي نمواً قوياً، مع نمو متفجر في الربع الثاني من عام 2024. شهدت العالمية 16 صفقة استثمارية مرتبطة بالذكاء الاصطناعي تتجاوز قيمتها 150 مليون دولار، وهو ما يمثل ضعف العدد في الربع الأول. كما ارتفع إجمالي تمويل الشركات الناشئة في مجال الذكاء الاصطناعي إلى 24 مليار دولار، بزيادة أكثر من الضعف مقارنة بالعام الماضي. من بين ذلك، جمعت xAI التابعة لماسك 6 مليارات دولار، مع تقييم قدره 24 مليار دولار، لتصبح ثاني أعلى شركة ناشئة في الذكاء الاصطناعي من حيث التقييم بعد OpenAI.
تعمل التطورات السريعة في تكنولوجيا الذكاء الاصطناعي على إعادة تشكيل مشهد التكنولوجيا بسرعة غير مسبوقة. من المنافسة الشديدة بين عمالقة التكنولوجيا، إلى النمو المزدهر لمشاريع المجتمع المفتوح، وصولاً إلى الحماس الكبير في الأسواق المالية لمفهوم الذكاء الاصطناعي. تتوالى المشاريع بشكل مستمر، وتحقق الاستثمارات مستويات قياسية جديدة، مما يؤدي إلى ارتفاع التقييمات. بشكل عام، يقع سوق الذكاء الاصطناعي في فترة ذهبية من النمو السريع، حيث حققت نماذج اللغة الكبيرة وتقنيات التوليد المعزز بالاسترجاع تقدمًا كبيرًا في مجال معالجة اللغة. ومع ذلك، تواجه هذه النماذج تحديات في تحويل المزايا التكنولوجية إلى منتجات فعلية، مثل عدم اليقين في مخرجات النماذج، ومخاطر إنتاج معلومات غير دقيقة، ومشكلات الشفافية في النماذج. تصبح هذه القضايا أكثر أهمية في سيناريوهات التطبيقات التي تتطلب موثوقية عالية.
في هذا السياق، بدأنا في دراسة وكيل الذكاء الاصطناعي، حيث يؤكد وكيل الذكاء الاصطناعي على شمولية حل المشكلات الحقيقية والتفاعل مع البيئة. تمثل هذه النقلة تحولًا من نماذج اللغة البحتة إلى أنظمة ذكية قادرة على الفهم الحقيقي والتعلم وحل المشكلات الواقعية. ومن خلال تطور وكيل الذكاء الاصطناعي، نرى الأمل حيث إنه يسد الفجوة تدريجيًا بين تقنية الذكاء الاصطناعي وحل المشكلات الفعلية. إن تطور تقنية الذكاء الاصطناعي يعيد تشكيل بنية الإنتاج، بينما تعيد تقنية Web3 تشكيل علاقات الإنتاج في الاقتصاد الرقمي. عندما تندمج العناصر الثلاثة الأساسية للذكاء الاصطناعي: البيانات، النماذج، وقوة الحوسبة، مع المفاهيم الأساسية لـ Web3 مثل اللامركزية، الاقتصاد القائم على الرموز، والعقود الذكية، نتوقع أن يتولد سلسلة من التطبيقات الابتكارية. في هذا المجال المتقاطع المليء بالإمكانات، نعتقد أن وكيل الذكاء الاصطناعي، بفضل قدرته على تنفيذ المهام بشكل مستقل، يظهر إمكانات هائلة لتحقيق تطبيقات واسعة النطاق.
لذلك، بدأنا في دراسة معمقة لتطبيقات AI Agent المتنوعة في Web3، من البنية التحتية لـ Web3، والبرمجيات الوسيطة، إلى مستوى التطبيقات، بالإضافة إلى أسواق البيانات والنماذج، بهدف تحديد وتقييم أنواع المشاريع الأكثر وعدًا وسيناريوهات التطبيقات، لفهم دمج AI و Web3 بشكل أعمق.
توضيح المفاهيم: مقدمة عن وكيل الذكاء الاصطناعي ونظرة عامة على التصنيفات
مقدمة أساسية
قبل تقديم وكيل الذكاء الاصطناعي، من أجل مساعدة القراء على فهم الفرق بين تعريفه ونموذه، سنستخدم مثالاً من واقع الحياة: لنفترض أنك تخطط لرحلة. توفر النماذج اللغوية الكبيرة التقليدية معلومات عن الوجهة ونصائح السفر. أما تقنية استرجاع المعلومات المعززة بالذكاء الصناعي، فتستطيع تقديم محتوى غني ومحدد حول الوجهات. بينما وكيل الذكاء الاصطناعي يشبه جارفيز في أفلام الرجل الحديدي، حيث يمكنه فهم احتياجاتك، والبحث بنشاط عن الرحلات الجوية والفنادق بناءً على جملة واحدة منك، وتنفيذ عمليات الحجز، وإضافة الجدول الزمني إلى التقويم.
