المؤلف: تشاو وانغ المصدر: فو توري موترجمة saic: شان أوبا، Golden Finance
نظرة عمودية في تاريخ العلوم والتكنولوجيا، غالبًا ما تحدث الاختراقات الكبرى بشكل مستقل، وكل اختراق سيؤدي إلى ثورة. ومع ذلك، عندما تجتمع تقنيتان قويتان معًا، فإن تآزرهما يمكن أن يحفز التقدم غير العادي. واليوم، نقف عند مفترق طرق: إذ يتضافر قوى الذكاء الاصطناعي والعملات المشفرة، التي تمثل تحولا في حد ذاتها.
نتصور أن حلول العملات المشفرة ستحل العديد من تحديات الذكاء الاصطناعي، وسيقوم وكلاء الذكاء الاصطناعي ببناء شبكات اقتصادية مستقلة لتسريع تبني العملات المشفرة، وسيقود الذكاء الاصطناعي الحديث. هناك تطور من تكنولوجيا التشفير. تتجه الأنظار إلى هذا التقاطع، فالأموال تتدفق، والحماس لهذه الكلمات الطنانة يغذي هذا الاتجاه.
ومع ذلك، وسط كل هذه الإثارة، لا نفهم إلا القليل عن الأساسيات. ما مدى فهم الذكاء الاصطناعي للتشفير؟ هل الوكلاء المدعومون من LLM قادرون بالفعل على استخدام أدوات التشفير؟ كيف تؤدي النماذج المختلفة مهام التشفير؟ ستكون الإجابات على هذه الأسئلة حاسمة في توجيه اتجاه المنتج والتكنولوجيا في هذا المجال الناشئ.
لكننا لا نعرف.
تجربة
وبهدف الإجابة على هذه الأسئلة الأساسية، نحن تم إجراء تقييم تجريبي، وتم تقييم 18 نموذجًا لغويًا واسع النطاق بما في ذلك النماذج التجارية ومفتوحة المصدر السائدة، مع أحجام معلمات تتراوح من 3.8B إلى 405B.
نماذج مغلقة المصدر: GPT-4o، GPT-4o Mini، Claude 3.5 Sonnet، Gemini 1.5 Pro، Grok2 beta (مغلق حاليًا) المصدر)
نماذج مفتوحة المصدر:Llama 3.1 8B/70B/405B، وMistral Nemo 12B، وDeepSeek-coder-v2، وNous- Hermes2, Phi3 3.8B/14B, Gemma2 9B/27B, Command-R, Qwen2-math-72, MathΣtral
تهدف هذه الدراسة إلى تقييم تطبيقات تشفير الذكاء الاصطناعي الوضع الحالي وتقييم إمكانات وتحديات دمج الذكاء الاصطناعي مع التشفير. وبالنظر إلى المراحل الأولى من هذا البحث، تركز هذه المقالة على الأفكار الرئيسية بدلاً من بيانات نتائج محددة.
تظهر التجارب أن نموذج الذكاء الاصطناعي يتمتع بفهم شامل لأساسيات العملة المشفرة ويُظهر معرفة واسعة بالنظام البيئي للعملات المشفرة. تُظهر هذه النماذج أيضًا الكفاءة في المعرفة المطلوبة لتنفيذ عمليات المحفظة الأساسية المختلفة. ومن خلال المطالبات المناسبة، لا تتحسن قدراتهم بشكل كبير فحسب، بل يظهرون أيضًا القدرة على إجراء تحليلات وعمليات معقدة وفقًا للتوجيهات. تشير هذه النتائج معًا إلى أن تطوير تطبيقات الذكاء الاصطناعي للعديد من المجالات المتعلقة بالعملات المشفرة أصبح الآن احتمالًا قابلاً للتطبيق.
ومع ذلك، وجدت الدراسة أيضًا العديد من القيود الرئيسية. هناك فجوة كبيرة بين المعرفة النظرية ومهارات التطبيق العملي لهذه النماذج، وخاصة في الحسابات المتعلقة بالتشفير. وفي حين أنهم قادرون على إنشاء عقود ذكية بسيطة، فإنهم يكافحون من أجل تحديد نقاط الضعف المعقدة في البروتوكولات الأكثر تعقيدًا. علاوة على ذلك، تفشل هذه النماذج في معالجة التحدي الأساسي المتمثل في إدارة المفاتيح الخاصة بشكل آمن في أنظمة الذكاء الاصطناعي المستندة إلى السحابة.
