نتحدث كثيرًا عن النماذج الأكبر، ونوافذ السياق الأوسع، والمزيد من المعلمات. لكن الاختراق الحقيقي قد لا يكون متعلقًا بالحجم على الإطلاق. يمثل بروتوكول سياق النموذج (MCP) تحولًا جذريًا في كيفية تفاعل مساعدي الذكاء الاصطناعي مع العالم من حولهم، وهو يحدث الآن.

المشكلة الحقيقية مع مساعدي الذكاء الاصطناعي​

إليك سيناريو يعرفه كل مطور: أنت تستخدم مساعد ذكاء اصطناعي للمساعدة في تصحيح الأخطاء في الكود، لكنه لا يمكنه رؤية مستودعك. أو تسأله عن بيانات السوق، لكن معرفته قديمة بعدة أشهر. القيد الأساسي ليس ذكاء الذكاء الاصطناعي - إنه عدم قدرته على الوصول إلى العالم الحقيقي.

كانت نماذج اللغة الكبيرة (LLMs) مثل العلماء البارعين المحبوسين في غرفة مع بيانات تدريبهم فقط. بغض النظر عن مدى ذكائهم، لا يمكنهم التحقق من أسعار الأسهم الحالية، أو النظر إلى قاعدة الكود الخاصة بك، أو التفاعل مع أدواتك. حتى الآن.

دخول بروتوكول سياق النموذج (MCP)​

يعيد MCP تخيل كيفية تفاعل مساعدي الذكاء الاصطناعي مع الأنظمة الخارجية بشكل جذري. بدلاً من محاولة حشر المزيد من السياق في نماذج المعلمات المتزايدة الحجم، ينشئ MCP طريقة موحدة للذكاء الاصطناعي للوصول الديناميكي إلى المعلومات والأنظمة حسب الحاجة.

الهيكل بسيط بشكل أنيق ولكنه قوي:

• مضيفو MCP: برامج أو أدوات مثل Claude Desktop حيث تعمل نماذج الذكاء الاصطناعي وتتفاعل مع الخدمات المختلفة. يوفر المضيف بيئة التشغيل وحدود الأمان لمساعد الذكاء الاصطناعي.

• عملاء MCP: مكونات داخل مساعد الذكاء الاصطناعي تقوم ببدء الطلبات والتعامل مع الاتصال مع خوادم MCP. يحتفظ كل عميل باتصال مخصص لأداء مهام محددة أو الوصول إلى موارد معينة، وإدارة دورة الطلب والاستجابة.

• خوادم MCP: برامج متخصصة وخفيفة الوزن تعرض قدرات خدمات محددة. كل خادم مصمم خصيصًا للتعامل مع نوع واحد من التكامل، سواء كان ذلك البحث في الويب عبر Brave، أو الوصول إلى مستودعات GitHub، أو استعلام قواعد البيانات المحلية. هناك خوادم مفتوحة المصدر.

• الموارد المحلية والبعيدة: مصادر البيانات والخدمات الأساسية التي يمكن لخوادم MCP الوصول إليها. تشمل الموارد المحلية الملفات وقواعد البيانات والخدمات على جهاز الكمبيوتر الخاص بك، بينما تشمل الموارد البعيدة واجهات برمجة التطبيقات الخارجية والخدمات السحابية التي يمكن للخوادم الاتصال بها بأمان.

فكر في الأمر على أنه إعطاء مساعدي الذكاء الاصطناعي نظامًا حسيًا مدفوعًا بواجهة برمجة التطبيقات. بدلاً من محاولة حفظ كل شيء أثناء التدريب، يمكنهم الآن الوصول والاستعلام عما يحتاجون إلى معرفته.

لماذا هذا مهم: الاختراقات الثلاثة​

1. الذكاء الفوري: بدلاً من الاعتماد على بيانات التدريب القديمة، يمكن لمساعدي الذكاء الاصطناعي الآن سحب المعلومات الحالية من المصادر الموثوقة. عندما تسأل عن سعر البيتكوين، تحصل على الرقم اليوم، وليس العام الماضي.
2. تكامل الأنظمة: يتيح MCP التفاعل المباشر مع بيئات التطوير، وأدوات الأعمال، وواجهات برمجة التطبيقات. مساعد الذكاء الاصطناعي الخاص بك لا يتحدث فقط عن الكود - يمكنه بالفعل رؤية والتفاعل مع مستودعك.
3. الأمان حسب التصميم: يخلق نموذج العميل-المضيف-الخادم حدود أمان واضحة. يمكن للمؤسسات تنفيذ ضوابط وصول دقيقة مع الحفاظ على فوائد مساعدة الذكاء الاصطناعي. لا مزيد من الاختيار بين الأمان والقدرة.

الرؤية هي الإيمان: MCP في العمل​

لنقم بإعداد مثال عملي باستخدام تطبيق Claude Desktop وأداة Brave Search MCP. سيمكن هذا Claude من البحث في الويب في الوقت الفعلي:

1. تثبيت Claude Desktop​

2. الحصول على مفتاح API لـ Brave​

3. إنشاء ملف تكوين​

open ~/Library/Application\ Support/Claude
touch ~/Library/Application\ Support/Claude/claude_desktop_config.json

ثم تعديل الملف ليكون كالتالي:

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-brave-search"
      ],
      "env": {
        "BRAVE_API_KEY": "YOUR_API_KEY_HERE"
      }
    }
  }
}

4. إعادة تشغيل تطبيق Claude Desktop​

على الجانب الأيمن من التطبيق، ستلاحظ وجود أداتين جديدتين (مميزتين بالدائرة الحمراء في الصورة أدناه) للبحث في الإنترنت باستخدام أداة Brave Search MCP.

بمجرد التكوين، يصبح التحول سلسًا. اسأل Claude عن أحدث مباراة لمانشستر يونايتد، وبدلاً من الاعتماد على بيانات التدريب القديمة، يقوم بإجراء عمليات بحث في الويب في الوقت الفعلي لتقديم معلومات دقيقة وحديثة.

