Zeno و DeSci: پارادایم دوقلوی دیجیتال و دموکراتیزه کردن فناوری

عنوان اصلی: "چشم‌انداز دوقلوی دیجیتال Zeno و دموکراتیزه کردن فناوری DeSci"

نویسنده اصلی: Eric, Foresight News

بیش از یک هفته پیش، پلتفرم DeSci به نام Orama Labs اولین پروژه OramaPad، یعنی عرضه توکن Zeno را با موفقیت به پایان رساند. این لانچ‌پد Zeno تعداد 500 میلیون توکن ZENO، یعنی نیمی از کل عرضه را ارائه کرد. OramaPad از کاربران می‌خواهد که توکن‌های PYTHIA خود را استیک کنند تا در این "اقدام افتتاحیه" شرکت کنند و در مجموع 3.6 میلیون دلار استیکینگ PYTHIA جذب شد.

Orama Labs قصد دارد ناکارآمدی‌های تخصیص بودجه و توزیع منابع در تحقیقات علمی سنتی را برطرف کند. راه حل این است که برای آزمایش‌های علمی بودجه تأمین شود، تأیید مالکیت معنوی حاصل شود، سیلوهای داده حل شوند و حاکمیت جامعه پیاده‌سازی شود، که مسیری را از تحقیق تا تجاری‌سازی ایجاد می‌کند.

اولین پروژه OramaPad مدل Crown را اتخاذ می‌کند، جایی که پروژه باید دارای یک سیستم منطق تجاری سالم و/یا قابلیت‌های توسعه فنی قوی در حوزه Web2 باشد. علاوه بر این، محصول آن باید بسیار کاربردی باشد، چیزی که Orama آن را OCM (Onboarding Community Market) می‌نامد. برخلاف صدور ساده میم کوین، Orama اساساً یک مسیر تبدیل on-chain قابل تکرار برای شرکت‌ها یا تیم‌های Web2 با مدل‌های تجاری و قابلیت‌های فنی بالغ فراهم می‌کند و Zeno پیشگام نیز از این قاعده مستثنی نیست.

فناوری سخت‌افزاری سند غیرقابل خواندن

Zeno پروژه‌ای با چشم‌اندازی بزرگ است، به طوری که اگر فقط به مستندات Zeno نگاه کنید، ممکن است به طور کامل متوجه نشوید که تیم سعی در دستیابی به چه چیزی دارد. تنها پس از اینکه نویسنده با تیم ارتباط برقرار کرد، تصویر کامل این داستان به سبک سایبرپانک روشن شد:

به طور خلاصه، Zeno قصد دارد یک فضای مجازی چند لایه برای موجودات هوشمند مانند AI و ربات‌ها در فضای فیزیکی زندگی انسان ایجاد کند و به همه "موجودات هوشمند"، از جمله انسان‌ها، اجازه دهد در همان فضا زندگی کنند.

سناریویی مانند این را تصور کنید: یک بعد از ظهر در آینده، شما در حال لذت بردن از اوقات فراغت در بالکن روی یک صندلی راحتی هستید، با یک باتلر AI که تمام لوازم خانگی را متصل می‌کند و یک ربات انسان‌نما که مشغول کارهای خانه است. ناگهان، کمی احساس بی‌حوصلگی می‌کنید و می‌خواهید با دو برادر دیگر خود در خانه یک بازی پاس مجازی انجام دهید. بنابراین، عینک VR/AR خود را می‌زنید و در دنیای عینک، ربات شبیه انسان به نظر می‌رسد و AI که فقط در شبکه وجود دارد به یک انسان‌نما تبدیل می‌شود. ربات روی مبل می‌نشیند و AI روی زمین می‌نشیند. هر سه شما در حالی که درباره شام امشب بحث می‌کنید، بسکتبال مجازی را پاس می‌دهید.

این چشم‌انداز نهایی Zeno است که به موجودات زنده مبتنی بر کربن و هوش‌های مبتنی بر سیلیکون اجازه می‌دهد در همان فضای فیزیکی همزیستی کنند.

فضای سایبری که بسیاری از ما تصور می‌کنیم ممکن است یک فضای کاملاً مجازی باشد، مانند آنچه در فیلم "Ready Player One" به تصویر کشیده شده است، جایی که مردم از طریق VR وارد دنیای جدیدی می‌شوند. حتی تعاملات فعلی ما با AI، از جمله تعامل با Zeno، از طریق حامل‌های مسطح مانند رایانه‌ها یا صفحه‌های گوشی‌های هوشمند انجام می‌شود. Zeno قصد دارد مستقیماً این فضاهای مجازی را به زندگی واقعی بیاورد و حالتی ایجاد کند که در آن دنیای فیزیکی و دنیای دیجیتال در "همپوشانی در همان فضا-زمان" وجود داشته باشند. این ادغام به محتوای دیجیتال اجازه می‌دهد تا به اندازه وجود فیزیکی "واقعی و ملموس" باشد و به انسان‌ها، ربات‌ها و AI امکان می‌دهد به تعامل طبیعی در صحنه‌های واقعی دست یابند و یک اکوسیستم واقعیت ترکیبی بسازند که در آن مجازی و واقعی به طور هماهنگ همزیستی می‌کنند.

