وكيل الذكاء الاصطناعي: بناء قوة ذكاء لتشكيل البيئة الاقتصادية المستقبلية

يحدث وكلاء الذكاء الاصطناعي ثورة في اقتصاد العملات الرقمية ، ويظهرون إمكانات كبيرة من التمويل اللامركزي إلى GameFi. هذا المقال مأخوذ من مقال كتبه Klein Labs وجمعته PANews. (ملخص: تفسير دليل ريادة الأعمال Y Combinator: ما هي الاتجاهات المستقبلية لوكلاء الذكاء الاصطناعي؟ (تمت إضافة الخلفية: Bankless: كيف أصبحت تقنية التشفير وقودا فائقا لوكلاء الذكاء الاصطناعي) I. نظرة عامة على الخلفية 1.1 مقدمة: "الشريك الجديد" للعصر الذكي تجلب كل دورة عملات رقمية بنية تحتية جديدة تماما لدفع الصناعة بأكملها. في عام 2017 ، أدى ظهور العقود الذكية إلى ازدهار عمليات الطرح الأولي للعملات الرقمية. في عام 2020 ، جلب تجمع تدفق DEX طفرة صيفية في التمويل اللامركزي. في عام 2021 ، ظهر عدد كبير من سلسلة العملات غير القابلة للاستبدال ، مما يمثل بداية عصر المقتنيات الرقمية. في عام 2024 ، أدى الأداء المتميز ل pump.fun إلى ازدهار memecoin ومنصة الإطلاق. يجب التأكيد على أن بداية هذه القطاعات لا ترجع فقط إلى الابتكار التكنولوجي ، ولكن أيضا نتيجة للمزيج المثالي من نماذج التمويل ودورات السوق الصاعدة. عندما تلتقي الفرصة باللحظة المناسبة ، يمكن أن تؤدي إلى تغيير كبير. بالنظر إلى عام 2025 ، من الواضح أن المنطقة الناشئة لدورة 2025 ستكون عوامل الذكاء الاصطناعي. بلغ هذا الاتجاه ذروته في أكتوبر الماضي ، حيث تم إطلاقه في 11 أكتوبر 2024 $GOAT عملة ووصل إلى 150 مليون دولار في 15 أكتوبر القيمة السوقية. ثم ، في 16 أكتوبر ، أطلق Virtuals Protocol Luna ، والتي ظهرت لأول مرة كصورة بث مباشر IP للفتاة المجاورة ، والتي فجرت الصناعة. إذن ، ما هو بالضبط وكيل الذكاء الاصطناعي؟ يجب أن يكون الجميع على دراية بالفيلم الكلاسيكي "Resident Evil" ، حيث نظام الذكاء الاصطناعي ملكة القلوب مثير للإعجاب. Queen of Hearts هو نظام الذكاء الاصطناعي قوي يتحكم في المرافق المعقدة وأنظمة الأمان ، ويستشعر البيئة بشكل مستقل ، ويحلل البيانات ، ويتصرف بسرعة. في الواقع ، يشترك وكيل الذكاء الاصطناعي في العديد من أوجه التشابه مع الوظائف الأساسية ل Queen of Hearts. يلعب وكلاء الذكاء الاصطناعي في العالم الحقيقي دورا مشابها إلى حد ما ، حيث يعملون ك "أوصياء أذكياء" للتكنولوجيا الحديثة ، ويساعدون الشركات والأفراد على التعامل مع المهام المعقدة من خلال الإدراك والتحليل والتنفيذ المستقل. من السيارات ذاتية القيادة إلى خدمة العملاء الذكية ، اخترق وكلاء الذكاء الاصطناعي كل صناعة وأصبحوا قوة رئيسية للكفاءة والابتكار. هؤلاء الوكلاء المستقلون ، مثل أعضاء الفريق غير المرئيين ، لديهم مجموعة كاملة من القدرات من الإدراك البيئي إلى تنفيذ صنع القرار ، والتغلغل تدريجيا في مختلف الصناعات ، وتعزيز التحسين المزدوج للكفاءة والابتكار. على سبيل المثال ، يمكن استخدام الذكاء الاصطناعي AGENT لأتمتة التداول وإدارة المحافظ وتنفيذ الصفقات في الوقت الفعلي بناء على البيانات التي تم جمعها من Dexscreener أو المنصة الاجتماعية X ، مما يؤدي باستمرار إلى تحسين أدائها في التكرارات. وكلاء الذكاء الاصطناعي ليسوا نموذجا واحدا ، لكنهم مقسمون إلى فئات مختلفة بناء على الاحتياجات المحددة في النظام البيئي للتشفير: وكلاء الذكاء الاصطناعي القابل للتنفيذ: ركز على إكمال مهام محددة ، مثل التداول أو إدارة المحافظ أو المراجحة ، بهدف تحسين الدقة التشغيلية وتقليل الوقت المطلوب. وكيل الذكاء الاصطناعي الإبداعي: يستخدم لإنشاء المحتوى ، بما في ذلك النص والتصميم وحتى إنشاء الموسيقى. وكيل الذكاء الاصطناعي الاجتماعية: العمل كمؤثر على وسائل التواصل الاجتماعي للتفاعل مع المستخدمين وبناء المجتمعات والمشاركة في الحملات التسويقية. وكيل الذكاء الاصطناعي المنسق: ينسق التفاعلات المعقدة بين الأنظمة أو المشاركين ، خاصة للتكامل متعدد السلاسل. في هذا التقرير ، سوف نتعمق في الأصول والوضع الحالي وآفاق التطبيق الواسعة لوكلاء الذكاء الاصطناعي ، ونحلل كيف يعيدون تشكيل مشهد الصناعة ، ونتطلع إلى اتجاهاتهم المستقبلية. 