التعريف الشائع لوكيل الذكاء الاصطناعي في الصناعة هو نظام ذكي قادر على إدراك البيئة واتخاذ الإجراءات المناسبة، من خلال الحصول على معلومات بيئية عبر المستشعرات، ثم معالجة هذه المعلومات والتأثير على البيئة عبر المنفذات (ستيوارت راسل وبيتر نورفيغ، 2020). نحن نعتقد أن وكيل الذكاء الاصطناعي هو مساعد يجمع بين قدرات نموذج اللغة الكبير، واسترجاع المعلومات، والذاكرة، وتخطيط المهام، واستخدام الأدوات. إنه قادر ليس فقط على تقديم المعلومات البسيطة، ولكن أيضًا على التخطيط، وتفكيك المهام، وتنفيذها فعليًا.
وفقًا لهذا التعريف والخصائص، يمكننا أن نكتشف أن وكيل الذكاء الاصطناعي قد اندمج بالفعل في حياتنا، حيث تم تطبيقه في سيناريوهات مختلفة مثل AlphaGo وSiri وقيادة السيارات الذاتية من المستوى الخامس وما فوق من تسلا، والتي يمكن اعتبارها أمثلة على وكلاء الذكاء الاصطناعي. السمة المشتركة لهذه الأنظمة هي أنها تستطيع إدراك المدخلات الخارجية من المستخدمين، وبالتالي التأثير على البيئة الواقعية.
لنأخذ ChatGPT كمثال لتوضيح المفاهيم، يجب أن نوضح أن Transformer هو الهيكل الفني الذي يتكون منه نموذج الذكاء الاصطناعي، و GPT هو سلسلة النماذج التي تطورت بناءً على هذا الهيكل، بينما تمثل GPT-1 و GPT-4 و GPT-4o إصدارات النموذج في مراحل تطور مختلفة. بينما يعتبر ChatGP كوكيل ذكاء اصطناعي تطور من نموذج GPT.
نظرة عامة على التصنيف
سوق وكلاء الذكاء الاصطناعي الحالي لم يتشكل بعد معيار تصنيف موحد، قمنا بتصنيف 204 مشروعًا لوكلاء الذكاء الاصطناعي في أسواق Web2 وWeb3 من خلال وضع علامات على كل مشروع، وفقًا للعلامات البارزة لكل مشروع، وتم تقسيمها إلى تصنيفات من الدرجة الأولى والثانية. حيث تتكون التصنيفات من الدرجة الأولى من ثلاثة أنواع: البنية التحتية، إنشاء المحتوى، والتفاعل مع المستخدم، ثم يتم تقسيمها بناءً على حالات الاستخدام الفعلية.
البنية التحتية:
هذا النوع يركز على بناء محتوى أساسي في مجال الوكلاء، بما في ذلك المنصات، النماذج، البيانات، أدوات التطوير، بالإضافة إلى خدمات B端 التي تعتبر أكثر نضجًا وتطبيقات أساسية.
أدوات التطوير: توفر أدوات وإطارات مساعدة للمطورين لبناء وكيل الذكاء الاصطناعي.
فئة معالجة البيانات: معالجة وتحليل تنسيقات مختلفة من البيانات، تستخدم بشكل أساسي لدعم اتخاذ القرار، وتوفير المصادر للتدريب.
فئة تدريب النماذج: تقدم خدمات تدريب النماذج المتعلقة بالذكاء الاصطناعي، بما في ذلك الاستدلال، وبناء النماذج، والإعدادات وغيرها.
خدمات B端: تستهدف بشكل أساسي المستخدمين من الشركات، وتقدم حلولاً من نوع الخدمات المؤسسية، والفئات الرأسية، والأتمتة.
منصات التجميع: منصات تجمع بين خدمات وأدوات متعددة لوكلاء الذكاء الاصطناعي.
فئة التفاعل:
تشبه الوكلاء من نوع التوليد المحتوى، لكن الفرق يكمن في التفاعل الثنائي المستمر. لا تقبل الوكلاء التفاعليون طلبات المستخدمين فقط وتفهمها، بل يقدمون أيضًا ردودًا من خلال تقنيات مثل معالجة اللغة الطبيعية (NLP) لتحقيق تفاعل ثنائي الاتجاه مع المستخدم.
