مقدمة

تعتبر Web3 بيئة ديناميكية تتطور باستمرار مع ظهور تقنيات جديدة. ومؤخرًا، أدى توحيد العملات الرقمية والذكاء الاصطناعي إلى ولادة اكتشاف جديد يعرف بـ الذكاء الاصطناعي للتمويل اللامركزي (DeFAI).

كانت الذكاء الاصطناعي أداة لتحسين العمليات على البلوكشين، والقيام بذلك بشكل تلقائي دون تدخل يدوي. تساعد خوارزميات الذكاء الاصطناعي في تحديد الأنماط، وتوقع اتجاهات السوق، وتنفيذ المعاملات والعمليات بسرعة عالية ودقة. وقد ساعد ذلك في خلق بروتوكولات الإقراض الذكية، ونماذج تقييم المخاطر المرنة، والبيئات الديناميكية للألعاب، وحمامات السوائل الذاتية التحسين.

في مقدمة عملية الأتمتة هذه في بلوكشين هو ديبسيك، نموذج لغة كبير متعدد اللغات مفتوح المصدر (LLM) الذي يساعد في نشر وكلاء الذكاء الاصطناعي الذكية والفعالة، مما يقلل من تدفقات العمل بتكلفة منافسة منخفضة.

ما هو DeepSeek؟

المصدر: ديب سيك

ديبسيك هو نموذج لغة كبير مفتوح المصدر متقدم (LLM) تم بناؤه بواسطة شركة هانغتشو ديبسيك للبحوث التقنية الأساسية في الذكاء الاصطناعي. تم تصميمه كنموذج ذكاء اصطناعي متعدد اللغات تم تدريبه باللغتين الإنجليزية والصينية، مما يمنحه الوصول إلى البيانات من مجتمعات تتحدث الإنجليزية والصينية.

نماذج ديب سيك

مصدر: Inferless

في 2 نوفمبر 2023، أطلقت DeepSeek نموذجها الأول، DeepSeek Coder، الذي صمم لمساعدة المطورين في إنشاء واستكمال وتصحيح أخطاء لغات البرمجة المختلفة. منذ ذلك الحين، تم إطلاق عدة نماذج، مثل DeepSeek-Prover، وDeepSeek-LLM، وDeepSeek-MoE، وDeepSeek-Math، وDeepSeek-VL، وDeepSeek-R1، وحديثًا، Janus.

مؤسس DeepSeek

المصدر: The Economist

تم إطلاق DeepSeek في يوليو 2023 من قبل ليانغ وينفنج، رائد الأعمال الصيني وخريج جامعة تشجيانغ المشهور بخبرته في حل المشاكل باستخدام لغة الآلة والذكاء الاصطناعي.

في وقت سابق من حياته المهنية، أسس ليانغ حلاً تقنيًا، High Flyer، يستخدم الذكاء الاصطناعي والرياضيات لتبسيط الاستثمار الكمي والتداول. أصبحت High Flyer في وقت لاحق شركة صندوق تحوط وممول كبير لـ LLM، DeepSeek.

تتمحور سياسة توظيف ديبسيك حول القدرات التقنية بدلاً من الخبرة العملية، لذا فإن معظم الموظفين الجدد إما خريجون شبان أو مطورون ذوو مسار مهني أقل تأسيسا في مجال الذكاء الاصطناعي.

الميزات الرئيسية لديبسيك

تم تصميم نماذج DeepSeek بشكل فريد للكفاءة والتوسع، مما يتناسب مع وتيرة النماذج اللغوية الشاملة الأخرى في نظام الذكاء الاصطناعي. من الميزات الملحوظة لـ DeepSeek:

مفتوح المصدر

المصدر: غيثاب - DeepSeek-R1

ديبسيك مهتمة بالمساهمات مفتوحة المصدر، التي تسمح للمطورين باستخدام وتخصيص نماذجهم بحرية. آلية الشفافية في مجال العملات الرقمية الخاصة بها هي "الوزن المفتوح", مما يوفر حرية أقل للتعديل من غيرها من البرمجيات مفتوحة المصدر.