الصورة الأكبر: لماذا يغير MCP كل شيء​

تتجاوز التداعيات هنا عمليات البحث البسيطة على الويب. يخلق MCP نموذجًا جديدًا لمساعدة الذكاء الاصطناعي:

1. تكامل الأدوات: يمكن لمساعدي الذكاء الاصطناعي الآن استخدام أي أداة تحتوي على واجهة برمجة تطبيقات. فكر في عمليات Git، أو استعلامات قواعد البيانات، أو رسائل Slack.
2. التأصيل في العالم الحقيقي: من خلال الوصول إلى البيانات الحالية، تصبح استجابات الذكاء الاصطناعي متأصلة في الواقع بدلاً من بيانات التدريب.
3. التمدد: تم تصميم البروتوكول للتوسع. مع ظهور أدوات وواجهات برمجة تطبيقات جديدة، يمكن دمجها بسرعة في نظام MCP البيئي.

ما هو التالي لـ MCP​

نحن فقط نرى بداية ما هو ممكن مع MCP. تخيل مساعدي الذكاء الاصطناعي الذين يمكنهم:

• سحب وتحليل بيانات السوق في الوقت الفعلي
• التفاعل مباشرة مع بيئة التطوير الخاصة بك
• الوصول إلى وتلخيص وثائق شركتك الداخلية
• التنسيق عبر أدوات الأعمال المتعددة لأتمتة سير العمل

الطريق إلى الأمام​

يمثل MCP تحولًا جذريًا في كيفية تفكيرنا في قدرات الذكاء الاصطناعي. بدلاً من بناء نماذج أكبر مع نوافذ سياق أوسع، نحن نخلق طرقًا أكثر ذكاءً للذكاء الاصطناعي للتفاعل مع الأنظمة والبيانات الحالية.

بالنسبة للمطورين والمحللين وقادة التكنولوجيا، يفتح MCP إمكانيات جديدة لتكامل الذكاء الاصطناعي. الأمر لا يتعلق فقط بما يعرفه الذكاء الاصطناعي - بل يتعلق بما يمكنه فعله.

قد لا تكون الثورة الحقيقية في الذكاء الاصطناعي حول جعل النماذج أكبر. قد تكون حول جعلها أكثر اتصالاً. ومع MCP، فإن تلك الثورة موجودة بالفعل.

ثورة DeepSeek مفتوحة المصدر: رؤى من قمة AI مغلقة الأبواب​

تأخذ DeepSeek عالم الذكاء الاصطناعي بعاصفة. تمامًا كما لم تهدأ النقاشات حول DeepSeek-R1، أسقط الفريق قنبلة أخرى: نموذج متعدد الوسائط مفتوح المصدر، Janus-Pro. الوتيرة مذهلة، والطموحات واضحة.

قبل يومين، اجتمع مجموعة من كبار الباحثين والمطورين والمستثمرين في مجال الذكاء الاصطناعي لمناقشة مغلقة الأبواب استضافها Shixiang، وركزت حصريًا على DeepSeek. على مدى ثلاث ساعات، قاموا بتفكيك ابتكارات DeepSeek التقنية، وهيكلها التنظيمي، والآثار الأوسع لنهوضها—على نماذج الأعمال في الذكاء الاصطناعي، والأسواق الثانوية، والمسار الطويل الأمد لأبحاث الذكاء الاصطناعي.

اتباعًا لروح الشفافية مفتوحة المصدر لدى DeepSeek، نحن نفتح أفكارنا الجماعية للجمهور. هنا رؤى مستخلصة من المناقشة، تمتد عبر استراتيجية DeepSeek، وابتكاراتها التقنية، والتأثير الذي يمكن أن تحدثه على صناعة الذكاء الاصطناعي.

DeepSeek: الغموض والمهمة​

• المهمة الأساسية لـ DeepSeek: الرئيس التنفيذي ليانغ وينفنغ ليس مجرد رائد أعمال في مجال الذكاء الاصطناعي—بل هو مهندس في القلب. على عكس سام ألتمان، يركز على التنفيذ الفني، وليس فقط الرؤية.
• لماذا كسبت DeepSeek الاحترام: إن بنية MoE (مزيج الخبراء) هي فارق رئيسي. كان التكرار المبكر لنموذج OpenAI o1 مجرد البداية—التحدي الحقيقي هو التوسع بموارد محدودة.
• التوسع بدون مباركة NVIDIA: على الرغم من الادعاءات بامتلاك 50,000 وحدة معالجة رسومية، من المحتمل أن تعمل DeepSeek بحوالي 10,000 وحدة A100 قديمة و3,000 وحدة H800 قبل الحظر. على عكس المختبرات الأمريكية، التي تلقي بالحوسبة على كل مشكلة، تُجبر DeepSeek على الكفاءة.
• التركيز الحقيقي لـ DeepSeek: على عكس OpenAI أو Anthropic، لا تركز DeepSeek على "الذكاء الاصطناعي لخدمة البشر". بدلاً من ذلك، تسعى وراء الذكاء نفسه. قد يكون هذا سلاحها السري.

المستكشفون مقابل الأتباع: قوانين القوة في الذكاء الاصطناعي​

• تطوير الذكاء الاصطناعي هو وظيفة خطوة: تكلفة اللحاق أقل بعشر مرات من القيادة. يستفيد "الأتباع" من الاختراقات السابقة بجزء من تكلفة الحوسبة، بينما يجب على "المستكشفين" المضي قدمًا بشكل أعمى، متحملين نفقات ضخمة في البحث والتطوير.
• هل ستتجاوز DeepSeek OpenAI؟ من الممكن—ولكن فقط إذا تعثرت OpenAI. لا يزال الذكاء الاصطناعي مشكلة مفتوحة، ونهج DeepSeek لنماذج التفكير هو رهان قوي.

الابتكارات التقنية وراء DeepSeek​

1. نهاية التوليف الفائق الإشراف (SFT)؟​

• الادعاء الأكثر اضطرابًا لـ DeepSeek: قد لا يكون SFT ضروريًا بعد الآن لمهام التفكير. إذا كان صحيحًا، فهذا يمثل تحولًا في النموذج.
• لكن ليس بهذه السرعة... لا يزال DeepSeek-R1 يعتمد على SFT، خاصةً للتوافق. التحول الحقيقي هو كيفية استخدام SFT—تقطير مهام التفكير بشكل أكثر فعالية.

