تشير الإحصائيات الأخيرة إلى أنه من المتوقع أن يصل حجم سوق الذكاء الاصطناعي (AI) إلى أكثر من 3 مليارات دولار هذا العام. لذلك، لا ينبغي أن يكون مفاجئًا أن عددًا من الشركات التي تركز على العملات المشفرة قد بدأت في دمج الذكاء الاصطناعي في منتجاتها.
لماذا تجمع الشركات بين العملات المشفرة والذكاء الاصطناعي؟
صرحت جاكلين بيرنز كوفن، رئيسة استخبارات التهديدات السيبرانية في شركة Chainalogy – وهي شركة لتحليل blockchain – لموقع Cryptonews أن Chaina Analysis بدأت في التفكير في طرق استخدام الذكاء الاصطناعي لجعل منتجات الامتثال والمخاطر والتحقيقات والنمو أفضل للعملاء. “مثل أي شركة، نحن نستفيد من استخدام الذكاء الاصطناعي لتحسين طريقة عملنا في جميع أنحاء الأعمال؛ قال بيرنز كوفن: “من خلال جعلها أسرع وأكثر كفاءة”.
كما أعلن مزود برامج الضرائب المشفرة ZenLedger مؤخرًا عن شراكة مع أبريل – وهي شركة مالية تعمل بالذكاء الاصطناعي – لاستخدام الذكاء الاصطناعي لتبسيط عملية تقديم الضرائب للمستخدمين. قال بات لارسن، المؤسس المشارك والرئيس التنفيذي لشركة ZenLedger، لـCryptonews إن منتج ZenLedger الجديد سيستفيد من تقنية أبريل لتوجيه دافعي الضرائب من خلال تدفق واحد، يجمع بين الحكومة الفيدرالية والدولة، ثم تحديد السؤال الذي سيتم طرحه بعد ذلك. وقال لارسن: “هذا على النقيض من برامج تقديم الضرائب التقليدية التي تطرح أسئلة على المستخدم بترتيب إكمال النماذج، ثم تقوم بتحليل النماذج الفيدرالية ونماذج الولاية إلى أقسام منفصلة، وغالبًا ما تكرر نفس الأسئلة في كل منها”.
صرح دانييل ماركوس، المدير التنفيذي للتكنولوجيا والمؤسس المشارك لـ Cryptonews، أن الذكاء الاصطناعي كان له دور فعال في قدرة أبريل على بناء منتج ضريبي يغطي العديد من السيناريوهات الضريبية الشائعة، بما في ذلك الدخل من العملات المشفرة والأصول الرقمية. وفقًا لماركوس، تستخدم أبريل عملية تسمى “تحويل الضريبة إلى رمز” حيث تم تدريب نماذج اللغات الكبيرة (LLMs) على قراءة المستندات الضريبية ثم تحويلها إلى كود برمجي يتم بعد ذلك مراجعته وتحريره بواسطة فريق من مهندسي الضرائب .
يساعد الذكاء الاصطناعي أيضًا في تشغيل عدد من حالات استخدام التمويل اللامركزي (DeFi). صرح نيك إيمونز، المؤسس المشارك والرئيس التنفيذي لشركة Upshot – وهي شركة للبنية التحتية للذكاء الاصطناعي – لـ Cryptonews أن Upshot تقوم ببناء شبكة لا مركزية حيث يمكن لنماذج الذكاء الاصطناعي المختلفة أن تتعلم من بعضها البعض. وفقًا لإيمونز، فإن تعلم النماذج من بعضها البعض سيؤدي إلى إنشاء ذكاء وصفي عبر شبكة تعمل بالذكاء الاصطناعي. وهذا بدوره سيجعل الشبكات أكثر أداءً وذكاءً مقارنة بالنماذج الفردية المستخدمة.
