تاريخ النشر
7 أكتوبر 2024
.svg)
تخيل مستقبلًا يمتلك فيه الذكاء الاصطناعي محفظة وينفذ صفقات مثالية ويخفف من المخاطر في الوقت الفعلي.
قد تعتقد أن هذا خيال علمي، ولكن هذا هو المعيار الحالي في نظام DeFi البيئي.
في هذه المقالة، سنغطي الاستخدامات الرئيسية للذكاء الاصطناعي في DeFi (مع أمثلة)، مثل التداول الآلي واكتشاف الاحتيال وإدارة المخاطر والتحقق من العقود الذكية. سنلقي نظرة أيضًا على التحديات التي يواجهها الذكاء الاصطناعي في DeFi، مثل جودة البيانات وقابلية التوسع والشفافية والأمان.
فيما يلي أكثر تطبيقات الذكاء الاصطناعي تأثيرًا في تغيير مشهد DeFi::
"الذكاء الاصطناعي في DeFi يعني ببساطة التداول الخوارزمي" روبن - الرئيس التنفيذي في دي بي فورست
يستفيد التداول الخوارزمي في DeFi من نماذج الذكاء الاصطناعي مثل الغابة العشوائية للتنبؤ بأسعار الأصول باستخدام البيانات التاريخية, الشبكات الكمية العميقة (DQN) لتحسين الاستراتيجيات من خلال التعلم من النتائج السابقة، و تداول الأزواج لاستغلال الفروق السعرية المؤقتة بين الأصول المترابطة لتحقيق الربح.
تقوم هذه الروبوتات التي تعتمد على الذكاء الاصطناعي بتحليل بيانات السوق في الوقت الفعلي للعثور على أفضل فرص التداول، مما يقلل من الأخطاء البشرية والانفعالات ويتيح التداول على مدار الساعة طوال أيام الأسبوع.
💡 مثال: MC² Finance تبسّط لك الاستثمار من خلال استخدام الذكاء الاصطناعي للعثور على أفضل الفرص، واقتراح الاستراتيجيات بناءً على أهدافك، وتنفيذ الصفقات تلقائيًا. يمكنك الاحتفاظ بالتحكم الكامل في أصولك، مع تسجيل كل إجراء بشفافية على سلسلة الكتل.
تستخدم أنظمة الذكاء الاصطناعي في DeFi تقنيات مثل غابات العزل للكشف عن الحالات الشاذة, شبكات الذاكرة طويلة المدى قصيرة المدى (LSTM) للتنبؤ بالأنماط غير المنتظمة بمرور الوقت، و القياسات الحيوية السلوكية لاكتشاف نشاط المستخدم غير المعتاد.
تكتشف هذه الأساليب السلوكيات غير المعتادة، مثل التحويلات الكبيرة المفاجئة أو عمليات تسجيل الدخول المتعددة الفاشلة، والتي قد تشير إلى الاحتيال أو التلاعب بالسوق.
"تحدد أنظمة الأمان المدعومة بالذكاء الاصطناعي المعاملات غير المطابقة بسرعة كبيرة وتنبه الأشخاص المناسبين للتخفيف من المخاطر في الوقت الفعلي." كريس - شريك مؤسس في MC² Finance
عندما يتم العثور على هذه الحالات الشاذة، يمكن للذكاء الاصطناعي تنبيه المسؤولين تلقائيًا أو اتخاذ إجراءات فورية، مثل تجميد الحسابات أو إيقاف المعاملات المشبوهة، لمنع الخسائر.
💡 مثال: مختبرات سوليدوس تستخدم تقنيات الذكاء الاصطناعي مثل اكتشاف الشذوذ, والتصنيفو والتجميع لمراقبة أسواق الأصول الرقمية في الوقت الفعلي، واكتشاف الأنشطة المشبوهة مثل تداول الغسيل.
