مقدمة العملة

إن التقاطع بين اثنين من التقنيات التخريبية، التمويل اللامركزي (DeFi) والذكاء الاصطناعي (AI)، يبشر بعصر تحويلي في مجالات كل منهما. في حين أن الذكاء الاصطناعي يسخر قوة التعلم الآلي وأنماط البيانات لمحاكاة الذكاء البشري، فإن DeFi تُحدث ثورة في التمويل التقليدي من خلال تقنية blockchain، وتزيل الوسطاء وتمكن المعاملات من نظير إلى نظير.

تتعمق هذه المقالة في التأثير الوشيك للذكاء الاصطناعي على DeFi، وتستكشف قدرته على إعادة تشكيل التفاعلات داخل منصات DeFi، وتخفيف القيود المتأصلة، وتحصين القطاع ضد نقاط الضعف. من التدقيق في العقود الذكية بحثًا عن نقاط الضعف إلى تعزيز موثوقية أوراكل وإحداث ثورة في تسجيل الائتمان، يقدم الذكاء الاصطناعي مجموعة من الفرص والتحديات عند دمجه في DeFi. علاوة على ذلك، من خلال دراسات الحالة المتعمقة، توضح هذه المقالة كيف تعمل المشاريع الرائدة على دمج الذكاء الاصطناعي بنشاط، مما يقدم لمحة عن المستقبل حيث تستعد زيادة الذكاء الاصطناعي لـ DeFi لإعادة تعريف المشهد المالي.

ما هو الذكاء الاصطناعي؟

المصدر: سيمبليليرن

الذكاء الاصطناعي (AI) هو فرع من علوم الكمبيوتر يقوم بتطوير آلات قادرة على أداء المهام المرتبطة بالذكاء البشري، من خلال التعلم من البيانات والتعرف على الأنماط، لعمل تنبؤات أو تنفيذ المهام بشكل مستقل.

تنتشر التطبيقات الشائعة للذكاء الاصطناعي في كل مكان حولنا؛ السيارات ذاتية القيادة، وروبوتات الدردشة، والمساعدين الشخصيين الافتراضيين، وروبوتات المساعدة الطبية، وأنظمة التعرف على الصور.

التقنيات الشائعة المستخدمة في تطوير أنظمة الذكاء الاصطناعي

التعلم الآلي

مجال الذكاء الاصطناعي حيث يتم تدريب الخوارزميات على البيانات لتعلم الأنماط وعمل الاستدلالات دون برمجة صريحة. ويشمل التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف والتعلم المعزز.

التعلم العميق

مجموعة فرعية من التعلم الآلي الذي يحاكي الدماغ البشري باستخدام الشبكات العصبية من عدة طبقات (الشبكات العصبية العميقة). يتم تطبيقه بشكل شائع على تمثيلات البيانات الهرمية والتعرف على الكلام.

معالجة اللغة الطبيعية (NLP)

تسمح البرمجة اللغوية العصبية لأجهزة الكمبيوتر بفهم اللغة البشرية وتفسيرها وتوليدها. يتضمن مهام مثل التعرف على الكلام وترجمة اللغة وتحليل المشاعر. يتم تطبيق NLP على روبوتات المحادثة ونماذج فهم اللغة والمساعدين الافتراضيين.

رؤية الكمبيوتر

تقوم رؤية الكمبيوتر بتدريب الآلات على التفسير واتخاذ القرارات بناءً على البيانات المرئية. يتضمن مهام مثل التعرف على الصور واكتشاف الكائنات وتجزئة الصور. تُستخدم رؤية الكمبيوتر في العديد من التطبيقات، بما في ذلك تحليل التصوير الطبي والتعرف على الوجه والسيارات ذاتية القيادة.

أجهزة الذكاء الاصطناعي

هذه هي الأجهزة المتخصصة التي تسهل وتسرع متطلبات المعالجة لمهام الذكاء الاصطناعي، مثل وحدة معالجة الرسومات ووحدة معالجة الموتر ووحدة المعالجة المحايدة.

نظرة عامة على كيفية عمل الذكاء الاصطناعي

فيما يلي تحليل مبسط لكيفية تطوير الذكاء الاصطناعي.

جمع البيانات: تعتمد أنظمة الذكاء الاصطناعي على كميات هائلة من البيانات للتعلم واتخاذ قرارات مستنيرة. يمكن تصنيف هذه البيانات (للتعلم الخاضع للإشراف) أو عدم تصنيفها (للتعلم غير الخاضع للإشراف).