فئة الدعم العاطفي: وكيل AI يقدم الدعم العاطفي والمرافقة.
نوع GPT: وكيل AI قائم على نموذج GPT (Transformer المدرب مسبقًا بواسطة توليد).
فئة البحث: تركز على وظائف البحث، وتقدم وكيل يركز على استرجاع المعلومات بدقة أكبر.
نوع المحتوى生成类：
تركز هذه المشاريع على إنشاء المحتوى، باستخدام تقنيات النماذج الكبيرة لتوليد أشكال مختلفة من المحتوى وفقًا لتعليمات المستخدم، وتنقسم إلى أربع فئات: توليد النصوص، توليد الصور، توليد الفيديو، وتوليد الصوت.
تحليل الوضع الحالي لتطوير وكيل الذكاء الاصطناعي Web2
وفقًا لإحصاءاتنا، يظهر تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 اتجاهًا واضحًا نحو تركيز القطاعات. بشكل محدد، يتمركز حوالي ثلثي المشاريع في فئة البنية التحتية، حيث تهيمن خدمات الطرف B وأدوات التطوير بشكل كبير، وقد أجرينا بعض التحليلات حول هذه الظاهرة.
تأثير نضج التقنية: السبب الذي يجعل مشاريع البنية التحتية تحتل الصدارة هو نضج تقنيتها. هذه المشاريع عادة ما تكون مبنية على تقنيات وإطارات تم اختبارها عبر الزمن، مما يقلل من صعوبة المخاطر في التطوير. تعادل "المجرفة" في مجال الذكاء الاصطناعي، حيث تقدم قاعدة قوية لتطوير وتطبيق الوكلاء الذكاء الاصطناعي.
دفع الطلب في السوق: العامل الرئيسي الآخر هو الطلب في السوق. مقارنةً بسوق المستهلكين، فإن الطلب على تقنيات الذكاء الاصطناعي في سوق الشركات أكثر إلحاحًا، خاصةً في البحث عن حلول لتحسين كفاءة العمليات وتقليل التكاليف. وفي الوقت نفسه، بالنسبة للمطورين، فإن التدفق النقدي من الشركات أكثر استقرارًا، مما يساعدهم على تطوير المشاريع المستقبلية.
قيود سيناريوهات التطبيق: في الوقت نفسه، لاحظنا أن تطبيقات الذكاء الاصطناعي في توليد المحتوى في السوق B تعاني من محدودية نسبية في سيناريوهات الاستخدام. بسبب عدم استقرار الإنتاج، تميل الشركات إلى التطبيقات التي يمكنها زيادة الإنتاجية بشكل مستقر. وهذا أدى إلى انخفاض نسبة الذكاء الاصطناعي في توليد المحتوى في مكتبة المشاريع.
تُعكس هذه الاتجاهات نضوج التكنولوجيا واحتياجات السوق والاعتبارات الفعلية لمشاهد التطبيق. مع التقدم المستمر في تقنيات الذكاء الاصطناعي وتوضيح احتياجات السوق بشكل أكبر، نتوقع أن يتغير هذا النمط، لكن بناء البنية التحتية سيظل حجر الزاوية القوي لتطوير الوكلاء الذكيين.
تحليل المشاريع الرائدة لوكلاء الذكاء الاصطناعي في ويب 2
نحن نناقش بعمق بعض مشاريع الوكلاء الذكاء الاصطناعي الحالية في سوق Web2، ونقوم بتحليلها، مع أخذ مشاريع Character AI و Perplexity AI و Midjourney كمثال.
شخصية AI:
مقدمة المنتج: تقدم Character.AI نظام دردشة قائم على الذكاء الاصطناعي وأدوات لإنشاء شخصيات افتراضية. تتيح منصتها للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية، والتي يمكنها إجراء محادثات باللغة الطبيعية وتنفيذ مهام محددة.
تحليل البيانات: بلغت الزيارات لـ Character.AI في مايو 277 مليون، حيث يمتلك المنصة أكثر من 3.5 مليون مستخدم نشط يوميًا، ومعظم هؤلاء المستخدمين تتراوح أعمارهم بين 18 و34 عامًا، مما يظهر خصائص مجموعة المستخدمين الشباب. حقق Character AI أداءً متميزًا في السوق المالية، حيث أكمل جمع 150 مليون دولار، وبلغت قيمته 1 مليار دولار، بقيادة a16z.