يستخدم الذكاء الاصطناعي في DeFi تقنيات مثل كشط الويب لجمع البيانات من مواقع التواصل الاجتماعي ومواقع السوق, واجهات برمجة التطبيقات لجمع البيانات في الوقت الفعلي من شبكات البلوك تشين، وتحليل الرسم البياني لتعيين العلاقات بين كيانات البلوك تشين، و مستمعي أحداث العقود الذكية لمراقبة المعاملات على البلوك تشين.
خوارزميات التعلم الآلي، مثل آلات دعم المتجهات (SVM) ثم تحليل هذه البيانات لاكتشاف المخاطر، مثل الانخفاضات المفاجئة في الأسعار أو سلوكيات التداول غير المعتادة، من خلال التعرف على الأنماط والحالات الشاذة.
💡 مثال: إذا تم اكتشاف انخفاض مفاجئ في سعر العملة الرمزية, MC² Finance تحليل أحجام التداول، والأخبار الأخيرة، ومعنويات وسائل التواصل الاجتماعي لتحديد ما إذا كان هذا تذبذبًا مؤقتًا أو علامة على وجود مشكلة أعمق مثل انهيار السوق أو اختراق أمني.
يساعد الذكاء الاصطناعي أيضًا في منع حدوث مشكلات من خلال اقتراح إجراءات مثل تعديل أسعار الفائدة أو إعادة تخصيص الأصول لتقليل التعرض للاستثمارات عالية المخاطر خلال الفترات المتقلبة.
"يمكنك استخدام الذكاء الاصطناعي لحل مهام محددة مثل تجميع بيانات السوق واتخاذ قرارات أفضل بناءً على تلك المدخلات." لوكاس - مدير العمليات في Lobster Protocol
يعمل الذكاء الاصطناعي على تحسين تدقيق العقود الذكية باستخدام تقنيات مثل التنفيذ الرمزي لاختبار مسارات التعليمات البرمجية المختلفة بحثًا عن الثغرات, التحليل الثابت للتحقق من الكود دون تشغيله، و التحقق الرسمي للتأكد من صحة المنطق.
💡 مثال: CertiK يستخدم Skynet المسح الآلي والتحقق الرسمي والتعلم العميق لتدقيق عقود DeFi الذكية من خلال تحديد نقاط الضعف واقتراح الإصلاحات قبل النشر.
وبينما يتعلم الذكاء الاصطناعي من البيانات الجديدة وعمليات التدقيق السابقة، يصبح أفضل في تحديد التهديدات المحتملة، مما يساعد على الحفاظ على العقود الذكية آمنة وموثوقة.
"يمكن أن تكون هناك خطوة إضافية في المنتصف حيث يمكن تدقيق ذلك بواسطة الذكاء الاصطناعي... خاصةً عندما يكون هناك الكثير من الضوضاء في السوق." ستان - مؤسس مشارك في رينورا
يستخدم تحليل المشاعر القائم على الذكاء الاصطناعي معالجة اللغة الطبيعية (NLP) لفحص وتفسير كميات هائلة من البيانات النصية من مصادر مثل وسائل التواصل الاجتماعي والمقالات الإخبارية والمنتديات.
💡 مثال Augmento عبارة عن منصة تجمع البيانات النصية من مصادر مثل تويتر وريديت وتيليجرام والمقالات الإخبارية، ثم تستخدم البرمجة اللغوية العصبية لتحديد ما إذا كانت المشاعر إيجابية أو سلبية أو محايدة.
من خلال تحليل نبرة وسياق هذه النصوص، يمكن للذكاء الاصطناعي قياس الشعور العام للسوق - سواء كان متفائلاً أو خائفاً أو غير مؤكد.