كفاءة التكلفة

المصدر: بزنس إنسايدر

بالنسبة لأصحاب المشاريع والمطورين، تكون تكاليف تطوير ودمج نماذج DeepSeek أقل بكثير من تلك التنافسية، ولا سيما نموذج Open AI's Chat GPT.

يُقال إن النموذج DeepSeek-R1 تم تطويره بتكلفة تقدر بحوالي 6 ملايين دولار، مقارنة بالمليارات التي أنفقتها الشركات الأخرى لبناء نماذجها الذكاء الاصطناعي. نظرًا لتكلفة التطوير المنخفضة هذه، تتمتع نماذج DeepSeek بتكاليف دمج LLM تنافسية للغاية، مما يجعل من السهل على المطورين بناء حلول باستخدام بنيتها التحتية.

تصميم ودية للمستخدم

المصدر: ديب سيك

تقدم تطبيق DeepSeek واجهة الدردشة تشبه ChatGPT. يتيح للمستخدمين الانخراط في محادثات باللغة الطبيعية وإنشاء محتوى. كما يتيح التطبيق للمستخدمين حل مشاكل معقدة مجانًا باستخدام نموذج DeepThink (R1) الخاص به.

هندسة DeepSeek

يعتمد ديبسيك بنية فريدة اعتبرنا أنها تميزه عن نماذج اللغة الكبيرة الأخرى. لقد ساهمت هذه البنية المتقدمة في كفاءة وفاعلية النموذج. وتشمل المكونات الرئيسية:

نظام مزيج الخبراء (MoE)

تُسمح أنظمة MoE بتنشيط الشبكات العصبية الضرورية لتنفيذ مهام محددة. على الرغم من مدى ومعدل المعلمات الضخم لـ DeepSeek، إلا أنه يعمل بعدد قليل من المعلمات أثناء التشغيل. يحسن هذا التنشيط الانتقائي استخدام الموارد، مما يقلل من تكاليف الحسابات مع الحفاظ على الكفاءة.

تضمن هذا النظام أيضًا تنفيذ المهام بدقة حيث يتعامل مع مدخلات متنوعة بدقة، مما يجعل DeepSeek أداة عملية للمطورين الذين يرغبون في تحقيق توازن بين كفاءة التكلفة والأداء العالي.

الانتباه الكامن متعدد الرؤوس (MLA)

ينفذ DeepSeek آلية MLA التي تعزز قدرته على معالجة البيانات من خلال تحديد العلاقات الدقيقة ومعالجة جوانب الإدخال المتعددة بشكل متزامن. يضمن هذا النظام أداء مهام أفضل من خلال التركيز على التفاصيل الخاصة عبر مدخلات متنوعة.

ما هم وكلاء الذكاء الاصطناعي؟

تعمل وكلاء الذكاء الاصطناعي بشكل مستقل عن برامج البرمجيات الكبيرة المدعومة بنماذج اللغة الكبيرة (LLMs) للتفكير، اتخاذ القرارات، تنفيذ المهام، والتفاعل مع التطبيقات اللامركزية (dApps) على شبكات البلوكشين.

Source: CoinGecko

بمجرد منح وكيل الذكاء الاصطناعي مهمة لتنفيذها، ينتشرون LLM لجمع البيانات حولها، ثم يقومون بتغذيتها إلى النموذج لتحليلها، واستخراج المعلومات اللازمة، واتخاذ قرار، واتخاذ الإجراء المطلوب. إنهم يتعلمون في عملية تنفيذ إجراء ويمكنهم تكرارها.

على سبيل المثال، يمكن لوكيل الذكاء الاصطناعي أن يتعلم من اتجاهات السوق والمشاعر في الوقت الحقيقي، ونشر السيولة بناءً على الشروط المحددة مسبقًا، وتنفيذ الصفقات بدقة. يتم إجراء هذا التفاعل بين وكيل الذكاء الاصطناعي وشبكة البلوكشين بشكل آلي دون تدخل بشري.

