ابو ابراهيم الفضلي

@Mira - Trust Layer of AI
عندماننظر إلى عالم Web3 يتوسع بوتيرة غير مسبوقة. من التمويل اللامركزي (DeFi) إلى NFTs والميتافيرس، نشهد ثورة رقمية. ومع ذلك، هناك عقبة حاسمة لا تزال تؤرق هذا المجال: الموثوقية. كيف يمكننا الوثوق بالبيانات التي نراها؟ كيف يمكننا التحقق من المعلومات دون سلطة مركزية؟ هنا تدخل شبكة ميرا كعنصر محوري.
حاليًا، تستضيف ميرا حملة ضخمة للجدول الزمني العالمي على Binance CreatorPad، مقدمةً مجموعة جوائز مذهلة بقيمة 250,000 $MIRA . لكن ما وراء الجوائز، ما الذي يجعل هذا المشروع يستحق المتابعة؟ دعونا نغوص في العمق.
شبكة ميرا ليست مجرد مشروع بلوكتشين آخر؛ إنها بروتوكول تحقق لامركزي. في مشهد اليوم الرقمي، تنتشر المعلومات المضللة و"الأخبار الزائفة" بشكل واسع. طرق التحقق القياسية غالبًا ما تكون مركزية، بطيئة، ومعرضة للتحيز.
تحل ميرا هذه المشكلة من خلال إنشاء طبقة خالية من الثقة حيث يتم التحقق من البيانات والتفاعلات والمحتوى من خلال شبكة لامركزية من العقد. وهذا يضمن أن المعلومات هي:
شفافة: يمكن لأي شخص تدقيق عملية التحقق.
غير قابلة للتغيير: بمجرد التحقق، لا يمكن العبث بالبيانات.
لامركزية: لا كيان واحد يتحكم في "الحقيقة."
حملة لوحة المتصدرين العالمية: لماذا يجب عليك الانضمام
المجتمع في حالة من النشاط، ولسبب وجيه. مع وجود أكثر من 21,500+ مشارك يتنافسون بالفعل، تحولت الحملة إلى حركة عالمية.
ما هو على المحك @Mira - Trust Layer of AI ؟
إجمالي 250,000 $MIRA توكن يتم توزيعه على أفضل المبدعين والمساهمين. هذه فرصة ذهبية للمبكرين للحصول على حصة في اللعبة. للتأهل، يجب على المشاركين إكمال مهام محددة، مثل إنشاء محتوى عالي الجودة والتفاعل مع المجتمع.
قوة التبني المبكر
تاريخياً، أولئك الذين يدعمون بروتوكولًا في مراحله المبكرة (خصوصًا الذي يحل مشكلة أساسية مثل الموثوقية) غالبًا ما يرون الفوائد الأكبر على المدى الطويل. من خلال المشاركة في هذه الحملة، أنت لا تكسب المكافآت فحسب؛ بل تصبح مساهمًا في مستقبل الثقة الرقمية في عالم البلوكشين.👋👍
#ROBO
#mira
#USJobsData
#KevinWarshNominationBullOrBear

@Fabric Foundation
اننا عندما نتحدث عن الاقتصادات الرقمية اليوم، غالبًا ما تنتقل المحادثة مباشرة إلى الأجزاء المرئية مثل منصات DeFi والأسواق الإلكترونية، أو العدد المتزايد من الخدمات المدفوعة بالذكاء الاصطناعي. هذه هي الأشياء التي يتفاعل معها الناس بشكل مباشر، لذا من الطبيعي أن تحصل على معظم الانتباه.
ولكن إذا قضيت وقتًا كافيًا في النظر إلى كيفية عمل هذه الأنظمة البيئية، ستبدأ في ملاحظة شيء آخر. خلف كل اقتصاد رقمي توجد طبقة من البنية التحتية التي لا يراها معظم المستخدمين أبدًا.
وتميل تلك الطبقة إلى تشكيل كل ما يأتي بعدها.
هذه واحدة من الأسباب التي تجعل اتجاه مؤسسة بروتوكول Fabric مثيرًا للاهتمام لمشاهدته. بدلاً من التركيز فقط على التطبيقات أو الاتجاهات قصيرة الأجل، يبدو أن المؤسسة أكثر قلقًا بشأن بناء أنظمة تسمح للشبكات الرقمية بالتنسيق مع بعضها.
قد لا يبدو هذا مثيرًا في البداية، ولكن تاريخيًا، تنتهي تلك الأنواع من قرارات البنية التحتية إلى التأثير على كامل نظم التكنولوجيا.
إذا نظرت إلى الطريقة التي تطورت بها الاقتصاديات الرقمية على مدار العقد الماضي، فإن النمو كان ملحوظًا جدًا. ما بدأ كمدفوعات عبر الإنترنت بسيطة قد توسع تدريجيًا ليشمل مشهدًا أوسع بكثير. الآن لدينا تمويل لامركزي، أصول رمزية، منصات منشئين، عوالم افتراضية، مقتنيات رقمية، وزيادة، خدمات مدعومة بالذكاء الاصطناعي تتفاعل مع هذه البيئات.
كل من هذه المساحات تولد اقتصادها الخاص.
التحدي هو أن العديد منها لا يزال يعمل بشكل منفصل. غالبًا ما تستخدم الشبكات المختلفة معايير مختلفة، وبنية تحتية مختلفة، وأنظمة اقتصادية مختلفة. نقل الأصول أو البيانات بين تلك البيئات ليس دائمًا مباشرًا، وأحيانًا يقدم مخاطر لا يلاحظها المستخدمون على الفور.
كلما نمت الاقتصاديات الرقمية أكبر، تصبح تلك التجزئة أصعب تجاهلًا.
بدلاً من الأنظمة المعزولة، ما يبدأ في الظهور هو شبكة من المنصات المترابطة. تتفاعل أنظمة الألعاب مع الأسواق. تتصل الشبكات المالية مع منصات الأصول الرقمية. تسحب خدمات الذكاء الاصطناعي البيانات من عدة بيئات وتعيد نتائج تؤثر على النشاط الاقتصادي.