2. كفاءة البيانات: الخندق الحقيقي​

• لماذا تعطي DeepSeek الأولوية لوضع العلامات على البيانات: يقال إن ليانغ وينفنغ يضع العلامات على البيانات بنفسه، مما يؤكد أهميتها. جاء نجاح Tesla في القيادة الذاتية من التعليقات البشرية الدقيقة—تطبق DeepSeek نفس الدقة.
• البيانات متعددة الوسائط: ليست جاهزة بعد—على الرغم من إصدار Janus-Pro، لا يزال التعلم متعدد الوسائط مكلفًا بشكل محظور. لم يظهر أي مختبر بعد مكاسب مقنعة.

3. تقطير النموذج: سيف ذو حدين​

• يعزز التقطير الكفاءة ولكنه يقلل من التنوع: يمكن أن يحد هذا من قدرات النموذج على المدى الطويل.
• "الدين الخفي" للتقطير: بدون فهم التحديات الأساسية لتدريب الذكاء الاصطناعي، يمكن أن يؤدي الاعتماد على التقطير إلى عقبات غير متوقعة عند ظهور البنى المعمارية من الجيل التالي.

4. مكافأة العملية: حدود جديدة في توافق الذكاء الاصطناعي​

• الإشراف على النتائج يحدد السقف: قد يمنع التعلم المعزز القائم على العملية القرصنة، لكن الحد الأقصى للذكاء لا يزال يعتمد على التغذية الراجعة المدفوعة بالنتائج.
• مفارقة RL: لا تحتوي النماذج اللغوية الكبيرة (LLMs) على حالة فوز محددة مثل الشطرنج. عمل AlphaZero لأن النصر كان ثنائيًا. يفتقر التفكير في الذكاء الاصطناعي إلى هذا الوضوح.

لماذا لم تستخدم OpenAI طرق DeepSeek؟​

• مسألة تركيز: تركز OpenAI على التوسع، وليس الكفاءة.
• "الحرب الخفية للذكاء الاصطناعي" في الولايات المتحدة: قد تكون OpenAI وAnthropic قد تجاهلتا نهج DeepSeek، لكنهما لن تفعلا ذلك لفترة طويلة. إذا أثبتت DeepSeek جدواها، توقع تحولًا في اتجاه البحث.

مستقبل الذكاء الاصطناعي في 2025​

• ما بعد Transformers؟ من المحتمل أن يتفرع الذكاء الاصطناعي إلى هياكل معمارية مختلفة. لا يزال المجال مهووسًا بـ Transformers، لكن النماذج البديلة قد تظهر.
• الإمكانات غير المستغلة لـ RL: لا يزال التعلم المعزز غير مستغل خارج المجالات الضيقة مثل الرياضيات والبرمجة.
• عام وكلاء الذكاء الاصطناعي؟ على الرغم من الضجة، لم يقدم أي مختبر بعد وكيل ذكاء اصطناعي ثوري.

هل سينتقل المطورون إلى DeepSeek؟​

• ليس بعد. لا تزال قدرات OpenAI الفائقة في البرمجة واتباع التعليمات تمنحها ميزة.
• لكن الفجوة تضيق. إذا حافظت DeepSeek على الزخم، فقد يتحول المطورون في 2025.

رهان OpenAI Stargate بقيمة 500 مليار دولار: هل لا يزال منطقيًا؟​

• صعود DeepSeek يلقي بظلال من الشك على هيمنة NVIDIA. إذا كانت الكفاءة تتفوق على التوسع بالقوة الغاشمة، فقد يبدو الحاسوب الفائق بقيمة 500 مليار دولار من OpenAI مفرطًا.
• هل ستنفق OpenAI بالفعل 500 مليار دولار؟ SoftBank هو الداعم المالي، لكنه يفتقر إلى السيولة. يبقى التنفيذ غير مؤكد.
• تقوم Meta بعكس هندسة DeepSeek. يؤكد هذا أهميتها، لكن ما إذا كانت Meta يمكنها تكييف خارطة طريقها لا يزال غير واضح.

تأثير السوق: الفائزون والخاسرون​

• على المدى القصير: قد تواجه أسهم رقائق الذكاء الاصطناعي، بما في ذلك NVIDIA، تقلبات.
• على المدى الطويل: تظل قصة نمو الذكاء الاصطناعي سليمة—تثبت DeepSeek ببساطة أن الكفاءة تهم بقدر ما تهم القوة الخام.

المصدر المفتوح مقابل المصدر المغلق: جبهة المعركة الجديدة​

• إذا وصلت النماذج مفتوحة المصدر إلى 95% من أداء النماذج مغلقة المصدر، فإن نموذج الأعمال بأكمله للذكاء الاصطناعي يتغير.
• تجبر DeepSeek يد OpenAI. إذا استمرت النماذج المفتوحة في التحسن، فقد يصبح الذكاء الاصطناعي المملوك غير مستدام.

تأثير DeepSeek على استراتيجية الذكاء الاصطناعي العالمية​

• الصين تلحق بالركب أسرع مما كان متوقعًا. قد يكون الفارق في الذكاء الاصطناعي بين الصين والولايات المتحدة لا يتجاوز 3-9 أشهر، وليس سنتين كما كان يعتقد سابقًا.
• تعتبر DeepSeek إثباتًا لمفهوم استراتيجية الذكاء الاصطناعي في الصين. على الرغم من قيود الحوسبة، فإن الابتكار المدفوع بالكفاءة يعمل.

الكلمة الأخيرة: الرؤية تهم أكثر من التكنولوجيا​

• الفرق الحقيقي لـ DeepSeek هو طموحها. تأتي اختراقات الذكاء الاصطناعي من دفع حدود الذكاء، وليس فقط تحسين النماذج الحالية.
• المعركة التالية هي التفكير. من سيقود الجيل القادم من نماذج التفكير في الذكاء الاصطناعي سيحدد مسار الصناعة.

تجربة فكرية: إذا كان لديك فرصة واحدة لطرح سؤال على الرئيس التنفيذي لـ DeepSeek ليانغ وينفنغ، فما هو؟ ما هي أفضل نصيحة لديك للشركة وهي تتوسع؟ شارك أفكارك—قد تحصل الردود البارزة على دعوة إلى قمة الذكاء الاصطناعي المغلقة القادمة.

فتحت DeepSeek فصلًا جديدًا في الذكاء الاصطناعي. ما إذا كانت ستعيد كتابة القصة بأكملها يبقى أن نرى.