التحليل الفني: قامت Character AI بالتوقيع على اتفاقية ترخيص غير حصرية مع الشركة الأم لجوجل Alphabet لاستخدام نماذجها اللغوية الكبيرة، مما يشير إلى أن Character AI تعتمد على تقنية تم تطويرها داخليًا. ومن الجدير بالذكر أن مؤسسي الشركة Noam Shazeer وDaniel De Freitas قد شاركوا في تطوير نموذج اللغة الحوارية Llama لجوجل.
برزخ الذكاء الاصطناعي:
مقدمة المنتج: يمكن لـ Perplexity سحب وتقديم إجابات مفصلة من الإنترنت. من خلال الاقتباسات وروابط المراجع، يضمن موثوقية ودقة المعلومات، بينما يقوم أيضًا بتعليم وإرشاد المستخدمين لطرح أسئلة متابعة والبحث عن الكلمات الرئيسية، مما يلبي احتياجات الاستفسار المتنوعة للمستخدمين.
تحليل البيانات: بلغ عدد المستخدمين النشطين شهريًا في Perplexity 10 ملايين، حيث حققت زيارات تطبيقاتها المحمولة وسطح المكتب نموًا بنسبة 8.6% في شهر فبراير، مما جذب حوالي 50 مليون مستخدم. في السوق المالية، أعلنت Perplexity AI مؤخرًا عن حصولها على تمويل قدره 62.7 مليون دولار، مع تقييم وصل إلى 1.04 مليار دولار، بقيادة دانييل غروس، وشارك فيه ستان دراكنميلر وNVIDIA.
التحليل الفني: النموذج الرئيسي الذي تستخدمه Perplexity هو GPT-3.5 المعزز، بالإضافة إلى نموذجين كبيرين تم تحسينهما بناءً على نماذج كبيرة مفتوحة المصدر: pplx-7b-online و pplx-70b-online. النموذج مناسب للأبحاث الأكاديمية المتخصصة واستفسارات المجالات الرأسية، مما يضمن دقة المعلومات وموثوقيتها.
ميدجورني:
مقدمة المنتج: يمكن للمستخدمين إنشاء أنماط ومواضيع مختلفة في Midjourney من خلال Prompts
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 25
أعجبني
25
6
إعادة النشر
مشاركة
تعليق
0/400
failed_dev_successful_ape
· 07-25 19:58
آه، لقد اشتريت الانخفاض مبكرًا، وإلا سأكون قد فاتني مرة أخرى.
شاهد النسخة الأصليةرد0
PaperHandsCriminal
· 07-24 22:17
أنا دخلت مباشرة الجميع مشارك في انتظار خداع الناس لتحقيق الربح حمقى.
شاهد النسخة الأصليةرد0
ChainMaskedRider
· 07-23 16:00
هل تفرح بمثل هذه الحصة فقط؟
شاهد النسخة الأصليةرد0
LayerHopper
· 07-22 20:29
فتحت السوق وبدأت في مضاعفة عشرة أضعاف فوراً
شاهد النسخة الأصليةرد0
HodlKumamon
· 07-22 20:25
لا تتحدث، ادخل مركز، لقد حسبت الدب البيانات التاريخية بالفعل~
AI Agent: نجم جديد في ساحة Web3 و AI حيث بلغت القيمة السوقية 23%
هل يمكن لوكيل الذكاء الاصطناعي أن يكون طوق النجاة لـ Web3 + AI؟
تعتبر مشاريع وكيل الذكاء الاصطناعي من الأنواع الشائعة والناضجة في ريادة الأعمال في Web2، حيث تركز بشكل رئيسي على خدمات الشركات، بينما أصبحت مشاريع تدريب النماذج وتجميع المنصات في مجال Web3 التي تلعب دورًا رئيسيًا في بناء النظام البيئي هي السائدة.
في الوقت الحالي، لا يوجد سوى عدد قليل من مشاريع وكيل الذكاء الاصطناعي في Web3، حيث تشكل 8% فقط، لكن نسبة قيمتها السوقية في مجال الذكاء الاصطناعي تصل إلى 23%، مما يظهر قوة تنافسية كبيرة في السوق. نتوقع أنه مع نضوج التكنولوجيا وزيادة مستوى الاعتراف في السوق، سيظهر مستقبلًا العديد من المشاريع التي تتجاوز قيمتها 10 مليارات دولار.