"تحليل المشاعر هو أحد أكثر مشاكل التعلّم الآلي كلاسيكية، ويمكن للذكاء الاصطناعي أن يقيّم المشاعر من منصات مثل تويتر بفعالية." روبن - الرئيس التنفيذي في DB Forest
تستخدم إدارة المحفظة القائمة على الذكاء الاصطناعي في DeFi التعلم المعزز لضبط الاستراتيجيات بناءً على نتائج السوق, شبكات بايزية للتنبؤ بأداء الأصول وإدارة عدم اليقين و تجميع K-means لتجميع الأصول المتشابهة من أجل تنويع أفضل.
💡 مثال على ذلك: إذا كان MC² Finance أن أصلًا معينًا ضعيف الأداء أو أصبح محفوفًا بالمخاطر، فإنها تقترح إعادة تخصيص الأموال لاستثمارات أكثر استقرارًا أو واعدة. وعلى العكس من ذلك، إذا كان أحد الأصول يُظهر إمكانات نمو قوية، يمكن للذكاء الاصطناعي أن يوصي بزيادة التعرض له.
تساعد هذه الأنظمة أيضًا في تحقيق التوازن بين المخاطر من خلال تنويع الأصول وفقًا لأهداف المستخدم الاستثمارية ومدى تحمله للمخاطر.
"ستكون قادرًا على إضافة محفظتك/محفظتك، وسنقدم لك الرؤى الدقيقة المثالية لمحفظتك، مثل ما هي أسوأ العملات الرمزية التي تمتلكها بالفعل في محفظتك، وما هي أعلى المخاطر، وما هي المحافظ المماثلة التي تحقق عوائد أكثر منك، وما يمكنك تعلمه منها لإعطائك جميع الرؤى القصوى حتى تتمكن من وضع الافتراضات الصحيحة." كريس - الشريك المؤسس في MC² Finance
يعزز الذكاء الاصطناعي تحليل البيانات في DeFi باستخدام الشبكات العصبية التلافيفية (CNNs) لاكتشاف الأنماط في اتجاهات السوق, الشبكات العصبية المتكررة (RNNs) لتحليل المعاملات على السلسلة والتنبؤ بالحركات، و نماذج المحولات لتحليل مشاعر وسائل التواصل الاجتماعي.
💡 مثال: IntoTheBlockيستخدم الذكاء الاصطناعي شبكات RNN لتحليل البيانات المستندة إلى الوقت ونماذج المحولات لفهم النصوص من وسائل التواصل الاجتماعي.
من خلال هذه الخوارزميات، يمكن للذكاء الاصطناعي الكشف عن الأنماط الخفية، والتنبؤ بتحركات السوق، وتقديم رؤى قابلة للتنفيذ تُنير استراتيجيات التداول وإدارة المخاطر وقرارات الاستثمار.
"يساعدنا الذكاء الاصطناعي في تحليل البيانات، خاصة عند البدء في التوسع في سلسلة جديدة. يساعد الذكاء الاصطناعي في البحث وفهم النظام البيئي بشكل أسرع." ستيفن - رئيس قسم تطوير الأعمال في أنكا
يستخدم تحسين قابلية التوسع القائم على الذكاء الاصطناعي في DeFi نظرية الطابور لنمذجة تدفق المعاملات وتحديد الاختناقات المحتملة في الشبكة و والخوارزميات الجينية لاستكشاف وتحسين استراتيجيات تخصيص الموارد للتعامل مع ذروة الأحمال.
💡 مثال: Fetch.ai معروف بدمج الوكلاء الاقتصاديين المستقلين في تقنية البلوك تشين لتحسين كفاءة الشبكات اللامركزية وقابليتها للتوسع.
ومع تحسن أنظمة الذكاء الاصطناعي، فإنها تتنبأ بشكل أفضل بمشكلات التوسع وحلها، مما يساعد منصات DeFi على التعامل مع المزيد من المستخدمين والمعاملات دون فقدان الكفاءة.