المقدمة​

تشهد ساحة الذكاء الاصطناعي تحولاً جذرياً. على مدى الأسبوعين الماضيين، استضفنا نقاشاً مغلقاً مع باحثين ومطورين رائدين في مجال الذكاء الاصطناعي، مما كشف عن رؤى مثيرة حول مسار الصناعة في عام 2025. ما ظهر هو إعادة تنظيم معقدة للقوة، وتحديات غير متوقعة للاعبين الراسخين، ونقاط تحول حرجة ستشكل مستقبل التكنولوجيا.

هذا ليس مجرد تقرير—إنه خريطة لمستقبل الصناعة. دعونا نغوص في الفائزين، الخاسرين، والرهانات الحرجة التي تحدد عام 2025.

الفائزون: ظهور هيكل قوة جديد​

أنثروبيك: الرائد البراغماتي​

تبرز أنثروبيك كقائد في عام 2025، مدفوعة باستراتيجية واضحة وبراغماتية:

• بروتوكول التحكم بالنموذج (MCP): MCP ليس مجرد مواصفة تقنية بل هو بروتوكول أساسي يهدف إلى إنشاء معايير صناعية لكتابة الأكواد وسير العمل الوكيل. فكر فيه كـ TCP/IP لعصر الوكيل—خطوة طموحة لوضع أنثروبيك في مركز قابلية التشغيل البيني للذكاء الاصطناعي.
• إتقان البنية التحتية: تركيز أنثروبيك على كفاءة الحوسبة وتصميم الرقائق المخصص يظهر رؤية في معالجة تحديات قابلية التوسع لنشر الذكاء الاصطناعي.
• الشراكات الاستراتيجية: من خلال التركيز حصريًا على بناء نماذج قوية وتفويض القدرات التكميلية للشركاء، تعزز أنثروبيك نظامًا بيئيًا تعاونيًا. يظل نموذج كلود 3.5 سونيت الخاص بهم بارزًا، محتلاً المركز الأول في تطبيقات البرمجة لمدة ستة أشهر—وهي فترة طويلة في مصطلحات الذكاء الاصطناعي.

جوجل: بطل التكامل الرأسي​

تنبع هيمنة جوجل من سيطرتها التي لا مثيل لها على سلسلة القيمة الكاملة للذكاء الاصطناعي:

• البنية التحتية من البداية إلى النهاية: تخلق TPUs المخصصة لجوجل، ومراكز البيانات الواسعة، والتكامل الوثيق عبر السيليكون والبرمجيات والتطبيقات خندقًا تنافسيًا لا يمكن تجاوزه.
• أداء Gemini Exp-1206: وضعت التجارب المبكرة لـ Gemini Exp-1206 معايير جديدة، مما يعزز قدرة جوجل على تحسين الأداء عبر الطبقات.
• حلول المؤسسات: يعمل النظام البيئي الداخلي الغني لجوجل كأرض اختبار لحلول أتمتة سير العمل. يضعهم تكاملهم الرأسي في موقع مهيمن على الذكاء الاصطناعي للمؤسسات بطرق لا يمكن للشركات المتخصصة في الذكاء الاصطناعي أو مزودي السحابة التقليديين مجاراتها.

الخاسرون: أوقات صعبة قادمة​

أوبن إيه آي: عند مفترق الطرق​

على الرغم من نجاحها المبكر، تواجه أوبن إيه آي تحديات متزايدة:

• الصراعات التنظيمية: تشير المغادرات البارزة، مثل أليك رادفورد، إلى احتمال وجود عدم توافق داخلي. هل يؤثر تحول أوبن إيه آي نحو التطبيقات الاستهلاكية على تركيزها على الذكاء الاصطناعي العام؟
• القيود الاستراتيجية: قد يكون نجاح ChatGPT، على الرغم من قيمته التجارية، مقيدًا للابتكار. بينما يستكشف المنافسون سير العمل الوكيل وتطبيقات المؤسسات، تخاطر أوبن إيه آي بأن يتم حصرها في مجال الدردشة الآلية.

أبل: تفويت موجة الذكاء الاصطناعي​

تهدد التطورات المحدودة لأبل في مجال الذكاء الاصطناعي هيمنتها الطويلة على ابتكار الهواتف المحمولة:

• النقاط العمياء الاستراتيجية: مع تحول الذكاء الاصطناعي إلى مركز النظم البيئية للهواتف المحمولة، قد يؤدي نقص مساهمات أبل المؤثرة في الحلول الشاملة المدفوعة بالذكاء الاصطناعي إلى تقويض أعمالها الأساسية.
• الضعف التنافسي: بدون تقدم كبير في دمج الذكاء الاصطناعي في نظامها البيئي، تخاطر أبل بالتخلف عن المنافسين الذين يبتكرون بسرعة.

الرهانات الحرجة لعام 2025​

قدرات النموذج: الانقسام الكبير​

تقف صناعة الذكاء الاصطناعي عند مفترق طرق مع مستقبلين محتملين:

1. قفزة الذكاء الاصطناعي العام: يمكن لاختراق في الذكاء الاصطناعي العام أن يجعل التطبيقات الحالية قديمة، مما يعيد تشكيل الصناعة بين عشية وضحاها.
2. التطور التدريجي: من المرجح أن تدفع التحسينات التدريجية التطبيقات العملية والأتمتة الشاملة، مما يفضل الشركات التي تركز على سهولة الاستخدام بدلاً من الاختراقات الأساسية.

يجب على الشركات تحقيق توازن بين الحفاظ على البحث الأساسي وتقديم القيمة الفورية.

تطور الوكلاء: الحدود التالية​

تمثل الوكلاء تحولاً تحويليًا في تفاعل الإنسان مع الذكاء الاصطناعي.

• إدارة السياق: تتحرك المؤسسات إلى ما بعد نماذج الاستجابة البسيطة لتضمين الفهم السياقي في سير العمل. هذا يبسط البنى، مما يسمح للتطبيقات بالتطور مع قدرات النموذج.
• التعاون بين الإنسان والذكاء الاصطناعي: تحقيق التوازن بين الاستقلالية والإشراف هو المفتاح. يمكن للابتكارات مثل MCP من أنثروبيك أن تضع الأساس لـ متجر تطبيقات الوكلاء، مما يتيح التواصل السلس بين الوكلاء وأنظمة المؤسسات.

