404—GENالسعر

(SN17)

إن '404—GEN(sn17)' هي الشبكة الفرعية 17 ضمن شبكة Bittensor، والمخصصة لإنشاء محتوى ثلاثي الأبعاد لامركزي ومدعوم بالذكاء الاصطناعي. وتهدف إلى إضفاء الطابع الديمقراطي على بناء العوالم ثلاثية الأبعاد من خلال السماح لأي شخص بإنشاء أصول ثلاثية الأبعاد جاهزة للألعاب، وصوت، ومؤثرات صوتية من موجهات نصية أو صور. وهذا يحل مشكلة إنشاء الأصول ثلاثية الأبعاد المعقد والمستغرق للوقت، مما يجعل العوالم الافتراضية والألعاب وتجارب AR/VR/XR أكثر سهولة للمبدعين والمطورين.

تبدأ العملية بإدخال المبدعين للموجهات، سواء كانت نصية أو صوراً. ثم يقوم الذكاء الاصطناعي للشبكة بإنشاء أصول ثلاثية الأبعاد في الوقت الفعلي. المعدّنون داخل الشبكة الفرعية مسؤولون عن إنشاء ملفات PLY ثلاثية الأبعاد باستخدام Gaussian splats بناءً على هذه الموجهات. يقوم المدققون بتأمين هذه العملية، مما يضمن الجودة والالتزام بالموجهات، ويكسبون الانبعاثات. تستفيد الشبكة الفرعية من نماذج توليدية ثلاثية الأبعاد مفتوحة المصدر مختلفة، تعمل من خلال شبكة لامركزية من المعدّنين والمدققين لإنشاء والتحقق من صحة المحتوى ثلاثي الأبعاد الذي يولده الذكاء الاصطناعي بشكل مستمر.

يوفر 404—GEN(sn17) العديد من الأدوات العملية للمبدعين. تشمل هذه الأدوات إضافة Blender وروبوت Discord لإنشاء الأصول مباشرة. كما يتميز بمحرك أصول تشغيلي (runtime) يتيح إنشاء أصول ثلاثية الأبعاد وصوت ديناميكي داخل اللعب المباشر أو التجارب. تسمح إضافة Blender للمستخدمين بإنشاء شبكات (meshes) و splats من موجهات نصية أو صور وتحويلها إلى شبكات (meshes) محليًا. بالإضافة إلى ذلك، يتوفر مكون إضافي لـ Unity في Unity Asset Store للتكامل السلس في محرر Unity.

يتيح التشغيل كشبكة فرعية لـ Bittensor لـ 404—GEN(sn17) الاستفادة من إطار عمل Bittensor اللامركزي والقائم على الحوافز. يعزز Bittensor الابتكار من خلال إنشاء إنترنت للسلع الرقمية، حيث تنتج الشبكات الفرعية مثل 404—GEN سلعاً محددة، وهي في هذه الحالة أصول ثلاثية الأبعاد مولدة بالذكاء الاصطناعي. يضمن هيكل الشبكة هذا مكافأة المنتجين ذوي الجودة الأعلى فقط من خلال نظام تسجيل صارم للمعدّنين والمدققين. تحدد آلية Yuma Consensus ضمن Bittensor مكافآت TAO، مما يعزز التحسين المستمر والكفاءة في الذكاء الاصطناعي التوليدي ثلاثي الأبعاد.

تتخصص الشبكة الفرعية 404—GEN(sn17) في إنشاء نماذج ثلاثية الأبعاد عالية الجودة مناسبة لتطبيقات متنوعة. هذه الأصول مثالية للألعاب، وإنشاء التوائم الرقمية، وتعبئة البيئات الافتراضية. تستخدم تقنيات Gaussian Splatting، والتي تُعرف بإنتاج أصول سريعة وعالية الجودة وجاهزة للإنتاج. يمكن بعد ذلك تحويل هذه الـ splats المولدة بكفاءة إلى شبكات (meshes) ثلاثية الأبعاد تقليدية، مما يوفر مرونة وتوافقاً لمختلف منصات ومحركات ثلاثية الأبعاد.

تعالج 404—GEN(sn17) تحدي الجودة الذاتية في المحتوى الذي يولده الذكاء الاصطناعي من خلال آلية تحقق متطورة. يقوم المدققون باستمرار بتقييم الالتزام بالموجهات والجودة العامة للنماذج ثلاثية الأبعاد المولدة. بينما توجد ذاتية متأصلة، يقدم المدققون ملاحظات حاسمة، ويطبقون فترات تهدئة (cooldowns) أو عقوبات على المعدّنين ذوي الأداء الضعيف، ويستخدمون مقارنات قائمة على المبارزة، غالباً بالاستفادة من نماذج اللغة الكبيرة (LLMs)، لتحديث تقييمات المعدّنين. يحفز هذا النظام المعدّنين لإنتاج أصول ثلاثية الأبعاد عالية الجودة وذات صلة بشكل مستمر.