الحوسبة كمكوّن ذكاء اصطناعي

ملاحظة: هذا المستند هو ترجمة آلية للنسخة الإنجليزية الأصلية.

الحوسبة كمكوّن ذكاء اصطناعي

تعني الحوسبة كمكوّن ذكاء اصطناعي أن المشروع يوفّر أو ينسّق الموارد الحوسبية — وحدات GPU وTPU وCPU — لأحمال الذكاء الاصطناعي. عندما تُدرِج بطاقة مشروع DecAIHub قيمة متعلّقة بالحوسبة في حقل AI component، فإنها تصف طبقة البنية التحتية: العتاد وأنظمة الجدولة التي تمكّن من تدريب النماذج أو تشغيلها. الحوسبة هي ما يجعل الذكاء الاصطناعي ممكنًا، لكنها ليست الذكاء الاصطناعي نفسه.

باختصار: الحوسبة كمكوّن تعني أن المشروع يوفّر أو يدير قدرة المعالجة لمهامّ الذكاء الاصطناعي — غرفة المحرّكات، لا الذكاء.

كيف تبدو في بطاقات DecAIHub

يستخدم حقل AI component قيمًا مُطبَّعة. تشمل المُدخلات المتعلّقة بالحوسبة:

• GPU orchestration — جدولة أحمال الذكاء الاصطناعي وتوزيعها عبر مزوّدي GPU
• compute marketplace — منصّة تطابق عرض الحوسبة (مالكو GPU) مع الطلب (مشغّلو النماذج)
• distributed compute — معالجة موزَّعة عبر شبكة من العقد المستقلّة
• GPU-as-a-service — تأجير GPU عند الطلب لأحمال الذكاء الاصطناعي
• compute orchestration — توجيه مهامّ الحوسبة وإدراجها في قوائم انتظار وإدارتها عبر المزوّدين
• proof of compute — آلية تتحقّق من أن عمل الحوسبة جرى فعلًا

تصف كل قيمة ما تفعله طبقة الحوسبة في المشروع عمليًّا، لا ما تطمح أن تصبح عليه.

عند قراءة هذه القيم، ميّز بين إدراج السعة وتسليم المهامّ المكتملة: فالتنسيق والأسواق يمكن أن توجد بمعدّل استخدام منخفض؛ وينبغي للتحقّق أن يبحث عن آثار المهامّ والتسويات وتنوّع المزوّدين حيث تتطلّب الادّعاءات ذلك.

لماذا تهمّ الحوسبة لقابلية التحقّق

الحوسبة هي الأساس المادي لكل نظام ذكاء اصطناعي. فبدون وحدات GPU أو عتاد مكافئ، لا يوجد تدريب ولا استدلال. في مجال الذكاء الاصطناعي للعملات المشفّرة، تطرح مشاريع الحوسبة ادّعاءً محدّدًا: أن الشبكات اللامركزية يمكنها توفير قدرة المعالجة نفسها التي يوفّرها مزوّدو السحابة المركزيون، منسَّقة بواسطة بروتوكول بلوكتشين.

لكي يصمد هذا الادّعاء، يجب أن يوجد دليل: مزوّدو GPU حقيقيون يخدمون مهامّ حقيقية، ومعدّلات استخدام قابلة للقياس، وتسوية على السلسلة للعمل المكتمل، وسجلّات قابلة للتحقّق للحوسبة المُسلَّمة. يشمل دليل Tier-1 للحوسبة عادةً لوحات معلومات تُظهر المزوّدين النشطين، أو سجلّات إكمال المهامّ، أو معاملات قابلة للاستعلام علنًا على السلسلة.

