التداول باستخدام الذكاء الاصطناعي: نظرة أولى على نظام DeFai البيئي

المؤلف: Henry @IOSG

1. المقدمة

في 3 أشهر فقط، وصلت القيمة السوقية لـ AI x memecoin إلى 13.4 مليار دولار أمريكي، يمكن مقارنتها من حيث الحجم ببعض لغات L1 الناضجة مثل AVAX أو SUI.

في الواقع، فإن العلاقة بين الذكاء الاصطناعي وسلسلة الكتل لها تاريخ طويل، بدءًا من التدريب النموذجي اللامركزي المبكر على شبكة Bittensor الفرعية وحتى أسواق موارد الحوسبة/وحدة معالجة الرسومات اللامركزية مثل Akash وio.net، وحتى الوقت الحالي. موجة من العملات والأطر AI x memecoins على Solana. توضح كل مرحلة مدى قدرة العملات المشفرة على استكمال الذكاء الاصطناعي من خلال تجميع الموارد، مما يتيح الذكاء الاصطناعي السيادي وحالات استخدام المستهلك.

في الموجة الأولى من عملات Solana AI، جلب بعضها فائدة ذات مغزى بدلاً من مجرد تكهنات محضة. نحن نشهد ظهور أطر عمل مثل ELIZA من ai16z، أو وكلاء الذكاء الاصطناعي مثل aixbt الذين يقدمون تحليل السوق وإنشاء المحتوى، أو مجموعات الأدوات التي تدمج الذكاء الاصطناعي مع إمكانات blockchain.

في الموجة الثانية من الذكاء الاصطناعي، مع نضوج المزيد من الأدوات، أصبحت التطبيقات هي محركات القيمة الرئيسية، وأصبح التمويل اللامركزي DeFi بمثابة أرض الاختبار المثالية لهذه الابتكارات. لتبسيط التعبير، نشير في هذه الدراسة إلى الجمع بين الذكاء الاصطناعي والتمويل اللامركزي باسم "DeFai".

تبلغ القيمة السوقية لشركة DeFai حوالي مليار دولار أمريكي، وفقًا لـ CoinGecko. يهيمن Griffian على السوق بحصة 45%، بينما يمتلك $ANON 22%. بدأ هذا المسار يشهد نموًا سريعًا بعد 25 ديسمبر، وخلال الفترة نفسها، شهدت أطر العمل والمنصات مثل Virtual وai16z نموًا قويًا بعد عطلة عيد الميلاد.

▲ المصدر: Coingecko.com

هذه مجرد خطوة أولى، وإمكانات DeFai تتجاوز ذلك بكثير. على الرغم من أن DeFai لا يزال في مرحلة إثبات المفهوم، إلا أنه لا يمكننا التقليل من قدرته على تحويل صناعة التمويل اللامركزي إلى نظام بيئي مالي أكثر سهولة في الاستخدام وذكاء وكفاءة من خلال الاستفادة من الذكاء والكفاءة التي يمكن أن يوفرها الذكاء الاصطناعي.

قبل أن نتعمق في عالم DeFai، نحتاج إلى فهم كيفية عمل الوكلاء فعليًا في DeFi/blockchain.

2. كيف يعمل الوكيل في نظام DeFi< /h2>

يشير وكيل الذكاء الاصطناعي (AI Agent) إلى برنامج يمكنه أداء المهام نيابة عن المستخدمين وفقًا لسير العمل. جوهر AI Agent هو LLM (نموذج اللغة الكبير)، والذي يمكن أن يتفاعل بناءً على المعرفة التي تم تدريبه أو تعلمها، ولكن هذه الاستجابة غالبًا ما تكون محدودة.

يختلف الوكيل اختلافًا جوهريًا عن الروبوت. عادةً ما تكون الروبوتات مخصصة لمهام محددة، وتتطلب إشرافًا بشريًا، وتحتاج إلى العمل ضمن قواعد وشروط محددة مسبقًا. في المقابل، يكون الوكلاء أكثر ديناميكية وتكيفًا، وقادرين على التعلم بشكل مستقل لتحقيق أهداف محددة.

لإنشاء تجربة أكثر تخصيصًا واستجابات أكثر شمولاً، يمكن للوكيل تخزين التفاعلات السابقة في الذاكرة، مما يسمح للوكيل بالتعلم من الأنماط السلوكية للمستخدم وتكييف استجاباته بناءً على السياق التاريخي وإنشاء توصيات مخصصة الاستراتيجيات.

في blockchain، يمكن للوكلاء التفاعل مع العقود والحسابات الذكية للتعامل مع المهام المعقدة دون تدخل بشري مستمر. على سبيل المثال، فيما يتعلق بتبسيط تجربة مستخدم التحدي، بما في ذلك إجراء عمليات الربط والزراعة متعددة الخطوات بنقرة واحدة، وتحسين استراتيجيات الزراعة لتحقيق عوائد أعلى، وتنفيذ المعاملات (الشراء/البيع) وإجراء تحليل السوق، يتم إكمال كل هذه الخطوات بشكل مستقل ل.

بالإشارة إلى بحث @3sigma، تتبع معظم النماذج 6 مسارات عمل محددة:

• جمع البيانات

• الاستدلال النموذجي

• اتخاذ القرار تطوير

• الاستضافة والتشغيل موافق

• إمكانية التشغيل التفاعلي

• المحفظة

1.< strong>جمع البيانات

أولاً، يحتاج النموذج إلى فهم البيئة التي يعمل فيها. ولذلك فهي تتطلب تدفقات بيانات متعددة للحفاظ على تزامن النموذج مع ظروف السوق. يتضمن ذلك: 1) البيانات الموجودة على السلسلة من المفهرسين والأوراكل 2) البيانات خارج السلسلة من منصات الأسعار مثل CMC / Coingecko / واجهات برمجة التطبيقات للبيانات الخاصة بموفري البيانات الآخرين.

2.الاستدلال النموذجي

بمجرد أن تتعلم النماذج البيئة، فإنها تحتاج إلى تطبيق هذه المعرفة بناءً على مدخلات جديدة غير محددة من بيانات المستخدم لـ التنبؤ أو التنفيذ. تشمل النماذج التي يستخدمها الوكيل ما يلي:

1. التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف: نماذج تم تدريبها على البيانات المصنفة أو غير المسماة للحصول على نتائج التنبؤ. في سياق البلوكشين، يمكن لهذه النماذج تحليل بيانات منتدى الحوكمة للتنبؤ بنتائج التصويت أو تحديد أنماط المعاملات.

