مستقبل تمويل المعلومات: أنظمة ما بعد الندرة ترقص مع الذكاء الاصطناعي

المؤلف: كايل

يتجاوز سوق التنبؤ الأدوات المالية التقليدية ويصبح ناقلًا ذكيًا للمعلومات يستخدم التحقق من صحة المعلومات (Info Finance) أيضًا الحوافز المالية والابتكار التكنولوجي لإعادة تعريف قيمة البيانات. تعمل بنية الحوسبة في مرحلة ما بعد الندرة في AO ووكلاء الذكاء الاصطناعي على تعزيز الذكاء ونشر أسواق التنبؤ، مما يخلق نموذجًا جديدًا لمجال تمويل المعلومات المستقبلي.

التنبؤ بالسوق إلى أقصى الحدود، هل هو مؤتمر صحفي؟ وفي الانتخابات الأمريكية التي انتهت للتو، اعتمدت شركة بوليماركت على بياناتها المستندة إلى السوق للتنبؤ بنجاح بأن معدل فوز ترامب كان أعلى من استطلاعات الرأي التقليدية، وسرعان ما جذب انتباه الجمهور ووسائل الإعلام. لقد أدرك الناس تدريجيًا أن Polymarket ليست مجرد أداة مالية، ولكنها أيضًا "موازن" في مجال المعلومات، وذلك باستخدام حكمة السوق للتحقق من صحة الأخبار المثيرة.

عندما أصبح Polymarket موضوعًا ساخنًا، اقترح Vitalik مفهومًا جديدًا تمامًا لتمويل المعلومات. ومن الممكن أن تعمل هذه الأداة التي تجمع بين الحوافز المالية والمعلومات على تخريب وسائل التواصل الاجتماعي، والبحث العلمي، ونماذج الحوكمة، وفتح اتجاه جديد لتحسين كفاءة اتخاذ القرار. ومع تقدم الذكاء الاصطناعي وتقنية blockchain، يتجه تمويل المعلومات أيضًا نحو نقطة تحول جديدة.

في مواجهة المجال الناشئ الطموح لتمويل المعلومات، هل تقنيات ومفاهيم Web3 جاهزة لتبنيه؟ ستتخذ هذه المقالة سوق التنبؤ كنقطة دخول لاستكشاف المفاهيم الأساسية والدعم الفني والإمكانيات المستقبلية لتمويل المعلومات.

تمويل المعلومات: استخدام الأدوات المالية للحصول على المعلومات واستخدامها

إن جوهر تمويل المعلومات هو استخدام الأدوات المالية للحصول على المعلومات واستخدامها لتحسين كفاءة ودقة اتخاذ القرار. وتشكل أسواق التنبؤ مثالاً رئيسياً على ذلك، فمن خلال ربط الأسئلة بالحوافز المالية، تعمل هذه الأسواق على تحفيز الدقة والمساءلة بين المشاركين، مما يوفر تنبؤات واضحة للمستخدمين الذين يبحثون عن الحقيقة.

باعتباره تصميمًا رائعًا للسوق، يمكن لتمويل المعلومات توجيه المشاركين للاستجابة لحقائق أو أحكام محددة. وتغطي سيناريوهات التطبيق أيضًا مجالات متعددة مثل الإدارة اللامركزية والمراجعة العلمية. وفي الوقت نفسه، سيؤدي ظهور الذكاء الاصطناعي إلى خفض العتبة بشكل أكبر، مما يسمح لعملية اتخاذ القرارات الجزئية بالعمل بفعالية في السوق، مما يعزز تعميم تمويل المعلومات.

ذكر فيتاليك على وجه التحديد أن العقد الحالي أصبح أفضل وقت لتوسيع تمويل المعلومات. توفر تقنية blockchain القابلة للتطوير دعمًا آمنًا وشفافًا وموثوقًا لمنصة تمويل المعلومات، بينما يؤدي إدخال الذكاء الاصطناعي إلى تحسين كفاءة الحصول على المعلومات وتمكين تمويل المعلومات من التعامل مع المشكلات الأكثر تعقيدًا. إن تمويل المعلومات لا يخترق القيود المفروضة على أسواق التنبؤ التقليدية فحسب، بل يوضح أيضا القدرة على استغلال الإمكانات في مجالات متعددة.