"أصبحت قواعد البيانات المتجهة ضرورية للذكاء الاصطناعي في التداول، حيث إنها تسمح بالعثور على أوجه التشابه في الاتجاهات التي لا يمكن لأحد العثور عليها بالطرق التقليدية." كريس - شريك مؤسس في MC² Finance
يعمل الذكاء الاصطناعي في DeFi على تعزيز الامتثال وخصوصية البيانات من خلال استخدام الكشف عن الحالات الشاذة للإبلاغ عن المعاملات المشبوهة، والخوارزميات القائمة على القواعد لفرض عمليات التحقق من "اعرف عميلك" / "مكافحة غسل الأموال"، والتشفير المتماثل لتأمين البيانات مع تلبية لوائح الخصوصية.
💡 مثال التحليل المتسلسل يستخدم الذكاء الاصطناعي، بما في ذلك تحليل الرسم البياني لتتبع أموال البلوك تشين والتعلم الآلي مثل الغابات العشوائية وآلات دعم المتجهات من أجل فحوصات اعرف عميلك/غسيل الأموال.
بالإضافة إلى ذلك، يتم استخدام المصادقة متعددة العوامل (MFA) والقياسات الحيوية السلوكية للتحقق من هوية المستخدم واكتشاف محاولات الوصول غير المصرح بها.
"لكي يلحق السوق الشامل بالركب، لا بد من وجود لوائح تنظيمية من أجل السلامة والبساطة، ويمكن للذكاء الاصطناعي أن يساعد في التنقل بين هذه اللوائح وتطبيقها بكفاءة." كريس - شريك مؤسس في MC² Finance
مع زيادة اندماج الذكاء الاصطناعي في نظام DeFi البيئي، يجب مواجهة العديد من التحديات المحددة:
يكافح الذكاء الاصطناعي في DeFi مع تجزئة البيانات عبر الأنظمة الأساسية، مما يؤدي إلى رؤى غير دقيقة بسبب عدم اتساق سجلات المعاملات وعدم اكتمال الملفات الشخصية.
تحمي تدابير الخصوصية مثل التشفير المتماثل الشكل والخصوصية التفاضلية بيانات المستخدم ولكنها تبطئ معالجة الذكاء الاصطناعي، خاصةً في التداول في الوقت الفعلي، مما يعقد التوازن بين الدقة والسرعة والخصوصية.
"يكمن التحدي مع الذكاء الاصطناعي في تحويل مصادر البيانات المختلفة إلى الصيغة الصحيحة التي يمكن للذكاء الاصطناعي تحليلها بفعالية." كريس - شريك مؤسس في MC² Finance
هناك حاجة إلى خوارزميات فعّالة وأطر عمل أفضل لتكامل البيانات لمواجهة هذه التحديات في بيئة DeFi اللامركزية والحساسة للخصوصية.
علاوة على ذلك، يواجه الذكاء الاصطناعي في DeFi تحديات مع اللوائح التنظيمية العالمية المعقدة والمتنوعة، مما يتطلب منه التنقل بين قواعد "اعرف عميلك" وقواعد مكافحة غسيل الأموال المختلفة في جميع البلدان.
يمكن أن يؤدي عدم وجود قواعد بيانات موحدة لعمليات التحقق من الامتثال إلى فوات عمليات التحقق الحرجة أو النتائج الإيجابية الخاطئة، مما يعقد الامتثال المتسق.
"مع لوائح MICA القادمة في أوروبا، ستصبح DeFi أكثر تنظيمًا، وعلى الرغم من أن لوائح DeFi لم تمسها اللوائح بالكامل حتى الآن، إلا أن هذا الأمر سيتغير." لوكاس - مدير العمليات في Lobster Protocol
التحديثات المستمرة لأنظمة الذكاء الاصطناعي ضرورية لمواكبة اللوائح المتغيرة.
تتطلب خوارزميات الذكاء الاصطناعي في DeFi، وخاصةً التعلّم العميق، قوة معالجة كبيرة، مما يضيف ضغطًا على الشبكات اللامركزية المثقلة بالفعل مثل Ethereum.