2. التعلم المعزز: نموذج يتعلم من خلال التجربة والخطأ من خلال تقييم المكافآت والعقوبات على أفعاله. تتضمن التطبيقات تحسين استراتيجيات تداول الرموز المميزة، مثل تحديد أفضل نقاط الاشتراك لشراء الرموز المميزة أو تعديل معلمات الزراعة.

3. معالجة اللغات الطبيعية (NLP): تقنية لفهم ومعالجة مدخلات اللغة البشرية، وهي ذات قيمة لمسح منتديات الإدارة ومقترحات الآراء.

▲ المصدر: https://www.researchgate.net/figure/The-main-types-of-machine-learning-Main-approaches-include-classification-and-regression_fig1_354960266

3. اتخاذ القرار

باستخدام النماذج والبيانات المدربة، يستطيع الوكلاء اتخاذ الإجراءات باستخدام قدراتهم على اتخاذ القرار. وهذا يشمل تفسير الموقف والاستجابة بشكل مناسب.

في هذه المرحلة، يلعب محرك التحسين دورًا مهمًا في العثور على أفضل النتائج. على سبيل المثال، يحتاج الوكيل إلى تحقيق التوازن بين عوامل متعددة مثل الانزلاق وفروق الأسعار وتكاليف المعاملات والأرباح المحتملة قبل تنفيذ استراتيجية العائد.

نظرًا لأن وكيلًا واحدًا قد لا يتمكن من تحسين القرارات في مجالات مختلفة، فيمكن نشر نظام متعدد الوكلاء للتنسيق.

4.الاستضافة والتشغيل

نظرًا لطبيعة المهمة الحسابية المكثفة، عادةً ما يستضيف وكلاء الذكاء الاصطناعي نماذجهم خارج السلسلة. يعتمد بعض الوكلاء على الخدمات السحابية المركزية مثل AWS، بينما يستخدم أولئك الذين يفضلون اللامركزية شبكات الحوسبة الموزعة مثل Akash أو ionet وArweave لتخزين البيانات.

على الرغم من أن نموذج وكيل الذكاء الاصطناعي يعمل خارج السلسلة، إلا أن الوكيل يحتاج إلى التفاعل مع البروتوكولات الموجودة على السلسلة لتنفيذ وظائف العقود الذكية وإدارة الأصول. يتطلب هذا التفاعل حلاً آمنًا لإدارة المفاتيح مثل محفظة MPC أو محفظة العقود الذكية لمعالجة المعاملات بشكل آمن. يمكن للوكلاء العمل عبر واجهات برمجة التطبيقات للتواصل والتفاعل مع مجتمعاتهم على منصات التواصل الاجتماعي مثل Twitter وTelegram.

5.قابلية التشغيل التفاعلي

يحتاج الوكيل إلى التفاعل مع البروتوكولات المختلفة مع البقاء على اطلاع دائم عبر الأنظمة المختلفة. غالبًا ما يستخدمون جسور واجهة برمجة التطبيقات (API) للحصول على بيانات خارجية، مثل خلاصات الأسعار.

من أجل مواكبة حالة البروتوكول الحالية والاستجابة بشكل مناسب، يحتاج الوكيل إلى المزامنة في الوقت الفعلي من خلال بروتوكولات المراسلة اللامركزية مثل webhooks أو IPFS.

6.المحفظة

يحتاج الوكيل إلى محفظة أو الوصول إلى مفتاح خاص لبدء معاملة blockchain. هناك محفظتان/مفاتيح شائعة في السوق طريقة الإدارة: الحلول المعتمدة على MPC وTEE.

بالنسبة لتطبيقات إدارة المحافظ، يمكن لـ MPC أو TSS تقسيم المفاتيح بين الوكيل والمستخدم والطرف الموثوق به، بينما يظل المستخدم يحتفظ بدرجة من التحكم في الذكاء الاصطناعي. تنفذ محفظة Coinbase AI Replit هذا النهج بشكل فعال، مما يوضح كيفية الاستفادة من وكيل الذكاء الاصطناعي لتنفيذ محفظة MPC.

بالنسبة لأنظمة الذكاء الاصطناعي المستقلة بالكامل، توفر TEE بديلاً عن طريق تخزين المفاتيح الخاصة في منطقة آمنة، مما يمكّن وكيل الذكاء الاصطناعي بأكمله من العمل في بيئة مخفية ومحمية دون تدخل من قبل أطراف ثالثة. ومع ذلك، تواجه حلول TEE حاليًا تحديين رئيسيين: مركزية الأجهزة ونفقات الأداء.

بعد التغلب على هذه الصعوبات، سنكون قادرين على إنشاء وكيل مستقل على blockchain، ويمكن للوكلاء المختلفين أداء واجباتهم في النظام البيئي DeFi لزيادة الكفاءة وتحسين تجربة المعاملات على السلسلة.

بشكل عام، سأقسم DeFi x Ai مؤقتًا إلى 4 فئات رئيسية:

1. الملخص/تجربة المستخدم AI- ودود 

2. تحسين الدخل أو إدارة المحافظ

3. تحليل السوق أو روبوت التنبؤ

   < /li>< لى>

   ديفاي البنية التحتية/النظام الأساسي

3. افتح الباب أمام عالم DeFi x AI—DeFai

▲ المصدر: IOSG المشروع

#1 الذكاء الاصطناعي الملخص/الصديق لتجربة المستخدم

الغرض من الذكاء الاصطناعي هو توفير المستخدمين مع زيادة الكفاءة وحل المشكلات المعقدة وتبسيط المهام المعقدة. يمكن للذكاء الاصطناعي القائم على التجريد تبسيط الوصول إلى تعقيدات DeFi لكل من المتداولين الجدد والحاليين.