عند تلك النقطة، يتوقف التحدي الحقيقي عن كونه المنصات الفردية ويبدأ في أن يصبح التنسيق.
هنا حيث قد تلعب مشاريع البنية التحتية مثل Fabric #robo دورًا أكبر.
تبدو الفكرة الأساسية بسيطة إلى حد ما: من المرجح أن تستمر الاقتصاديات الرقمية في التوسع عبر شبكات متعددة بدلاً من الانهيار في نظام واحد مهيمن. ستتخصص البيئات المختلفة في أدوار مختلفة. ستتركز بعض الشبكات على التمويل، وأخرى على البيانات، وأخرى على التطبيقات أو أنظمة الذكاء الاصطناعي.
إذا حدث ذلك، قد لا تكون التكنولوجيا الأكثر أهمية هي المنصات الفردية نفسها، بل البنية التحتية التي تسمح لها بالتفاعل بسلاسة.
يبدو أن تصميم Fabric #ROBO يميل في هذا الاتجاه. بدلاً من أن تتموضع فقط كبيئة واحدة تتنافس على المستخدمين، يبدو أن المشروع يركز أكثر على بناء بنية تحتية تساعد الأنظمة المختلفة على التنسيق.
هذا النوع من النهج يميل إلى أن يكون أكثر أهمية مع نمو النظم البيئية.
سبب آخر قد يجعل هذا مهمًا هو الدور المتزايد للسيارات في الاقتصاديات الرقمية.
تبدأ أنظمة الذكاء الاصطناعي بالفعل في التأثير على كيفية تحليل البيانات، وكيفية عمل الخدمات، وكيفية اتخاذ القرارات في البيئات عبر الإنترنت. مع نضوج هذه التقنيات، من الممكن أن تشارك الوكلاء الذكيون بشكل أكثر مباشرة في الشبكات الاقتصادية.
لكن النشاط المدفوع بالذكاء الاصطناعي يقدم مجموعة جديدة من المتطلبات.
الأنظمة الآلية لا تعمل بنفس الطريقة التي يعمل بها البشر. تتفاعل باستمرار، تعالج كميات كبيرة من البيانات وغالبًا ما تحتاج إلى ظروف قابلة للتنبؤ لتعمل بشكل صحيح. يجب أن تكون البنية التحتية التي تدعم هذه التفاعلات موثوقة بما يكفي لتتمكن الأنظمة من العمل دون إشراف بشري مستمر.
بهذا المعنى، تصبح البنية التحتية للتنسيق أكثر أهمية.
من المرجح أن تحتاج الاقتصاديات الرقمية المبنية حول خدمات الذكاء الاصطناعي، والأسواق الآلية، وأنظمة البيانات الموزعة إلى شبكات تسمح لتلك المكونات بالتفاعل بكفاءة. تصبح البنية التحتية التي تدعم التواصل الآمن، والقواعد الاقتصادية المستقرة، والحوكمة الشفافة جزءًا من الأساس.
هذه منطقة أخرى حيث يصبح النهج الأوسع لمؤسسة Fabric ذا صلة.
بالطبع، من الصعب دائمًا التنبؤ بالتأثير طويل المدى لأي تقنية. تكنولوجيا البلوكشين لا تزال تتطور، والعديد من المشاريع المختلفة تجرب نماذج مختلفة. يركز البعض على القابلية للتوسع، والبعض الآخر على الخصوصية، والبعض الآخر على أنظمة التطبيقات.
لكن نمطًا واحدًا يميل إلى تكرار نفسه في تاريخ التكنولوجيا.
غالبًا ما تحظى التطبيقات بالاهتمام في البداية بينما تحدد البنية التحتية بهدوء ما يصبح ممكنًا لاحقًا.
إذا استمرت الاقتصاديات الرقمية في التوسع كما كانت عليه خلال العقد الماضي، قد تصبح الأنظمة التي تساعد الشبكات على التنسيق أكثر أهمية بشكل متزايد. تأتي المنصات وتذهب، تتغير الاتجاهات بسرعة، لكن البنية التحتية التي تدعم النظم البيئية الكبيرة تميل إلى الاستمرار.
تبدو مؤسسة بروتوكول @Fabric Foundation وكأنها تتموضع في تلك الطبقة، الطبقة التي لا يفكر فيها معظم الناس ولكنها في النهاية تدعم كل شيء آخر.
وعلى المدى الطويل، قد ينتهي الأمر بأن يكون هذا هو المكان الذي يحدث فيه أكبر تأثير في الوقت المناسب وفي عالم التشفير.👍⭐️

@Fabric Foundation
#robo
#Mira
#AltcoinSeasonTalkTwoYearLow
#SolvProtocolHacked

حول الذكاء الاصطناعي مؤخراً كنت أفكر في مدى سرعة تغير المحادثة حول الذكاء الاصطناعي وبلوك تشين. منذ فترة ليست بطويلة، كانت معظم المناقشات في عالم الكريبتو تدور حول أشياء مثل DeFi، وNFTs، أو حلول التوسع للمعاملات الأسرع. الآن يبدو أن كل مشروع آخر يتحدث عن الذكاء الاصطناعي.
لكن عندما تأخذ خطوة للوراء للحظة، يصبح شيء ما واضحاً: تشغيل أنظمة الذكاء الاصطناعي ليس هو نفسه تشغيل المعاملات المالية. وهذا هو المكان الذي تبدأ فيه الكثير من بنية البلوك تشين التحتية الحالية في الشعور بعدم التوافق قليلاً.
هذه واحدة من الأسباب التي جعلت اتجاه مؤسسة بروتوكول @Fabric Foundation يلفت انتباهي. بدلاً من محاولة وضع تطبيقات الذكاء الاصطناعي ببساطة فوق سلسلة كتل تقليدية، يبدو أن المشروع يفكر أكثر في مشكلة البنية التحتية نفسها: ما نوع الشبكة التي تجعل المنطق إذا كانت الأنظمة الذكية ستمارس العمل عليها.