ما الذي يجعل الحوسبة قابلة للتحقّق

تتيح عدّة آليات لمشاريع الحوسبة في العملات المشفّرة إثبات أن العمل يجري فعلًا:

• إثبات العمل المُنجَز — دليل تشفيري أو قائم على الإجماع على أن مهمّة حوسبة جرت حتى الاكتمال وأنتجت نتيجة صالحة.
• مقاييس استخدام GPU — بيانات آنية أو تاريخية عن مقدار سعة GPU الشبكية المُستخدَمة بنشاط.
• تسوية الدفع على السلسلة — سجلّات قابلة للتحقّق على السلسلة لمدفوعات مهامّ الحوسبة، تربط الطلب بالعرض.
• أنظمة سمعة المزوّدين — تاريخ على السلسلة لزمن التشغيل، ومعدّل نجاح المهامّ، ومعايير أداء المزوّدين الأفراد.

المشاريع التي تجمع هذه الآليات تحصل على درجات أعلى في محور السلسلة (on-chain) لـDecAI Fit، لأن البلوكتشين يؤدّي دورًا وظيفيًّا يتجاوز إصدار الرمز.

الأنماط الشائعة في DecAIHub

تظهر الحوسبة كمكوّن عبر عدّة نماذج أوّلية:

• أسواق GPU — منصّات يمكن لأي شخص فيها إدراج سعة GPU وللمشترين استئجارها لأحمال الذكاء الاصطناعي. ينسّق التسعير والتسوية على السلسلة العرض والطلب.
• مجمّعات الحوسبة — مشاريع تجمع السعة من مصادر متعدّدة (مراكز بيانات، مالكو GPU أفراد) في طبقة وصول واحدة.
• شبكات الحوسبة DePIN — شبكات بنية تحتية مادية لامركزية حيث تكافئ حوافز الرموز مزوّدي العتاد على المساهمة بوحدات GPU.
• طبقات الحوسبة المتخصّصة — بنية تحتية مُحسَّنة لأحمال محدّدة، مثل عناقيد التدريب أو خدمة الاستدلال منخفضة الكمون.

قد تتداخل الأنماط: فيمكن لسوق أن يجمع مزوّدين غير متجانسين بينما يعرض واجهة مهامّ واحدة؛ وقد تركّز الطبقات المتخصّصة على التدريب بالدفعات مقابل الاستدلال التفاعلي.

ما الذي يجب التحقّق منه

عند مراجعة بطاقة مشروع بمكوّن ذكاء اصطناعي متعلّق بالحوسبة، تحقّق من:

• المزوّدون النشطون — هل لدى المشروع لوحة معلومات عامّة أو دليل على السلسلة يُظهر مزوّدي GPU حقيقيين يخدمون مهامّ حقيقية؟
• بيانات الاستخدام — هل توجد مقاييس تُظهر النسبة المئوية لسعة الحوسبة المُدرَجة المُستخدَمة فعلًا؟
• دليل إكمال المهامّ — هل يمكنك العثور على سجلّات على السلسلة لمهامّ حوسبة مكتملة مع تسوية؟
• مواصفات العتاد — هل يحدّد المشروع أنواع GPU والذاكرة والقدرات، أم مجرّد ادّعاءات "قوّة حوسبة" مجمَّعة؟
• مقارنة السعر والأداء — هل ينشر المشروع معايير مرجعية تقارن التكلفة والأداء بالبدائل المركزية؟

ما لا تثبته الحوسبة كمكوّن

• توفير وحدات GPU لا يعني أن نماذج الذكاء الاصطناعي تعمل عليها. فقد تظلّ سعة الحوسبة عاطلة، أو تخدم أحمالًا غير متعلّقة بالذكاء الاصطناعي، أو توجد على الورق فقط.
• قد تختلف السعة المُدّعاة عن السعة الفعلية. فقد يبلّغ مشروع عن أساطيل GPU كبيرة بينما يظلّ الاستخدام الفعلي منخفضًا.
• الحوسبة بنية تحتية، لا ذكاء. فالمشروع الذي يكون GPU orchestration مكوّنه الوحيد للذكاء الاصطناعي هو مزوّد حوسبة، لا منتج ذكاء اصطناعي — ما لم يشغّل أيضًا نماذج ذكاء اصطناعي أو يخدمها.
• الحوسبة اللامركزية لا تتفوّق تلقائيًّا على البدائل المركزية. فالتكلفة والكمون والموثوقية يجب أن تُثبَت، لا أن تُفترَض.