ومع ذلك، مع توسع تمويل المعلومات، يتزايد تعقيده وحجمه بشكل كبير. يحتاج السوق إلى معالجة كميات هائلة من البيانات واتخاذ القرارات والمعاملات في الوقت الفعلي، مما يشكل تحديات خطيرة أمام قدرات الحوسبة الفعالة والآمنة. وفي الوقت نفسه، أدى التطور السريع لتكنولوجيا الذكاء الاصطناعي إلى ظهور المزيد من النماذج المبتكرة واحتياجات الحوسبة المكثفة. وفي هذا السياق، أصبح نظام الحوسبة الآمن والمجدي لمرحلة ما بعد الندرة أساسًا لا غنى عنه للتنمية المستدامة لتمويل المعلومات.

الوضع اليوم، نظام حساب الندرة بعد الحساب

يفتقر "نظام حوسبة ما بعد الندرة" حاليًا إلى تعريف موحد، لكن هدفه الأساسي هو اختراق قيود موارد الحوسبة التقليدية وتحقيق قدرات حوسبة منخفضة التكلفة ومتاحة على نطاق واسع. من خلال اللامركزية وإثراء الموارد والتعاون الفعال، يدعم هذا النوع من الأنظمة تنفيذ مهام الحوسبة على نطاق واسع ومرن، مما يجعل موارد الحوسبة أقرب إلى "عدم الندرة". في هذه البنية، تتخلص قوة الحوسبة من الاعتماد على نقطة واحدة، ويمكن للمستخدمين الوصول بحرية إلى الموارد ومشاركتها بتكلفة منخفضة، مما يعزز تعميم الحوسبة الشاملة وتنميتها المستدامة.

في سياق blockchain، تشمل الخصائص الرئيسية لأنظمة الحوسبة في مرحلة ما بعد الندرة اللامركزية، والموارد الوفيرة، والتكلفة المنخفضة، وقابلية التوسع العالية.

المنافسة عالية الأداء في السلاسل العامة

حاليًا، تتنافس العديد من السلاسل العامة الكبيرة بشدة على الأداء لتلبية متطلبات التطبيقات المتزايدة التعقيد. بالنظر إلى المشهد البيئي الحالي للسلسلة العامة، فإن اتجاه التطوير يتحول من النموذج التقليدي أحادي الخيط إلى نموذج الحوسبة المتوازية متعدد الخيوط.

السلسلة العامة التقليدية عالية الأداء:

• Solana: منذ بدايتها، اعتمدت Solana بنية حوسبة متوازية لتحقيق إنتاجية عالية وزمن وصول منخفض. تتيح آلية الإجماع الفريدة لإثبات التاريخ (PoH) معالجة آلاف المعاملات في الثانية.

• Polygon وBSC: يعمل هذان الاثنان بشكل نشط على تطوير حلول EVM المتوازية ، لتحسين قدرات معالجة المعاملات. على سبيل المثال، قدمت Polygon zkEVM لتمكين التحقق من المعاملات بشكل أكثر كفاءة.

السلاسل العامة الموازية الناشئة:

• Aptos وSui وSei وMonad: تم تصميم هذه السلاسل العامة الناشئة لتحقيق الأداء العالي من خلال تحسين كفاءة تخزين البيانات أو تحسين خوارزميات الإجماع. على سبيل المثال، تستخدم Aptos تقنية Block-STM لتنفيذ معالجة المعاملات المتوازية.

• Artela:اقترحت Artela مفهوم EVM++، من خلال الامتدادات الأصلية ( Aspect ) لتنفيذ تطبيقات مخصصة عالية الأداء في وقت تشغيل WebAssembly. بمساعدة التنفيذ المتوازي وتصميم مساحة الكتلة المرنة، تعمل Artela على حل اختناقات أداء EVM بشكل فعال وتحسين الإنتاجية وقابلية التوسع بشكل كبير.

تجري المنافسة في الأداء على قدم وساق، ومن الصعب تحديد أيهما أفضل وأيهما أسوأ. ومع ذلك، في هذه المنافسة الشرسة، هناك حلول أخرى تمثلها AO. AO ليست سلسلة عامة مستقلة، ولكنها طبقة حوسبة تعتمد على Arweave والتي تحقق قدرات معالجة متوازية وقابلية للتوسع من خلال بنية تقنية فريدة. يعد AO بالتأكيد منافسًا قويًا في التحرك نحو أنظمة الحوسبة في مرحلة ما بعد الندرة، ومن المتوقع أن يساعد في تنفيذ تمويل المعلومات على نطاق واسع.