لأن أنظمة الذكاء الاصطناعي تتصرف بشكل مختلف جداً عن مستخدمي سلسلة الكتل التقليديين.
تفاعل سلسلة الكتل العادي هو مباشرة جدًا. شخص ما يرسل معاملة، يتم التحقق منها، وفي النهاية يتم تسويتها. هذه هي نهاية القصة.
أنظمة الذكاء الاصطناعي، من ناحية أخرى، لا تعمل في خطوات معزولة كهذه. إنهم يقومون بمعالجة المعلومات باستمرار، واتخاذ القرارات، وتبادل البيانات، وإطلاق إجراءات جديدة. أحيانًا يمكن أن تحدث تلك التفاعلات آلاف المرات في فترة زمنية قصيرة جدًا.
هذا النوع من النشاط يضغط على البنية التحتية بطرق لم تكن سلاسل الكتل المبكرة مصممة للتعامل معها.
إذا كان من المقرر أن يوجد الذكاء الاصطناعي على الشبكات اللامركزية على نطاق واسع، يجب أن تكون البنية التحتية قادرة على إدارة التنسيق المستمر بين الأنظمة. ليس فقط المعاملات العرضية، ولكن التفاعلات المستمرة بين النماذج والعوامل ومصادر البيانات والخدمات.
يبدو أن بنية Fabric تميل نحو حل مشكلة التنسيق تلك.
بدلاً من إجبار كل شيء من خلال طبقة سلسلة كتلة واحدة، يركز التصميم على هيكل أكثر وحدات. يمكن أن تتعامل أجزاء مختلفة من النظام مع مسؤوليات مختلفة مثل التحقق من الصحة، وتبادل البيانات، والحوكمة، والتنسيق بين الأنظمة الذكية.
قد لا يبدو هذا مثيرًا على السطح، لكن البنية التحتية الوحدات غالبًا ما تكون ما يجعل الشبكات الكبيرة تعمل فعليًا.
فكر في كيف تطورت الإنترنت. السبب الذي جعلها تتوسع عالميًا لم يكن بسبب محاولة نظام واحد التعامل مع كل وظيفة محتملة. بدلاً من ذلك، تعاملت بروتوكولات مختلفة مع أدوار مختلفة مثل الاتصال، والتوجيه، ونقل البيانات، وتشكيل شبكة يمكن أن تنمو دون أن تتفكك باستمرار تحت تعقيدها الخاص.
يبدو أن فكرة مشابهة تقف وراء نهج Fabric.
قطعة أخرى تصبح مهمة عند التفكير في بنية الذكاء الاصطناعي هي استقرار التكلفة. يمكن لمستخدمي البشر تحمل رسوم المعاملات المتقلبة. إذا ارتفعت أسعار الغاز مرة واحدة بين الحين والآخر، يشتكي الناس، لكنهم عادة ما يتكيفون.
لدى أنظمة الذكاء الاصطناعي هذه الرفاهية.
إذا كان وكيل مستقل يقوم بمئات أو آلاف التفاعلات يوميًا، يمكن أن تؤدي تكاليف المعاملات غير المتوقعة إلى تعطيل النظام بالكامل. قد يؤدي تغيير صغير في رسوم الشبكة إلى جعل عملية مؤتمتة غير اقتصادية فجأة.
هذا هو السبب في أن بنية الذكاء الاصطناعي القابلة للتطوير ليست مجرد مسألة سرعة. تحتاج أيضًا إلى ظروف اقتصادية متوقعة حتى يمكن للأنظمة المؤتمتة العمل بشكل مستمر دون إشراف بشري.
ثم هناك سؤال التنسيق بين أنظمة الذكاء الاصطناعي المختلفة نفسها.
مع تزايد قدرة الذكاء الاصطناعي، من غير المحتمل أن يقوم نموذج واحد بكل شيء. بدلاً من ذلك، من المحتمل أن نرى شبكات من الأنظمة المتخصصة تتفاعل مع بعضها البعض. قد يجمع نموذج واحد البيانات ويعالجها، بينما قد يحلل نموذج آخر الأنماط، وقد ينفذ نموذج آخر الإجراءات بناءً على تلك النتائج.
لكي يعمل هذا النوع من النظام البيئي في بيئة لامركزية، يجب أن يكون هناك طريقة موثوقة لتلك الأنظمة للتواصل، والتحقق من النتائج، وتبادل القيمة.
يبدو أن Fabric مصممة مع هذا النوع من التفاعل في الاعتبار.
بدلاً من التركيز البحت على تحويل الرموز، يبدو أن البنية التحتية تهدف إلى دعم التعاون المستمر بين الآلات والمطورين والمستخدمين ضمن نفس بيئة الشبكة.
بالطبع، بمجرد أن تبدأ الأنظمة الذكية في التفاعل اقتصاديًا، تصبح الحوكمة مهمة أيضًا.
ماذا يحدث إذا تصرف نظام منفصل بشكل غير صحيح؟
من يقرر كيف تتكيف الشبكات عندما تتفاعل عوامل الذكاء الاصطناعي بطرق غير متوقعة؟
تعتبر هذه الأسئلة صعبة حتى في البيئات المركزية.
في البيئات اللامركزية، تصبح الأمور أكثر تعقيدًا.
لهذا السبب غالبًا ما يتم تجاهل أطر الحوكمة ولكنها تعتبر قطعًا حرجة من البنية التحتية.
إنهم يقدمون القواعد والدوافع التي تحافظ على عمل النظام مع نموه.
يبدو أن تصميم Fabric يتضمن الحوكمة كعنصر أساسي بدلاً من فكرة لاحقة، وهو ما يبدو منطقيًا إذا كان الهدف هو دعم الشبكات التي يشارك فيها كل من البشر والآلات.