يمكن أن يؤدي هذا الطلب الحسابي المتزايد أثناء نشاط الشبكة المرتفع إلى ارتفاع رسوم الغاز وإبطاء أوقات المعاملات، مما يؤثر على العمليات الحرجة مثل التداول عالي التردد.
يمكن أن تؤدي معالجة مهام الذكاء الاصطناعي على السلسلة إلى إبطاء الشبكة، لذا فإن الحلول خارج السلسلة مثل Rollups تساعد في تسريع الأمور. ومع ذلك، فإنها تجلب أيضًا تحديات في الحفاظ على دقة البيانات وأمانها بين العمليات خارج السلسلة والعمليات على السلسلة.
غالبًا ما تعمل أنظمة الذكاء الاصطناعي في DeFi، وخاصة الشبكات العصبية العميقة، ك "صناديق سوداء"، مما يجعل عمليات اتخاذ القرار الخاصة بها مبهمة ويصعب تفسيرها، وهو ما يمثل مشكلة عند إدارة الأصول أو تنفيذ الصفقات.
ويثير هذا الافتقار إلى الشفافية قلق كل من المستخدمين، الذين يُتركون في الظلام بشأن القرارات المالية الحاسمة، والمنظمين الذين يكافحون لضمان الامتثال.
الذكاء الاصطناعي القابل للتفسير (XAI) يهدف إلى جعل قرارات الذكاء الاصطناعي أكثر شفافية من خلال إظهار كيفية وصول النماذج إلى الاستنتاجات، ولكن دمج الذكاء الاصطناعي القابل للتفسير في DeFi يمثل تحديًا لأن تبسيط النماذج من أجل الوضوح يمكن أن يقلل من دقتها.
تتعرض أنظمة الذكاء الاصطناعي في DeFi لهجمات عدائية، حيث تتلاعب الجهات الخبيثة بمهارة ببيانات المدخلات لخداع الذكاء الاصطناعي لاتخاذ قرارات سيئة، مثل تنفيذ صفقات ضارة.
قد يستهدف المهاجمون أيضًا نماذج الذكاء الاصطناعي لاستخراج معلومات حساسة أو إجراء هندسة عكسية للنموذج لشن هجمات أكثر تعقيدًا، مما يشكل خطرًا كبيرًا في إدارة البيانات المالية القيّمة.
"تجلب روبوتات الذكاء الاصطناعي ديناميكيات جديدة إلى السوق، ومع وجود عدد كافٍ منها للتداول ضد بعضها البعض، فمن المحتمل أن نرى أشياء مثل الانهيارات السريعة في DeFi." ستان - مؤسس مشارك في Renora
تساعد تقنيات مثل التدريب العدائي نماذج الذكاء الاصطناعي على مقاومة الهجمات، ولكنها يمكن أن تقلل من الدقة وتضيف التعقيد، مما يجعل التحديثات المستمرة وإعادة التدريب ضرورية لمكافحة التهديدات المتطورة في بيئة DeFi اللامركزية.
لإطلاق العنان لإمكانات الذكاء الاصطناعي في مجال الذكاء الاصطناعي، نحتاج إلى معالجة تحديات مثل دقة البيانات والخصوصية وفهم الذكاء الاصطناعي بشكل أفضل وتعزيز الأمن، مع تعزيز التعاون بين المطورين والمنظمين وقادة الصناعة لتجاوز اللوائح التنظيمية ودعم الأنظمة القابلة للتطوير لنمو الذكاء الاصطناعي.
من خلال التركيز على هذه المجالات، تُعد MC² Finance رائدة في استخدام الذكاء الاصطناعي للعمل كجسر بين CeFi وDFi يمكن للجميع بدءًا من كبار المتداولين/مديري صناديق التحوط إلى المتداولين المقلدين والمتداولين العاديين أن يتصلوا بها.
تعال وتفقّدنا!
#ديفي #لا_حضانة #عبر_السلاسل