تحقّق دائمًا من جدول الأدلّة وai_score في بطاقة المشروع. فقد يحصل مزوّد حوسبة بحت على ai_score منخفضة إذا كان الذكاء الاصطناعي العامل على بنيته التحتية يخصّ أطرافًا ثالثة.

التمييز عن فئة الذكاء الاصطناعي/الحوسبة

تصنّف فئة الذكاء الاصطناعي/الحوسبة مشروعًا على المستوى الأعلى: "هذا المشروع يدور في الأساس حول توفير الحوسبة للذكاء الاصطناعي." أما حقل AI component فأكثر تحديدًا: فهو يصف الآلية التقنية الفعلية داخل المشروع — تنسيق GPU، إثبات الحوسبة، جدولة المهامّ. يمكن لمشروع في فئة الذكاء الاصطناعي/الوكلاء أن يكون لديه compute orchestration كأحد مكوّنات الذكاء الاصطناعي إذا كان يدير طبقة الحوسبة الخاصّة به داخليًّا.

لا تخلط بين

• الذكاء الاصطناعي/الحوسبة فئة مشاريع. الحوسبة كمكوّن هي الآلية المحدّدة داخل المشروع.
• الاستدلال هو الحِمل الذي يعمل على الحوسبة. توفّر الحوسبة الموارد؛ ويستخدمها الاستدلال لإنتاج مخرجات الذكاء الاصطناعي.
• التدريب حِمل آخر يستهلك الحوسبة. التدريب يبني النماذج؛ والحوسبة توفّر العتاد.
• DePIN بلا ذكاء اصطناعي — توفّر بعض مشاريع DePIN تخزينًا أو نطاقًا تردّديًّا أو مستشعرات، لا حوسبة GPU للذكاء الاصطناعي. علامة مكوّن الحوسبة تنطبق فقط عندما يستهدف العتاد أحمال الذكاء الاصطناعي.

الأسئلة الشائعة

لماذا قد تُنتج طبقة حوسبة قويّة ai_score متواضعة؟

لأن DecAIHub تفصل البنية التحتية عن الذكاء. فتأجير وحدات GPU قابل للتحقّق وقيّم لكنه لا يُظهر بذاته نماذج مملوكة أو مدرَّبة أو مُقيَّمة من قبل المشروع. انظر كيفية معرفة ما إذا كان المشروع يمتلك ذكاءً اصطناعيًّا حقًّا.

ما الفرق بين proof of compute و"لدينا وحدات GPU" العامّة؟

يعني proof of compute وجود آلية تربط العمل المُدّعى بالتحقّق (إثبات تشفيري، إجماع، إيصالات). أما مجرّد قائمة عتاد بلا إثباتات مهامّ فهو دليل أضعف.

هل يجب أن أتوقّع الحوسبة والاستدلال على البطاقة نفسها؟

غالبًا نعم، في الحزم المتكاملة — لكن ليس دائمًا. فبعض المشاريع تجمع العتاد فقط؛ وآخرون يخدمون النماذج فقط باستخدام حوسبة خارجية. ينبغي لقائمة AI component أن تعكس ما هو مُدلَّل عليه فعلًا.

مراجع خارجية

• GPU computing — نظرة عامّة على أحمال GPU للأغراض العامّة، وهي الأساس لمعظم تدريب الذكاء الاصطناعي وخدمته الحديثين.
• Cloud computing — سياق لكيفية توفير الحوسبة وقياسها، مفيد عند مقارنة العروض اللامركزية بالمزوّدين التقليديين.

انظر أيضًا

• ما هو مكوّن الذكاء الاصطناعي
• مكوّن الذكاء الاصطناعي مقابل حالة الاستخدام
• فئة الذكاء الاصطناعي/الحوسبة
• الاستدلال كمكوّن ذكاء اصطناعي
• ما هو DecAI Fit
• أدلّة Tier-1 وTier-2 وTier-3
• كيفية معرفة ما إذا كان المشروع يمتلك ذكاءً اصطناعيًّا حقًّا