عند النظر إلى الوراء، الفكرة الأوسع هي بسيطة نسبيًا.
إذا كان من المقرر أن يتقاطع الذكاء الاصطناعي وسلسلة الكتل بطريقة ذات مغزى، فلا يمكن أن تكون الشبكات التي تدعمها مجرد مُحسّنة للمعاملات المالية. يجب أن تدعم التنسيق المستمر، والنشاط الاقتصادي المستقر، والتفاعل الموثوق بين الأنظمة الذكية.
بعبارة أخرى، التحدي ليس مجرد تشغيل نماذج الذكاء الاصطناعي على السلسلة. إنه بناء بنية تحتية تسمح لنظم الذكاء الاصطناعي المدفوعة بالذكاء بالعمل دون أن تتعطل تحت الحجم.
يبدو أن هذا هو الاتجاه الذي يستكشفه بروتوكول Fabric.
سواء أصبحت في النهاية قطعة رئيسية من بنية تحتية للذكاء الاصطناعي اللامركزي لا يزال يتعين رؤيته. المساحة لا تزال تتطور بسرعة، والعديد من الأساليب المختلفة يتم اختبارها.
لكن شيء واحد أصبح واضحًا: إذا نمت أنظمة الذكاء الاصطناعي اللامركزية بالطريقة التي يتوقعها الكثير من الناس، فإن الشبكات التي ستنجح ستكون على الأرجح تلك التي تركز على التنسيق والاستقرار، وليس فقط الأداء الفني الخام.
وهذا هو نوع المشكلة التي يبدو أن Fabric تحاول حلها من جذورها في عالم التشفير.💜🚀
@Fabric Foundation
#ROBO
$ROBO

@Mira - Trust Layer of AI
عندما نتحدث ندرك أن أول شيء عادةً ما يبرز عندما أستخدم الذكاء الاصطناعي هو مدى سرعة إنتاجه للإجابات. يتم شرح المواضيع المعقدة في ثوانٍ. يمكن تلخيص بيانات السوق تقريبًا على الفور. الأبحاث التي كانت تتطلب في السابق ساعات يمكن أن تظهر في بضع فقرات. ومع مرور الوقت، بدأت ألاحظ شيئًا آخر. حتى عندما تبدو الإجابات منظمة بشكل جيد، غالبًا ما يكون هناك حدس هادئ للتحقق منها في مكان آخر. قد تبدو الاستجابة مقنعة، لكن اليقين لا يزال يشعر بأنه غير مكتمل.
يكشف هذا الغريزة عن واحدة من أضعف نقاط أنظمة الذكاء الاصطناعي الحديثة. إنها تولد استجابات من خلال الاحتمالية بدلاً من الإثبات. تحلل النماذج الأنماط ضمن مجموعات بيانات كبيرة وتبني إجابات تبدو صحيحة وفقًا لتلك الأنماط. معظم الوقت، تعمل هذه الطريقة بشكل جيد. أحيانًا لا تعمل. الجزء الصعب هو أن النظام الذي ينتج الاستجابة هو عادة نفس النظام الذي يقرر ما إذا كانت الاستجابة مقبولة.
مع توسع الذكاء الاصطناعي في مجالات تتضمن قرارات حقيقية، يصبح هذا القيد أكثر أهمية. يُستخدم الذكاء الاصطناعي بشكل متزايد لمساعدة التحليل المالي، وتقييم مصادر المعلومات، وتنظيم مواد البحث، ودعم العمليات الآلية. في هذه البيئات، لا تُقرأ المعلومات فقط. بل يتم التصرف بناءً عليها. عندما تعمل الأنظمة على بيانات لم يتم التحقق منها بعناية، يمكن أن تخلق حتى الأخطاء الصغيرة مشاكل أكبر.
هنا تصبح فكرة التحقق اللامركزي مثيرة للاهتمام. بدلاً من توقع نموذج واحد أن ينتج مخرجات موثوقة تمامًا، فإن نهجًا آخر هو توزيع مسؤولية التحقق عبر عدة مشاركين. إذا قامت عدة أنظمة مستقلة بتقييم نفس المعلومات، فإن فرصة الأخطاء غير الملحوظة تصبح أصغر. تبدأ الموثوقية في الظهور من الاتفاق بدلاً من سلطة نموذج واحد.
تستكشف شبكة ميرا هذا الاتجاه من خلال التركيز على التحقق كجزء من دورة حياة الذكاء الاصطناعي. بدلاً من التعامل مع الاستجابة الناتجة كإجابة نهائية، يقوم النظام بتحليل المعلومات داخل تلك الاستجابة. يتم فصل المخرجات المعقدة إلى مطالبات أصغر يمكن فحصها بشكل فردي. تصبح كل مطالبة شيئًا يمكن تقييمه من قبل عدة مدققين من الذكاء الاصطناعي يعملون داخل الشبكة.
داخل إطار شبكة ميرا، يقوم المدققون المستقلون بتحليل هذه المطالبات وتحديد ما إذا كانت المعلومات تبدو متسقة مع مصادر البيانات الموثوقة. نظرًا لأن عدة نماذج تراجع نفس البيانات، تكتسب الشبكة منظورًا أوسع حول دقة كل مطالبة. عندما يتفق المدققون، يكتسب النظام ثقة أقوى بأن المعلومات موثوقة. عندما تظهر خلافات، يمكن التعامل مع النتيجة بحذر بدلاً من تقديمها كمعرفة موثوقة.
ما يجعل التحقق اللامركزي ذا قيمة هو أنه يوزع المسؤولية عبر مشاركين مختلفين بدلاً من تركيز الثقة في نموذج واحد. إذا أساء نظام واحد تفسير المعلومات، فقد يكتشف مدقق آخر التناقض. تصبح العملية أقرب إلى آلية مراجعة حيث تساهم وجهات نظر متعددة في النتيجة النهائية.