التطلع إلى الأمام: المنصات الضخمة التالية​

عصر نظام تشغيل الذكاء الاصطناعي​

يستعد الذكاء الاصطناعي لإعادة تعريف نماذج المنصات، وإنشاء "أنظمة تشغيل" جديدة للعصر الرقمي:

• نماذج الأساس كبنية تحتية: تصبح النماذج منصات في حد ذاتها، مع تطوير API أولاً وبروتوكولات الوكلاء الموحدة التي تدفع الابتكار.
• نماذج التفاعل الجديدة: سيتجاوز الذكاء الاصطناعي الواجهات التقليدية، ويتكامل بسلاسة في الأجهزة والبيئات المحيطة. يقترب عصر الروبوتات والوكلاء القابلين للارتداء.
• تطور الأجهزة: ستسرع الرقائق المتخصصة والحوسبة الطرفية وأشكال الأجهزة المحسنة من تبني الذكاء الاصطناعي عبر الصناعات.

الخاتمة​

تدخل صناعة الذكاء الاصطناعي مرحلة حاسمة حيث تصبح التطبيقات العملية والبنية التحتية والتفاعل البشري في مركز الاهتمام. سيتفوق الفائزون في:

• تقديم حلول شاملة تحل المشكلات الحقيقية.
• التخصص في التطبيقات الرأسية لتجاوز المنافسين.
• بناء بنية تحتية قوية وقابلة للتوسع للنشر الفعال.
• تحديد نماذج التفاعل بين الإنسان والذكاء الاصطناعي التي توازن بين الاستقلالية والإشراف.

هذه لحظة حاسمة. الشركات التي ستنجح هي تلك التي تحول إمكانات الذكاء الاصطناعي إلى قيمة ملموسة وتحويلية. مع حلول عام 2025، بدأت بالفعل السباق لتعريف المنصات الضخمة والنظم البيئية التالية.

ما رأيك؟ هل نحن متجهون نحو اختراق في الذكاء الاصطناعي العام، أم أن التقدم التدريجي سيسيطر؟ شارك أفكارك وانضم إلى النقاش.

تعلن شبكة Cuckoo عن توسيعها إلى IoTeX كحل طبقة 2، مما يجلب بنيتها التحتية للذكاء الاصطناعي اللامركزي إلى نظام IoTeX المتنامي. يجمع هذا التعاون الاستراتيجي بين خبرة Cuckoo في تقديم نماذج الذكاء الاصطناعي مع بنية MachineFi القوية لـ IoTeX، مما يخلق فرصًا جديدة لكلا المجتمعين.

الحاجة​

يحتاج مستخدمو ومطورو IoTeX إلى الوصول إلى موارد حسابات الذكاء الاصطناعي اللامركزية والفعالة، بينما يحتاج بناة تطبيقات الذكاء الاصطناعي إلى بنية تحتية بلوكشين قابلة للتوسع. من خلال البناء على IoTeX، تلبي سلسلة Cuckoo هذه الاحتياجات بينما توسع سوق الذكاء الاصطناعي اللامركزي إلى نظام جديد.

الحل​

تقدم سلسلة Cuckoo على IoTeX:

• تكامل سلس مع بنية MachineFi الخاصة بـ IoTeX
• تكاليف معاملات أقل لخدمة نماذج الذكاء الاصطناعي
• قابلية توسع محسنة لتطبيقات الذكاء الاصطناعي اللامركزية
• التشغيل البيني عبر السلاسل بين IoTeX وسلسلة Cuckoo

تفاصيل الإيردروب​

للاحتفال بهذا التوسع، تطلق شبكة Cuckoo حملة إيردروب لأعضاء مجتمع IoTeX وCuckoo. يمكن للمشاركين كسب رموز $CAI من خلال أنشطة تفاعل متنوعة:

1. المتبنون الأوائل من نظام IoTeX
2. معدنو GPU الذين يساهمون في الشبكة
3. المشاركة الفعالة في الأنشطة عبر السلاسل
4. التفاعل المجتمعي والمساهمات في التطوير

اقتباس من القيادة​

"بناء سلسلة Cuckoo كطبقة 2 على IoTeX يمثل خطوة هامة في مهمتنا لتوزيع بنية الذكاء الاصطناعي اللامركزية"، تقول دورا نودا، رئيسة المنتجات في شبكة Cuckoo. "هذا التعاون يمكننا من تقديم حسابات الذكاء الاصطناعي الفعالة والميسورة التكلفة إلى نظام MachineFi المبتكر لـ IoTeX بينما نوسع سوق الذكاء الاصطناعي اللامركزي لدينا."

الأسئلة الشائعة

س: ما الذي يجعل طبقة L2 الخاصة بسلسلة Cuckoo على IoTeX فريدة؟

ج: تجمع طبقة L2 الخاصة بسلسلة Cuckoo على IoTeX بين تقديم نماذج الذكاء الاصطناعي اللامركزي وبنية MachineFi الخاصة بـ IoTeX، مما يمكن من حسابات الذكاء الاصطناعي الفعالة والميسورة التكلفة للأجهزة والتطبيقات.

س: كيف يمكنني المشاركة في الإيردروب؟

ج: قم بزيارة https://cuckoo.network/portal/airdrop?referer=CuckooNetworkHQ لإكمال الإجراءات المؤهلة والحصول على المكافآت.

س: كيف يمكنني الحصول على المزيد من $CAI؟

• رهن رموز $CAI
• تشغيل عقدة تعدين GPU
• المشاركة في المعاملات عبر السلاسل
• المساهمة في تطوير المجتمع

س: ما هي المتطلبات التقنية لمعدني GPU؟

ج: يحتاج معدنو GPU إلى:

• NVIDIA GTX 3080, L4 أو أعلى
• ذاكرة RAM لا تقل عن 8 جيجابايت
• رهن والحصول على تصويت $CAI بين أفضل 10 معدنين
• اتصال إنترنت موثوق للحصول على تعليمات إعداد مفصلة، قم بزيارة وثائقنا على cuckoo.network/docs

س: ما الفوائد التي يجلبها هذا لمستخدمي IoTeX؟

ج: يحصل مستخدمو IoTeX على:

• موارد حسابات الذكاء الاصطناعي اللامركزية
• تكاليف معاملات أقل لخدمات الذكاء الاصطناعي
• تكامل مع تطبيقات MachineFi الحالية
• فرص كسب جديدة من خلال تعدين GPU والرهن

س: كيف تعمل الوظائف عبر السلاسل؟

ج: سيتمكن المستخدمون من نقل الأصول بسلاسة بين IoTeX وArbitrum وسلسلة Cuckoo باستخدام بنية الجسر الخاصة بنا، مما يمكن من توفير السيولة والتشغيل البيني الموحد عبر الأنظمة. تم إطلاق جسر Arbitrum والجسر الخاص بـ IoTeX لا يزال قيد العمل.

