`
بلاکچین نیازمند کاربردهای بهتر برای رشد در آینده

بلاکچین نیازمند کاربردهای بهتر برای رشد در آینده

هوش مصنوعی و بلاکچین با همکاری ایجنت‌های هوش مصنوعی می‌توانند کاربردهای کارآمدی در DeFi و سایر بخش‌ها ایجاد کنند و آینده‌ای خودکارتر را شکل دهند.

بلاکچین نیاز به کاربردهای کارآمد برای ایجنت‌های هوش مصنوعی دارد: خلاصه‌ای از جلسه X Spaces با سرمایه‌گذاران ریسک‌پذیر

هوش مصنوعی به سرعت به بخش جدایی‌ناپذیر فرآیندهای تجاری تبدیل می‌شود و بلاکچین‌ها نیز از این فناوری به‌ویژه ایجنت‌های هوش مصنوعی که قادرند انواع وظایف را به‌صورت خودکار انجام دهند، بهره‌مند می‌شوند. با این حال، یکپارچگی و استفاده مؤثر از این ایجنت‌ها هنوز بهبودهایی نیاز دارد تا بتواند به کارکردهای کارآمدتری تبدیل شود.
مطالعه اخبار بلاکچین در بلاکچین نیوزپیپر
پیشنهاد مطالعه : افزایش عرضه استیبل‌کوین به 1 تریلیون دلار

در یک جلسه X Spaces که توسط Cointelegraph Accelerator برگزار شد، سرمایه‌گذاران ریسک‌پذیر درباره تقاطع هوش مصنوعی و ارزهای دیجیتال صحبت کردند. در این جلسه، زویی ژانگ، هم‌بنیان‌گذار Stealth Project؛ فیونا ما، رهبر سرمایه‌گذاری و تحقیق در DWF Ventures؛ و سامیز بیان، سرمایه‌گذار در Draper Dragon، درباره چگونگی کمک بلاکچین به توسعه هوش مصنوعی و چالش‌های صنعت در این زمینه تبادل نظر کردند.

نیاز به ایجنت‌های هوش مصنوعی پیشرفته‌تر

فیونا ما در این جلسه اشاره کرد که بازار به ایجنت‌های هوش مصنوعی پیشرفته‌تر نیاز دارد. او گفت: "ما به ایجنت‌هایی نیاز داریم که قادر به اتخاذ تصمیمات پیچیده و تعامل با پلتفرم‌های مختلف باشند. در حال حاضر، بازار بیشتر مملو از ایجنت‌های پایه‌ای و متوسط است."

ما همچنین اشاره کرد که در بسیاری از پروژه‌ها، هوش مصنوعی به‌عنوان یک کلمه جلب توجه مطرح می‌شود، به ویژه زمانی که بنیان‌گذاران نتوانند کاربرد واضحی از هوش مصنوعی را در پروژه‌های خود ارائه دهند. او گفت: "وقتی که با پیشنهادات مشابهی درباره هوش مصنوعی روبه‌رو می‌شوید که کاربرد مشخصی ندارند، به نظر می‌رسد که بیشتر جنبه تبلیغاتی دارد."

استفاده‌های واقعی از ایجنت‌های هوش مصنوعی

زویی ژانگ در این زمینه به این نکته اشاره کرد که ایجنت‌های هوش مصنوعی می‌توانند ابزار خوبی برای کسب درآمد از محتوای تولیدشده توسط کاربران (UGC) باشند. او گفت: "بسیاری از این پروژه‌ها واقعاً به‌طور جامعه‌محور ساخته شده‌اند. به عنوان مثال، چارچوب‌هایی مانند Griffin AI یا OpenAI Swarm می‌توانند کارها را به‌طور مؤثرتر انجام دهند و با مردم به شیوه‌ای معنادار تعامل داشته باشند."