جانب آخر من شبكة ميرا الذي يبرز هو دور الحوافز. يتم تشجيع المدققين المشاركين في الشبكة على تقديم تقييمات دقيقة. عندما تتماشى نتائج التحقق مع المعلومات الموثوقة، يمكن أن يتلقى المشاركون مكافآت بينما قد تقلل التأكيدات غير الصحيحة من مصداقيتهم داخل النظام. يشجع هذا الهيكل التحليل الدقيق بدلاً من الموافقة السريعة.
كلما فحصت المفهوم، بدا لي أن الموثوقية في الذكاء الاصطناعي قد تعتمد أقل على القضاء تمامًا على الأخطاء وأكثر على بناء أنظمة قادرة على تحديد تلك الأخطاء بسرعة. ستستمر نماذج الذكاء الاصطناعي في التطور والتحسن، ولكن توقع أي نظام واحد أن يبقى خاليًا من العيوب في كل موقف هو توقع غير واقعي. يمكن أن تعزز طبقات التحقق التي تراجع المعلومات من وجهات نظر متعددة الثقة في المخرجات التي ينتجها الآلة.
تصبح التحقق اللامركزي أيضًا مهمًا مع بدء الذكاء الاصطناعي في التفاعل مع أنظمة آلية أخرى. ستعتمد الوكلاء المستقلون الذين يديرون المهام الرقمية بشكل متزايد على المعلومات التي تنتجها نماذج الذكاء الاصطناعي. إذا تصرف هؤلاء الوكلاء بناءً على معلومات غير صحيحة، يمكن أن تنتشر العواقب بسرعة عبر الأنظمة المتصلة. يساعد تقديم عملية تحقق قبل قبول المعلومات على تقليل هذا الخطر.
تحاول شبكة ميرا وضع هذه المرحلة من التحقق مباشرة بين توليد الذكاء الاصطناعي واستخدامه في العالم الحقيقي. بدلاً من السماح للمخرجات بالانتقال مباشرة إلى عمليات اتخاذ القرار، ينشئ النظام خطوة حيث يتم فحص المطالبات عبر مدققين مستقلين. لا تقضي هذه الخطوة على كل خطأ ممكن، ولكنها تزيد بشكل كبير من احتمالية اكتشاف المعلومات غير الموثوقة في وقت مبكر.
من وجهة نظري، فإن الجزء الأكثر إثارة في هذه الفكرة هو كيف يغير دور الذكاء الاصطناعي في البنية التحتية الرقمية. يتوقف الذكاء الاصطناعي عن كونه مجرد مولد للمعلومات ويصبح جزءًا من نظام أكبر حيث يجب أن تكسب المعلومات مصداقية قبل أن تُعتبر موثوقة. يصبح التحقق مسؤولية مشتركة بدلاً من أن يكون فكرة لاحقة يقوم بها المستخدمون.
سيستمر الذكاء الاصطناعي في أن يصبح أكثر قوة وأكثر تكاملًا في الأنظمة اليومية. مع حدوث ذلك، ستصبح المحادثة حول الموثوقية أكثر أهمية. يجب أن تتضمن الأنظمة القادرة على توليد كميات كبيرة من المعلومات أيضًا آليات تساعد في تأكيد أي أجزاء من تلك المعلومات موثوقة. تمثل شبكة ميرا محاولة واحدة لاستكشاف كيف يمكن أن يدعم التحقق اللامركزي هذا الهدف الذي يتفاعل المستخدمون العاديون بالفعل معه.🚀💜
$MIRA #Mira #mira @Mira - Trust Layer of AI

@Fabric Foundation
Ricordo il momento in cui ho iniziato a prestare attenzione reale a come si comportano i sistemi robotici al di fuori delle esibizioni teatrali attentamente curate. Nelle presentazioni alle conferenze e nei video promozionali, sembra che tutto sia fluido. I robot scivolano sui pavimenti delle fabbriche, afferrano oggetti con precisione e rispondono agli ordini come se il mondo fosse completamente prevedibile. Ma nel momento in cui osservi questi sistemi in ambienti meno controllati, qualcosa di diverso diventa visibile. Il problema non è che i robot commettano errori - chiunque lavori con le macchine se lo aspetta. Ciò che diventa evidente invece è quanto ogni sistema si senta isolato.

Seguendo, sembra più un cambiamento tranquillo nel modo in cui le persone apprendono a fidarsi delle cose. Non nelle discussioni pubbliche, ma in piccoli momenti - quando leggi qualcosa e decidi se accettarlo, condividerlo o costruirci sopra. Quando non c'è nessuno a guardare, quella decisione è fondamentalmente un'abitudine. E le abitudini cambiano quando il mondo inizia a offrire nuovi modi.

عندما@Fabric Foundation يحل المشكلة الوحيدة التي تخشى كل شركة روبوتات التحدث عنها. لقد كنا نسأل السؤال الخطأ. لسنوات، كانت المحادثة حول الروبوتات المستقلة تدور حول: "كيف نجعلها أكثر ذكاءً؟" معالجات أسرع. حساسات أفضل. مزيد من بيانات التدريب. الافتراض دائماً هو أن الذكاء هو عنق الزجاجة. لكنه ليس كذلك. العنق الزجاجة الحقيقي هو الثقة. ولا تبني الثقة مع كود أكثر ذكاءً، بل تبنيها مع حوافز أكثر ذكاءً. مؤسسة Fabric تدرك ذلك. وهذا ما يجعلها مختلفة عن كل مشروع روبوتات آخر في مساحة Web3 في الوقت الحالي.