أوضح Emmons أن نموذج الذكاء الاصطناعي الخاص بـ Upshot يعمل على تشغيل عدد من حالات استخدام DeFi. على سبيل المثال، أوضح أن الذكاء الاصطناعي يمكن أن يخلق كفاءات لتغذية الأسعار لأصول العملات المشفرة طويلة الذيل، أو الأصول الرقمية التي لا يتم تداولها غالبًا ولكنها موجودة في إعدادات سائلة. هو قال:
“أصبح الذكاء الاصطناعي أداة مفيدة للقدرة على إنتاج تحديثات أسعار أكثر تكرارًا بناءً على معلومات مختلفة، وليس مجرد تغيير الأصول. وهذا يعني أنه يمكننا الآن البدء في جلب مجموعة أكبر بكثير من الأصول إلى مساحة تصميم التمويل اللامركزي.”
ولوضع ذلك في نصابه الصحيح، أوضح Emmons أن Upshot ستقدم قريبًا “امتيازات المشاهدة” الناتجة عن خلاصات المشاهدة المدعمة بالذكاء الاصطناعي. هو قال:
“الساعة الفردية غير قادرة على إنتاج تغذية زمنية حقيقية كافية لبناء سوق حولها. يمكن لنماذج الذكاء الاصطناعي معالجة الكثير من المعلومات في وقت واحد، حتى تتمكن من البدء في إنتاج خلاصات أسعار دقيقة للغاية وعالية التردد لتحويل الأصول الرقمية إلى تمثيلات رمزية على السلسلة. سيؤدي هذا إلى توسيع عالم الأصول الرقمية.
بالإضافة إلى ذلك، أشار إيمونز إلى أن خزائن التمويل اللامركزي المدعومة بالذكاء الاصطناعي بدأت تؤتي ثمارها. تعمل قبو DeFi كمجموعة من الأموال مع إستراتيجية التراكم التلقائي التي تدير المهام وتنفذها بناءً على شروط محددة مسبقًا على السلسلة. ومع ذلك، أشار إيمونز إلى أن هذا يمثل مشكلة نظرًا لأن معظم النشاط على السلسلة محدود عندما يتعلق الأمر بقدرة الحوسبة. وقال: “على هذا النحو، فإن العائد الذي يمكن للمستخدم تحقيقه محدود”.
ومن أجل حل هذه المشكلة، أشار إيمونز إلى أنه يمكن تطبيق نماذج الذكاء الاصطناعي لفهم المعلومات بشكل أكثر كفاءة. “يمكن استخدام الذكاء الاصطناعي لتدوين الاستراتيجيات التي يمكن تقديمها على السلسلة في شكل خزائن. ويمكن بعد ذلك استخدام هذا لصنع السوق والمزيد.
على الرغم من أن حالة الاستخدام هذه لا تزال في مهدها، إلا أن RoboNet عبارة عن بروتوكول DeFi مدعوم بالذكاء الاصطناعي لأسواق الأصول طويلة الذيل والقابلة للاستبدال. يتم تشغيل RoboNet بواسطة Upshot ويسمح بإنشاء خزائن على السلسلة تتم إدارتها بواسطة نماذج التعلم الآلي التي تولد العائد من خلال استراتيجيات تحسين السيولة الآلية.
التحديات التي تواجه دمج الذكاء الاصطناعي مع العملات المشفرة
في حين أن الذكاء الاصطناعي يمكن أن يساعد منتجات العملات المشفرة على الأداء بشكل أكثر كفاءة، إلا أنه لا يزال هناك عدد من التحديات التي يجب أخذها في الاعتبار. على سبيل المثال، أشار إيمونز إلى أنه عند الاستفادة من الذكاء الاصطناعي لبناء بروتوكولات التمويل اللامركزي، يجب الوثوق بمنشئي هذه النماذج، وإلا فقد يحدث عدد من المشكلات. هو قال:
“يمكن أن ينشأ التحيز والتلاعب، ولهذا السبب من المهم إعادة تصور مكدس الذكاء الاصطناعي في عوامل الشكل اللامركزية. يمكن للنماذج المختلفة أن تبقي النماذج الأخرى تحت المراقبة لخلق قدر أقل من التحيز ومصدر أكثر شفافية للذكاء.
