نظرة من السوق الأولي على Crypto × AI: تجربة وهم التوكنية

المؤلف: لاو باي

بعد مرور عامين، مرة أخرى قام V بإصدار تغريدة، وسأتبع ذلك بتعليق من تقرير بحثي قبل عامين، حيث أن التوقيت هو نفسه تمامًا، 10 فبراير. (اقرأ المزيد: ABCDE: من منظور السوق الأولي استعرض AI + Crypto)

قبل عامين، كان V قد عبّر بشكل غير مباشر عن عدم ثقته الكبيرة في مفهوم “Crypto Helps AI” الذي كان شائعًا آنذاك، حيث كانت الثلاثة ركائز السائدة في المجال هي أصول الحوسبة، أصول البيانات، وأصول النماذج. التقرير الذي كتبته قبل عامين ركز على ملاحظات وتساؤلات حول هذه الركائز من منظور السوق الأولي. من وجهة نظر V، هو لا يزال يفضل “AI Helps Crypto”.

الأمثلة التي ذكرها في ذلك الوقت كانت كالتالي:

• AI كمشارك في الألعاب؛
• AI كواجهة للعبة؛
• AI كقواعد للعبة؛
• AI كهدف للعبة؛

على مدى العامين الماضيين، حاولنا كثيرًا في مجال “Crypto Helps AI”، لكن النتائج كانت ضعيفة، حيث أن العديد من المسارات والمشاريع كانت مجرد إصدار رموز دون تحقيق منتج سوقي حقيقي، وأطلق عليها تسمية “وهم التوكنية”.

1. أصول الحوسبة - معظمها لا يمكن أن يوفر مستوى خدمة تجارية (SLA) ثابت، غير مستقر، يتعطل بشكل متكرر. يمكنها فقط التعامل مع مهام استنتاج نماذج بسيطة ومتوسطة، وغالبًا ما تخدم الأسواق الطرفية، والدخل غير مرتبط بالتوكنات…

2. أصول البيانات - هناك احتكاك كبير في جانب العرض (المستثمرون الأفراد)، مع رغبة منخفضة، وعدم اليقين مرتفع. أما جانب الطلب (الشركات)، فهي بحاجة إلى بيانات منظمة، تعتمد على السياق، وتحتوي على موثوقية ومسؤولية قانونية، وهو ما يصعب على مشاريع Web3 القائمة على DAO توفيره.

3. أصول النماذج - النموذج هو أصل غير نادر، يمكن نسخه، وتعديله بسرعة، ويخسر قيمته بسرعة، وليس أصل نهائي. منصة Hugging Face هي في الأساس منصة للتعاون والنشر، تشبه GitHub للـML، وليست متجر تطبيقات للنماذج، لذلك فإن فكرة “Hugging Face اللامركزية” لتوكنية النماذج غالبًا ما تنتهي بالفشل.

بالإضافة إلى ذلك، جربنا خلال العامين الماضيين العديد من “الاستدلال القابل للتحقق”، وهو قصة تشبه ضرب المسامير بمطرقة للبحث عن مسامير. من ZKML إلى OPML وGaming Theory، وحتى EigenLayer حولت سرد Restaking إلى AI قابل للتحقق.

لكن الأمر مشابه لما يحدث في مسار Restaking - قليل من AVS مستعدون لدفع تكاليف مستمرة مقابل الأمان القابل للتحقق الإضافي.

أيضًا، الاستدلال القابل للتحقق غالبًا ما يكون للتحقق من “أشياء لا يحتاج أحد حقًا إلى التحقق منها”، والنموذج التهديدي للطلب غير واضح جدًا - من نُحَاوِل أن ندافع عن من؟

الأخطاء في مخرجات AI (مشكلة قدرات النموذج) تحدث أكثر بكثير من التلاعب الخبيث في مخرجات AI (مشاكل التحدي)، وقد رأينا مؤخرًا حوادث أمنية على منصات مثل OpenClaw وMoltbook، والمشكلة الحقيقية تأتي من:

تصميم استراتيجي خاطئ

إعطاء صلاحيات زائدة

عدم وضوح الحدود

ظهور تفاعلات غير متوقعة بين أدوات مختلفة

…

تكاد تكون غير موجودة فكرة “تلاعب النموذج” أو “تغيير عملية الاستدلال بشكل خبيث” كمسامير وهمية.

في العام الماضي، نشرت هذه الصورة، ولا أعلم إن كان أحد من الأصدقاء يتذكرها.

الخطط التي قدمها V هذه المرة أكثر نضجًا بشكل واضح مقارنة قبل عامين، وذلك بفضل التقدم الذي أحرزناه في مجالات مثل الخصوصية، X402، ERC8004، أسواق التنبؤ وغيرها.

يمكن ملاحظة أن تقسيمه هذه المرة لأربعة مربعات، نصفها ينتمي إلى “AI Helps Crypto”، والنصف الآخر إلى “Crypto Helps AI”، ولم يعد الأمر كما قبل عامين حيث كانت الغلبة واضحة للأول.

الربع العلوي الأيسر والأسفل الأيسر - استغلال لامركزية وشفافية إيثيريوم لحل مشكلات الثقة والتعاون الاقتصادي في AI:

1. تمكين تفاعل AI بدون ثقة وخصوصية (البنية التحتية + البقاء): باستخدام تقنيات ZK، FHE لضمان خصوصية وتحقق تفاعل AI (هل أذكر أني تحدثت عن الاستدلال القابل للتحقق سابقًا؟).

2. إيثيريوم كطبقة اقتصادية لـ AI (البنية التحتية + الازدهار): تمكين وكلاء AI من الدفع الاقتصادي عبر إيثيريوم، توظيف روبوتات أخرى، دفع ضمانات، أو بناء أنظمة سمعة، لإنشاء بنية AI لامركزية بدلاً من الاعتماد على منصة عملاقة واحدة.

الربع العلوي الأيمن والأسفل الأيمن - استغلال قدرات AI الذكية لتحسين تجربة المستخدم، الكفاءة، والحكم في النظام البيئي المشفر:

3. رؤية Cypherpunk مع LLMs محلية (التأثير + البقاء): AI كدرع وواجهة للمستخدم، على سبيل المثال، يمكن لنماذج اللغة الكبيرة المحلية أن تقوم بمراجعة العقود الذكية، التحقق من المعاملات، وتقليل الاعتماد على الواجهات المركزية، مع حماية السيادة الرقمية للأفراد.

4. جعل الأسواق والحكم الأفضل واقعًا (التأثير + الازدهار): مشاركة AI بشكل عميق في أسواق التنبؤ وDAO، حيث يمكن لـ AI أن يكون مشاركًا فعالًا من خلال معالجة المعلومات بكميات كبيرة، مما يعزز من قدرات البشر، ويحل مشاكل ضعف التركيز، وتكاليف اتخاذ القرار، والفيض المعلوماتي، واللامبالاة في التصويت.

في السابق، كنا نرغب بشدة في أن يكون “Crypto Help AI”، لكن V كان يقف على طرف آخر. الآن، نلتقي في الوسط، لكن يبدو أن الأمر لا علاقة له كثيرًا بأي نوع من التوكنية أو Layer1 للذكاء الاصطناعي. نأمل أن نعود بعد عامين وننظر إلى هذا المنشور، لنجد اتجاهات جديدة ومفاجآت.