التدريب: أثناء التدريب، تستخدم الخوارزميات البيانات المقدمة لتحديد الأنماط والعلاقات. يقوم النموذج بتعديل معلماته بشكل متكرر لتحسين الأداء.

الاستدلال: بمجرد التدريب، يمكن لنموذج الذكاء الاصطناعي إجراء تنبؤات أو قرارات عند تقديمه ببيانات جديدة غير مرئية. تُعرف هذه العملية بالاستدلال وهي المرحلة التي تُظهر فيها أنظمة الذكاء الاصطناعي قدراتها المكتسبة.

الذكاء الاصطناعي مقابل الأتمتة

غالبًا ما يتم الخلط بين الذكاء الاصطناعي والأتمتة، وهو مفهوم شائع يستخدم بالفعل في DeFi، أي في العقود الذكية. تفتقر الأنظمة الآلية إلى القدرات المعرفية. إنها تستند إلى القواعد ولا تمتلك القدرة على التعلم أو التفكير أو فهم البيانات بما يتجاوز التعليمات المحددة مسبقًا. على سبيل المثال، لن يقوم العقد الذكي بتنفيذ وظيفته المصممة إلا عند استيفاء الشروط المحددة مسبقًا. في حين أن أنظمة الذكاء الاصطناعي يمكن أن تحاكي الذكاء البشري، والتعرف على الأنماط، واكتشاف الأخطاء، وحل المشكلات، وتقديم الحلول والتفسيرات القائمة على الأدلة مع تحقيق النتائج.

فهم DeFi ومكوناته

يشير التمويل اللامركزي، المعروف باسم DeFi، إلى الخدمات المالية المبنية على تقنية blockchain. إنه يدمج الخدمات التي تقدمها المؤسسات المالية التقليدية، مثل الادخار والاقتراض والإقراض والأنشطة الأكثر تعقيدًا مثل إدارة الأصول وإنشاء منتجات استثمارية.

الميزة المميزة لـ DeFi هي تنفيذها من خلال معاملات نظير إلى نظير، يتم تسهيلها من خلال رموز التنفيذ الذاتي المعروفة باسم العقود الذكية.

على عكس البنوك التقليدية، تعمل مساحة DeFi بدون وسطاء أو سلطات مركزية. تتم المعاملات داخل نظام DeFi البيئي على مدار الساعة طوال أيام الأسبوع في الوقت الفعلي تقريبًا، ويمكن تخزين الأصول المشفرة بأمان على أجهزة الكمبيوتر أو محافظ الأجهزة أو الأنظمة الأساسية الأخرى، مما يتيح للمستخدمين المرونة في الوصول.

تهدف DeFi إلى أن تكون متاحة عالميًا، خاصة لأي شخص لديه اتصال بالإنترنت، وبالتالي تحدي القيود السائدة في المؤسسات المالية التقليدية مثل الوثائق المرهقة، ووقت التسوية المتأخر، والحواجز الجغرافية.

ومع ذلك، فإن منصات DeFi عرضة لاستغلال العقود الذكية وحوادث القرصنة. هناك حاجة إلى مزيد من التحسينات للتكنولوجيا المستخدمة، لكسب ثقة المستخدم وزيادة الاعتماد.

المكونات الرئيسية لـ DeFi

التبادلات اللامركزية (DEXs)

فكر في DEXs كبنوك لامركزية تعمل على blockchain. إنها منصات تسهل تداول العملات المشفرة من نظير إلى نظير. يحتفظ المستخدمون بمفاتيحهم الخاصة، وغالبًا ما يتم توفير السيولة من قبل المشاركين في شكل مجمعات السيولة وصناع السوق الآليين (AMM).

مزارع العائد ومجمعات السيولة

يمكن للمستخدمين الربح من خلال توفير السيولة للبورصات اللامركزية أو مشاركة أصولهم للحصول على رموز أو مكافآت إضافية.

الإقراض والاقتراض

يمكن للمستخدمين إقراض واقتراض العملات المشفرة دون الحاجة إلى وسطاء ماليين تقليديين أو تثبيط البيروقراطية. يوفر DeFi أيضًا قروضًا سريعة وقروضًا غير مضمونة يتم اقتراضها وسدادها في نفس المعاملة، وغالبًا ما تستخدم لفرص المراجحة السريعة.