س: ما هو الجدول الزمني للإطلاق؟

ج: الجدول الزمني:

• أسبوع 8 يناير: بدء توزيع الإيردروب على شبكة سلسلة Cuckoo الرئيسية
• أسبوع 29 يناير: نشر الجسر بين IoTeX وسلسلة Cuckoo
• أسبوع 12 فبراير: الإطلاق الكامل لمنصة الوكلاء الذاتيين

س: كيف يمكن للمطورين البناء على طبقة L2 الخاصة بسلسلة Cuckoo على IoTeX؟

ج: يمكن للمطورين استخدام أدوات ولغات Ethereum المألوفة، حيث تحافظ سلسلة Cuckoo على التوافق الكامل مع EVM. ستكون الوثائق الشاملة وموارد المطورين متاحة على cuckoo.network/docs.

س: ما هو إجمالي تخصيص الإيردروب؟

ج: ستوزع حملة الإيردروب "IoTeX x Cuckoo" جزءًا من إجمالي تخصيص 1‰ المخصص للمتبنين الأوائل وأعضاء المجتمع من إجمالي المعروض من 1 مليار رمز $CAI.

معلومات الاتصال

لمزيد من المعلومات، انضم إلى مجتمعنا:

• الموقع الإلكتروني: https://cuckoo.network
• ديسكورد: https://cuckoo.network/dc
• تيليجرام: https://cuckoo.network/tg
• X/Twitter: https://cuckoo.network/x

Ritual، التي تأسست في عام 2023 من قبل المستثمر السابق في Polychain نيراج بانت وأكيلش بوتي، هي مشروع طموح عند تقاطع البلوكشين والذكاء الاصطناعي. بدعم من جولة تمويل بقيمة 25 مليون دولار بقيادة Archetype واستثمار استراتيجي من Polychain Capital، تهدف الشركة إلى معالجة الفجوات الأساسية في البنية التحتية لتمكين التفاعلات المعقدة على السلسلة وخارجها. مع فريق من 30 خبيرًا من مؤسسات وشركات رائدة، تبني Ritual بروتوكولًا يدمج قدرات الذكاء الاصطناعي مباشرة في بيئات البلوكشين، مستهدفة حالات استخدام مثل العقود الذكية المولدة باللغة الطبيعية وبروتوكولات الإقراض الديناميكية المدفوعة بالسوق.

لماذا يحتاج العملاء إلى Web3 للذكاء الاصطناعي​

يمكن أن يخفف دمج Web3 والذكاء الاصطناعي من العديد من القيود التي تُرى في الأنظمة التقليدية والمركزية للذكاء الاصطناعي.

1. البنية التحتية اللامركزية تساعد في تقليل خطر التلاعب: عندما يتم تنفيذ حسابات الذكاء الاصطناعي ومخرجات النماذج بواسطة عقد متعددة تعمل بشكل مستقل، يصبح من الصعب للغاية على أي كيان واحد - سواء كان المطور أو وسيطًا تجاريًا - التلاعب بالنتائج. هذا يعزز ثقة المستخدم والشفافية في التطبيقات المدفوعة بالذكاء الاصطناعي.

2. الذكاء الاصطناعي الأصلي لـ Web3 يوسع نطاق العقود الذكية على السلسلة إلى ما هو أبعد من المنطق المالي الأساسي فقط. مع الذكاء الاصطناعي في الحلقة، يمكن للعقود أن تستجيب لبيانات السوق في الوقت الحقيقي، والمطالبات التي ينشئها المستخدم، وحتى مهام الاستدلال المعقدة. هذا يمكن من حالات استخدام مثل التداول الخوارزمي، وقرارات الإقراض الآلي، والتفاعلات داخل الدردشة (مثل FrenRug) التي ستكون مستحيلة تحت واجهات برمجة التطبيقات الحالية للذكاء الاصطناعي المنعزلة. نظرًا لأن مخرجات الذكاء الاصطناعي يمكن التحقق منها ومتكاملة مع الأصول على السلسلة، يمكن تنفيذ هذه القرارات ذات القيمة العالية أو المخاطر العالية بثقة أكبر ووسطاء أقل.

3. توزيع عبء العمل للذكاء الاصطناعي عبر شبكة يمكن أن يقلل التكاليف ويعزز القابلية للتوسع. على الرغم من أن حسابات الذكاء الاصطناعي يمكن أن تكون مكلفة، فإن بيئة Web3 المصممة جيدًا تستمد من مجموعة عالمية من موارد الحوسبة بدلاً من مزود مركزي واحد. هذا يفتح تسعيرًا أكثر مرونة، وموثوقية محسنة، وإمكانية تدفقات عمل الذكاء الاصطناعي المستمرة على السلسلة - وكلها مدعومة بحوافز مشتركة لمشغلي العقد لتقديم قوتهم الحاسوبية.

نهج Ritual​

يتكون النظام من ثلاث طبقات رئيسية—Infernet Oracle، Ritual Chain (البنية التحتية والبروتوكول)، والتطبيقات الأصلية—كل منها مصمم لمعالجة تحديات مختلفة في مجال Web3 x AI.