استكشاف عميق
الفجوة الرياضية: إحدى أبرز النتائج هي أن نماذج الذكاء الاصطناعي تواجه عمومًا صعوبة في التعامل مع الحسابات المتعلقة بالتشفير. لا يقتصر الأمر على التشفير المعقد فحسب، بل حتى العمليات الأساسية مثل حساب انزلاق AMM أو ربحية التعدين يمكن أن تكون صعبة. ومع ذلك، من المهم ملاحظة أن نماذج اللغات الكبيرة ليست مصممة لإجراء العمليات الحسابية الرياضية. يمكن معالجة هذا القيد عن طريق تحميل الرموز المعدة مسبقًا لتجاوز الحساب المباشر لـ LLM، وبالتالي تحسين الكفاءة والدقة. يشبه هذا النهج الطريقة التي يتعامل بها البشر عادةً مع الحسابات المعقدة، بالاعتماد على أدوات متخصصة أو صيغ محددة مسبقًا.
المعضلة الأمنية: في حين تُظهر نماذج الذكاء الاصطناعي إتقانًا قويًا لمبادئ أمان التشفير، فإن واقع استخدام الذكاء الاصطناعي لتنفيذ الأنظمة الآمنة هناك لا تزال المشاكل. إن الحاجة إلى المعالجة السحابية في العديد من أنظمة الذكاء الاصطناعي تخلق صراعًا متأصلًا مع الطبيعة اللامركزية وغير الموثوقة للعملات المشفرة. سيتطلب حل هذه المشكلة خدمات خارجية مثل TEEs أو HSMs أو حتى تقنيات جديدة أكثر ابتكارًا.
العقود الذكية: الشكل أكثر من الوظيفة: أظهرت نماذج الذكاء الاصطناعي قدرة ممتازة على فهم العقود الذكية وشرح وظائفها. يمكنهم تعديل العقود بشكل فعال لحل الثغرات ونقاط التحسين الشائعة، وحتى إنشاء عقود لسيناريوهات بسيطة بشكل مستقل. ومع ذلك، عندما يتعلق الأمر بنقاط الضعف المدفونة عميقًا في منطق الأعمال المعقد، تفشل جميع النماذج في تحديدها. يشير هذا إلى أن فهم النموذج للعقود الذكية يظل سطحيًا إلى حد كبير، مع التركيز على الشكل بدلاً من فهم تعقيد منطق الأعمال الأساسي. في حين يتفوق الذكاء الاصطناعي في التفاعل التعاقدي والإنشاء الأساسي، فمن الواضح أن الخبرة البشرية تظل بالغة الأهمية لضمان أمان وكفاءة أنظمة العقود الذكية المعقدة.
تحدي المصدر المفتوح: فجوة الأداء الهائلة بين أفضل نماذج المصادر المغلقة ومعظم البدائل مفتوحة المصدر تثير تساؤلات حول الذكاء الاصطناعي في أسئلة مهمة تتعلق بالعملات المشفرة للمستقبل. ونظرًا لتركيز مجتمع العملات المشفرة على الانفتاح واللامركزية، فإن سد هذه الفجوة أمر بالغ الأهمية لاعتمادها على نطاق واسع.
أساس متين وإمكانات: على الرغم من التحديات، يُظهر النموذج فهمًا عميقًا لأساسيات التشفير ويُظهر الإلمام بأساسيات التشفير. النظام البيئي للتشفير. ومع المطالبات الصحيحة، تتحسن قدراتهم بشكل ملحوظ. وهذا يدل على أن الذكاء الاصطناعي في العملات المشفرة يتمتع بأساس متين، مع فهم النموذج المثير للإعجاب لمفاهيم مثل بنية blockchain، وآليات الإجماع، واقتصاديات الرمز المميز. تُظهر التحسينات الكبيرة في مطالبات التمهيد أن نماذج الذكاء الاصطناعي الحالية، رغم أنها ليست مثالية، قادرة بالفعل على تقديم رؤى قيمة ومساعدة في العديد من المهام المتعلقة بالتشفير، بدءًا من تحليل السوق وحتى تقييم تصميم البروتوكول.
التطلع إلى المستقبل: الحاجة إلى معايير الذكاء الاصطناعي المشفر
مع تقدم التجارب، أصبحت هناك حاجة ملحة واضحة: يحتاج مجال العملات المشفرة إلى معايير موحدة للذكاء الاصطناعي. وكما أحدثت ImageNet ثورة في الذكاء الاصطناعي للرؤية الحاسوبية، يمكن لمعايير التشفير المحددة أن تدفع التقدم السريع في هذا التقارب بين التقنيات.