أوراكلس

في DeFi، توفر oracles بيانات خارجية على سبيل المثال موجزات الأسعار، لبلوكتشين، مما يمكّن العقود الذكية من التفاعل مع أحداث العالم الحقيقي.

بشكل أساسي، يمكن تطبيق الذكاء الاصطناعي على هذه المكونات وغيرها من مكونات DeFi، مما يؤثر على كيفية تفاعلنا معها. تمت مناقشة هذا بمزيد من التفصيل في القسم التالي.

تأثير الذكاء الاصطناعي على DeFi

الذكاء الاصطناعي هو أداة قادرة على تغيير الطريقة التي نتفاعل بها مع DeFi. يمكن تطبيق الذكاء الاصطناعي لتطوير منتجات DeFi الجديدة، ومراجعة العقود الذكية، والتحقق من المعلومات المقدمة من oracles، وتحديد درجات الائتمان للإقراض. في حين أن هناك تحديات محتملة تواجه استخدام الذكاء الاصطناعي في DeFi، فإن الفوائد تفوق القيود. حاليًا، تقوم العديد من مشاريع DeFi بدمج الذكاء الاصطناعي في خدماتها إما كمنتج أو كجزء أساسي من تقنيتها.

تدقيق العقود الذكية والأتمتة

المصدر: ResearchSanv - يمكن نشر العقود الذكية التي تعمل بالذكاء الاصطناعي على شبكة blockchain في وضعها خارج السلسلة

تعمل العقود الذكية بناءً على كود حتمي ولا تمتلك القدرة على التعلم أو التكيف أو اتخاذ قرارات تتجاوز منطقها المبرمج مسبقًا.

يمكن للذكاء الاصطناعي تدقيق العقود الذكية بحثًا عن الأخطاء التي يمكن أن تعرض وظيفتها للخطر، مما يضمن أن الكود آمن ومقاوم لعمليات الاستغلال.

يمكن استخدام خوارزميات NLP (معالجة اللغة الطبيعية) لتحليل تقارير التدقيق والوثائق والتعليقات المتعلقة بالعقد الذكي.

قبل نشر العقد الذكي، يمكن لخوارزمية التعرف على الأنماط تحديد الأنماط المرتبطة بأخطاء الترميز الشائعة، مثل تجاوز سعة المخزن المؤقت ومشكلات إعادة الإدخال. يمكن تحسين تنفيذ العقود الذكية مما يؤدي إلى معاملات أكثر كفاءة داخل التطبيقات اللامركزية (dApps).

اكتشاف الشذوذ في Oracles

Oracles هي خدمات تابعة لجهات خارجية تمكن العقود الذكية من الوصول إلى البيانات خارج السلسلة القادرة على التأثير على تنفيذها على السلسلة. بشكل أساسي، تعتبر oracle مسؤولة عن الاستعلام عن البيانات الخارجية والتحقق منها والمصادقة عليها قبل نقلها إلى blockchain.

نظرًا لأن نتائج العقود الذكية تعتمد على دقة البيانات المقدمة من Oracle، فإن ضمان موثوقيتها أمر بالغ الأهمية. يمكن أن تؤدي البيانات غير الدقيقة إلى تنفيذ عقود ذكية لا رجعة فيها، مما يؤدي إلى خسارة دائمة لأموال المستخدمين بسبب الطبيعة التلقائية وغير القابلة للتغيير لمعاملات بلوكتشين.

لتعزيز سلامة البيانات التي تتم معالجتها بواسطة أوراكل، يمكن استخدام العديد من تقنيات الذكاء الاصطناعي مثل الشبكات العدائية التوليدية (GAN)، وغابات العزل، والعوامل الخارجية المحلية، وما إلى ذلك. يمكن لهذه التقنيات تحديد الأنماط غير المنتظمة أو القيم المتطرفة داخل مجموعات البيانات.

من الناحية الافتراضية، سيساعد نموذج الذكاء الاصطناعي في اكتشاف السلوك الشاذ في البيانات المجمعة بواسطة أوراكل من مصادر مختلفة. يمكن لشبكة Oracle بعد ذلك فحص هذه الحالات الشاذة واتخاذ الإجراءات التصحيحية قبل نقل البيانات إلى Blockchain.