1.1.1 التاريخ يظهر تاريخ تطور العوامل الذكاء الاصطناعي تطور الذكاء الاصطناعي من البحث الأساسي إلى التطبيق على نطاق واسع. في مؤتمر دارتموث في عام 1956 ، تم اقتراح مصطلح "الذكاء الاصطناعي" لأول مرة ، مما وضع الأساس ل الذكاء الاصطناعي كحقل قائم بذاته. خلال هذه الفترة ، ركزت أبحاث الذكاء الاصطناعي في المقام الأول على الأساليب الرمزية ، مما أدى إلى ظهور برامج الذكاء الاصطناعي الأولى مثل ELIZA (روبوت الدردشة) و Dendral (الأنظمة الخبيرة في مجال الكيمياء العضوية). شهدت هذه المرحلة أيضا الاقتراح الأول للشبكات العصبية والاستكشاف الأولي لمفاهيم التعلم الآلي. لكن البحث الذكاء الاصطناعي في هذه الفترة كان مقيدا بشدة بسبب قيود قوة الحوسبة في ذلك الوقت. واجه الباحثون صعوبات كبيرة في معالجة اللغة الطبيعية وتطوير الخوارزميات التي تحاكي الوظائف المعرفية البشرية. بالإضافة إلى ذلك ، في عام 1972 ، قدم عالم الرياضيات جيمس لايتهيل تقريرا عن حالة أبحاث الذكاء الاصطناعي الجارية في المملكة المتحدة ، نشر في عام 1973. عبر تقرير Lighthill بشكل أساسي عن تشاؤم عام بشأن البحث الذكاء الاصطناعي بعد فترة مبكرة من الإثارة ، مما أدى إلى فقدان كبير للثقة في الذكاء الاصطناعي من المؤسسات الأكاديمية ( المملكة المتحدة ، بما في ذلك وكالات التمويل ). بعد عام 1973 ، انخفض تمويل البحوث الذكاء الاصطناعي بشكل كبير ، وشهد مجال الذكاء الاصطناعي أول "شتاء الذكاء الاصطناعي" ، وزادت الشكوك حول إمكانات الذكاء الاصطناعي. في 80 من القرن 20 ، أدى تطوير وتسويق أنظمة الخبراء إلى اعتماد التكنولوجيا الذكاء الاصطناعي من قبل الشركات في جميع أنحاء العالم. شهدت هذه الفترة تقدما كبيرا في التعلم الآلي والشبكات العصبية ومعالجة اللغة الطبيعية ، مما أدى إلى ظهور تطبيقات الذكاء الاصطناعي أكثر تعقيدا. كما يمثل إدخال أول مركبات ذاتية القيادة ونشر الذكاء الاصطناعي في مختلف الصناعات مثل التمويل والرعاية الصحية مجموعة موسعة من التقنيات الذكاء الاصطناعي. ولكن في أواخر 80 وأوائل 90 من القرن 20 ، شهد المجال الذكاء الاصطناعي "شتاء الذكاء الاصطناعي" الثاني مع انهيار الطلب في السوق على أجهزة الذكاء الاصطناعي المخصصة. بالإضافة إلى ذلك ، لا يزال توسيع نطاق أنظمة الذكاء الاصطناعي ودمجها بنجاح في تطبيقات العالم الحقيقي يمثل تحديا مستمرا. ولكن في الوقت نفسه ، في عام 1997 ، هزم كمبيوتر Deep Blue التابع لشركة IBM بطل العالم في الشطرنج غاري كاسباروف ، وهو علامة فارقة في قدرة الذكاء الاصطناعي على حل المشكلات المعقدة. وضع إحياء الشبكات العصبية وتعلم العمق الأساس لتطوير الذكاء الاصطناعي في أواخر تسعينيات القرن العشرين ، مما يجعل الذكاء الاصطناعي جزءا لا يتجزأ من المشهد التكنولوجي والبدء في التأثير على الحياة اليومية. بحلول نهاية القرن ، أدى التقدم في قوة الحوسبة إلى ظهور تعلم العمق ، وأظهر المساعدون الافتراضيون مثل Siri فائدة الذكاء الاصطناعي لتطبيقات المستهلك. شهد عام 2010 المزيد من الاختراقات في النماذج التوليدية مثل عوامل التعلم المعزز و GPT-2 ، مما دفع الذكاء الاصطناعي المحادثة إلى آفاق جديدة. في هذه العملية ، أصبح ظهور نموذج اللغة الكبيرة (LLM) معلما مهما في تطوير الذكاء الاصطناعي ، وخاصة إصدار GPT-4 ، والذي يعتبر نقطة تحول في مجال وكلاء الذكاء الاصطناعي. منذ إصدار سلسلة GPT بواسطة OpenAI ، أظهرت النماذج المدربة مسبقا على نطاق واسع توليد اللغة وفهمها بما يتجاوز النماذج التقليدية من خلال عشرات المليارات أو حتى مئات المليارات. إن تميزهم في معالجة اللغة الطبيعية يمكن وكلاء الذكاء الاصطناعي من إظهار التفاعلات المنطقية والمتماسكة من خلال توليد اللغة. يتيح ذلك تطبيق وكلاء الذكاء الاصطناعي على سيناريوهات مثل مساعدي الدردشة والوكلاء الافتراضيين وتوسيع المجموعة تدريجيا إلى مهام أكثر تعقيدا مثل تحليل الأعمال والكتابة الإبداعية. توفر القدرة على التعلم لنماذج اللغة الكبيرة للوكلاء الذكاء الاصطناعي ...