1. نموذج الإنسان في الحلقة. تتعلم الروبوتات منا، وليس فقط من البيانات. إليك شيئًا لا يدركه معظم الناس حول كيفية تدريب أنظمة الذكاء الاصطناعي المتقدمة: الخوارزمية وحدها لا تقرر ما هو "جيد". البشر هم من يفعلون ذلك. ليس من خلال تعليمات معقدة. من خلال شيء بسيط مثل إبهام للأعلى، إبهام للأسفل. تم بناء مؤسسة Fabric على هذا المبدأ. الروبوتات في الشبكة لا تعمل فقط على الشيفرة المكتوبة مسبقًا وتأمل في الأفضل. إنها تتشكل باستمرار من خلال التغذية الراجعة البشرية، أشخاص حقيقيون يقيمون سلوكًا حقيقيًا ويخبرون النظام بما يتماشى مع القيم الإنسانية وما لا يتماشى. هذه هي الفجوة بين الروبوت الذي يفعل ما تعتقد خوارزميته أنه صحيح وروبوت يفعل ما يريده الناس فعلاً. يبدو الأمر بسيطًا. لكنه في الواقع كل شيء. لأن آلة مستقلة تعمل في العالم الفيزيائي بدون القيم الإنسانية كمنارة لها ليست فقط غير فعالة، بل هي خطيرة. تعيد مؤسسة Fabric البشر إلى مقعد السائق، حتى عندما يعمل الروبوت بشكل مستقل.
2. المساءلة الاقتصادية عندما تكون أموالك في خطر، عليك الانتباه. الشركات ترتكب أخطاء. هذا جيد. ما ليس جيدًا هو عندما لا تكون هناك عواقب حقيقية لتلك الأخطاء. لقد رأينا ذلك مئات المرات: شركة تكنولوجيا تطرح شيئًا ضارًا، تصدر اعتذارًا علنيًا، وتتابع. تتلقى فريق العلاقات العامة الضربة. لكن لا تُمسس محفظة أحد. تقوم مؤسسة Fabric بتغيير هذا من خلال نظام ضمان. يجب على كل مشغل يقوم بنشر روبوت على الشبكة أن يضع وديعة مالية كضمان. إذا تسبب ذلك الروبوت في ضرر، أو تصرف بشكل خطير، أو عمل خارج حدوده المحددة، يتم قطع الضمان. تخرج الأموال من جيبهم. على الفور. لا توجد عملية استئناف. لا بيان علاقات عامة. فكر في ما تفعله هذه المساءلة بسلوك المشغل. فجأة، لا تكون سلامة الروبوت مجرد خانة اختيار في نموذج الالتزام، بل تصبح أولوية مالية. عندما تكون أموالك الخاصة في خطر، لا تكتفي بإعداد روبوت والمغادرة. تراقبه. تقوم بتحديثه. تتأكد من أنه متوافق، لأن عدم التوافق الآن له ثمن مرتبط. هذه هي المساءلة التي تؤذي حقًا. وهذا هو بالضبط الهدف.
3. حواجز الأمان لأن الروبوتات لا تعيش على الشاشة. توافق البرمجيات شيء. التوافق الفيزيائي شيء آخر. تحدث معظم مناقشات سلامة الذكاء الاصطناعي في المجردات: إجابات خاطئة، مخرجات متحيزة، نصوص ضارة. لكن الروبوتات موجودة في العالم الحقيقي. تتحرك عبر الأماكن التي يعيش فيها الناس ويعملون. الروبوت غير المتوافق ليس مجرد دردشة محرجة. إنه خطر مادي. تتعامل مؤسسة Fabric مع سلامة الفيزياء كاهتمام من الدرجة الأولى، وليس كفكرة لاحقة. يعمل حلقة التغذية الراجعة المستمرة المدمجة في الشبكة كحدود رقمية، نظام حدودي يتم تحديثه باستمرار يحافظ على تشغيل الروبوتات ضمن حدود محددة. كل إجراء يولد بيانات. هذه البيانات تُعلم الإجراء التالي. يتحرك السياج مع الروبوت، ويضيق عند الحاجة، ويُعلم عن الشذوذ قبل أن تصبح حوادث. الهدف ليس تقييد ما يمكن أن تفعله الروبوتات. بل التأكد من أنه مهما فعلت، فإنها تفعل ذلك دون عبور إلى منطقة تعرض الناس للخطر. الذكاء بدون حدود ليس قدرة بل هو مسؤولية.
4. القضاة اللامركزيون لأن رأي شخص واحد هو مجرد تحيز مع الثقة. إليك مشكلة هادئة مع أنظمة التغذية الراجعة المركزية للذكاء الاصطناعي: من يتحكم في التغذية الراجعة يتحكم في القيم. إذا كانت شركة واحدة، أو فريق واحد، أو وجهة نظر ثقافية واحدة تقرر كيف يبدو "سلوك الروبوت الجيد"، فلن تحصل على التوافق. ستحصل على تفضيلات تلك المجموعة مشفرة في الآلات التي ستعمل عبر العالم بأسره. توزع مؤسسة Fabric الحكم. تأتي التغذية الراجعة في الشبكة من مصادر متعددة ومتنوعة: أشخاص مختلفون، سياقات مختلفة، خلفيات ثقافية مختلفة. لا تهيمن صوت واحد. لا يسمح لتحيز واحد بتعريف المعيار. النتيجة هي شيء أقرب إلى حكمة جماعية حقيقية. الروبوتات المدربة عبر شبكة تغذية راجعة متنوعة لا تؤدي بشكل جيد في بيئة واحدة فحسب، بل تطور الفهم السياقي اللازم للعمل عبر الثقافات والصناعات وحالات الاستخدام دون الانحياز إلى تعريف مجموعة واحدة الضيق لـ"الصحيح". لا تمنع القضاة اللامركزيون التحيز فحسب، بل يبنون روبوتات تفهم العالم كما هو، وليس كما تتخيلها شركة واحدة.
