DeFAI: كيف يمكن للذكاء الاصطناعي إطلاق العنان لإمكانات التمويل اللامركزي؟

لقد أصبح التمويل اللامركزي ( DeFi ) منذ تطوره السريع في عام 2020 ركيزة أساسية في نظام التشفير البيئي. على الرغم من ظهور العديد من البروتوكولات المبتكرة، إلا أن تعقيد التمويل اللامركزي ودرجات تفتته قد زادت، مما يجعل من الصعب حتى على المستخدمين ذوي الخبرة التعامل مع العديد من السلاسل والأصول والبروتوكولات.

في الوقت نفسه، انتقل الذكاء الاصطناعي ( AI ) من السرد الكلي لعام 2023 إلى تركيز أكثر تخصصًا وبتوجيه من الوكلاء لعام 2024. لقد ولدت هذه التحول مجالًا ناشئًا يُعرف باسم DeFi AI ( DeFAI )، حيث يعزز الذكاء الاصطناعي التمويل اللامركزي من خلال الأتمتة وإدارة المخاطر وتحسين رأس المال.

التمويل اللامركزي يمتد عبر عدة مستويات. سلسلة الكتل هي مستوى الأساس، ويحتاج وكيل الذكاء الاصطناعي للتفاعل مع سلسلة معينة لتنفيذ المعاملات والعقود الذكية. توفر طبقات البيانات والطبقات الحاسوبية فوقها البنية التحتية اللازمة لتدريب نماذج الذكاء الاصطناعي، والتي تستند إلى بيانات الأسعار التاريخية، ومشاعر السوق، والتحليلات على السلسلة. تضمن طبقة الخصوصية والقابلية للتحقق أن تظل البيانات المالية الحساسة آمنة مع الحفاظ على تنفيذ بدون ثقة. أخيرًا، يسمح إطار الوكيل للمطورين ببناء تطبيقات موجهة بالذكاء الاصطناعي مثل الروبوتات التجارية المستقلة، ومقيّمي مخاطر الائتمان، ومحسّني حوكمة السلسلة.

مع توسع نظام DeFAI، يمكن تقسيم المشاريع البارزة إلى ثلاث فئات رئيسية:

1. الطبقة التجريدية

تعمل هذه البروتوكولات كواجهة مستخدم ودية مشابهة لـ ChatGPT لـ التمويل اللامركزي ، مما يسمح للمستخدمين بإدخال التعليمات التي يتم تنفيذها على السلسلة. عادةً ما تتكامل مع عدة سلاسل و dApp ، مما ينفذ نوايا المستخدمين مع تبسيط الخطوات اليدوية في المعاملات المعقدة.

تشمل بعض الوظائف التي يمكن تنفيذها بواسطة هذه البروتوكولات:

• التبادل، عبر السلاسل، الإقراض/السحب، تنفيذ المعاملات عبر السلاسل
• محفظة تداول أو ملف شخصي على وسائل التواصل الاجتماعي
• تنفيذ أوامر جني الأرباح / وقف الخسارة تلقائيًا بناءً على نسبة حجم المركز

على سبيل المثال، لا حاجة لسحب ETH يدويًا من منصة الإقراض، ونقله عبر السلسلة إلى Solana، وتبادله بعملات أخرى، وتقديم السيولة في DEX - بروتوكول الطبقة المجردة يكفي خطوة واحدة لإكمال العملية.