في مجال blockchain، يجب أن تكون حلول الذكاء الاصطناعي الفعالة قادرة على:

• أتمتة المعاملات متعددة الخطوات وعمليات التخزين ، لا يحتاج المستخدمون إلى أي معرفة بالمجال؛

• قم بإجراء بحث في الوقت الفعلي لتزويد المستخدمين بجميع المعلومات والبيانات الضرورية اللازمة لاتخاذ قرارات تداول مستنيرة؛

• احصل على البيانات من منصات مختلفة، وحدد فرص السوق، وزود المستخدمين بتحليل شامل.

تستخدم معظم هذه الأدوات المجردة ChatGPT باعتباره جوهرها. في حين أن هذه النماذج تحتاج إلى التكامل بسلاسة مع blockchain، يبدو لي أنه لم يتم تدريب أو تكييف أي من النماذج بشكل خاص بناءً على بيانات blockchain.

Griffain

اقترح توني مؤسس Griffain هذا المفهوم في Solana Hackathon. قام فيما بعد بتحويل الفكرة إلى منتج وظيفي وحصل على دعم وموافقة مؤسس سولانا أناتولي.

ببساطة، يعد griffain حاليًا أول وأقوى الذكاء الاصطناعي المجرد في Solana، والذي يمكنه أداء وظائف مثل المبادلة وإدارة المحفظة وسك NFT وقنص الرموز المميزة.

فيما يلي الوظائف المحددة التي يوفرها griffin:

• تنفيذ المعاملات باللغة الطبيعية

• استخدم Pumpfun لإصدار الرموز المميزة، وسك NFTs، واختيار العناوين للإسقاط الجوي

• التنسيق بين الوكلاء

• < ص> الوكيل يمكن نشر التغريدات نيابة عن المستخدمين

• اقتنص العملات الميمية التي تم إطلاقها حديثًا على Pumpfun بناءً على كلمات رئيسية أو شروط محددة

• حصة، أتمتة وتنفيذ استراتيجيات DeFi

• جدولة المهام، يمكن للمستخدمين إدخالها إلى الوكيل الإدخال وإنشاء وكلاء مصممين خصيصًا

• الحصول على البيانات من النظام الأساسي لتحليل السوق، مثل تحديد توزيع حاملي الرموز المميزة

على الرغم من أن griffin يوفر العديد من الوظائف، إلا أن المستخدمين ما زالوا بحاجة إلى إدخال عنوان الرمز المميز يدويًا أو تقديم تعليمات تنفيذ محددة إلى الوكيل. لذلك، بالنسبة للمبتدئين الذين ليسوا على دراية بهذه التعليمات الفنية، لا يزال لدى المنتجات الحالية مجال للتحسين.

حتى الآن، توفر شركة griffain نوعين من وكلاء الذكاء الاصطناعي:وكلاء الذكاء الاصطناعي الشخصي والوكلاء الخاصون.

يتم التحكم في وكيل الذكاء الاصطناعي الشخصي من قبل المستخدم. يمكن للمستخدمين تخصيص التعليمات وإدخال إعدادات الذاكرة لتخصيص الوكيل وفقًا لظروفهم الشخصية.

الوكلاء الخاصون هم وكلاء مصممون لمهام محددة. على سبيل المثال، يتم تدريب "وكيل Airdrop" للعثور على العناوين وتخصيص الرموز المميزة لحامليها المعينين، في حين تتم برمجة "وكيل التوقيع المساحي" للتعهد بـ SOL أو أصول أخرى لمجموعة الأصول من أجل تنفيذ استراتيجية التعدين.

يعد نظام التعاون متعدد الوكلاء الخاص بـGriffain ميزة مميزة حيث يمكن للعديد من الوكلاء العمل معًا في غرفة الدردشة. يمكن لهؤلاء الوكلاء حل المهام المعقدة بشكل مستقل مع الحفاظ على التعاون.

▲ المصدر: https://griffain.com

بعد إنشاء الحساب، سيقوم النظام بإنشاء محفظة، ويمكن للمستخدم أن يعهد بالحساب إلى الوكيل، الذي ينفذ المعاملات بشكل مستقل ويدير المحافظ الاستثمارية.

من بينها، يتم تقسيم المفتاح من خلال Shamir Secret Sharing، بحيث لا يمكن لـ griffin أو privy استضافة المحفظة. وفقًا لـ Slate، فإن مبدأ عمل SSS هو تقسيم المفتاح إلى ثلاثة أجزاء، بما في ذلك:

1. مشاركة الجهاز: يتم تخزينها في المتصفح ويتم استردادها عند فتح علامة التبويب

2. المشاركة المصرح بها: مخزنة في الخصوصية على الخادم، يتم استرداده عند المصادقة وتسجيل الدخول إلى التطبيق

3. مشاركة الاسترداد: يتم تخزين التشفير على خادم Privy ولا يمكن فك تشفيره واسترجاعه إلا عندما يقوم المستخدم بإدخال كلمة المرور لتسجيل الدخول إلى علامة التبويب

   p>

بالإضافة إلى ذلك، يمكن للمستخدمين أيضًا اختيار التصدير أو التصدير في الواجهة الأمامية لـ griffin.

Anon 

تم تأسيس Anon على يد دانييلي سيستا، المشهور بإنشاء بروتوكولات التمويل اللامركزي Wonderland و MIM (أموال الإنترنت السحرية). على غرار Griffin، تم تصميم Anon أيضًا لتبسيط تفاعل المستخدم مع DeFi.

على الرغم من أن الفريق قد قدم ميزاته المستقبلية، نظرًا لأن المنتج لم يتم طرحه للعامة بعد، إلا أنه لم يتم التحقق من أي ميزات حتى الآن. تتضمن بعض الميزات ما يلي:

• تنفيذ المعاملات باستخدام اللغة الطبيعية (لغات متعددة بما في ذلك الصينية)  

• التوصيل عبر السلسلة عبر LayerZero

• باستخدام Aave وSparks وSky وWagmi انتظر اتفاقيات الشركاء للإقراض والتوريد

• احصل على معلومات الأسعار والبيانات في الوقت الفعلي من خلال Pyth

• وفر الوقت والغاز التنفيذ الآلي والمشغلات المستندة إلى السعر

• توفير تحليل السوق في الوقت الفعلي، مثل اكتشاف المشاعر وتحليل الملف الشخصي الاجتماعي وما إلى ذلك.