تأثير DeepSeek في مجال العملات الرقمية ووكلاء الذكاء الاصطناعي

يقوم DeepSeek بدور حاسم في توحيد تكامل الذكاء الاصطناعي داخل مجال العملات الرقمية. تشمل المساهمات والتأثيرات الرئيسية لها:

تكاليف منخفضة

نظرًا لتكلفة الاندماج الودية الخاصة بها، جعلت DeepSeek من السهل على المطورين إنشاء حلول تحل بشكل إبداعي مشاكل حقيقية.

تساهم تكاليف أقل أيضًا في تَمَكين الحلول المُعَتَمَدَة على الذكاء الاصطناعي والبلوكتشين في التَّمَزُّق عن طريق تمكين العديد من الحلول المُتَنافِسَة لمعالجة نفس التحديات، ممَّا يوفر للمستخدِمين خيارات مُتَنوِّعة.

تجارب افتراضية مخصصة

يمكن لوكلاء الذكاء الاصطناعي الذين يعملون بتقنية DeepSeek دراسة تفضيلات المستخدمين وسلوكياتهم لتوفير تجارب افتراضية مخصصة لمستخدمي GameFi و Metaverse.

في GameFi، يقوم هؤلاء الوكلاء بتحليل احتياجات المستخدمين لتمكين الشخصيات غير القابلة للتحكم بشكل مرن (NPCs) بسلوكيات لعب واقعية. يساعدون في خلق تجارب ألعاب غامرة عن طريق المشاركة في محادثات ديناميكية، والتكيف مع إجراءات اللاعب بشكل فوري، وإنشاء محتوى داخل اللعبة، مثل المهام والقصص.

في عالم الافتراض الواقعي، تقوم وكلاء الذكاء الاصطناعي بتقييم تفضيلات المستخدمين لإنشاء أصول افتراضية شخصية (مثل الNFTs والشخصيات الافتراضية). كما يساعدون الأفراد في التنقل داخل بيئات الافتراض الواقعي وييسّرون التفاعلات الاجتماعية.

إمكانيات الذكاء الاصطناعي المتقدمة

يمكن للتجار استخدام نماذج ديبسيك المتقدمة ذات الذكاء العاطفي، مثل ديبسيك-ر1، للبحث والحصول على البيانات في الوقت الفعلي عن محفظتهم من العملات الرقمية. يمكن لمطوري وكلاء الذكاء الاصطناعي دمج هذه النماذج في برامجهم لتعزيز قدراتهم.

زيادة في الوصول

نظرًا لطراز الوزن المفتوح الخاص به، يمكن لمنصات العملات الرقمية، مثل التبادلات المركزية (CEXs)، دمج وحدات DeepSeek LLMs بسهولة في تطبيقاتها لتعزيز عمليات المستخدم وتحسين الوظائف العامة.

زيادة في تقلبات السوق

ظهور ديبسيك أيضًا دفع بزيادة استثمارات في سوق وكلاء الذكاء الاصطناعي، حيث يدرك أصحاب المصلحة والمستثمرون إمكانية الذكاء الاصطناعي في تعطيل نظام الويب3. هذا التطور أيضًا دفع بتقييم مشاريع واستراتيجيات وكلاء الذكاء الاصطناعي الحالية لتحسين القيمة التي تقدمها.

قيادة الابتكار

ساعد DeepSeek في تعزيز المنافسة في مجال LLM. وقد حفز ذلك مستخدمي واجهات برمجة التطبيقات الخاصة بهم على تطبيق النماذج بشكل إبداعي لتقديم حلول تسهل العمليات على البلوكشين.

طبيعة مصدر مفتوح من ديبسيك أيضا ساعدت تطوره المستمر، ممهدة الطريق لإطلاق مستقبلي لنماذج لغات كبيرة أكثر كفاءة (LLMs).

الفوائد والمخاطر المتعلقة بـ DeepSeek في مجال العملات الرقمية ووكلاء الذكاء الاصطناعي

دمج DeepSeek في مجال العملات الرقمية يقدم فرصًا وتحديات على حد سواء للمطورين والمستخدمين.