5. الثقة من خلال العقاب. الخصم كأساس للسلامة. في تقنية البلوكشين، هناك آلية تُدعى الخصم. إنها قاسية، بسيطة، وتعمل. تصرف بشكل صحيح تحصل على مكافأة. اخرج عن الخط تخسر حصتك. لا تحذيرات. لا فرص ثانية. العواقب تلقائية ومالية. تطبق مؤسسة Fabric هذه المنطق على توافق الروبوتات، وهي الأكثر صدقًا في نهج السلامة الموجود في هذا المجال الآن. لأن الحقيقة هي: لا يمكنك توافق روبوت أو إنسان أو شركة من خلال النوايا الحسنة وحدها. النوايا غير مرئية وغير قابلة للتحقق. الحوافز ليست كذلك. عندما يعرف المشغلون أن تصرفات الروبوت السيئة تترجم مباشرة إلى خسارة مالية، يتغير الحساب بالكامل. تتوقف السلامة عن أن تكون بيان قيمة وتبدأ في أن تكون استراتيجية للبقاء. يتوقف التوافق عن كونه طموحًا ويبدأ في أن يكون منطقيًا اقتصاديًا. لا يفترض الخصم أن أي شخص شرير. إنه يفترض أن الجميع يستجيب للعواقب ويقوم ببناء نظام تكون فيه العواقب حقيقية بما يكفي لتهم.
النتيجة النهائية. الروبوتات لا تحتاج إلى شفرة أفضل. تحتاج إلى عواقب أفضل. نموذج مؤسسة Fabric بسيط: البشر يحددون القيم، والمخاطر الاقتصادية تفرض المساءلة، والتغذية الراجعة اللامركزية تمنع التحيز، والخصم يجعل السلامة غير قابلة للتفاوض. ليس مثاليًا. ليس وعدًا في ورقة بيضاء. إنه نظام حيث يكلفك القيام بالشيء الخطأ أموالًا، وهذه الحقيقة البسيطة تغير كل شيء. في عالم حيث تتحرك الآلات المستقلة من المستودعات إلى المستشفيات، والشوارع، والمنازل، السؤال ليس ما إذا كان يمكننا بناء روبوتات أذكى. بل هو ما إذا كان يمكننا بناء أنظمة ذكية بما يكفي للحفاظ عليها تحت السيطرة.
إجابة مؤسسة Fabric هي نعم، وهي مكتوبة في الشيفرة، والتوافق، والعواقب القاسية. مؤسسة Fabric #ROBO وتوكول لامركزي يبني بنية تحتية اقتصادية لاقتصاد الروبوتات المستقلة حيث يتم فرض المساءلة من خلال الحوافز، وليس الوعود الجوفاء .🚀💜

#robo

@Mira - Trust Layer of AI الذكاء الاصطناعي يدهشنا.
عند أن كنا نفكر لفترة من الوقت، كنا جميعًا مندهشين من الذكاء الاصطناعي. كان بإمكانه كتابة المقالات، وشرح العلوم، وصياغة الوثائق القانونية، وتوليد الشفرات، وحتى تقديم العزاء للناس في محادثات الليل. كان يبدو أن المستقبل قد وصل بهدوء وجلس بجانبنا. لكن بعد ذلك بدأت تظهر شيئًا غير مريح. كان الذكاء الاصطناعي يبدو واثقًا حتى عندما كان مخطئًا. كان بإمكانه اختراع الإحصائيات، وسوء اقتباس الأبحاث، أو twisting الحقائق بطرق دقيقة، وغالبًا ما لن يلاحظ معظم الناس. كان النبرة تبدو ذكية. كانت البنية تبدو منطقية. كان الخطأ مختبئًا في العلن.
ذلك التوتر الهادئ هو المكان الذي تبدأ فيه شبكة ميرا.
الأشخاص وراء ميرا لم يحاولوا بناء دردشة أخرى. كانوا يستجيبون لمشكلة أعمق. أنظمة الذكاء الاصطناعي الحديثة هي آلات احتمالية. تتنبأ بالكلمة التالية بناءً على الأنماط التي تعلمتها من مجموعات بيانات ضخمة. إنها لا 'تعرف' الأشياء بالطريقة التي يفعلها البشر. إنها تقدر. وعندما تعتمد على التقدير في بيئات حيوية مثل المالية، الرعاية الصحية، القانون، الحكم، أو الأنظمة المستقلة، يمكن أن تكون الأخطاء الصغيرة لها عواقب وخيمة.
لذا تسأل ميرا سؤالًا بسيطًا ولكنه قوي جدًا: ماذا لو لم يكن من الضروري الوثوق بمخرجات الذكاء الاصطناعي بشكل أعمى؟ ماذا لو كان يمكن التحقق منها، تقريبًا مثل الإثباتات الرياضية أو المعاملات المالية؟
بدلاً من معالجة استجابة الذكاء الاصطناعي ككتلة واحدة كبيرة من المعلومات، تقوم ميرا بتفكيكها. تخيل أخذ فقرة طويلة وتقطيعها إلى مطالبات فردية. تصبح كل مطالبة شيئًا يمكن اختباره. بدلاً من الجدل حول ما إذا كانت الاستجابة الكاملة صحيحة أم خاطئة، تقوم بفحص كل بيان واحد تلو الآخر. هذا التحول دقيق، لكنه يغير كل شيء. تصبح التعقيد قابلاً للإدارة. تصبح الغموض مرئيًا.
بمجرد فصل المطالبات، يتم إرسالها إلى شبكة من عقد التحقق المستقلة. تقوم هذه العقد بتشغيل نماذج ذكاء اصطناعي مختلفة. لا تفكر جميعها بنفس الطريقة. ليس لديها جميعًا بيانات تدريب متطابقة. يقوم كل واحد بتقييم المطالبة وتقديم حكمه. ثم تجمع عملية التوافق تلك الأحكام. النتيجة النهائية ليست مبنية على رأي نموذج واحد، بل على اتفاق موزع.
هذا هو جوهر ميرا. لا تحاول جعل ذكاء اصطناعي واحد مثاليًا. تبني نظامًا حيث تتحقق وجهات نظر متعددة من بعضها البعض.