1. Infernet Oracle​

• ما الذي يفعله Infernet هو أول منتج لـ Ritual، يعمل كجسر بين العقود الذكية على السلسلة والحوسبة الذكاء الاصطناعي خارج السلسلة. بدلاً من مجرد جلب البيانات الخارجية، ينسق مهام استدلال نماذج الذكاء الاصطناعي، يجمع النتائج، ويعيدها على السلسلة بطريقة يمكن التحقق منها.
• المكونات الرئيسية
  • الحاويات: بيئات آمنة لاستضافة أي عبء عمل للذكاء الاصطناعي/التعلم الآلي (مثل نماذج ONNX، Torch، Hugging Face، GPT-4).
  • infernet-ml: مكتبة محسنة لنشر تدفقات عمل الذكاء الاصطناعي/التعلم الآلي، تقدم تكاملات جاهزة للاستخدام مع أطر النماذج الشهيرة.
  • Infernet SDK: يوفر واجهة موحدة بحيث يمكن للمطورين بسهولة كتابة عقود ذكية تطلب وتستهلك نتائج استدلال الذكاء الاصطناعي.
  • عقد Infernet: يتم نشرها على خدمات مثل GCP أو AWS، تستمع هذه العقد لطلبات الاستدلال على السلسلة، تنفذ المهام في الحاويات، وتعيد النتائج على السلسلة.
  • الدفع والتحقق: يدير توزيع الرسوم (بين عقد الحوسبة والتحقق) ويدعم طرق التحقق المختلفة لضمان تنفيذ المهام بصدق.
• لماذا يهم يتجاوز Infernet كونه أوراكل تقليدي من خلال التحقق من حسابات الذكاء الاصطناعي خارج السلسلة، وليس فقط تغذيات البيانات. كما يدعم جدولة مهام الاستدلال المتكررة أو الحساسة للوقت، مما يقلل من تعقيد ربط المهام المدفوعة بالذكاء الاصطناعي بالتطبيقات على السلسلة.

2. Ritual Chain​

تدمج Ritual Chain ميزات صديقة للذكاء الاصطناعي في كل من طبقات البنية التحتية والبروتوكول. تم تصميمها للتعامل مع التفاعلات المتكررة، الآلية، والمعقدة بين العقود الذكية والحوسبة خارج السلسلة، متجاوزة بكثير ما يمكن أن تديره L1s النموذجية.

2.1 طبقة البنية التحتية​

• ما الذي تفعله تدعم بنية Ritual Chain التحتية تدفقات عمل الذكاء الاصطناعي الأكثر تعقيدًا من البلوكشين القياسية. من خلال وحدات مسبقة التجميع، وجدول زمني، وامتداد EVM يسمى EVM++، تهدف إلى تسهيل مهام الذكاء الاصطناعي المتكررة أو المتدفقة، تجريدات الحساب القوية، والتفاعلات الآلية للعقود.

• المكونات الرئيسية

  • وحدات مسبقة التجميع

    :

    • امتدادات EIP (مثل EIP-665، EIP-5027) تزيل حدود طول الكود، تقلل الغاز للتوقيعات، وتمكن الثقة بين المهام على السلسلة وخارجها.
    • التجميعات الحسابية المسبقة توحد الأطر للاستدلال الذكاء الاصطناعي، إثباتات المعرفة الصفرية، وضبط النماذج داخل العقود الذكية.

  • الجدول الزمني: يلغي الاعتماد على العقود "Keeper" الخارجية من خلال السماح للمهام بالعمل على جدول زمني ثابت (مثل كل 10 دقائق). ضروري للأنشطة المدفوعة بالذكاء الاصطناعي المستمرة.

  • EVM++: يعزز EVM بتجريد الحساب الأصلي (EIP-7702)، مما يسمح للعقود بالموافقة التلقائية على المعاملات لفترة محددة. يدعم هذا القرارات المدفوعة بالذكاء الاصطناعي المستمرة (مثل التداول الآلي) دون تدخل بشري.

• لماذا يهم من خلال تضمين ميزات موجهة للذكاء الاصطناعي مباشرة في بنيتها التحتية، تسهل Ritual Chain الحسابات المعقدة، المتكررة، أو الحساسة للوقت للذكاء الاصطناعي. يحصل المطورون على بيئة أكثر قوة وآلية لبناء تطبيقات لامركزية "ذكية" حقًا.

2.2 طبقة بروتوكول الإجماع​

• ما الذي تفعله تعالج طبقة بروتوكول Ritual Chain الحاجة إلى إدارة مهام الذكاء الاصطناعي المتنوعة بكفاءة. تتطلب مهام الاستدلال الكبيرة والعقد الحوسبية المتنوعة منطق سوق الرسوم الخاص ونهج إجماع جديد لضمان التنفيذ السلس والتحقق.
• المكونات الرئيسية
  • الرنين (سوق الرسوم):
    • يقدم أدوار "المزاد" و"الوسيط" لمطابقة مهام الذكاء الاصطناعي ذات التعقيد المتفاوت مع العقد الحوسبية المناسبة.
    • يستخدم تخصيص المهام شبه الشامل أو "المجمعة" لتعظيم الإنتاجية الشبكية، مما يضمن أن العقد القوية تتعامل مع المهام المعقدة دون توقف.
  • السيمفونية (الإجماع):
    • يقسم حسابات الذكاء الاصطناعي إلى مهام فرعية متوازية للتحقق. تتحقق عقد متعددة من خطوات العملية والمخرجات بشكل منفصل.
    • يمنع المهام الكبيرة للذكاء الاصطناعي من تحميل الشبكة بشكل زائد من خلال توزيع أعباء التحقق عبر عقد متعددة.
  • vTune:
    • يوضح كيفية التحقق من ضبط النموذج الذي تقوم به العقد على السلسلة باستخدام فحوصات البيانات "الخلفية".
    • يوضح قدرة Ritual Chain الأوسع على التعامل مع مهام الذكاء الاصطناعي الأطول والأكثر تعقيدًا مع افتراضات ثقة قليلة.
• لماذا يهم تكافح أسواق الرسوم التقليدية ونماذج الإجماع مع أعباء العمل الثقيلة أو المتنوعة للذكاء الاصطناعي. من خلال إعادة تصميم كلاهما، يمكن لـ Ritual Chain تخصيص المهام ديناميكيًا والتحقق من النتائج، مما يوسع الإمكانيات على السلسلة إلى ما هو أبعد من المنطق الأساسي للرموز أو العقود.