تسجيل الائتمان

لتقييم الجدارة الائتمانية للمستخدمين في بروتوكولات إقراض DeFi. يمكن أن يستخدم تسجيل الائتمان المستند إلى الذكاء الاصطناعي خوارزميات التعلم الآلي لتحليل سجل المعاملات ونقاط البيانات الضرورية الأخرى.

كشف الاحتيال

يتعرض النظام اللامركزي لخطر الاحتيال بشكل أكبر بسبب إخفاء الهوية النسبي للمستخدمين. على سبيل المثال، يمكن استهداف حجم تداول البورصة المزيف أو النقل المشبوه للسيولة لتحديد الهوية باستخدام تقنيات تحليل البيانات.

عروض المنتجات الجديدة

سيؤدي ظهور الذكاء الاصطناعي إلى فتح سوق جديد للمشاريع التي تطبق الذكاء الاصطناعي في عروض منتجاتها. على سبيل المثال، اعتماد أدوات التداول المدعومة بالذكاء الاصطناعي للبيع أو الاستئجار بواسطة yPredict، Fetch.ai. سيتم استكشاف المزيد من حالات الاستخدام الإبداعي للذكاء الاصطناعي مع تطور التكنولوجيا.

تحليلات تنبؤية للتداول الآلي

تعد البيانات جزءًا لا يتجزأ من DeFi، وعلى الرغم من وجود العديد من مصادر البيانات، فإن معالجتها لاتخاذ قرارات مربحة يمكن أن تكون مهمة.

يمكن للتحليلات التنبؤية، باستخدام استخراج البيانات والإحصاءات والتعلم الآلي لاتخاذ قرارات أكثر استنارة، تحليل اتجاهات السوق السابقة للتنبؤ بما سيحدث في المستقبل. يمكن دمجها مع روبوتات التداول بالذكاء الاصطناعي التي تعمل على تحسين الاستراتيجيات وتنفيذ الصفقات وإدارة المحافظ بشكل أكثر كفاءة - مما يقلل الخسائر ويزيد السيولة.

يمكن أيضًا استخدام التحليلات التنبؤية لإدارة محافظ DeFi ديناميكيًا. يمكن للخوارزميات تحليل ظروف السوق باستمرار وتعديل تكوين المحفظة في الوقت الفعلي، مما يضمن توافقها مع اتجاهات السوق المتوقعة.

دراسات حالة لمشاريع DeFi التي تدمج تقنية الذكاء الاصطناعي

يسلط هذا القسم الضوء على المشاريع التي دمجت الذكاء الاصطناعي في وظائفها.

قشرة

المصدر: كورتيك

Cortex عبارة عن بلوكشين عام مفتوح المصدر مصمم لدمج قدرات التعلم الآلي في العقود الذكية والتطبيقات اللامركزية (dApps). من خلال مواجهة التحدي المتمثل في تنفيذ الذكاء الاصطناعي على السلسلة، يمكن للمطورين الجمع بين لغة Solidity ونماذج الذكاء الاصطناعي الجاهزة على طبقة تخزين Cortex لإنشاء تطبيقات dApps محسّنة بالذكاء الاصطناعي وعقود ذكية.

حقني

المصدر: إنجيكتيف

Injective عبارة عن بلوكشين قائم على كوزموس يجمع بين عناصر الذكاء الاصطناعي (AI) والتمويل اللامركزي (DeFi). يمكن للتطبيقات اللامركزية المبنية على Injective استخدام خوارزميات الذكاء الاصطناعي وتحسين كفاءة السوق وتحسين عمليات صنع القرار، لا سيما في البورصات اللامركزية. تدعي Injective أنها رائدة في توفير «العقود الذكية ذات التنفيذ التلقائي».

شركة ديون للذكاء الاصطناعي

قامت Dune Analytics، وهي أداة تحليلات بلوكتشين، بتطوير Dune AI لتبسيط استخراج استعلامات بيانات التشفير. وباستخدام محرك معالجة اللغة الطبيعية على غرار ChatGPT4 من OpenAI، سيتيح Dune AI للمستخدمين الوصول إلى البيانات المتعلقة بالتشفير باستخدام وظائف الدردشة دون الحاجة إلى تعلم أوامر SQL.