وهنا تدخل طبقة البلوكشين إلى الصورة. بعد التحقق، تولد الشبكة شهادة تشفيرية. تسجل تلك الشهادة ما هي المطالبات التي تم التحقق منها وما كان التوافق. تصبح دليلاً دائماً وقابلًا للتتبع يثبت أن المخرجات مرت بعملية تحقق. في عالم غمرته المحتويات التي تم إنشاؤها بواسطة الذكاء الاصطناعي، تعمل هذه الشهادة كإيصال.
المنطق التصميمي وراء هذا النهج مستند إلى الواقعية. تفهم فريق ميرا أن نماذج الذكاء الاصطناعي ستظل دائمًا لديها قيود. لن تختفي التحيزات بين عشية وضحاها. لا يمكن القضاء على الهلوسات تمامًا. بدلاً من التظاهر بأن هذه المشاكل يمكن هندستها بعيدًا، تبني ميرا طبقة ثانية تلتقطها وتقوم بتصفيةها. تتعامل مع مخرجات الذكاء الاصطناعي بالطريقة التي تتعامل بها الأمن السيبراني مع البيانات الواردة: افترض أنها قد تكون معيبة، ثم تحقق منها قبل الوثوق بها.
لكن التحقق وحده ليس كافيًا. يجب أن يكون لدى الناس سبب للمشاركة بصدق. تقدم ميرا حوافز اقتصادية من خلال نظام الرموز الخاص بها. يقوم مشغلو العقد برهن الرموز للانضمام إلى عملية التحقق. إذا تصرفوا بصدق وقدموا تقييمات دقيقة، فإنهم يُكافأون. إذا حاولوا التلاعب بالنتائج، فإنهم يخاطرون بفقدان القيمة. الفكرة بسيطة: اجعل الصدق مربحًا وعدم الصدق مكلفًا.
تعكس هذه الطبقة الاقتصادية الفلسفة التي جعلت شبكات البلوكشين مرنة. الثقة ليست مبنية على النوايا الحسنة. إنها مبنية على الحوافز المتوافقة.
عندما تنظر إلى استراتيجية النمو، تشعر بأنها عملية بدلاً من أن تكون براقة. لا تحتاج ميرا إلى إقناع المستخدمين العاديين بتغيير كيفية حديثهم إلى الذكاء الاصطناعي. تهدف إلى الاندماج في البنية التحتية. يمكن للمطورين توصيل ميرا في خطوط أنابيب الذكاء الاصطناعي الخاصة بهم من خلال واجهات برمجة التطبيقات. يمكن للشركات التي تتطلب موثوقية أعلى تضمين التحقق مباشرة في أنظمتها. مع مرور الوقت، يصبح التحقق غير مرئي ولكنه أساسي، مثل التشفير في الخدمات المصرفية عبر الإنترنت. معظم الناس لا يفكرون في التشفير، ومع ذلك يعتمدون عليه كل يوم.
فائدة المستخدم ليست دراماتيكية على السطح، لكنها عميقة تحتها. تخيل أن تسأل ذكاءً اصطناعيًا سؤالًا ماليًا معقدًا وتعرف أن كل مطالبة واقعية قد تم التحقق منها بواسطة شبكة لامركزية. تخيل الأنظمة المستقلة التي تنفذ المعاملات فقط بعد أن تم التحقق من تفكيرها. تخيل أدوات تعليمية حيث يتم تصفية المعلومات الخاطئة قبل أن تصل إلى الطلاب. تبدو التجربة هي نفسها، لكن الثقة الأساسية أقوى.
بالطبع، لا يوجد نظام محصن ضد المخاطر. يمكن أن يفشل التوافق إذا كانت مجموعة المدققين تفتقر إلى التنوع. يمكن أن تتعرض الحوافز الاقتصادية للهجوم من قبل خصوم ممولين جيدًا. يضيف التحقق تكلفة حسابية وزمن انتقال. وربما الأهم من ذلك، أن مقاييس التحقق تقيس الاتفاق، وليس الحقيقة المطلقة. إذا كانت العديد من النماذج تشترك في نفس النقطة العمياء، فقد لا تزال توافق على شيء غير صحيح. تقلل ميرا من المخاطر. إنها لا تقضي على عدم اليقين.
هناك أيضًا حدود فلسفية. بعض المطالبات موضوعية. والبعض الآخر سياقي أو قائم على القيم. يعمل نظام ميرا بشكل أفضل عند تقييم التأكيدات الواقعية. لا يمكنه حل النقاشات حول الأخلاق أو التفسير. ما يمكنه فعله هو جعل عملية التقييم شفافة.
في الصورة الأكبر، تشعر ميرا بأنها أقل كمنتج وأكثر كطبقة بنية تحتية لعصر الذكاء الاصطناعي. نحن نتجه نحو عالم حيث تولد الآلات مزيدًا من المعرفة والقرارات والأفعال أكثر من أي وقت مضى. بدون المساءلة، يصبح ذلك العالم هشًا. مع المساءلة، يصبح مستدامًا.
تسعى لبناء تلك الطبقة المسؤولة في الوقت الحقيقي.🚀💜

@Mira - Trust Layer of AI
#mira

@Fabric Foundation
Quando ho iniziato a seguire per la prima volta il protocollo Fabric, non avevo del tutto compreso la sua profondità. All’inizio sembrava solo un’altra ambiziosa sperimentazione nel mondo Web3 che cercava di collegare la blockchain ai robot. Ma più ci riflettevo, più mi rendevo conto che stava tentando qualcosa di molto più grande. Stava cercando di progettare un registro di regole invisibile per le macchine.

Entriamo in un mondo in cui i robot e i sistemi di intelligenza artificiale non sono più strumenti sperimentali. Gestiscono i magazzini, analizzano i dati, assistono nella logistica e stanno lentamente assumendo ruoli che influenzano i risultati nel mondo reale. Tuttavia, la maggior parte di questi sistemi opera in ambienti chiusi. Il loro codice è proprietario. Le loro decisioni non sono trasparenti. Il loro coordinamento è centralizzato. Quando si verifica un errore, la responsabilità diventa poco chiara.