ثلاث اتجاهات استراتيجية لدمج الذكاء الاصطناعي مع التشفير

حالياً، يدخل تقاطع الذكاء الاصطناعي والتشفير مرحلة تجريبية تشبه "انفجار الكمبري". تتناول هذه المقالة الاتجاهات الرئيسية الثلاثة لت融合 الذكاء الاصطناعي والتشفير.

1. بناء أكثر الاقتصاد حيوية المدعوم بالوكلاء الذكيين

لقد أثبتت Truth Terminal جدوى عمل وكلاء الذكاء الاصطناعي على السلسلة. التجارب في هذا المجال تواصل تجاوز حدود تشغيل الوكلاء على السلسلة، مع إمكانات ضخمة ومساحة تصميم واسعة. في الوقت الحالي، أصبح هذا أحد أكثر الاتجاهات ابتكارًا وانفجارًا في مجالي التشفير والذكاء الاصطناعي.

في المستقبل، يمكن للوكلاء الذكيين إدارة المشاريع المعقدة التي تحتاج إلى تنسيق اقتصادي متعدد الأطراف. على سبيل المثال، في مجال البحث العلمي، يمكن أن يكون الوكلاء مسؤولين عن البحث عن المركبات العلاجية لأمراض معينة. بالتحديد:

• جمع التبرعات للرموز من خلال المنصات ذات الصلة
• استخدام الأموال المجمعة لدفع رسوم الوصول إلى بيانات البحث المدفوعة، ودفع تكاليف حساب محاكاة المركبات على الشبكة الحاسوبية اللامركزية.
• من خلال منصة المكافآت تجنيد البشر لأداء مهام التحقق من التجارب

بجانب المشاريع المعقدة، يمكن للوكيل أيضًا تنفيذ مهام بسيطة مثل إنشاء مواقع شخصية، إنشاء أعمال فنية، وغيرها من المهام التي تتمتع بإمكانيات لا حصر لها.

لماذا يكون من الأكثر معنى أن ينفذ الوكلاء الأنشطة المالية على السلسلة؟

التشفير العملات الرقمية في بعض المجالات لديها مزايا فريدة:

• تطبيقات الدفع الصغيرة
• ميزة السرعة: وظيفة التسوية الفورية تساعد الوكلاء على تحقيق أقصى كفاءة للأموال
• الدخول إلى الأسواق المالية من خلال DeFi: يمكن للوكيل صهر الأصول، وإجراء المعاملات، والاستثمار، والتمويل، وعمليات الإقراض، واستخدام الرافعة المالية بسلاسة.

من حيث قوانين تطور التكنولوجيا ، تلعب الاعتمادية على المسار دورًا حاسمًا. مع تزايد عدد الوكلاء الذين يحققون الأرباح من خلال التشفير ، من المحتمل أن تصبح الاتصالات المشفرة القدرة الأساسية للوكلاء.

اتجاه التنمية المستقبلية

1. آلية التحكم في المخاطر: لا يمكن منح الوكلاء حرية التصرف دون قيود كاملة
2. تعزيز استخدامات غير المضاربة: مثل شراء التذاكر، تحسين عوائد استثمار العملات المستقرة، طلب الطعام، إلخ
3. متطلبات تقدم التطوير: يجب أن تصل على الأقل إلى مرحلة نموذج اختبار الشبكة، ويفضل أن تكون قد تعمل بالفعل على الشبكة الرئيسية.

2. تعزيز قدرة LLMs على كتابة كود سولانا

لقد أظهرت نماذج اللغة الكبيرة (LLMs) قدرة قوية في كتابة الشفرات وتقدمت بسرعة. في الوقت الحالي، على الرغم من أن هناك بعض القصور في نماذج LLMs في كتابة الشفرات، إلا أن محررات الشفرات الأصلية للذكاء الاصطناعي قد غيرت بشكل جذري تطوير البرمجيات. بالنظر إلى معدل التقدم السريع المتوقع، فمن المحتمل أن تغير هذه النماذج تطوير البرمجيات بشكل جذري.

ومع ذلك، هناك عدة تحديات تعيق وصول نماذج اللغة الكبيرة إلى مستوى ممتاز في فهم سولانا:

• نقص البيانات التدريبية الأصلية عالية الجودة
• عدد البنيات غير كاف
• يفتقر النظام الأساسي المعني إلى تفاعل عالي القيمة المعلوماتية
• تتطور بنية Solana التحتية بسرعة، وقد لا تكون الشيفرة القديمة ملائمة للاحتياجات الحالية
• عدم وجود نموذج تقييم لفهم سولانا

اتجاه التنمية المستقبلية

• المساعدة في الحصول على بيانات سولانا أفضل
• نشر المزيد من بناء التحقق
• تشجيع أعضاء النظام البيئي على التفاعل بنشاط على المنصات ذات الصلة
• إنشاء اختبارات معيارية عالية الجودة لتقييم مدى فهم LLMs لـ Solana
• إنشاء نموذج LLM للتعديل الدقيق الذي يظهر أداءً جيدًا في الاختبارات المعيارية، لتسريع كفاءة عمل مطوري Solana

الهدف النهائي هو تحقيق عميل عقد التحقق من Solana جديد تمامًا وعالي الجودة ومتميز يتم إنشاؤه بالكامل بواسطة الذكاء الاصطناعي.

3. دعم تكنولوجيا الذكاء الاصطناعي المفتوحة واللامركزية

حاليًا، لا يزال توازن القوة طويل الأمد بين النماذج مفتوحة المصدر والمغلقة غير واضح. الاتجاه الحالي هو أن الشركات التكنولوجية الكبرى تدفع التطورات الرائدة، بينما تتابع نماذج المصدر المفتوح بسرعة، وتحقق مزايا فريدة من خلال التخصيص في تطبيقات محددة.

تتجلى أهمية دعم مجموعة تقنيات الذكاء الاصطناعي المفتوحة في:

1. تسريع الابتكار والتكرار من خلال النماذج مفتوحة المصدر: التحسينات السريعة والتعديلات من قبل المجتمع على النماذج مفتوحة المصدر تُظهر كيف يمكن للمجتمع أن يكمل بفعالية أعمال شركات الذكاء الاصطناعي الكبيرة.

2. توفير خيار للمستخدمين الذين لا يثقون في الذكاء الاصطناعي المركزي: قد يصبح الذكاء الاصطناعي أداة قوية للأنظمة الديكتاتورية أو الاستبدادية، لذلك من الضروري دعم مجموعة تقنيات الذكاء الاصطناعي مفتوحة المصدر.

تم دعم العديد من المشاريع لتقنية Open AI stack ، بما في ذلك جمع البيانات ، وقوة الحوسبة اللامركزية ، وإطار التدريب اللامركزي.

اتجاهات التنمية المستقبلية

نأمل في بناء المزيد من المنتجات على جميع مستويات تقنية الذكاء الاصطناعي مفتوحة المصدر:

• جمع البيانات غير المركزي
• الهوية على السلسلة: دعم بروتوكول تحقق الهوية البشرية من خلال المحفظة، وبروتوكول تحقق استجابة واجهة برمجة التطبيقات الذكية.
• التدريب اللامركزي
• بنية تحتية الشبكة: تمكين الذكاء الاصطناعي من ترخيص المحتوى الذي يستخدمه (ودفع مقابل ذلك)