بالإضافة إلى الوظائف الأساسية، يدعم Anon أيضًا العديد من نماذج الذكاء الاصطناعي، بما في ذلك Gemma وLlama 3.1، اللاما 3.3، الرؤية، بيكسلال وكلود. تتمتع هذه النماذج بالقدرة على توفير تحليل سوقي قيم، وتوفير معلومات تساعد المستخدمين على توفير وقت البحث واتخاذ قرارات مستنيرة، وهو أمر ذو قيمة خاصة في سوق اليوم حيث تظهر رموز جديدة بقيمة سوقية تبلغ 100 مليون دولار كل يوم.

يمكن تصدير المحافظ وإلغاء الترخيص، ولكن لم يتم نشر تفاصيل محددة حول إدارة المحفظة وبروتوكولات الأمان بعد.

بالإضافة إلى الوظائف الأساسية، يدعم Anon مجموعة متنوعة من نماذج الذكاء الاصطناعي، بما في ذلك Gemma وLlama 3.1 وLlama 3.3 وVision وPixtral وClaude.

بالإضافة إلى ذلك، نشرت دانييل مؤخرًا تحديثين حول Anon:

• إطار العمل التلقائي:

  • إطار العمل التلقائي:

    إطار عمل typeScript يساعد المزيد من المشاريع على التكامل مع Anon بشكل أسرع. سيتطلب الإطار أن تتبع جميع البيانات والتفاعلات بنية محددة مسبقًا حتى يتمكن Anon من تقليل خطر تعرض الذكاء الاصطناعي للهلوسة ويكون أكثر موثوقية.

    • جيما:

      وكيل أبحاث/أبحاث يمكنه جمع مؤشرات التحدي من السلسلة (مثل TVL وحجم المعاملات ومعدل تمويل prepdex) و البيانات خارج السلسلة (مثل Twitter وTelegram) لجمع البيانات في الوقت الفعلي لتحليل المشاعر الاجتماعية. سيتم تحويل هذه البيانات إلى تنبيهات الفرص ورؤى مخصصة للمستخدمين.

    انطلاقًا من التوثيق، هذا يجعل Anon واحدة من أدوات التجريد الأكثر توقعًا وقوة في المجال بأكمله. وهذا أمر ذو قيمة خاصة في سوق اليوم حيث تظهر كل يوم رموز جديدة بقيمة سوقية تبلغ 100 مليون دولار.

    Slate

    بدعم من BigBrain Holdings، تضع Slate نفسها على أنها "Alpha AI" التي يمكنها إجراء معاملات مستقلة بناءً على الإشارات الموجودة على السلسلة. يعد Slate حاليًا هو الذكاء الاصطناعي المجرد الوحيد القادر على أتمتة عمليات التداول على Hyperliquid.

    يعطي Slate الأولوية لتوجيه الأسعار والتنفيذ السريع والقدرة على المحاكاة قبل التداول. تشمل الوظائف الرئيسية ما يلي:

    • التبديل عبر السلسلة بين سلسلة EVM وSolana

    • بناءً على السعر والقيمة السوقية والغاز التداول التلقائي للرسوم ومؤشرات الربح والخسارة

    • جدولة المهام باللغة الطبيعية

    • تجميع المعاملات عبر السلسلة

      < /li>

    • نظام إشعارات Telegram

    • يمكن فتح مراكز طويلة وقصيرة، والتصفية في ظل ظروف محددة، وإدارة LP + التعدين، بما في ذلك في السيولة المفرطة

    بشكل عام ينقسم هيكل رسومها إلى نوعين:

    1. العمليات العامة: لا تفرض Slate أي رسوم على عمليات التحويل/السحب المنتظمة، ولكنها تفرض 0.35% على عمليات مثل المبادلة، الجسر، المطالبة، الاقتراض، الإقراض، السداد، التعهد، إلغاء الرهن، الشراء، البيع القصير، القفل، الفتح، وما إلى ذلك.

    2. العملية المشروطة: إذا تم تعيين أمر مشروط (مثل أمر الحد). يتقاضى Slate رسمًا بنسبة 0.25% إذا كان يعتمد على رسوم الغاز؛ وجميع الشروط الأخرى هي 1.00%.

    فيما يتعلق بالمحافظ، يدمج Slate بنية المحفظة المضمنة في Privy لضمان عدم استضافة Slate أو Privy لمحافظ المستخدمين. يمكن للمستخدمين إما ربط محافظهم الحالية أو تفويض وكيل لإجراء المعاملات نيابة عنهم.

    

    ▲ المصدر: https://docs.slate.ceo

    تحليل مقارن للذكاء الاصطناعي المجرد

    المقارنة مع التجريد السائد الذكاء الاصطناعي:

    

    ▲ المصدر: IOSG Venture

    في الوقت الحالي، تدعم معظم أدوات تجريد الذكاء الاصطناعي المعاملات عبر السلاسل وربط الأصول بين سلاسل Solana وEVM. يقدم Slate تكامل Hyperliquid، بينما يدعم Neur وGriffin حاليًا Solana فقط، ولكن من المتوقع إضافة الدعم عبر السلسلة قريبًا.

    تدمج معظم الأنظمة الأساسية محافظ Privy المضمنة ومحافظ EOA، مما يسمح للمستخدمين بإدارة الأموال بشكل مستقل، ولكنها تتطلب من المستخدمين السماح بوصول الوكيل لإجراء معاملات معينة. وهذا يوفر فرصة لـ TEE (بيئة التنفيذ الموثوقة) لضمان مقاومة أنظمة الذكاء الاصطناعي للتلاعب.

    على الرغم من أن معظم أدوات تجريد الذكاء الاصطناعي تشترك في وظائف مثل إصدار الرمز المميز، وتنفيذ التجارة، والأوامر الشرطية باللغة الطبيعية، إلا أن أدائها يختلف بشكل كبير.

    على مستوى المنتج، ما زلنا في المراحل الأولى من الذكاء الاصطناعي المجرد. بمقارنة المشاريع الخمسة المذكورة أعلاه، يتميز Griffin بمجموعة الميزات الغنية وشبكة التعاون الواسعة ومعالجة سير العمل للتعاون متعدد الوكلاء (Orbit هو أيضًا مشروع آخر يدعم تعدد الوكلاء). يتفوق Anon بفضل الاستجابات السريعة والدعم متعدد اللغات وتكامل Telegram، بينما يستفيد Slate من منصة الأتمتة المتطورة الخاصة به وهو الوكيل الوحيد الذي يدعم Hyperliquid.