ديبريديكت

المصدر: بيديكت

سوق لا مركزي ومنصة تداول قائمة على المضلع توفر للمتداولين والمستثمرين الوصول إلى العشرات من الإشارات المدعومة بالذكاء الاصطناعي، والاختراقات، والتعرف على الأنماط، وميزات المشاعر الاجتماعية/الإخبارية. لتوسيع نطاقها خارج نطاق التداول، طورت أداتين لإنشاء المحتوى، وهما حاسبة الروابط الخلفية ومساعد الكتابة.

سيتم التحقق من كل نموذج يقدمه مهندسو الذكاء الاصطناعي من قبل أعضاء DAO قبل عرضه على المنصة للاشتراك. تدير yPredict نموذج أعمال قائم على المستويات، حيث يتم تقديم الأدوات والخدمات على مستويات مختلفة، ولكل منها أسعارها الخاصة ومجموعة الميزات. يسمح هذا النهج بالشمولية وتلبية احتياجات كل من المتداولين المتميزين وأولئك الذين بدأوا للتو.

روكي فاي

المصدر: روسيفي

RoCIFi هو بروتوكول إقراض ذو درجات ائتمانية وغير مضمونة وفعال من حيث رأس المال يستخدم البيانات على السلسلة والتعلم الآلي ونقاط بيانات الهوية اللامركزية، بما في ذلك حسابات وسائل التواصل الاجتماعي والمشاركة في المنظمات المستقلة اللامركزية (DAOs) وملكية الرموز غير القابلة للاستبدال (NFTs).

Fetch.ai

المصدر: Fetch.ai

يركز Fetch.ai على التطبيقات المتعلقة بالتمويل اللامركزي والنقل وإدارة الطاقة ومهام الأعمال المختلفة. تعمل هذه المنصة على تمكين المطورين من دمج الذكاء الاصطناعي في تطبيقاتهم من أجل أتمتة أكثر كفاءة وذكاء.

التحديات المحتملة

النشر على السلسلة

يمكن أن يكون نشر نماذج الذكاء الاصطناعي المعقدة مباشرة على السلسلة مستهلكًا للموارد، مما يؤدي إلى تحديات قابلية التوسع وارتفاع رسوم الغاز. تتضمن العديد من عمليات الذكاء الاصطناعي قوة حسابية كبيرة، والتي قد لا تتوافق مع القيود والتكاليف المرتبطة بالتنفيذ على السلسلة. كما أن تخزين نماذج الذكاء الاصطناعي الكبيرة ومجموعات البيانات على السلسلة يمكن أن يشكل تحديات بسبب قيود التخزين لشبكات بلوكتشين.

المخاطر الأمنية

غالبًا ما يتم إنشاء أدوات الذكاء الاصطناعي بواسطة كيانات مركزية ما لم تكن مفتوحة المصدر، ويمكن أن تكون هذه الأدوات نقطة هجوم إذا تم اختراق ميزات الأمان الخاصة بها.

المركزية

تتعرض مشاريع DeFi التي تختار الاعتماد على خدمات الذكاء الاصطناعي المركزية للخطر إذا تعرضت هذه الخدمات لانقطاع أو تغييرات في السياسات.

ندرة البيانات

يعتمد نجاح الذكاء الاصطناعي إلى حد كبير على التدريب باستخدام مجموعات بيانات ضخمة من أجل الكفاءة والدقة. قد يحتاج التمويل اللامركزي، الذي لا يزال في مراحله الأولى، إلى مزيد من البيانات لنماذج الذكاء الاصطناعي لتعمل بفعالية. يمكن أن تنتج البيانات المنحرفة خوارزميات متحيزة تنتج درجات ائتمان غير دقيقة وقروض رديئة وما إلى ذلك.

الخاتمة

يعد دمج الذكاء الاصطناعي والتمويل اللامركزي اتحادًا تحويليًا للتقنيات المبتكرة، مما يعيد تشكيل المشهد المالي. يوفر الذكاء الاصطناعي أدوات ذكية لتحسين DeFi، من تأمين العقود الذكية إلى التنبؤ باتجاهات السوق. في حين توجد تحديات مثل ندرة البيانات والتبعيات المركزية، فإن المشاريع الرائدة مثل Cortex و yPredict تعرض الإمكانات الهائلة. مع نضوج الذكاء الاصطناعي ونمو أنظمة DeFi البيئية، يعد هذا الاتحاد التكافلي بإضفاء الطابع الديمقراطي على التمويل، وإطلاق المنتجات المبتكرة، والدخول في مستقبل يغذي فيه الذكاء اللامركزي الحرية المالية.