2. وكيل التداول الذاتي

على عكس روبوتات التداول التقليدية التي تتبع قواعد محددة، يمكن لوكلاء التداول الذاتي التعلم والتكيف مع ظروف السوق، وضبط استراتيجياتهم بناءً على المعلومات الجديدة. يمكن لهؤلاء الوكلاء:

• تحليل البيانات لتحسين الاستراتيجيات باستمرار
• توقع اتجاه السوق ، من أجل اتخاذ قرارات أفضل في الشراء / البيع
• تنفيذ استراتيجيات معقدة في التمويل اللامركزي

3. التطبيقات اللامركزية المدفوعة بالذكاء الاصطناعي

التمويل اللامركزي dApp توفر ميزات مثل الإقراض، التبادل، وزراعة العوائد. يمكن أن تعزز الذكاء الاصطناعي والوكلاء الذكاء الاصطناعي هذه الخدمات من خلال الطرق التالية:

• تحسين توفير السيولة من خلال إعادة توازن مراكز LP للحصول على APY أفضل
• مسح الرموز من خلال الكشف عن المخاطر المحتملة

! [شرح DeFAI: كيف يمكن ل الذكاء الاصطناعي إطلاق العنان لإمكانات DeFi؟] ](https://img-cdn.gateio.im/webp-social/moments-cb3bdaee47242cf206572b3411f452ce.webp)

التحديات الرئيسية

تواجه البروتوكولات الرائدة المبنية على هذه الطبقات بعض التحديات:

1. تعتمد هذه البروتوكولات على تدفقات البيانات في الوقت الحقيقي لتحقيق تنفيذ أفضل للصفقات. قد تؤدي جودة البيانات الضعيفة إلى انخفاض كفاءة المسار، وفشل الصفقة، أو عدم ربح الصفقة.

2. تعتمد نماذج الذكاء الاصطناعي على البيانات التاريخية، ولكن سوق العملات المشفرة متقلب للغاية. يجب على الوكلاء قبول تدريب على مجموعات بيانات متنوعة وعالية الجودة للحفاظ على فعاليتهم.

3. تحتاج إلى فهم شامل للعلاقة بين الأصول، وتغير السيولة، ومشاعر السوق لفهم الحالة العامة للسوق.

لقد حظيت البروتوكولات القائمة على هذه الفئات بشعبية في السوق. ومع ذلك، من أجل تقديم منتجات أفضل وأفضل النتائج، ينبغي عليهم النظر في دمج مجموعات بيانات ذات جودة متنوعة لرفع منتجاتهم إلى مستوى جديد.

طبقة البيانات - لتوفير القوة للذكاء الاصطناعي اللامركزي

تعتمد جودة الذكاء الاصطناعي على البيانات التي يعتمد عليها. لجعل وكلاء الذكاء الاصطناعي يعملون بشكل فعال في DeFAI، يحتاجون إلى بيانات في الوقت الحقيقي، وهيكلية وقابلة للتحقق. على سبيل المثال، تحتاج الطبقة المجردة إلى الوصول إلى البيانات على السلسلة من خلال RPC وAPI الشبكات الاجتماعية، بينما يحتاج وكلاء تحسين التجارة والعائدات إلى البيانات لتحسين استراتيجيات تجارتهم وإعادة تخصيص الموارد.

تساعد مجموعات البيانات عالية الجودة الوكلاء على إجراء تحليلات توقعات أفضل لسلوك الأسعار المستقبلية، وتقديم توصيات للتداول لتناسب تفضيلاتهم بشأن المراكز الطويلة أو القصيرة في بعض الأصول.

الجهات الرئيسية المقدمة للبيانات في DeFAI تشمل:

• Mode Synth: بيانات تركيبية للاستخدام في التنبؤات المالية، تلتقط توزيع تغيرات الأسعار بالكامل، لاستخدامها في نماذج الذكاء الاصطناعي.

• Chainbase: مجموعة بيانات هيكلية كاملة للسلسلة، توفر بيانات معززة بالذكاء الاصطناعي، للاستخدام في التداول، التنبؤ والحصول على ألفا.

• sqd.ai: بحيرة بيانات لامركزية موجهة لوكلاء الذكاء الاصطناعي، وصول متعدد السلاسل القابل للتوسع والتخصيص، مع أمان إثبات المعرفة الصفرية.