بالنسبة لمشاريع Web3، قد يصبح إدخال تكنولوجيا الذكاء الاصطناعي ميزة استراتيجية للمنتجات الطرفية غير الأساسية للذكاء الاصطناعي. ينبغي التركيز على بناء النظام الإيكولوجي الكامل وتصميم نموذج اقتصاد الرموز في مشاريع وكلاء الذكاء الاصطناعي لتعزيز اللامركزية وتأثير الشبكة.
موجة الذكاء الاصطناعي: الحالة الحالية لظهور المشاريع وزيادة التقييمات
منذ ظهور ChatGPT في نوفمبر 2022، جذب أكثر من مئة مليون مستخدم في غضون شهرين فقط، بحلول مايو 2024، بلغت الإيرادات الشهرية لـ ChatGPT ما ي astonishing 20.3 مليون دولار، وبعد إصدار ChatGPT، أطلقت OpenAI بسرعة إصدارات متكررة مثل GPT-4 و GP4-4o. في ظل هذا الزخم السريع، أدركت الشركات الكبرى في مجال التكنولوجيا التقليدية أهمية تطبيقات نماذج الذكاء الاصطناعي الرائدة مثل LLM، وأطلقت جميعها نماذجها وتطبيقاتها الخاصة، مثل إصدار Google لنموذج اللغة الكبير PaLM2، وMeta التي أطلقت Llama3، بينما أطلقت الشركات الصينية نماذج كبيرة مثل Wenxin Yiyan وZhipu Qingyan، من الواضح أن مجال الذكاء الاصطناعي أصبح ساحة تنافس حامية.
إن المنافسة بين عمالقة التكنولوجيا لم تدفع فقط إلى تطوير التطبيقات التجارية، بل نجد أيضًا من خلال الإحصائيات المتعلقة بأبحاث الذكاء الاصطناعي المفتوحة المصدر أن تقرير AI Index لعام 2024 يظهر أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على GitHub ارتفع بشكل كبير من 845 مشروعًا في عام 2011 إلى حوالي 1.8 مليون في عام 2023، وخاصة بعد إصدار GPT في عام 2023، حيث زاد عدد المشاريع بنسبة 59.3% مقارنة بالعام السابق، مما يعكس حماس مجتمع المطورين العالمي لأبحاث الذكاء الاصطناعي.
تعكس الحماس لتكنولوجيا الذكاء الاصطناعي مباشرةً في سوق الاستثمار، حيث يظهر سوق الاستثمار في الذكاء الاصطناعي نمواً قوياً، مع نمو متفجر في الربع الثاني من عام 2024. شهدت العالمية 16 صفقة استثمارية مرتبطة بالذكاء الاصطناعي تتجاوز قيمتها 150 مليون دولار، وهو ما يمثل ضعف العدد في الربع الأول. كما ارتفع إجمالي تمويل الشركات الناشئة في مجال الذكاء الاصطناعي إلى 24 مليار دولار، بزيادة أكثر من الضعف مقارنة بالعام الماضي. من بين ذلك، جمعت xAI التابعة لماسك 6 مليارات دولار، مع تقييم قدره 24 مليار دولار، لتصبح ثاني أعلى شركة ناشئة في الذكاء الاصطناعي من حيث التقييم بعد OpenAI.
تعمل التطورات السريعة في تكنولوجيا الذكاء الاصطناعي على إعادة تشكيل مشهد التكنولوجيا بسرعة غير مسبوقة. من المنافسة الشديدة بين عمالقة التكنولوجيا، إلى النمو المزدهر لمشاريع المجتمع المفتوح، وصولاً إلى الحماس الكبير في الأسواق المالية لمفهوم الذكاء الاصطناعي. تتوالى المشاريع بشكل مستمر، وتحقق الاستثمارات مستويات قياسية جديدة، مما يؤدي إلى ارتفاع التقييمات. بشكل عام، يقع سوق الذكاء الاصطناعي في فترة ذهبية من النمو السريع، حيث حققت نماذج اللغة الكبيرة وتقنيات التوليد المعزز بالاسترجاع تقدمًا كبيرًا في مجال معالجة اللغة. ومع ذلك، تواجه هذه النماذج تحديات في تحويل المزايا التكنولوجية إلى منتجات فعلية، مثل عدم اليقين في مخرجات النماذج، ومخاطر إنتاج معلومات غير دقيقة، ومشكلات الشفافية في النماذج. تصبح هذه القضايا أكثر أهمية في سيناريوهات التطبيقات التي تتطلب موثوقية عالية.