تحمل تمويل المعلومات، مخطط AO

AO إنه كذلك كمبيوتر موجه نحو الممثل (يعتمد على الدور) يعمل على شبكة Arweave، مما يوفر بيئة حوسبة موحدة وطبقة مراسلة مفتوحة. ومن خلال هندستها التقنية الموزعة والموحدة، فإنها توفر إمكانية تكامل التطبيقات واسعة النطاق لتمويل المعلومات وبيئات الحوسبة التقليدية.

بنية AO بسيطة وفعالة. وتشمل المكونات الأساسية ما يلي:

• العملية (العملية) هي آو وحدة الحوسبة الأساسية في الشبكة تحقق التفاعل من خلال نقل الرسالة (Message)؛

• وحدات الجدولة(SUs) مسؤولة عن فرز الرسائل وتخزينها؛

• وحدات الحوسبة (CUs) مسؤولة عن مهام حساب الحالة؛

• وحدات المراسلة (MUs) مسؤولة عن تسليم الرسائل وبثها.

يمنح تصميم الفصل بين الوحدات نظام AO قابلية توسع ومرونة ممتازة، مما يسمح له بالتكيف مع المقاييس المختلفة ودرجة التعقيد سيناريوهات التطبيق. لذلك، يتمتع نظام AO بالمزايا الأساسية التالية:

• إمكانيات حوسبة عالية الإنتاجية وزمن وصول منخفض: AO إن تصميم العملية المتوازية للمنصة وآلية تمرير الرسائل الفعالة يمكّنها من دعم معالجة ملايين المعاملات في الثانية. تعد هذه القدرة الإنتاجية العالية أمرًا بالغ الأهمية لدعم المعلومات العالمية والشبكات المالية. وفي الوقت نفسه، يمكن أن تضمن خصائص الاتصال ذات زمن الوصول المنخفض لـ AO سرعة المعاملات وتحديثات البيانات، مما يوفر للمستخدمين تجربة تشغيل سلسة.

• قابلية التوسع اللانهائية والتصميم المعياري:تستخدم منصة AO الوحدات النمطية يحقق قابلية توسع عالية للغاية من خلال فصل الأجهزة الافتراضية والمجدولين ووحدات المراسلة والحوسبة. سواء كان الأمر يتعلق بزيادة إنتاجية البيانات أو الوصول إلى سيناريوهات التطبيق الجديدة، يمكن لـ AO التكيف بسرعة. لا تؤدي قابلية التوسع هذه إلى اختراق عنق الزجاجة في أداء سلاسل الكتل التقليدية فحسب، بل توفر أيضًا للمطورين بيئة مرنة لبناء تطبيقات مالية معلوماتية معقدة.

• دعم الحوسبة واسعة النطاق وتكامل الذكاء الاصطناعي: منصة AO بالفعل يدعم بنية WebAssembly 64 بت ويمكنه تشغيل معظم نماذج اللغات واسعة النطاق (LLM)، مثل Meta's Llama 3، مما يوفر أساسًا تقنيًا للتكامل العميق بين AI وWeb3. سيصبح الذكاء الاصطناعي قوة دافعة مهمة في تمويل المعلومات، بما في ذلك تحسين العقود الذكية، وتحليل السوق، والتنبؤ بالمخاطر والتطبيقات الأخرى، كما أن قوة الحوسبة واسعة النطاق لمنصة AO تمكنها من دعم هذه الاحتياجات بكفاءة. وفي الوقت نفسه، توفر منصة AO مزايا فريدة للتدريب ونشر نماذج التعلم الآلي المعقدة من خلال الوصول إلى Arweave بسعة تخزين غير محدودة من خلال تقنية WeaveDrive.

أصبحت AO منصة مثالية لتمويل المعلومات بفضل إنتاجيتها العالية وزمن الاستجابة المنخفض وقابلية التوسع غير المحدودة وقدرات تكامل الذكاء الاصطناعي. من المعاملات في الوقت الفعلي إلى التحليل الديناميكي، يوفر AO دعمًا ممتازًا لتحقيق حسابات واسعة النطاق ونماذج مالية معقدة، مما يمهد الطريق لتعميم وابتكار تمويل المعلومات.