البته، دنیایی که ما می‌بینیم ممکن است دقیقاً همان دنیایی نباشد که ربات‌ها و AI می‌بینند. به عنوان مثال، ممکن است نخواهید ربات به طور تصادفی وارد اتاق مطالعه شما شود. در دنیایی که ربات درک می‌کند، می‌توانید در اتاق مطالعه را قفل کنید. تنها زمانی که این "قفل" را "باز" کنید، به ربات اجازه ورود داده می‌شود.

هسته اصلی لنگرهای فضایی

زندگی زیر یک سقف با هوش مصنوعی ممکن است بسیار پیشرفته به نظر برسد، اما یک پیش‌فرض مهم وجود دارد: شما باید مدلی از دنیای واقعی را در محیط مجازی ایجاد کنید تا به قابلیت برنامه‌نویسی دست یابید.

اول از همه، شما باید داده‌های واقعیت دنیای واقعی را در اختیار داشته باشید، چالشی که در حال حاضر توسط بسیاری از شرکت‌ها، از جمله شرکت‌های حوزه رانندگی خودکار، در حال تحقیق است. رانندگی خودکار را در نظر بگیرید. با داده‌های نقشه دنیای واقعی از کل یک شهر، AI رانندگی خودکار نیازی به پرسه زدن در خیابان‌ها به دنبال ماشین‌ها برای یادگیری نحوه برخورد با موقعیت‌های مختلف ندارد. می‌تواند مستقیماً سناریوهای جاده‌ای را در آزمایشگاه شبیه‌سازی کند تا به طور مداوم تکامل یابد.

اگرچه موارد فوق نشان‌دهنده آنچه ما "همپوشانی فضایی" می‌نامیم نیست، اما همچنان یک کاربرد حیاتی برای ساخت مدلی از دنیای واقعی است. چشم‌انداز نهایی Zeno نمی‌تواند در یک مرحله محقق شود. اولین کاری که باید انجام شود، جمع‌آوری داده‌های واقعیت دنیای واقعی است.

Zeno برنامه‌ای را راه‌اندازی کرده است که به کاربران اجازه می‌دهد از دستگاه‌های روزمره خود برای کمک به ورود داده‌های فضایی استفاده کنند و از دو نوع دستگاه پشتیبانی می‌کند: ربات‌ها و عینک‌ها. در مورد گوشی‌های هوشمند، تیم اعلام کرد که ARCore گوگل به اندازه کافی بالغ است و نیازی به توسعه ثانویه ندارد. کاربران می‌توانند مستقیماً با ارجاع به مدل‌های سازگار از آن استفاده کنند. داده‌های جمع‌آوری‌شده برای ساخت الگوریتم‌های فضایی که به طور مستقل توسط تیم Zeno توسعه یافته‌اند، استفاده می‌شود.

هسته اصلی ایجاد همزیستی بین دنیای واقعی و دنیای مجازی حول لنگرهای فضایی (spatial anchors) می‌چرخد. از منظر تحقق فنی، دنیای واقعی را نمی‌توان مستقیماً برنامه‌نویسی کرد. ارتباط بین دنیای واقعی و مجازی با مرتبط کردن لنگرها در دنیای واقعی و ترسیم یک فضای مجازی بر اساس فضای فیزیکی ایجاد می‌شود. به زبان استعاری، برای ربات‌ها و AI، دنیای واقعی مانند اقیانوس در شب است و این لنگرها فانوس‌های دریایی فردی هستند که هر منطقه را برای هوش‌های مبتنی بر سیلیکون در دنیای واقعی روشن می‌کنند.

اولین قدم Zeno در دستیابی به "هدف نهایی" خود، ایجاد یک پلتفرم full-stack است. علاوه بر دستگاه‌های الکترونیکی روزمره مانند گوشی‌های هوشمند، این پلتفرم از تجهیزات حرفه‌ای مانند LiDAR، دوربین‌های 360 درجه و دوربین‌های RGB در دستگاه‌های تلفن همراه یا هدست‌های XR برای جمع‌آوری داده استفاده می‌کند. تیم اعلام کرد که پلتفرم Zeno دارای یک مدل دنیای بصری مبتنی بر ابر قدرتمند و سیستم محاسباتی خواهد بود که قادر به پردازش گیگابایت‌ها داده خام حسگر برای مناطق در مقیاس بزرگ (در سطح شهر / در سطح جهانی) به صورت روزانه است و نمایه‌ها را برای پرس‌وجوهای فضایی سریع می‌سازد. همچنین داده‌ها را برای مناطق در مقیاس کوچک (در سطح اتاق / در سطح لنگر) به صورت موازی پردازش می‌کند تا به پردازش بلادرنگ با توان عملیاتی بالا دست یابد.