في هذا السياق، بدأنا في دراسة وكيل الذكاء الاصطناعي، حيث يؤكد وكيل الذكاء الاصطناعي على شمولية حل المشكلات الحقيقية والتفاعل مع البيئة. تمثل هذه النقلة تحولًا من نماذج اللغة البحتة إلى أنظمة ذكية قادرة على الفهم الحقيقي والتعلم وحل المشكلات الواقعية. ومن خلال تطور وكيل الذكاء الاصطناعي، نرى الأمل حيث إنه يسد الفجوة تدريجيًا بين تقنية الذكاء الاصطناعي وحل المشكلات الفعلية. إن تطور تقنية الذكاء الاصطناعي يعيد تشكيل بنية الإنتاج، بينما تعيد تقنية Web3 تشكيل علاقات الإنتاج في الاقتصاد الرقمي. عندما تندمج العناصر الثلاثة الأساسية للذكاء الاصطناعي: البيانات، النماذج، وقوة الحوسبة، مع المفاهيم الأساسية لـ Web3 مثل اللامركزية، الاقتصاد القائم على الرموز، والعقود الذكية، نتوقع أن يتولد سلسلة من التطبيقات الابتكارية. في هذا المجال المتقاطع المليء بالإمكانات، نعتقد أن وكيل الذكاء الاصطناعي، بفضل قدرته على تنفيذ المهام بشكل مستقل، يظهر إمكانات هائلة لتحقيق تطبيقات واسعة النطاق.
لذلك، بدأنا في دراسة معمقة لتطبيقات AI Agent المتنوعة في Web3، من البنية التحتية لـ Web3، والبرمجيات الوسيطة، إلى مستوى التطبيقات، بالإضافة إلى أسواق البيانات والنماذج، بهدف تحديد وتقييم أنواع المشاريع الأكثر وعدًا وسيناريوهات التطبيقات، لفهم دمج AI و Web3 بشكل أعمق.
توضيح المفاهيم: مقدمة عن وكيل الذكاء الاصطناعي ونظرة عامة على التصنيفات
مقدمة أساسية
قبل تقديم وكيل الذكاء الاصطناعي، من أجل مساعدة القراء على فهم الفرق بين تعريفه ونموذه، سنستخدم مثالاً من واقع الحياة: لنفترض أنك تخطط لرحلة. توفر النماذج اللغوية الكبيرة التقليدية معلومات عن الوجهة ونصائح السفر. أما تقنية استرجاع المعلومات المعززة بالذكاء الصناعي، فتستطيع تقديم محتوى غني ومحدد حول الوجهات. بينما وكيل الذكاء الاصطناعي يشبه جارفيز في أفلام الرجل الحديدي، حيث يمكنه فهم احتياجاتك، والبحث بنشاط عن الرحلات الجوية والفنادق بناءً على جملة واحدة منك، وتنفيذ عمليات الحجز، وإضافة الجدول الزمني إلى التقويم.
التعريف الشائع لوكيل الذكاء الاصطناعي في الصناعة هو نظام ذكي قادر على إدراك البيئة واتخاذ الإجراءات المناسبة، من خلال الحصول على معلومات بيئية عبر المستشعرات، ثم معالجة هذه المعلومات والتأثير على البيئة عبر المنفذات (ستيوارت راسل وبيتر نورفيغ، 2020). نحن نعتقد أن وكيل الذكاء الاصطناعي هو مساعد يجمع بين قدرات نموذج اللغة الكبير، واسترجاع المعلومات، والذاكرة، وتخطيط المهام، واستخدام الأدوات. إنه قادر ليس فقط على تقديم المعلومات البسيطة، ولكن أيضًا على التخطيط، وتفكيك المهام، وتنفيذها فعليًا.
وفقًا لهذا التعريف والخصائص، يمكننا أن نكتشف أن وكيل الذكاء الاصطناعي قد اندمج بالفعل في حياتنا، حيث تم تطبيقه في سيناريوهات مختلفة مثل AlphaGo وSiri وقيادة السيارات الذاتية من المستوى الخامس وما فوق من تسلا، والتي يمكن اعتبارها أمثلة على وكلاء الذكاء الاصطناعي. السمة المشتركة لهذه الأنظمة هي أنها تستطيع إدراك المدخلات الخارجية من المستخدمين، وبالتالي التأثير على البيئة الواقعية.
لنأخذ ChatGPT كمثال لتوضيح المفاهيم، يجب أن نوضح أن Transformer هو الهيكل الفني الذي يتكون منه نموذج الذكاء الاصطناعي، و GPT هو سلسلة النماذج التي تطورت بناءً على هذا الهيكل، بينما تمثل GPT-1 و GPT-4 و GPT-4o إصدارات النموذج في مراحل تطور مختلفة. بينما يعتبر ChatGP كوكيل ذكاء اصطناعي تطور من نموذج GPT.
