الذكاء الاصطناعي والأصول الرقمية: مقارنة مثيرة للاهتمام

في الآونة الأخيرة، يناقش الناس كثيرًا أن استراتيجية Ethereum المركزية على Rollup يبدو أنها فشلت، ولديهم انتقادات كثيرة تجاه الهيكل المتداخل L1-L2-L3. من المثير للاهتمام أن التطور في مجال الذكاء الاصطناعي على مدار العام الماضي شهد أيضًا تطورًا سريعًا مشابهًا لهيكل L1-L2-L3. عند مقارنة مسارات التطور في الصناعتين، يمكننا أن نكتشف بعض الاختلافات المثيرة للاهتمام.

المنطق الطبقي في صناعة الذكاء الاصطناعي هو أن كل طبقة تحل مشكلة جوهرية لا تستطيع الطبقة السابقة حلها. تعتمد الطبقة L1 على نماذج اللغة الكبيرة (LLMs) التي تحل القدرة الأساسية على الفهم والتوليد اللغوي، لكن لديها نقاط ضعف في المنطق والاستدلال الرياضي. الطبقة L2 من نماذج الاستدلال تتخصص في معالجة هذه النقاط الضعيفة، مثل DeepSeek R1 التي يمكنها حل مسائل رياضية معقدة وتصحيح الشيفرات، مما يعوض عن الفجوات المعرفية في LLMs. بناءً على ذلك، تدمج الطبقة L3 من الوكيل الذكي قدرات الطبقتين السابقتين، مما يحول الذكاء الاصطناعي من إجابة سلبية إلى تنفيذ نشط، حيث يمكنه التخطيط الذاتي للمهام، واستدعاء الأدوات، ومعالجة سير العمل المعقد.

تجسد هذه الطبقات خاصية "التقدم في القدرات": L1 يؤسس الأساس، L2 يعوض النقص، L3 يقوم بالدمج. كل طبقة تحقق قفزة نوعية على أساس الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وفائدة.

بالمقارنة، فإن المنطق الهرمي في صناعة الأصول الرقمية هو أن كل طبقة تبحث عن حلول لمشاكل الطبقة السابقة، ولكنها عفويًا تسببت في ظهور مشاكل جديدة وأكبر. على سبيل المثال، لحل عنق الزجاجة في أداء سلسلة الكتل العامة L1، اقترحت الصناعة حلول توسيع L2. ومع ذلك، بعد تجربة موجة من حمى بنية L2 التحتية، على الرغم من انخفاض رسوم الغاز وزيادة إجمالي TPS، أصبحت السيولة مشتتة، ولا تزال التطبيقات البيئية تفتقر، وأصبحت البنية التحتية الكثيرة لـ L2 مشكلة جديدة. لمواجهة هذه الأزمة، بدأت الصناعة في تطوير سلسلة التطبيقات الرأسية L3، لكن هذه السلاسل التطبيقات غالبًا ما تعمل بشكل مستقل، مما يحرمها من الاستفادة من تأثيرات التعاون البيئي للسلاسل العامة، مما يجعل تجربة المستخدم أكثر تجزئة.

هذا النمط الطبقي يشبه أكثر "نقل المشكلة": يوجد اختناق في L1، بينما تقدم L2 حلاً، وL3 يقع في الفوضى والتشتت. يبدو أن كل طبقة ما هي إلا نقل المشكلة من مكان إلى آخر، مما يعطي انطباعاً بأن جميع الحلول تدور حول هدف "إصدار العملات".

السبب الجذري لهذا الاختلاف قد يكمن في: أن طبقات صناعة الذكاء الاصطناعي مدفوعة بالتنافس التكنولوجي، حيث تسعى الشركات الكبرى لتعزيز قدرات النماذج؛ بينما يبدو أن طبقات صناعة الأصول الرقمية مقيدة أكثر بالـTokenomic، حيث تتركز المؤشرات الرئيسية لكل مشروع L2 غالبًا على TVL وسعر العملة.

بإيجاز، يعمل أحد القطاعات على حل المشكلات التقنية، بينما يشبه القطاع الآخر أكثر في تغليف المنتجات المالية. قد لا يوجد إجابة معيارية لتقييم هذا الاختلاف، فالأمر يعتمد على وجهات نظر الأفراد.

بالطبع، فإن هذه المقارنة المجردة ليست مطلقة، بل هي مجرد بعض الملاحظات المثيرة للاهتمام المستخلصة من مسار تطور الصناعتين. توفر هذه المقارنة لنا منظورًا جديدًا للتفكير، مما يساعدنا على فهم هذين المجالين سريعي التطور بشكل أفضل.