علاوه بر این، سیستم مجهز به قابلیت‌های خودآموزی برای بهینه‌سازی مداوم از طریق داده‌های با کیفیت بالا و داده‌های شخص ثالث است. در آینده، از صدها پرس‌وجوی فضایی در ثانیه پشتیبانی خواهد کرد و نتایج موقعیت‌یابی دقیق شش درجه آزادی (6-DOF)، ایجاد لنگر فضایی مشترک، بازسازی بصری سه‌بعدی سریع، بخش‌بندی معنایی بلادرنگ و سایر عملکردهای درک صحنه را ارائه خواهد داد. این سیستم بسیار مقیاس‌پذیر است و می‌تواند به طور گسترده در سناریوهای مختلف مانند بازی‌های AR، ناوبری، تبلیغات یا ابزارهای بهره‌وری اعمال شود.

داده‌های فضایی تأییدشده و لایه زیرساخت هوش فضایی ساخته‌شده می‌توانند توسط برنامه‌های غیرمتمرکز مختلف برای برنامه‌ریزی مسیر رانندگی خودکار، آموزش داده‌های مدل end-to-end برای ربات‌ها، تولید قرارداد هوشمند قابل تأیید برای اجرای خودکار، توزیع تبلیغات به شکل فضایی و در نهایت دستیابی به تصمیم‌گیری مبتنی بر داده‌های فضایی و برنامه‌های سطح بالاتر فراخوانی شوند.

چه کسی پشت Zeno است؟

در مقایسه با برخی پروژه‌های Web3 با چشم‌اندازهای مبهم، هدف Zeno، اگرچه پیچیده به نظر می‌رسد، بسیار عملی است. دلیل اینکه پیاده‌سازی فنی در مستندات پروژه با جزئیات بسیار شرح داده شده این است که اعضای تیم سال‌هاست که عمیقاً در این زمینه درگیر بوده‌اند.

اعضای تیم Zeno همگی از DeepMirror هستند که همان Chameleon Technology است. اگر با Chameleon Technology آشنا نیستید، ممکن است نام Pony.ai را شنیده باشید، شرکتی که در نزدک با ارزش بازار 7 میلیارد دلار لیست شده است. Harry Hu، مدیر عامل Chameleon Technology، مدیر عملیاتی/مدیر مالی سابق Pony.ai بود.

مدیر عامل Zeno، Yizi Wu، از اعضای اولیه Google X بود و در توسعه محصولاتی مانند Google Glass، Google ARCore، Google Lens و پلتفرم توسعه‌دهندگان گوگل مشارکت داشت. در Chameleon Technology، او معماری کلی AI و توسعه مدل جهانی (World Model) را رهبری کرد.

تیم اصلی Zeno همچنین شامل Taoran Chen است که قبلاً به عنوان دانشمند تحقیقاتی در Horizon Robotics خدمت می‌کرد و دارای مدرک دکترای دوگانه در ریاضیات از MIT و دانشگاه کرنل است، و Kevin Chen که قبلاً به عنوان مدیر مالی Horizon Robotics خدمت می‌کرد و سمت‌های اجرایی در Fosun Group، JPMorgan Chase و Morgan Stanley داشت.

برای تیم Zeno، ورود به Web3 بیشتر شبیه یک تلاش جسورانه توسط یک تیم Web2 متخصص در فناوری است. تیم توضیح داد که توکن ZENO برای تشویق کاربرانی که داده‌های فضایی ارائه می‌دهند و تیم‌ها یا افرادی که Zeno را برای ساخت ابزارهای توسعه زیرساخت، برنامه‌ها و بازی‌ها اتخاذ می‌کنند، استفاده خواهد شد. علاوه بر 5 میلیارد توکن توزیع‌شده در لانچ‌پد، تیم 3 میلیارد توکن را رزرو کرد، در حالی که 2 میلیارد توکن باقی‌مانده دارای جفت‌های نقدینگی با 100 SOL به دست آمده از فعالیت لانچ‌پد در Meteora خواهند بود.

برنامه فضایی یکپارچه AR و بازی Horizon Robotics به نام RealityGuard

وقتی از Zeno پرسیده شد که چرا Web3 را به عنوان میدان نبرد خود انتخاب کردند، به نویسنده گفتند که داده‌های فضایی خود یک دارایی دیجیتال بسیار غیرمتمرکز است که به طور طبیعی در محیط Web3 قرار می‌گیرد. داده‌های فضایی جمع‌آوری‌شده توسط Zeno نیز در آینده اوراق بهادار خواهند شد و از طریق تراکنش‌هایی با استفاده از توکن ZENO به عنوان ارز در اکوسیستم گسترش خواهند یافت، که خریداران آن شرکت‌های فناوری نیازمند داده‌های فضایی خواهند بود. در مورد کاربردهای بیشتر ZENO، آن‌ها "با پیشرفت پروژه بیشتر بررسی خواهند شد".

از طریق Zeno، اعتقاد بر این است که پلتفرم DeSci به عینیت رسیده است، جایی که علم لزوماً یک رشته مبهم و صرفاً نظری نیست، بلکه دموکراتیزه کردن فناوری مشابه شیائومی است، که آستانه سرمایه‌گذاری ارزش فناوری را پایین می‌آورد، که این نیز یکی از ارزش‌های مهم وجود DeSci است.

لینک مقاله اصلی