3. التطبيقات الأصلية​

• ما الذي تفعله بناءً على Infernet وRitual Chain، تشمل التطبيقات الأصلية سوق النماذج وشبكة التحقق، مما يوضح كيف يمكن دمج الوظائف المدفوعة بالذكاء الاصطناعي وتسييلها على السلسلة.
• المكونات الرئيسية
  • سوق النماذج:
    • يرمز نماذج الذكاء الاصطناعي (وربما المتغيرات المضبوطة) كأصول على السلسلة.
    • يسمح للمطورين بشراء أو بيع أو ترخيص نماذج الذكاء الاصطناعي، مع مكافأة العائدات لمنشئي النماذج ومقدمي الحوسبة/البيانات.
  • شبكة التحقق و"التجميع كخدمة":
    • يقدم للبروتوكولات الخارجية (مثل L2s) بيئة موثوقة لحساب والتحقق من المهام المعقدة مثل إثباتات المعرفة الصفرية أو الاستفسارات المدفوعة بالذكاء الاصطناعي.
    • يوفر حلول تجميع مخصصة تستفيد من EVM++ لـ Ritual، وميزات الجدولة، وتصميم سوق الرسوم.
• لماذا يهم من خلال جعل نماذج الذكاء الاصطناعي قابلة للتداول والتحقق مباشرة على السلسلة، تمدد Ritual وظائف البلوكشين إلى سوق للخدمات والبيانات الذكاء الاصطناعي. يمكن للشبكة الأوسع أيضًا الاستفادة من بنية Ritual للحوسبة المتخصصة، مما يشكل نظامًا بيئيًا موحدًا حيث تكون مهام وإثباتات الذكاء الاصطناعي أرخص وأكثر شفافية.

تطوير نظام Ritual البيئي​

رؤية Ritual لشبكة "بنية تحتية مفتوحة للذكاء الاصطناعي" تسير جنبًا إلى جنب مع بناء نظام بيئي قوي. إلى جانب تصميم المنتج الأساسي، قامت الفريق ببناء شراكات عبر تخزين النماذج، الحوسبة، أنظمة الإثبات، وتطبيقات الذكاء الاصطناعي لضمان تلقي كل طبقة من الشبكة دعمًا خبيرًا. في الوقت نفسه، تستثمر Ritual بشكل كبير في موارد المطورين ونمو المجتمع لتعزيز حالات الاستخدام الواقعية على سلسلتها.

1. التعاون في النظام البيئي

• تخزين النماذج والنزاهة: يضمن تخزين نماذج الذكاء الاصطناعي مع Arweave أنها تظل غير قابلة للتلاعب.
• شراكات الحوسبة: توفر IO.net حوسبة لامركزية تتناسب مع احتياجات التوسع لـ Ritual.
• أنظمة الإثبات والطبقة الثانية: تعزز التعاون مع Starkware وArbitrum قدرات توليد الإثبات للمهام المستندة إلى EVM.
• تطبيقات المستهلك للذكاء الاصطناعي: تجلب الشراكات مع Myshell وStory Protocol المزيد من الخدمات المدفوعة بالذكاء الاصطناعي على السلسلة.
• طبقة أصول النماذج: توفر Pond وAllora و0xScope موارد إضافية للذكاء الاصطناعي وتدفع حدود الذكاء الاصطناعي على السلسلة.
• تعزيزات الخصوصية: تعزز Nillion طبقة الخصوصية لـ Ritual Chain.
• الأمان والتخزين: تساعد EigenLayer في تأمين وتخزين الشبكة.
• توفر البيانات: تعزز وحدات EigenLayer وCelestia توفر البيانات، وهو أمر حيوي لأعباء العمل للذكاء الاصطناعي.

2. توسيع التطبيقات

• موارد المطورين: توفر الأدلة الشاملة تفاصيل حول كيفية تشغيل حاويات الذكاء الاصطناعي، تشغيل PyTorch، ودمج GPT-4 أو Mistral-7B في المهام على السلسلة. تقلل الأمثلة العملية - مثل توليد NFTs عبر Infernet - الحواجز أمام القادمين الجدد.
• التمويل والتسريع: يوفر مسرع Ritual Altar ومشروع Ritual Realm رأس المال والإرشاد للفرق التي تبني تطبيقات لامركزية على Ritual Chain.
• المشاريع البارزة:
  • Anima: مساعد DeFi متعدد الوكلاء يعالج الطلبات الطبيعية عبر الإقراض، المبادلات، واستراتيجيات العائد.
  • Opus: رموز ميم مدفوعة بالذكاء الاصطناعي مع تدفقات تداول مجدولة.
  • Relic: يدمج نماذج التنبؤ المدفوعة بالذكاء الاصطناعي في AMMs، بهدف تداول أكثر مرونة وكفاءة على السلسلة.
  • Tithe: يستفيد من التعلم الآلي لضبط بروتوكولات الإقراض ديناميكيًا، مما يحسن العائد مع تقليل المخاطر.

من خلال مواءمة تصميم المنتج، الشراكات، ومجموعة متنوعة من التطبيقات اللامركزية المدفوعة بالذكاء الاصطناعي، تضع Ritual نفسها كمركز متعدد الأوجه لـ Web3 x AI. نهجها الأول للنظام البيئي - المكمل بدعم مطور واسع وفرص تمويل حقيقية - يضع الأساس لاعتماد أوسع للذكاء الاصطناعي على السلسلة.

نظرة Ritual المستقبلية​

تبدو خطط منتجات Ritual ونظامها البيئي واعدة، لكن لا تزال هناك فجوات تقنية عديدة. لا يزال المطورون بحاجة إلى حل المشكلات الأساسية مثل إعداد نقاط نهاية استدلال النماذج، تسريع مهام الذكاء الاصطناعي، وتنسيق العقد المتعددة للحسابات واسعة النطاق. في الوقت الحالي، يمكن للهيكل الأساسي التعامل مع حالات الاستخدام الأبسط؛ التحدي الحقيقي هو إلهام المطورين لبناء تطبيقات أكثر إبداعًا مدفوعة بالذكاء الاصطناعي على السلسلة.

في المستقبل، قد تركز Ritual بشكل أقل على التمويل وأكثر على جعل أصول الحوسبة أو النماذج قابلة للتداول. سيجذب هذا المشاركين ويعزز أمان الشبكة من خلال ربط رمز السلسلة بأعباء العمل العملية للذكاء الاصطناعي. على الرغم من أن التفاصيل حول تصميم الرمز لا تزال غير واضحة، فمن الواضح أن رؤية Ritual هي إشعال جيل جديد من التطبيقات المعقدة، اللامركزية، والمدفوعة بالذكاء الاصطناعي - مما يدفع Web3 إلى أعمق وأكثر إبداعًا.