    ومع ذلك، من بين جميع أنظمة الذكاء الاصطناعي المجردة، لا تزال بعض المنصات تواجه تحديات عند معالجة المعاملات الأساسية (مثل USDC Swap)، مثل عدم القدرة على الحصول بدقة على عنوان الرمز المميز الصحيح أو السعر، أو الفشل في تحليل أحدث اتجاه السوق. يعد وقت الاستجابة والدقة وارتباط النتائج أيضًا من العوامل المهمة في قياس الأداء الأساسي للنموذج. في المستقبل، نأمل أن نعمل مع الفريق لتطوير لوحة معلومات شفافة تتتبع أداء جميع أنظمة الذكاء الاصطناعي المجردة في الوقت الفعلي.

    #2 تحسين الدخل المستقل وإدارة المحافظ

    على عكس استراتيجيات الدخل التقليدية، تستخدم البروتوكولات في هذا المجال تحليل A I - بيانات متسلسلة لتحليل الاتجاهات وتوفير المعلومات التي تساعد الفرق على تطوير استراتيجيات أفضل لتحسين العائد وتخصيص المحفظة.
    لتقليل التكاليف، يتم تدريب النماذج عادةً على شبكة Bittensor الفرعية أو خارج السلسلة. لكي يتمكن الذكاء الاصطناعي من تنفيذ المعاملات بشكل مستقل، يتم استخدام طرق التحقق مثل ZKP (إثبات المعرفة الصفرية) لضمان صدق النموذج وإمكانية التحقق منه. فيما يلي عدة أمثلة للتحسينات التي تفيد بروتوكول DeFai:

    

    T3AI هو بروتوكول إقراض يدعم نقص الضمانات باستخدام الذكاء الاصطناعي كوسيط ومحرك للمخاطر. يقوم وكيل الذكاء الاصطناعي الخاص بها بمراقبة صحة القروض في الوقت الفعلي ويضمن سداد القروض من خلال إطار مؤشر المخاطر الخاص بـ T3AI. وفي الوقت نفسه، يوفر الذكاء الاصطناعي تنبؤات دقيقة للمخاطر من خلال تحليل العلاقة بين الأصول المختلفة واتجاهات أسعارها. الأداء المحدد للذكاء الاصطناعي الخاص بـ T3AI هو:

    • تحليل بيانات الأسعار لبورصات CEX وDEX الرئيسية؛

    • < p>قياس تقلبات الأصول المختلفة؛

    • دراسة الارتباط والترابط بين أسعار الأصول؛

    • اكتشاف الأصول التفاعلات الوضع المخفي في .

    سيوصي الذكاء الاصطناعي باستراتيجيات التخصيص المثالية بناءً على محفظة المستخدم، وربما تحقيق إدارة مستقلة لمحفظة الذكاء الاصطناعي بعد تعديل النموذج. بالإضافة إلى ذلك، تضمن T3AI إمكانية التحقق والموثوقية لجميع العمليات من خلال إثباتات ZK وشبكة من المدققين.

    

    ▲ المصدر: https://www.trustinweb3.xyz/

    Kudai

    Kudai هو وكيل النظام البيئي GMX التجريبي المدعوم من GMX Blueberry Club باستخدام تطوير مجموعة أدوات EmpyrealSDK ويتم تداول الرموز المميزة الخاصة بها حاليًا على الشبكة الأساسية.
    

    تتمثل فلسفة Kudai في استخدام جميع رسوم المعاملات الناتجة عن $KUDAI لتمويل الوكلاء الذين يقومون بعمليات تداول مستقلة وتوزيع الأرباح على حاملي الرموز المميزة.
    

    في المرحلة القادمة 2/4 سيتمكن كوداي من ترجمة اللغة الطبيعية على تويتر:

    • < p >قم بشراء $GMX وحصة فيه لتوليد مصادر إيرادات جديدة؛

    • استثمر في مجموعة GMX GM لزيادة العائدات بشكل أكبر.

    • اشتري GBC NFT بأقل سعر لتوسيع المحفظة الاستثمارية.

    بعد هذه المرحلة، سيكون Kudai مستقلاً تمامًا ويمكنه بشكل مستقل تنفيذ المعاملات ذات الرافعة المالية والمراجحة وكسب العوائد على الأصول (الفائدة). ولم يكشف الفريق عن أي معلومات أخرى.

    Sturdy Finance V2

    Sturdy Finance عبارة عن مجمع للإقراض والعوائد يستخدم نموذج الذكاء الاصطناعي الذي تم تدريبه بواسطة عمال المناجم في الشبكة الفرعية Bittensor SN10 لتحويل الأموال بين مجموعات الصوامع المختلفة المدرجة في القائمة البيضاء لتحسين الإيرادات.

    تتبنى البنية القوية بنية مكونة من طبقتين، تتكون من مجموعات أصول مستقلة (مجموعات صومعة) وطبقة مجمعة (طبقة مجمعة):

    1. < p>Silo Pools
       هذه عبارة عن مجموعات منفصلة للأصول الفردية حيث يمكن للمستخدمين اقتراض أصل واحد فقط أو الاقتراض باستخدام ضمان واحد.

    2. طبقة التجميع
       تم إنشاء طبقة التجميع على Yearn V3 وتخصيص أصول المستخدم للأصول المعالجة من خلال الاستخدام ومعدل العائد. في مجموعة أصول مستقلة تخضع لمراجعة القائمة. توفر شبكة Bittensor الفرعية للمجمع أفضل استراتيجية توزيع. عندما يقوم المستخدمون بإيداع أصول في مجمع، فإنهم يتعرضون فقط لنوع الضمان المحدد، مما يتجنب تمامًا المخاطر الناجمة عن مجموعات الإقراض الأخرى أو الأصول المضمونة.

    

    ▲ المصدر: https://sturdy.finance

    اعتبارًا من وقت كتابة هذا التقرير، كان TVL لـ Sturdy V2 وبعد انخفاضها منذ مايو 2024، تبلغ قيمة القيمة الإجمالية للقيمة (TVL) للمجمع حاليًا حوالي 3.9 مليون دولار، وهو ما يمثل 29% من إجمالي قيمة القيمة الإجمالية للبروتوكول.