الفوائد

التحليل الرقمي للسلسلة

نظرًا للكم الهائل من البيانات المسجلة على سلسلة الكتل، يمكن للذكاء الاصطناعي أن يكون أداة رصد متقدمة، تكتشف الحركات غير المعتادة للأموال، وتتتبع العناوين ذات المخاطر العالية، وتحلل اتجاهات السوق لتوليد رؤى يمكن التحرك بناءً عليها.

تعزيز التغمر

بناءً على البيانات المجمعة من تفضيلات الأفراد، تساعد وكلاء الذكاء الاصطناعي في مطابقة المستخدمين مع فرص افتراضية شخصية استنادًا إلى مهاراتهم واهتماماتهم في GameFi وMetaverse. ويشمل ذلك نماذج اقتصادية إبداعية مثل المكافآت المخصصة التي تمكن النظم البيئية المشوقة.

تحليل ذكي وتفاعلات مبسطة

يمكن استخدام DeepSeek لتوقع اتجاهات السوق الصاعدة والهابطة من خلال دراسة البيانات التاريخية والواقعية. كما يساعد في تقييم الأخبار ومنتديات وسائل التواصل الاجتماعي لاكتشاف المشاعر والتلاعب في السوق مع تقديم رؤى حول التداول.

على عكس المساعدين البشريين، لا تشعر وكلاء الذكاء الاصطناعي بالتعب أو الملل، أو الحاجة لإجازات مرضية. إنهم يعملون على مدار الساعة ويكلفون بكلفة ضئيلة جدًا للإدارة.

تمكين الأدوات

يوفر نموذج DeepSeek مفتوح المصدر، مع حاجز دخول منخفض، وصولًا أكبر للمستخدمين لإنشاء حلول ويب3 بالذكاء الاصطناعي. يتيح هذا للمزيد من المطورين تجربة LLMs بهدف تعزيز البحث والتطوير التعاوني.

مخاطر

مخاوف الأمان

المصدر: Cyberscoop

يجد الجهات الضارة دائمًا طرقًا للتسلل والتلاعب بثغرات وكلاء الذكاء الاصطناعي من خلال الهجمات المستهدفة. يمكن تنفيذ الاختراقات والعمليات الاحتيالية والنشاطات الاحتيالية على مستخدمي الوكلاء المصابين، مما قد يؤدي بشكل محتمل إلى خسائر مالية وأصولية كبيرة.

وقعت إحدى هذه الهجمات عندما اكتشف باحث Wiz قاعدة بيانات ClickHouse يمكن الوصول إليها علنًا تابعة لـ DeepSeek. هذا الموقف كشف أكثر من مليون سلسلة من سجلات التدفق مع معلومات حساسة، بما في ذلك تاريخ الدردشة ومفاتيح واجهة برمجة التطبيقات وتفاصيل الخلفية. لحسن الحظ، استطاع فريق تطوير DeepSeek الاستجابة بسرعة، استرجاع قاعدة البيانات، وتجنب الكارثة.

تحيز الخوارزمية

نظرًا لأن وكلاء الذكاء الاصطناعي مصممون للعمل استنادًا إلى البيانات التي يتم تدريبها عليها، يمكن أن يشكلوا تهديدًا كبيرًا للشمولية في GameFi والميتافيرس. على سبيل المثال، إذا كانت بيانات التدريب تعكس فقط جزءًا صغيرًا من التحيزات الاجتماعية والصور النمطية المتعلقة بالجنس وعدم المساواة العرقية، فإن وكلاء الذكاء الاصطناعي المبنية عليها ستورث هذه التحيزات وتتصرف بناءً عليها.

في GameFi، يمكن أن يأتي هذا التحيز الخوارزمي في شكل ميكانيكيات لعب غير عادلة تفضل اللاعبين من فئة عمرية معينة أو تفاعلات محسوبة مع الشخصيات غير اللاعبين. في العالم الافتراضي، يمكن أن يتم تقديمها من خلال إنشاء تمييزي للصور الرمزية، وتقييد التفاعلات الاجتماعية، وفرص اقتصادية غير متساوية، وعرض محتوى محسوب على المستخدمين.