نظرة عامة على التصنيف
سوق وكلاء الذكاء الاصطناعي الحالي لم يتشكل بعد معيار تصنيف موحد، قمنا بتصنيف 204 مشروعًا لوكلاء الذكاء الاصطناعي في أسواق Web2 وWeb3 من خلال وضع علامات على كل مشروع، وفقًا للعلامات البارزة لكل مشروع، وتم تقسيمها إلى تصنيفات من الدرجة الأولى والثانية. حيث تتكون التصنيفات من الدرجة الأولى من ثلاثة أنواع: البنية التحتية، إنشاء المحتوى، والتفاعل مع المستخدم، ثم يتم تقسيمها بناءً على حالات الاستخدام الفعلية.
البنية التحتية:
هذا النوع يركز على بناء محتوى أساسي في مجال الوكلاء، بما في ذلك المنصات، النماذج، البيانات، أدوات التطوير، بالإضافة إلى خدمات B端 التي تعتبر أكثر نضجًا وتطبيقات أساسية.
أدوات التطوير: توفر أدوات وإطارات مساعدة للمطورين لبناء وكيل الذكاء الاصطناعي.
فئة معالجة البيانات: معالجة وتحليل تنسيقات مختلفة من البيانات، تستخدم بشكل أساسي لدعم اتخاذ القرار، وتوفير المصادر للتدريب.
فئة تدريب النماذج: تقدم خدمات تدريب النماذج المتعلقة بالذكاء الاصطناعي، بما في ذلك الاستدلال، وبناء النماذج، والإعدادات وغيرها.
خدمات B端: تستهدف بشكل أساسي المستخدمين من الشركات، وتقدم حلولاً من نوع الخدمات المؤسسية، والفئات الرأسية، والأتمتة.
منصات التجميع: منصات تجمع بين خدمات وأدوات متعددة لوكلاء الذكاء الاصطناعي.
فئة التفاعل:
تشبه الوكلاء من نوع التوليد المحتوى، لكن الفرق يكمن في التفاعل الثنائي المستمر. لا تقبل الوكلاء التفاعليون طلبات المستخدمين فقط وتفهمها، بل يقدمون أيضًا ردودًا من خلال تقنيات مثل معالجة اللغة الطبيعية (NLP) لتحقيق تفاعل ثنائي الاتجاه مع المستخدم.
فئة الدعم العاطفي: وكيل AI يقدم الدعم العاطفي والمرافقة.
نوع GPT: وكيل AI قائم على نموذج GPT (Transformer المدرب مسبقًا بواسطة توليد).
فئة البحث: تركز على وظائف البحث، وتقدم وكيل يركز على استرجاع المعلومات بدقة أكبر.
نوع المحتوى生成类：
تركز هذه المشاريع على إنشاء المحتوى، باستخدام تقنيات النماذج الكبيرة لتوليد أشكال مختلفة من المحتوى وفقًا لتعليمات المستخدم، وتنقسم إلى أربع فئات: توليد النصوص، توليد الصور، توليد الفيديو، وتوليد الصوت.
تحليل الوضع الحالي لتطوير وكيل الذكاء الاصطناعي Web2
وفقًا لإحصاءاتنا، يظهر تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 اتجاهًا واضحًا نحو تركيز القطاعات. بشكل محدد، يتمركز حوالي ثلثي المشاريع في فئة البنية التحتية، حيث تهيمن خدمات الطرف B وأدوات التطوير بشكل كبير، وقد أجرينا بعض التحليلات حول هذه الظاهرة.
تأثير نضج التقنية: السبب الذي يجعل مشاريع البنية التحتية تحتل الصدارة هو نضج تقنيتها. هذه المشاريع عادة ما تكون مبنية على تقنيات وإطارات تم اختبارها عبر الزمن، مما يقلل من صعوبة المخاطر في التطوير. تعادل "المجرفة" في مجال الذكاء الاصطناعي، حيث تقدم قاعدة قوية لتطوير وتطبيق الوكلاء الذكاء الاصطناعي.
دفع الطلب في السوق: العامل الرئيسي الآخر هو الطلب في السوق. مقارنةً بسوق المستهلكين، فإن الطلب على تقنيات الذكاء الاصطناعي في سوق الشركات أكثر إلحاحًا، خاصةً في البحث عن حلول لتحسين كفاءة العمليات وتقليل التكاليف. وفي الوقت نفسه، بالنسبة للمطورين، فإن التدفق النقدي من الشركات أكثر استقرارًا، مما يساعدهم على تطوير المشاريع المستقبلية.