مستقبل تمويل المعلومات: سوق التنبؤ القائم على الذكاء الاصطناعي

ما هو اللون الذي يجب أن يتمتع به سوق التنبؤ للجيل القادم من تمويل المعلومات؟ التعلم من الماضي والتعلم من المستقبل، واجهت أسواق التنبؤ التقليدية منذ فترة طويلة ثلاث نقاط ألم رئيسية: عدم كفاية نزاهة السوق، والعتبات العالية، والشعبية المحدودة. حتى مشاريع Web3 Star مثل PolyMarket لا يمكنها تجنب هذه التحديات تمامًا. على سبيل المثال، تم استجواب صندوق ETF بشأن مخاطر التلاعب المحتملة لأن فترة التحدي للأحداث المتوقعة قصيرة جدًا أو أن حقوق التصويت لـ UMA مركزة جدًا. بالإضافة إلى ذلك، تتركز سيولتها في المناطق الشعبية، كما أن المشاركة في الأسواق طويلة الأجل منخفضة. بالإضافة إلى ذلك، فإن المستخدمين في بعض البلدان (المملكة المتحدة والولايات المتحدة) مقيدون بسبب القيود التنظيمية، مما يزيد من إعاقة شعبية أسواق التنبؤ.

يتطلب التطوير المستقبلي لتمويل المعلومات توجيه جيل جديد من التطبيقات. توفر ظروف الأداء الممتازة لشركة AO أرضًا خصبة لهذا النوع من الابتكار، ومن بينها أصبحت منصات سوق التنبؤ التي تمثلها Outcome هي المحور الجديد لتجارب تمويل المعلومات.

بدأت النتيجة في التبلور كمنتج يدعم التصويت الأساسي والوظائف الاجتماعية. وتكمن إمكاناتها الحقيقية في تكاملها العميق مع الذكاء الاصطناعي في المستقبل، وذلك باستخدام وكلاء الذكاء الاصطناعي لإنشاء آلية تسوية سوقية غير موثوقة، والسماح للمستخدمين بإنشاء عوامل تنبؤية واستخدامها بشكل مستقل. ومن خلال تزويد الجمهور بأداة تنبؤ شفافة وفعالة ومنخفضة العتبة، من الممكن مواصلة تعزيز تعميم أسواق التنبؤ على نطاق واسع.

بأخذ النتيجة كمثال، يمكن أن تتمتع أسواق التنبؤ المستندة إلى AO بالخصائص الأساسية التالية:

• حل السوق غير الموثوق به: يكمن جوهر النتيجة في الوكلاء المستقلين. يتم تشغيل هؤلاء الوكلاء بواسطة الذكاء الاصطناعي ويعملون بشكل مستقل بناءً على قواعد وخوارزميات محددة مسبقًا لضمان الشفافية والعدالة في عملية صنع القرار في السوق. وبما أنه لا يوجد تدخل بشري، فإن هذه الآلية تقلل من خطر التلاعب وتوفر للمستخدمين نتائج تنبؤية موثوقة.

• عوامل تنبؤية قائمة على الذكاء الاصطناعي: تتيح منصة Outcome للمستخدمين إنشاء واستخدام العوامل التنبؤية التي تعمل بالذكاء الاصطناعي. يمكن لهؤلاء الوكلاء دمج نماذج الذكاء الاصطناعي المتعددة ومصادر البيانات الغنية لإجراء تحليل وتنبؤات دقيقة. يمكن للمستخدمين تخصيص وكلاء التنبؤ الشخصيين بناءً على احتياجاتهم واستراتيجياتهم الخاصة، والمشاركة في أنشطة التنبؤ في مواضيع السوق المختلفة. تعمل هذه المرونة على تحسين كفاءة التنبؤات وإمكانية تطبيقها بشكل كبير.

• آلية حوافز الترميز:تقدم النتيجة نموذجًا اقتصاديًا مبتكرًا، ويتلقى المستخدمون مكافآت رمزية من خلال المشاركة في توقعات السوق، والاشتراك في خدمات الوكالة ومصادر بيانات المعاملات. لا تعمل هذه الآلية على تعزيز تحفيز المستخدمين للمشاركة فحسب، بل توفر أيضًا الدعم للتطوير الصحي للنظام البيئي للمنصة.

سير عمل سوق التنبؤ القائم على الذكاء الاصطناعي

تحقق Outcome تصميم وضع الوكيل شبه التلقائي أو التلقائي بالكامل من خلال تقديم نماذج الذكاء الاصطناعي، والتي يمكن أن توفر أفكارًا مبتكرة للتطبيقات المالية المعلوماتية المبنية على نطاق واسع على Arweave وAO. اتبع تقريبًا بنية سير العمل التالية:

1. تخزين البيانات

• في الوقت الفعلي بيانات الحدث (الحدث في الوقت الحقيقي البيانات): تقوم المنصة بجمع المعلومات المتعلقة بالحدث من خلال مصادر البيانات في الوقت الفعلي (مثل الأخبار ووسائل التواصل الاجتماعي والأوراكل وما إلى ذلك) وتخزينها في Arweave لضمان شفافية البيانات وعدم التلاعب بها.