عدم اليقين التنظيمي والخصوصية البيانات

ليس من الواضح على الإطلاق كيف تعامل DeepSeek مع البيانات الحساسة فيما يتعلق بالتشريعات المعترف بها دوليًا مثل GDPR و CCPA و HIPAA و FERPA. أيضًا، ملكية البيانات التي يتم معالجتها من خلال نماذج اللغة الكبيرة (LLMs) غير واضحة، مما يثير تساؤلات حول ما إذا كانت تُحتفظ بها DeepSeek أو جهة خارجية أو المستخدمون النهائيون.

نتيجة لذلك، واجهت ديبسيك تحديات تنظيمية في العديد من البلدان المتقدمة، حيث فرض البعض قيودًا جزئية على منتجاتها المالية الرقمية وفرض البعض الآخر حظرًا صريحًا على استخدامها.

مستقبل الذكاء الاصطناعي والعملات الرقمية: ما يمكن توقعه من الابتكارات الناشئة

سيستمر دمج الذكاء الاصطناعي في تكنولوجيا البلوكشين في تشكيل آراء أصحاب المصلحة حول النظام البيئي. بينما يسمح البلوكشين بالأمان والشفافية واللامركزية، يعزز الذكاء الاصطناعي قدرة معالجة البيانات والتشغيل التلقائي.

من المتوقع أن يتسارع اندماج الذكاء الاصطناعي والعملات الرقمية في المستقبل، مما يفتح الباب أمام الابتكارات التي تساعد على تعزيز أدوات إدارة المخاطر وبروتوكولات الأمان ضمن هذه الصناعة.

يسعى أيضًا Crypto إلى نماذج AI التي يمكن أن تقوم بتحليلات تنبؤية قريبة من الكمال لأسعار الأصول الرقمية، وتحسين فحوص العقود الذكية، وتحسين قابلية توسع شبكة البلوكشين، ومعالجة الازدحام بذكاء. بالإضافة إلى ذلك، تسعى صناعة العملات الرقمية AI لإنشاء عوالم افتراضية ووكلاء AI لامركزيين، ودمج تجارب AR/VR بسلاسة على البلوكشين، وإنشاء تجارب مستخدم مرنة.

مع الجهود الحثيثة التي يبذلها الباحثون والاهتمام الشديد من رجال رأس المال المغامر، تحمل التعاون بين هاتين التقنيتين وعدًا هائلًا في خلق نظام مالي لامركزي أكثر استقلالية ومرونة.

استنتاج

تهدف ديبسيك إلى إعادة تعريف معايير الصناعة في مجال الذكاء الاصطناعي من خلال الأولوية للكفاءة والنشر الفعال من حيث التكلفة. لقد ساهم هذا النهج الاستراتيجي في تحسين إمكانية الوصول إلى ديبسيك، وتوسيع نطاقه وتكامله السلس في صناعة العملات الرقمية. ومع ذلك، هذا ليس سوى البداية، حيث تستمر البنية التحتية لديبسيك الموجودة في التطور، والإطلاقات القادمة متوقع أن تؤثر بشكل كبير على السوق.

سيصبح الذكاء الاصطناعي جزءًا لا غنى عنه من تقنية البلوكشين في المستقبل، مما يوفر تكنولوجيا التشغيل التلقائي التي تحسن سرعات معالجة المعاملات وتوفر وصولًا إلى مستودعات بيانات هائلة للحصول على رؤى فورية.

من المهم ملاحظة أنه على الرغم من أن وكلاء الذكاء الاصطناعي عادةً ما يكونون آمنين للتفاعل معهم، يجب على المستخدمين دائماً تجنب مشاركة المعلومات الحساسة مثل عبارات بذور محفظتهم، وكلمات المرور، وأرقام الضمان الاجتماعي، والأشياء الثمينة الأخرى.