قيود سيناريوهات التطبيق: في الوقت نفسه، لاحظنا أن تطبيقات الذكاء الاصطناعي في توليد المحتوى في السوق B تعاني من محدودية نسبية في سيناريوهات الاستخدام. بسبب عدم استقرار الإنتاج، تميل الشركات إلى التطبيقات التي يمكنها زيادة الإنتاجية بشكل مستقر. وهذا أدى إلى انخفاض نسبة الذكاء الاصطناعي في توليد المحتوى في مكتبة المشاريع.
تُعكس هذه الاتجاهات نضوج التكنولوجيا واحتياجات السوق والاعتبارات الفعلية لمشاهد التطبيق. مع التقدم المستمر في تقنيات الذكاء الاصطناعي وتوضيح احتياجات السوق بشكل أكبر، نتوقع أن يتغير هذا النمط، لكن بناء البنية التحتية سيظل حجر الزاوية القوي لتطوير الوكلاء الذكيين.
تحليل المشاريع الرائدة لوكلاء الذكاء الاصطناعي في ويب 2
نحن نناقش بعمق بعض مشاريع الوكلاء الذكاء الاصطناعي الحالية في سوق Web2، ونقوم بتحليلها، مع أخذ مشاريع Character AI و Perplexity AI و Midjourney كمثال.
شخصية AI:
مقدمة المنتج: تقدم Character.AI نظام دردشة قائم على الذكاء الاصطناعي وأدوات لإنشاء شخصيات افتراضية. تتيح منصتها للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية، والتي يمكنها إجراء محادثات باللغة الطبيعية وتنفيذ مهام محددة.
تحليل البيانات: بلغت الزيارات لـ Character.AI في مايو 277 مليون، حيث يمتلك المنصة أكثر من 3.5 مليون مستخدم نشط يوميًا، ومعظم هؤلاء المستخدمين تتراوح أعمارهم بين 18 و34 عامًا، مما يظهر خصائص مجموعة المستخدمين الشباب. حقق Character AI أداءً متميزًا في السوق المالية، حيث أكمل جمع 150 مليون دولار، وبلغت قيمته 1 مليار دولار، بقيادة a16z.
التحليل الفني: قامت Character AI بالتوقيع على اتفاقية ترخيص غير حصرية مع الشركة الأم لجوجل Alphabet لاستخدام نماذجها اللغوية الكبيرة، مما يشير إلى أن Character AI تعتمد على تقنية تم تطويرها داخليًا. ومن الجدير بالذكر أن مؤسسي الشركة Noam Shazeer وDaniel De Freitas قد شاركوا في تطوير نموذج اللغة الحوارية Llama لجوجل.
برزخ الذكاء الاصطناعي:
مقدمة المنتج: يمكن لـ Perplexity سحب وتقديم إجابات مفصلة من الإنترنت. من خلال الاقتباسات وروابط المراجع، يضمن موثوقية ودقة المعلومات، بينما يقوم أيضًا بتعليم وإرشاد المستخدمين لطرح أسئلة متابعة والبحث عن الكلمات الرئيسية، مما يلبي احتياجات الاستفسار المتنوعة للمستخدمين.
تحليل البيانات: بلغ عدد المستخدمين النشطين شهريًا في Perplexity 10 ملايين، حيث حققت زيارات تطبيقاتها المحمولة وسطح المكتب نموًا بنسبة 8.6% في شهر فبراير، مما جذب حوالي 50 مليون مستخدم. في السوق المالية، أعلنت Perplexity AI مؤخرًا عن حصولها على تمويل قدره 62.7 مليون دولار، مع تقييم وصل إلى 1.04 مليار دولار، بقيادة دانييل غروس، وشارك فيه ستان دراكنميلر وNVIDIA.
التحليل الفني: النموذج الرئيسي الذي تستخدمه Perplexity هو GPT-3.5 المعزز، بالإضافة إلى نموذجين كبيرين تم تحسينهما بناءً على نماذج كبيرة مفتوحة المصدر: pplx-7b-online و pplx-70b-online. النموذج مناسب للأبحاث الأكاديمية المتخصصة واستفسارات المجالات الرأسية، مما يضمن دقة المعلومات وموثوقيتها.
ميدجورني:
مقدمة المنتج: يمكن للمستخدمين إنشاء أنماط ومواضيع مختلفة في Midjourney من خلال Prompts