• Cookie: عقلية وسائل التواصل الاجتماعي الموجهة نحو وكلاء الذكاء الاصطناعي وطبقة بيانات السلسلة، تستخدم 18 وكيل ذكاء اصطناعي متخصص لمعالجة أكثر من 7 تيرابايت من بيانات الوكلاء على أكثر من 20 سلسلة.

شبكة Mode Synth الفرعية، كأحد الشبكات الفرعية الخمسين لـ Bittensor، تنشئ بيانات تركيبية لقدرة الوكلاء على التنبؤ المالي. مقارنةً بأنظمة التنبؤ التقليدية الأخرى، تلتقط Synth التوزيع الكامل لتغيرات الأسعار والاحتمالات ذات الصلة، مما يبني البيانات التركيبية الأكثر دقة في العالم، لدعم الوكلاء و LLM.

توفير المزيد من مجموعات البيانات عالية الجودة يمكن أن يساعد وكلاء الذكاء الاصطناعي في اتخاذ قرارات اتجاهية أفضل في التداول، بينما يتنبأ بتقلبات APY في ظروف السوق المختلفة، حتى تتمكن مجموعات السيولة من إعادة تخصيص أو سحب السيولة عند الحاجة.

أكثر سلاسل الكتل المرتبطة بالذكاء الاصطناعي

بالإضافة إلى بناء طبقة البيانات لـ AI والوكلاء، قامت إحدى سلاسل الكتل أيضاً بتحديد موقعها كمنصة كاملة لبناء مستقبل DeFAI. لقد نشروا مؤخراً مساعد DeFAI، الذي يستخدم لتنفيذ المعاملات على السلسلة من خلال تلميحات المستخدم، وسيتم فتحه قريباً لمقرضي الرموز.

علاوة على ذلك، تدعم هذه البلوكشين العديد من الفرق المعتمدة على الذكاء الاصطناعي والوكلاء. لقد بذلوا جهودًا كبيرة لدمج بروتوكولات متعددة في نظامهم البيئي، ومع تطوير المزيد من الوكلاء وتنفيذ المعاملات، تتطور هذه البلوكشين بسرعة.

تم تنفيذ هذه التدابير في الوقت الذي يقومون فيه بترقية الشبكة باستخدام الذكاء الاصطناعي، وأبرزها تجهيز سلسلة الكتل الخاصة بهم بمصنف يعتمد على الذكاء الاصطناعي. من خلال استخدام المحاكاة والتحليل بواسطة الذكاء الاصطناعي قبل التنفيذ، يمكن منع ومراجعة المعاملات عالية المخاطر قبل المعالجة، وذلك لضمان الأمان على السلسلة.

مقارنة بين أفضل البلوكشين التي تعتمد عليها وكالات الذكاء الاصطناعي

تُعتبر سولانا وبيس بلا شك السلسلتين الرئيسيتين لبناء وإطلاق إطار عمل وتوكنات الذكاء الاصطناعي لمعظم الوكلاء. يستفيد وكلاء الذكاء الاصطناعي من قدرة سولانا العالية على معالجة البيانات وتأخيرها المنخفض وشبكتها جنبًا إلى جنب مع نظام التشغيل مفتوح المصدر لنشر توكنات الوكلاء، بينما تعمل منصة معينة كمنصة إطلاق لنشر الوكلاء على بيس. على الرغم من أن كليهما يحتويان على مسابقات هاكاثون وحوافز مالية، إلا أنهما لم تصلان بعد إلى مستوى بعض سلاسل الكتل من حيث خطط الذكاء الاصطناعي كسلسلة.

كانت NEAR تعرف نفسها سابقًا على أنها سلسلة كتل L1 تركز على الذكاء الاصطناعي، وتشمل ميزاتها سوق المهام المتعلقة بالذكاء الاصطناعي، ومركز بحثي بإطار عمل وكيل ذكاء اصطناعي مفتوح المصدر، ووكيل ذكاء اصطناعي. وقد أعلنوا مؤخرًا عن صندوق لوكلاء الذكاء الاصطناعي بقيمة 20 مليون دولار، بهدف توسيع الوكلاء المستقلين تمامًا والقابلين للتحقق على NEAR.