وأوضح إيمونز أن إثباتات ZK يمكن أن تساعد أيضًا في التحقق من نماذج التعلم الآلي. “أصدرت Upshot مؤخرًا منتجًا مثل هذا حيث تحققنا من مخرجات نموذج التنبؤ الرئيسي بالأسعار داخل دائرة ZK. وهذا يوفر الضمان والسلامة الحسابية للبروتوكولات غير المسموح بها.
وأضاف ماركوس أنه يعتقد أن الذكاء الاصطناعي التوليدي الذي يعمل جنبًا إلى جنب مع خبراء الضرائب والمهندسين يخفف من المخاطر نظرًا لمشاركة الإنسان. وقال: “في أبريل، سنجري عملية اختبار صارمة على المنتج بأكمله ويتعين علينا اجتياز الاختبارات مع دائرة الإيرادات الداخلية وسلطات الولاية قبل إطلاقه”.
في حين أن هذه التكتيكات قد تكون مفيدة، إلا أن الافتقار إلى القواعد التنظيمية المتعلقة باستخدام الذكاء الاصطناعي من المرجح أن يشكل تحديات مستمرة. على سبيل المثال، لا يزال من الصعب تحديد ما إذا كان يتم تطبيق الذكاء الاصطناعي لتحقيق المصلحة الفضلى للمستخدمين مقابل المستثمرين أو منشئي نماذج التعلم الآلي أم لا.
ونتيجة لذلك، بدأت بعض البلدان في إنشاء منظمات لفرض لوائح الذكاء الاصطناعي. على سبيل المثال، أصدر رئيس دولة الإمارات العربية المتحدة وحاكم أبو ظبي، الشيخ محمد بن زايد آل نهيان، مؤخراً قانوناً لإنشاء مجلس الذكاء الاصطناعي والتكنولوجيا المتقدمة (AIATC). وأشار إعلان صادر عن حكومة أبوظبي إلى أن “المجلس سيكون مسؤولاً عن تطوير وتنفيذ السياسات والاستراتيجيات المتعلقة بالأبحاث والبنية التحتية والاستثمارات في الذكاء الاصطناعي والتكنولوجيا المتقدمة في أبوظبي”.
كما حذر رئيس هيئة الأوراق المالية والبورصة الأمريكية (SEC) غاري جينسلر مؤخرا من المخاطر التي قد يشكلها الذكاء الاصطناعي على القطاع المالي التقليدي. ونظراً لهذا، فمن المرجح أن يتم تنفيذ المزيد من الوضوح التنظيمي حول الذكاء الاصطناعي في الولايات المتحدة في المستقبل.
كل هذه التطورات مهمة، حيث يعتقد إيمونز أن الذكاء الاصطناعي سيتم دمجه في نهاية المطاف في كل وظيفة مهمة في المجتمع. وفي غضون ذلك، أشار إلى أن قطاع العملات المشفرة من المرجح أن يشتمل على أشكال الذكاء الاصطناعي التي تم تنفيذها بالفعل في الأنظمة المالية التقليدية. هو قال:
“وهذا لأن العملات المشفرة هي ابتكار مالي، لذا فإن هذا النوع من الذكاء الاصطناعي يمكن أن يكون أكثر ملاءمة للتطبيقات المالية. كما أن الأنواع الكلاسيكية من نماذج التعلم الآلي أكثر جاذبية ومتوافقة مع عوامل الشكل التي يمكن التحقق منها، لذا فإن أدوات التشفير التي يمكن بناؤها حول تلك النماذج ستكون قادرة على الوصول إلى الإنترنت بشكل أسرع من نماذج الذكاء الاصطناعي التوليدية.
