تحليل المقارنة بين مسارات تطوير تقنيات الذكاء الاصطناعي والأصول الرقمية
مؤخراً، يبدو أن استراتيجية Ethereum المتمحورة حول Rollup تواجه بعض العقبات، كما أن نموذج التطوير المعتمد على الطبقات المتعددة (L1-L2-L3) قوبل بتساؤلات أيضًا. ومع ذلك، من المثير للاهتمام أن مجال الذكاء الاصطناعي قد شهد في العام الماضي تطورًا سريعًا مشابهًا على مستويات متعددة. من خلال مقارنة مسارات التطور في هذين المجالين، يمكننا استكشاف أوجه الشبه والاختلاف بينهما.
في مجال الذكاء الاصطناعي، كل طبقة من الطبقات المتعددة تكرّس جهودها لحل القضايا الأساسية التي لم تتمكن الطبقة السابقة من التغلب عليها:
وضعت نماذج اللغة الكبيرة (LLMs) في طبقة L1 أساس فهم اللغة وتوليدها، ولكنها تعاني من نقص واضح في منطق الاستدلال والحسابات الرياضية.
نموذج الاستدلال في الطبقة L2 يعالج هذه المشكلات بشكل مستهدف. على سبيل المثال، تمكّنت بعض النماذج المتقدمة من التعامل مع مسائل رياضية معقدة وتصحيح الأكواد، مما يعوض بشكل فعال عن الفجوات المعرفية في LLMs.
وكيل الذكاء الاصطناعي في طبقة L3 يجمع بين قدرات الطبقتين السابقتين، مما يجعل الذكاء الاصطناعي ينتقل من الاستجابة السلبية إلى التنفيذ النشط، حيث يمكنه التخطيط للمهام بشكل مستقل، واستدعاء الأدوات، ومعالجة سير العمل المعقد.
توفر هذه الهيكلية المتعددة المستويات تقدمًا في القدرات: L1 يبني الأساس، L2 يعوض النقص، L3 يحقق التكامل. كل مستوى يحقق قفزة نوعية بناءً على المستوى السابق، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وملاءمة.
بالمقارنة، يبدو أن الهيكل متعدد الطبقات في مجال الأصول الرقمية يواجه تحديات مختلفة:
أدى القيد في أداء سلسلة الكتل L1 إلى ظهور حلول توسيع L2. ومع ذلك، على الرغم من انخفاض تكاليف الغاز وزيادة TPS، إلا أنه ظهرت مشاكل جديدة مثل تشتت السيولة ونقص التطبيقات البيئية.
ظهور سلسلة التطبيقات العمودية L3 يهدف إلى حل مشاكل L2، لكنه أدى إلى تفكيك إضافي للنظام البيئي، مما يجعل من الصعب الاستفادة من التآزر الذي توفره البنية التحتية العامة.
يبدو أن هذا التقسيم الطبقي قد أصبح "تحويل المشاكل": تؤدي الاختناقات في L1 إلى ظهور L2، وتؤدي مشاكل L2 إلى ظهور L3، حيث يتم فقط نقل المشكلة من مجال إلى آخر، بدلاً من حل المشكلة الأساسية حقًا.
السبب الرئيسي وراء هذا الاختلاف قد يكمن في: أن الطبقات في مجال الذكاء الاصطناعي مدفوعة بالتنافس التكنولوجي، حيث تسعى الشركات الكبرى لتحسين قدرات النماذج؛ بينما يبدو أن الطبقات في مجال الأصول الرقمية تهيمن عليها بشكل أكبر الاقتصاديات الرمزية، وغالبًا ما تتركز المؤشرات الأساسية للحلول في كل طبقة على القيمة الإجمالية المقفلة (TVL) وسعر العملة.