الخطوة التالية لـ DeFAI

حالياً، تواجه معظم الوكلاء الذكيين في التمويل اللامركزي (DeFi) قيوداً كبيرة في تحقيق الاستقلالية الكاملة. على سبيل المثال:

1. الطبقة التجريدية تحول نية المستخدم إلى تنفيذ، ولكن عادة ما تفتقر إلى القدرة على التنبؤ.

2. قد تقوم وكالات الذكاء الاصطناعي بتحليل تحقيق alpha، ولكن تفتقر إلى تنفيذ التداول المستقل.

3. يمكن لتطبيقات اللامركزية المدفوعة بالذكاء الاصطناعي معالجة خزائن التأمين أو المعاملات، لكنها تندرج تحت الفئة السلبية وليس النشطة.

قد تركز المرحلة التالية من DeFAI على دمج طبقة بيانات مفيدة، لتطوير أفضل منصة أو وكيل. سيحتاج هذا إلى بيانات على السلسلة عميقة حول نشاط كبار المستثمرين، وتغيرات السيولة، مع توليد بيانات تركيبية مفيدة لتحليلات تنبؤية أفضل، ودمجها مع تحليل مشاعر السوق العامة، سواء كانت تقلبات الرموز في فئات محددة، أو تقلبات الرموز على الشبكات الاجتماعية.

الهدف النهائي هو أن تتمكن الوكلاء الذكاء الاصطناعي من توليد وتنفيذ استراتيجيات التداول بسلاسة من واجهة واحدة. مع نضوج هذه الأنظمة، قد نرى في المستقبل أن المتداولين في التمويل اللامركزي يعتمدون على الوكلاء الذكاء الاصطناعي لتقييم وتوقع وتنفيذ الاستراتيجيات المالية بشكل مستقل مع الحد الأدنى من التدخل البشري.

الخاتمة

نظرًا للتقليص الكبير في رموز وإطارات وكيل الذكاء الاصطناعي، قد يعتقد بعض الناس أن DeFAI مجرد ظاهرة عابرة. ومع ذلك، لا يزال DeFAI في مراحله المبكرة، ومن المؤكد أن قدرة وكيل الذكاء الاصطناعي على تعزيز قابلية الاستخدام وأداء التمويل اللامركزي لا يمكن إنكارها.

إن المفتاح لإطلاق هذه الإمكانات يكمن في الحصول على بيانات حقيقية عالية الجودة، مما سيحسن من توقعات وتنفيذ التداول المدفوع بالذكاء الاصطناعي. تتكامل المزيد من البروتوكولات مع طبقات بيانات مختلفة، حيث تبني بروتوكولات البيانات مكونات إضافية للإطار، مما يبرز أهمية البيانات في اتخاذ القرارات من قبل الوكلاء.

مع النظر إلى المستقبل، ستصبح القابلية للتحقق والخصوصية التحديات الرئيسية التي يجب على البروتوكولات التعامل معها. في الوقت الحالي، لا يزال معظم وكلاء الذكاء الاصطناعي يعملون كصندوق أسود، حيث يتعين على المستخدمين إيداع الأموال لديهم. وبالتالي، فإن تطوير قرارات الذكاء الاصطناعي القابلة للتحقق سيساعد في ضمان الشفافية والمساءلة في عمليات الوكلاء. يمكن أن تعزز البروتوكولات المدمجة التي تعتمد على TEE وFHE وحتى zk-proofs القابلية للتحقق من سلوك الوكلاء، مما يحقق الثقة في الاستقلالية.

فقط من خلال الدمج الناجح للبيانات عالية الجودة والنماذج القوية وعمليات اتخاذ القرار الشفافة، يمكن لوكلاء DeFAI أن يحصلوا على تطبيق واسع النطاق.