    منذ سبتمبر 2024، ظل عدد المستخدمين النشطين يوميًا في Sturdy مكونًا من رقمين (>100)، مع كون pxETH وcrvUSD أصل الإقراض الرئيسي. في المجمع. لكن أداء الاتفاق تعثر بشكل كبير خلال الأشهر القليلة الماضية. يبدو أنه تم تقديم تكامل الذكاء الاصطناعي على أمل إعادة إشعال زخم نمو البروتوكول.

    

    ▲ المصدر: https://dune.com/tk-research/sturdy-v2

    #3 وكالة تحليل السوق

    #Aixbt

    Aixbt هو وكيل لتتبع معنويات السوق يقوم بتجميع وتحليل البيانات من أكثر من 400 Twitter KOLs. بفضل محركها الخاص، تستطيع AixBT تحديد الاتجاهات في الوقت الفعلي ونشر ملاحظات السوق على مدار الساعة.

    من بين وكلاء الذكاء الاصطناعي الحاليين، تمتلك AixBT حصة كبيرة من الاهتمام في السوق تبلغ 14.76%، مما يجعلها واحدة من أكثر الوكلاء تأثيرًا في النظام البيئي.

    

    ▲ المصدر: Kaito.com

    تم تصميم Aixbt للتفاعل عبر وسائل التواصل الاجتماعي، والرؤى التي تنشرها تعكس بشكل مباشر تركيز اهتمام السوق.

    إنها تتجاوز مجرد توفير رؤى السوق (ألفا) وتتضمن التفاعل. AixBT قادر على الرد على أسئلة المستخدمين وحتى إجراء إصدار الرمز المميز عبر Twitter باستخدام مجموعة أدوات احترافية. على سبيل المثال، تم إنشاء رمز $CHAOS المميز بالتعاون مع Simi، وهو روبوت تفاعلي آخر، باستخدام مجموعة أدواتEmpyrealSDK.

    اعتبارًا من الآن، يتمتع المستخدمون الذين يمتلكون 600000 رمز AIXBT بقيمة 600000 دولار (بقيمة 240000 دولار تقريبًا) بإمكانية الوصول إلى منصة التحليلات والمحطة الطرفية الخاصة بها.

    #4 البنية الأساسية والمنصة اللامركزية للذكاء الاصطناعي

    لا يمكن فصل وجود Web3 AI Agent عن دعم البنية التحتية اللامركزية. لا توفر هذه المشاريع الدعم للتدريب النموذجي والاستدلال فحسب، بل توفر أيضًا البيانات وطرق التحقق من الصحة وطبقات التنسيق لدفع تطوير وكلاء الذكاء الاصطناعي.

    سواء كان الذكاء الاصطناعي Web2 أو Web3، النماذج وقوة الحوسبة والبياناتدائمًا هي ما يدفع التميز في نماذج اللغات الكبيرة (LLM) والذكاء الاصطناعي  الوكيل ثلاثة ركائز أساسية للتنمية. سيتم تفضيل النماذج مفتوحة المصدر المدربة بطريقة لا مركزية من قبل منشئي الوكلاء لأن هذا النهج يزيل تمامًا نقطة الخطر الوحيدة الناجمة عن المركزية ويفتح إمكانية الذكاء الاصطناعي المملوك للمستخدم. لا يحتاج المطورون إلى الاعتماد على واجهات برمجة تطبيقات LLM لعمالقة Web2 AI مثل Google وMeta وOpenAI.

    ما يلي هو مخطط البنية التحتية للذكاء الاصطناعي الذي رسمته Pinkbrains:

    

    < p style="text-align: center;">▲ المصدر: Pink Brains

    إنشاء النماذج

    يعمل الرواد مثل Nous Research وPrime Intellect وExo Labs على توسيع حدود التدريب اللامركزي.

    نجحت خوارزمية التدريب Distro الخاصة بشركة Nous Research وخوارزمية DiLoco الخاصة بشركة Prime Intellect في تدريب النماذج بأكثر من 10 مليار معلمة في بيئة ذات نطاق ترددي منخفض، مما يوضح أنه يمكن أيضًا تحقيق تدريب واسع النطاق خارج الأنظمة المركزية التقليدية التدريب على نطاق . ذهبت Exo Labs إلى أبعد من ذلك وأطلقت خوارزمية تدريب الذكاء الاصطناعي الموزعة SPARTA، والتي تقلل من حجم الاتصال بين وحدات معالجة الرسومات بأكثر من 1000 مرة.

    تعمل شركة Bagel على أن تصبح شركة HuggingFace لامركزية، حيث توفر نماذج وبيانات لمطوري الذكاء الاصطناعي، مع حل مشكلات الملكية وتحقيق الدخل من البيانات مفتوحة المصدر من خلال تقنية التشفير. تقوم Bittensor ببناء سوق تنافسي حيث يمكن للمشاركين المساهمة في قوة الحوسبة والبيانات والذكاء لتسريع عملية تطوير نماذج ووكلاء الذكاء الاصطناعي.

    مزود خدمات البيانات والحوسبة

    يعتقد الكثير من الأشخاص أن AixBT يمكن أن تبرز في فئة الوكيل العملي ويرجع ذلك أساسًا إلى مجموعات البيانات عالية الجودة الخاصة بها القدرات.

    يوفر مقدمو الخدمة مثل Grass وVana وSahara وSpace and Time وCookie DAOs بيانات عالية الجودة خاصة بالمجال أو يسمحون لمطوري الذكاء الاصطناعي بالوصول إلى "حدائق مسورة" من البيانات، وبالتالي تعزيز قدراتهم. من خلال الاستفادة من أكثر من 2.5 مليون عقدة، يستطيع Grass الزحف إلى ما يصل إلى 300 تيرابايت من البيانات يوميًا.

    في الوقت الحالي، لا تستطيع Nvidia تدريب نموذج الفيديو الخاص بها إلا على 20 مليون ساعة من بيانات الفيديو، في حين أن مجموعة بيانات الفيديو الخاصة بـ Grass أكبر 15 مرة (300 مليون ساعة) وتنمو بمقدار 4 ملايين ساعة يوميًا - أي 20% من إجمالي مجموعة بيانات Nvidia التي يتم جمعها بواسطة Grass كل يوم. بمعنى آخر، يمكن لـ Grass الحصول على ما يعادل إجمالي مجموعة بيانات الفيديو من Nvidia في 5 أيام فقط.