• بيانات الأحداث التاريخية: حفظ الأحداث الماضية بيانات الأحداث وسلوك السوق توفر السجلات دعمًا للبيانات للنمذجة والتحقق والتحليل، مما يشكل حلقة مغلقة من التحسين المستدام.

2. معالجة البيانات وتحليلها

• LLM (نموذج اللغة الكبيرة):LLM هي الوحدة الأساسية لمعالجة البيانات والتحليل الذكي (وهي عملية AO)، المسؤولة عن معالجة البيانات من ارويف تتم معالجة بيانات الأحداث المخزنة في الوقت الفعلي والبيانات التاريخية بعمق لاستخراج المعلومات الأساسية المتعلقة بالحدث وتوفير مدخلات عالية الجودة للوحدات اللاحقة (مثل تحليل المشاعر وحساب الاحتمالات).

• تحليل المشاعر تجاه الحدث: تحليل موقف المستخدم والسوق تجاه الأحداث (إيجابي/محايد/سلبي) يوفر مرجعًا لحسابات الاحتمالات وإدارة المخاطر.

• حساب احتمالية الحدث: استنادًا إلى نتائج تحليل المشاعر والبيانات التاريخية حساب احتمالية الأحداث بشكل ديناميكي لمساعدة المشاركين في السوق على اتخاذ القرارات.

• إدارة المخاطر: تحديد المخاطر المحتملة في السوق والسيطرة عليها المخاطر، مثل منع التلاعب بالسوق، وسلوك الرهان غير الطبيعي، وما إلى ذلك، لضمان التشغيل السليم للسوق.

3. تنفيذ التنبؤ والتحقق منه

• وكيل التداول:وكيل التداول المعتمد على الذكاء الاصطناعي مسؤول عن تنفيذ التوقعات تلقائيًا ووضع الرهانات بناءً على نتائج التحليل، دون الحاجة إلى تدخل المستخدم اليدوي.

• التحقق من النتيجة: يمرر النظام آلة أوراكل، وما إلى ذلك. وتقوم الآلية بالتحقق من النتائج الفعلية للحدث وتخزين بيانات التحقق في وحدة بيانات الحدث التاريخي، مما يضمن شفافية ومصداقية النتائج. بالإضافة إلى ذلك، يمكن أن توفر البيانات التاريخية أيضًا مرجعًا للتنبؤات اللاحقة، وبالتالي تشكيل نظام حلقة مغلقة للتحسين المستمر.

يتميز سير العمل هذا بالكفاءة والشفافية والسلاسة من خلال التنبؤ الذكي القائم على الذكاء الاصطناعي وآلية التحقق اللامركزية التي تقلل تطبيق وكيل التنبؤ الموثوق عتبة مشاركة المستخدم وتحسين عمليات السوق. وبالاعتماد على البنية التقنية لـ AO، قد يؤدي هذا النموذج إلى تطوير تمويل المعلومات نحو الاستخبارات والتعميم، ليصبح النموذج الأولي الأساسي للجيل القادم من الابتكار الاقتصادي.

الملخص

المستقبل ملك للصالحين في فهم المعلومات المعقدة شخص يقطر الحقيقة. يعيد تمويل المعلومات تعريف قيمة البيانات واستخدامها بحكمة الذكاء الاصطناعي وثقة blockchain. من بنية AO لمرحلة ما بعد الندرة إلى العوامل الذكية في Outcome، فإن هذا المزيج يجعل سوق التنبؤ لم يعد مجرد حساب للاحتمالات، بل إعادة استكشاف لعلم القرار. ولا يمكن للذكاء الاصطناعي أن يخفض عتبة المشاركة فحسب، بل يمكنه أيضا أن يجعل المعالجة والتحليل الديناميكي للبيانات الضخمة أمرا ممكنا، مما يفتح مسارا جديدا لتمويل المعلومات.

كما قال آلان تورينج، الحوسبة تجلب الكفاءة، بينما الحكمة تلهم الاحتمالات. من خلال الرقص مع الذكاء الاصطناعي، من المتوقع أن يجعل تمويل المعلومات العالم المعقد أكثر وضوحا ويدفع المجتمع إلى إيجاد توازن جديد بين الكفاءة والثقة.

المواد المرجعية:

1. ao.arweave.net/#/read

2. https://x.com/outcome_gg/status/1791063353969770604

3. https://www.chaincatcher.com/article/2146805

4. https://en.wikipedia.org/wiki/ ما بعد الندرة