إذا كان المرء يعتقد أن تقاطع الذكاء الاصطناعي والعملات المشفرة ينطوي على إمكانات هائلة، وأنه من المتوقع أن يؤدي الذكاء الاصطناعي إلى اعتماد واسع النطاق للعملات المشفرة، فيجب إنشاء منصة مخصصة بالنسبة لمعايير مساحة التشفير تصبح الأولوية. يمكن أن تكون هذه المعايير بمثابة جسر مهم بين مجالات الذكاء الاصطناعي والعملات المشفرة، مما يحفز الابتكار ويوفر إرشادات واضحة للتطبيقات المستقبلية. إن هذا الجهد هو أكثر من مجرد تمرين تقني؛ فهو انعكاس عميق لكيفية فهم وتشكيل هذه الحدود الرقمية الناشئة.
ومع ذلك، فإن إنشاء مثل هذا المعيار ليس بالأمر السهل. يواجه العديد من التحديات الرئيسية: التطور السريع للتشفير، الذي لا تزال قاعدته المعرفية في حالة تغير مستمر وتفتقر إلى الإجماع في اتجاهات أساسية متعددة؛ والطبيعة المتعددة التخصصات للمجال، التي تغطي التشفير والأنظمة الموزعة والاقتصاد وما إلى ذلك، فإن تعقيده يتجاوز أي تعقيد. من الضروري تقييم ليس فقط المعرفة النظرية، ولكن أيضًا القدرة الفعلية للذكاء الاصطناعي على استخدام تقنية التشفير، الأمر الذي يتطلب تصميم إطار تقييم جديد، ومن الضروري التأكد من أن مهام القياس متوافقة مع DeFi وNFT ، تظل DAO والتطبيقات العملية الأخرى في مجال التشفير الناشئ ذات صلة، وتتفاقم الصعوبة بسبب ندرة مجموعات البيانات ذات الصلة.
نظرًا لحجم هذه التحديات وتعقيدها، فمن الواضح أن هذه ليست مهمة يمكن حلها بمفردها. تتطلب الطبيعة المتعددة الأوجه للمشكلة مجموعة متنوعة من الخبرات ووجهات النظر. إنه يتطلب جهودًا مشتركة لمجتمعات العملة المشفرة والذكاء الاصطناعي. فقط من خلال هذا الذكاء الجماعي يمكننا تحديد ما يهم حقًا في هذه الحدود التكنولوجية الناشئة وإنشاء معايير تعكس بدقة مدى تعقيد وإمكانات الذكاء الاصطناعي في مجال العملات المشفرة.
الحالة الحالية والخطوات التالية
يتكون إطار البحث الحالي من عدة مكونات رئيسية:
منتج MVP يحتوي على ما يقرب من 700 سؤال متعدد الاختيارات، مجموعات بيانات، تم إنشاؤها بشكل تعاوني بواسطة الذكاء الاصطناعي والبشر، ثم يتم التحقق منها وصقلها من قبل خبراء بشريين. على الرغم من القيود المفروضة على الجودة، تتيح مجموعة البيانات هذه إجراء اختبار آلي سريع للنماذج، وتوضح الفهم المفاهيمي، وتوفر آلية تسجيل أساسية.
تتزايد باستمرار حوالي 100 مهمة معقدة، وتغطي سيناريوهات مثل المحاكاة والحساب ومراجعة التعليمات البرمجية واستخدام الأدوات. وقد ساهم في هذه المهام العديد من الخبراء في مجال التشفير، مما أضاف عمقًا وأصالة إلى التقييم.
من أجل إنشاء معيار فعال، يجب توسيع مجموعة البيانات بشكل كبير ومشاركة المزيد من خبراء المجال مطلوبة . يعد تطوير أطر التقييم الآلي المناسبة لهذه المهام المعقدة أيضًا تحديًا رئيسيًا يجب معالجته.
بالإضافة إلى ذلك، لكي تتمكن LLM من التعامل مع تحديات المهام الواقعية المستقبلية، من الضروري تنفيذ إطار عمل الوكيل الأساسي. سيوفر هذا الإطار بيئة اختبار أكثر واقعية وسيسد الفجوة بين المعرفة النظرية والتطبيقات العملية.
يتم تحسين هذا النهج باستمرار، مع التركيز على زيادة تعقيد حالة الاختبار وتوسيع مجموعة البيانات الإجمالية. وبروح التعاون المفتوح، سيتم قريبًا نشر جميع الموارد ذات الصلة على GitHub، بهدف تسريع التقدم ودعوة المجتمع الأوسع للمشاركة.
ومن الجدير بالذكر أن هذا البحث لا يزال في مراحله الأولى. وينبغي النظر إلى النتائج على أنها ملاحظات أولية ونقطة انطلاق لمزيد من البحث، وليس استنتاجات نهائية في مجالات الذكاء الاصطناعي والتشفير سريعة التطور. يرحب المشروع بمساهمات مجتمع العملات المشفرة الأوسع للمساعدة في بناء إطار تقييم أكثر شمولاً وقوة. ص>