    لا يمكن تشغيل الوكيل بدون موارد حاسوبية. توفر أسواق الحوسبة مثل Aethir وio.net خيارات فعالة من حيث التكلفة لمطوري الوكلاء من خلال تجميع وحدات معالجة الرسومات المختلفة. يعمل سوق GPU اللامركزي من Hyperbolic على خفض تكاليف الحوسبة بنسبة تصل إلى 75% مع استضافة نماذج الذكاء الاصطناعي مفتوحة المصدر وتقديم إمكانات استدلال منخفضة زمن الوصول مماثلة لموفري خدمات Web2 السحابية.

    تعمل شركة Hyperbolic على تحسين سوق وحدات معالجة الرسومات والخدمات السحابية الخاصة بها من خلال إطلاق AgentKit. AgentKit عبارة عن واجهة قوية تتيح لعملاء الذكاء الاصطناعي الوصول الكامل إلى شبكة GPU اللامركزية الخاصة بـ Hyperbolic. ويتميز بخريطة يمكن قراءتها بواسطة الذكاء الاصطناعي لموارد الحوسبة والتي تقوم بمسح وتوفر معلومات مفصلة حول توفر الموارد والمواصفات والتحميل الحالي والأداء في الوقت الفعلي.

    يفتح AgentKit مستقبلًا ثوريًا حيث يمكن للوكلاء الحصول بشكل مستقل على قوة الحوسبة المطلوبة ودفع الرسوم ذات الصلة.

    آلية التحقق

    من خلال آلية التحقق المبتكرة إثبات العينة، يضمن Hyperbolic إثبات كل تفاعل استدلالي في النظام البيئي. لبناء أساس من الثقة لعالم الوكالة المستقبلي.

    ومع ذلك، لا يحل التحقق سوى جزء من مشكلة الثقة للوكلاء المستقلين. البعد الآخر للثقة يتضمن حماية الخصوصية، حيث تتفوق مشاريع البنية التحتية TEE (بيئة التنفيذ الموثوقة) مثل Phala وAutomata وMarlin. على سبيل المثال، يمكن حماية البيانات أو النماذج الخاصة التي يستخدمها وكلاء الذكاء الاصطناعي بشكل آمن.

    في الواقع، لا يمكن للوكيل المستقل حقًا أن يعمل بشكل كامل بدون TEE، نظرًا لأن TEE أمر بالغ الأهمية لحماية المعلومات الحساسة، مثل حماية المفاتيح الخاصة للمحفظة، ومنع الوصول غير المصرح به، وضمان أمان تسجيل الدخول إلى حساب Twitter، وما إلى ذلك.

    كيفية عمل TEE

    تقوم TEE (بيئة التنفيذ الموثوقة) بعزل البيانات الحساسة أثناء المعالجة في منطقة محمية لوحدة المعالجة المركزية/وحدة معالجة الرسومات (منطقة آمنة). يمكن فقط لرمز البرنامج المعتمد الوصول إلى محتويات المنطقة المحجوبة؛ ولا يمكن لمقدمي الخدمات السحابية والمطورين والمسؤولين وأجزاء أخرى من الأجهزة الوصول إلى هذه المنطقة.

    الاستخدام الرئيسي لـ TEE هو تنفيذ العقود الذكية، خاصة في بروتوكولات DeFi التي تتضمن بيانات مالية أكثر حساسية. لذلك، يتضمن تكامل TEE وDeFai سيناريوهات تطبيق DeFi التقليدية، مثل:
    

    1. خصوصية المعاملة: يمكن لـ TEE إخفاء تفاصيل المعاملة ، مثل عناوين المرسل والمستقبل ومبلغ المعاملة. تستخدم منصات مثل Secret Network وOasis TEE لحماية خصوصية المعاملات في تطبيقات DeFai، مما يتيح عمليات الدفع الخاصة.

    2. مكافحة MEV: من خلال تنفيذ العقود الذكية في TEE، لا يمكن لمنشئي الكتل الوصول إلى معلومات المعاملة، وبالتالي منع الهجمات الأمامية التي تولد MEV. استفادت Flashbots من TEE لتطوير BuilderNet، وهي شبكة بناء كتل لا مركزية تقلل من مخاطر الرقابة المرتبطة ببناء الكتل المركزية. تستخدم سلاسل مثل Unichain وTaiko أيضًا TEE لتزويد المستخدمين بتجربة تداول أفضل.

    تنطبق هذه الميزات أيضًا على الحلول البديلة مثل ZKP أو MPC. ومع ذلك، يعد TEE حاليًا هو الحل الأكثر كفاءة بين الحلول الثلاثة لتنفيذ العقود الذكية لمجرد أن النموذج يعتمد على الأجهزة.

    فيما يتعلق بالوكلاء، توفر TEE إمكانات متنوعة للوكلاء:

    1. الأتمتة: يمكن لـ TEE إنشاء بيئة تشغيل مستقلة لـ ضمان تنفيذ سياساتها دون تدخل بشري. وهذا يضمن أن قرارات الاستثمار تعتمد بالكامل على المنطق المستقل للوكيل.

    2. يسمح TEE أيضًا للوكلاء بالتحكم في حسابات وسائل التواصل الاجتماعي للتأكد من أن أي بيانات عامة يدلون بها مستقلة وخالية من التأثير الخارجي، وبالتالي تجنب الشك في الإعلانات وغيرها من الدعاية. تعمل Phala مع فريق AI16Z لتمكين Eliza من العمل بكفاءة في بيئة TEE.

    3. قابلية التحقق: يمكن للأشخاص التحقق من أن الوكيل يجري حسابات باستخدام النموذج الموعود وينتج نتائج صالحة. تعمل Automata وBrevis معًا لتطوير هذه الإمكانية.

    مجموعة عوامل الذكاء الاصطناعي

    مع المزيد والمزيد من التطبيقات ذات حالات استخدام محددة (DeFi، والألعاب، والاستثمارات، والموسيقى، وما إلى ذلك) يدخل الوكلاء المحترفون هذا المجال، ويصبح التعاون الأفضل بين الوكلاء والتواصل السلس أمرًا بالغ الأهمية.