تسلط هذه المقارنة الضوء على الدوافع التنموية المختلفة تمامًا في مجالين: أحدهما يركز على حل المشكلات التقنية، والآخر يركز أكثر على تصميم المنتجات المالية. على الرغم من أن هذه المقارنة المجردة ليست مطلقة، إلا أنها توفر لنا بالفعل منظورًا مثيرًا يتيح لنا التفكير في هذين المجالين التكنولوجيين سريع التطور من زوايا مختلفة.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
الذكاء الاصطناعي والأصول الرقمية يسيران في مسارين متوازيين: مقارنة بين تطوير الهيكل متعدد الطبقات
تحليل المقارنة بين مسارات تطوير تقنيات الذكاء الاصطناعي والأصول الرقمية
مؤخراً، يبدو أن استراتيجية Ethereum المتمحورة حول Rollup تواجه بعض العقبات، كما أن نموذج التطوير المعتمد على الطبقات المتعددة (L1-L2-L3) قوبل بتساؤلات أيضًا. ومع ذلك، من المثير للاهتمام أن مجال الذكاء الاصطناعي قد شهد في العام الماضي تطورًا سريعًا مشابهًا على مستويات متعددة. من خلال مقارنة مسارات التطور في هذين المجالين، يمكننا استكشاف أوجه الشبه والاختلاف بينهما.
في مجال الذكاء الاصطناعي، كل طبقة من الطبقات المتعددة تكرّس جهودها لحل القضايا الأساسية التي لم تتمكن الطبقة السابقة من التغلب عليها:
وضعت نماذج اللغة الكبيرة (LLMs) في طبقة L1 أساس فهم اللغة وتوليدها، ولكنها تعاني من نقص واضح في منطق الاستدلال والحسابات الرياضية.
نموذج الاستدلال في الطبقة L2 يعالج هذه المشكلات بشكل مستهدف. على سبيل المثال، تمكّنت بعض النماذج المتقدمة من التعامل مع مسائل رياضية معقدة وتصحيح الأكواد، مما يعوض بشكل فعال عن الفجوات المعرفية في LLMs.
وكيل الذكاء الاصطناعي في طبقة L3 يجمع بين قدرات الطبقتين السابقتين، مما يجعل الذكاء الاصطناعي ينتقل من الاستجابة السلبية إلى التنفيذ النشط، حيث يمكنه التخطيط للمهام بشكل مستقل، واستدعاء الأدوات، ومعالجة سير العمل المعقد.
توفر هذه الهيكلية المتعددة المستويات تقدمًا في القدرات: L1 يبني الأساس، L2 يعوض النقص، L3 يحقق التكامل. كل مستوى يحقق قفزة نوعية بناءً على المستوى السابق، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وملاءمة.
بالمقارنة، يبدو أن الهيكل متعدد الطبقات في مجال الأصول الرقمية يواجه تحديات مختلفة:
أدى القيد في أداء سلسلة الكتل L1 إلى ظهور حلول توسيع L2. ومع ذلك، على الرغم من انخفاض تكاليف الغاز وزيادة TPS، إلا أنه ظهرت مشاكل جديدة مثل تشتت السيولة ونقص التطبيقات البيئية.
ظهور سلسلة التطبيقات العمودية L3 يهدف إلى حل مشاكل L2، لكنه أدى إلى تفكيك إضافي للنظام البيئي، مما يجعل من الصعب الاستفادة من التآزر الذي توفره البنية التحتية العامة.
يبدو أن هذا التقسيم الطبقي قد أصبح "تحويل المشاكل": تؤدي الاختناقات في L1 إلى ظهور L2، وتؤدي مشاكل L2 إلى ظهور L3، حيث يتم فقط نقل المشكلة من مجال إلى آخر، بدلاً من حل المشكلة الأساسية حقًا.
السبب الرئيسي وراء هذا الاختلاف قد يكمن في: أن الطبقات في مجال الذكاء الاصطناعي مدفوعة بالتنافس التكنولوجي، حيث تسعى الشركات الكبرى لتحسين قدرات النماذج؛ بينما يبدو أن الطبقات في مجال الأصول الرقمية تهيمن عليها بشكل أكبر الاقتصاديات الرمزية، وغالبًا ما تتركز المؤشرات الأساسية للحلول في كل طبقة على القيمة الإجمالية المقفلة (TVL) وسعر العملة.
تسلط هذه المقارنة الضوء على الدوافع التنموية المختلفة تمامًا في مجالين: أحدهما يركز على حل المشكلات التقنية، والآخر يركز أكثر على تصميم المنتجات المالية. على الرغم من أن هذه المقارنة المجردة ليست مطلقة، إلا أنها توفر لنا بالفعل منظورًا مثيرًا يتيح لنا التفكير في هذين المجالين التكنولوجيين سريع التطور من زوايا مختلفة.