    ظهرت البنية التحتية لأطر عمل سرب الوكلاء لمعالجة القيود المفروضة على الوكلاء الفرديين. يسمح ذكاء السرب للعملاء بالعمل معًا كفريق واحد، وتجميع قدراتهم لتحقيق هدف مشترك. تعمل طبقة التنسيق على تجريد التعقيد وتسهل على الوكلاء التعاون في إطار أهداف وحوافز مشتركة.

    تتحرك العديد من شركات Web3، بما في ذلك Theoriq وFXN وQuestflow، في هذا الاتجاه. من بين كل هؤلاء اللاعبين، تعمل Theoriq، التي تم إطلاقها في الأصل في عام 2022 باسم ChainML، على تحقيق هذا الهدف لفترة أطول، مع رؤية تصبح طبقة أساسية عالمية للذكاء الاصطناعي العميل.

    ولتحقيق هذه الرؤية، تتعامل Theoriq مع تسجيل الوكيل والدفع والأمن والتوجيه والتخطيط والإدارة في وحدات منخفضة المستوى. كما أنه يربط العرض والطلب، ويقدم منصة بديهية لبناء الوكلاء تسمى Infinity Studio والتي تسمح لأي شخص بنشر وكلاءه الخاصين، بالإضافة إلى Infinity Hub، وهو سوق حيث يمكن للعملاء تصفح جميع الوكلاء المتاحين. في نظام السرب الخاص به، يختار الوكلاء الفوقيون الوكيل الأكثر ملاءمة لمهمة معينة، وينشئون "أسرابًا" لتحقيق أهداف مشتركة مع تتبع السمعة والمساهمات للحفاظ على الجودة والمساءلة.

    توفر رموز Theoriq الأمان الاقتصادي الذي يمكن لمشغلي الوكلاء وأعضاء المجتمع استخدامه للتعبير عن الجودة والثقة في الوكلاء، وبالتالي تحفيز جودة الخدمة وردع السلوك الضار. تعمل الرموز المميزة أيضًا كوسيلة للتبادل، وتستخدم للدفع مقابل الخدمات والوصول إلى البيانات، ومكافأة المشاركين على المساهمة بالبيانات والنماذج وما إلى ذلك.

    

    ▲ المصدر: Theoriq
    

    مع التطوير المحيط بعامل الذكاء الاصطناعي مع ظهور المناقشات كقطاع صناعي طويل الأجل بقيادة وكلاء المرافق الواضحين، قد نشهد عودة ظهور مشاريع البنية التحتية لـ Crypto x AI، مما يؤدي إلى أداء قوي للأسعار. تتمتع هذه المشاريع بالقدرة على الاستفادة من تمويل رأس المال الاستثماري وسنوات من الخبرة في البحث والتطوير والخبرة الفنية الخاصة بالمجال للتوسع عبر سلسلة القيمة. وهذا يتيح لهم تطوير وكلاء الذكاء الاصطناعي المتقدمين والعمليين القادرين على التفوق في الأداء بنسبة 95% على الوكلاء الآخرين الموجودين حاليًا في السوق.

    4. تطور ومستقبل DeFai

    أعتقد دائمًا أن تطور السوق سيتم تقسيمه إلى ثلاث مراحل: أولاً، متطلبات الكفاءة، ومن ثم المركزية، وأخيرا الخصوصية. سيتم تقسيم DeFai إلى 4 مراحل.

    ستركز المرحلة الأولى من DeFi AI على الكفاءة، وتحسين تجربة المستخدم من خلال مجموعة متنوعة من الأدوات لإكمال مهام DeFi المعقدة دون الحاجة إلى معرفة قوية بالبروتوكول. تتضمن الأمثلة:

    • الذكاء الاصطناعي الذي يفهم مطالبات المستخدم حتى عندما تكون منسقة بشكل سيئ

    • التنفيذ بسرعة في أقصر وقت للكتلة المبادلة

    • أبحاث السوق في الوقت الفعلي لمساعدة المستخدمين على اتخاذ قرارات مواتية بناءً على أهدافهم الخاصة

    إذا كان الابتكار متاحًا أدركت أن مساعدة المستخدمين على توفير الوقت والطاقة مع خفض حد المعاملات عبر السلسلة قد يخلق لحظة "شبح" في الأشهر القليلة المقبلة.

    في المرحلة الثانية، سيتداول الوكيل بشكل مستقل مع الحد الأدنى من التدخل البشري. يمكن لوكلاء التداول تنفيذ استراتيجيات بناءً على آراء أو بيانات الطرف الثالث من وكلاء آخرين، مما سيؤدي إلى إنشاء نموذج DeFi جديد. يمكن لمستخدمي DeFi المحترفين أو المتطورين ضبط وكلاء بناء النماذج الخاصة بهم لتحقيق عوائد مثالية لأنفسهم أو لعملائهم، وبالتالي تقليل المراقبة اليدوية.

    في المرحلة الثالثة، سيبدأ المستخدمون في التركيز على مشكلات إدارة المحفظة والتحقق من الذكاء الاصطناعي، حيث سيطالب المستخدمون بالشفافية. ستضمن حلول مثل TEE وZKP أن تكون أنظمة الذكاء الاصطناعي مقاومة للتلاعب، ومنيعة ضد تدخل الطرف الثالث، وقابلة للتحقق.

    أخيرًا، بمجرد اكتمال هذه المراحل، يمكن لمجموعة أدوات DeFi AI الهندسية بدون تعليمات برمجية أو بروتوكول الذكاء الاصطناعي كخدمة إنشاء اقتصاد قائم على الوكيل يستخدم نماذج مدربة على العملات المشفرة لإجراء المعاملات.

    على الرغم من أن هذه الرؤية طموحة ومثيرة، إلا أنه لا تزال هناك العديد من الاختناقات التي يتعين حلها:

    • يتم استخدام معظم الأدوات الحالية فقط ChatGPT التعبئة والتغليف، لا يوجد معيار واضح لتحديد المشاريع عالية الجودة

    • تدفع تجزئة البيانات على السلسلة نماذج الذكاء الاصطناعي نحو المركزية بدلاً من اللامركزية، ولا يزال من غير الواضح على السلسلة كيف سيفعل الوكلاء حل هذه المشكلة