سامیز بیان نیز به این نکته اشاره کرد که ترکیب هوش مصنوعی و امور مالی غیرمتمرکز (DeFi) می‌تواند یک ترکیب قدرتمند باشد. او افزود: "و این تنها به اجرای معاملات محدود نمی‌شود؛ بلکه استفاده از هوش مصنوعی برای نظارت بر موقعیت‌ها، اجرای معاملات خودکار و انجام اقدامات در مواقعی که از صفحه نمایش خود دور هستید، می‌تواند کارایی بالایی داشته باشد."

نمونه‌هایی از پروژه‌های DeFi-هوش مصنوعی

فیونا ما در این نشست چندین پروژه DeFi-هوش مصنوعی که در DWF Labs در حال کار هستند، معرفی کرد. "پروژه HeyAnon ترکیب هوش مصنوعی مکالمه‌ای با جمع‌آوری داده‌های زمان واقعی است. این به کاربران کمک می‌کند تا عملیات DeFi مانند پل‌زنی، مبادله، استیکینگ و قرض‌دهی را مدیریت کنند و روندها را با استخراج اطلاعات از پلتفرم‌هایی مانند توییتر، تلگرام، دیسکورد و گیت‌هاب تحلیل کنند."

او همچنین به پروژه AI16Z اشاره کرد که مدل‌های مدیریت سرمایه‌گذاری سنتی را بازتعریف می‌کند. "ایجنت هوش مصنوعی این پروژه مانند یک مدیر صندوق پوششی مجازی عمل می‌کند — نه تنها قوانین از پیش تعیین‌شده را دنبال می‌کند، بلکه احساسات بازار، داده‌های روی زنجیره و شرایط روند را تحلیل کرده و تصمیم می‌گیرد."

کارآیی لایه‌های هماهنگی و اورکستراسیون ایجنت‌ها

یکی از مباحث جالب این نشست، توجه به نحوه کار کردن ایجنت‌های هوش مصنوعی با یکدیگر از طریق لایه‌های هماهنگی و اورکستراسیون بود. این سیستم‌ها مشخص می‌کنند که آیا ایجنت‌ها باید به‌صورت متوالی یا موازی عمل کنند و چگونه داده‌ها و حافظه‌ها را برای دستیابی به نتایج مشترک به اشتراک بگذارند.

زویی ژانگ به لایه‌های هماهنگی اشاره کرد که برای همکاری مؤثر ایجنت‌ها ضروری هستند و این به‌عنوان یک حوزه کلیدی در آینده مورد توجه قرار خواهد گرفت. او گفت: "ما به چارچوب‌هایی نیاز داریم که ایجنت‌ها بتوانند کارها را با هم سازماندهی کرده و نتیجه‌ای معنادار تولید کنند."

او نمونه‌ای از Nethermind را ارائه داد که یک لایه دوم است که به‌طور کامل توسط ایجنت‌های خودکار اداره می‌شود: "هر ایجنت خود را روی زنجیره ثبت می‌کند و تراکنش‌ها تحت‌نظر اجماع بین ایجنت‌ها قرار دارند. از طریق Nethermind Launchpad، توسعه‌دهندگان می‌توانند زنجیره‌های ایجنت‌محور را برای استفاده‌های خاص سفارشی کنند."

چالش‌ها و موانع پذیرش سازمانی

در بحث پذیرش سازمانی، سامیز بیان از عدم قطعیت‌های نظارتی و سیستم‌های سنتی عمیقاً ریشه‌دار به‌عنوان موانع اصلی یاد کرد. او پیشنهاد داد که رویکرد ترکیبی ممکن است بهترین راه‌حل باشد، جایی که سازمان‌ها همچنان از سیستم‌های سنتی استفاده می‌کنند، اما در برخی مناطق بلاکچین را ادغام می‌کنند.

آینده ایجنت‌های هوش مصنوعی

زویی ژانگ به این نکته اشاره کرد که هر پروژه ایجنت هوش مصنوعی نیازی به راه‌اندازی توکن از ابتدا ندارد. او گفت: "برخی از ایجنت‌ها بهتر است ابتدا در بازار آزمایش شوند. دریافت بازخورد مشتری و اثبات کاربرد پیش از طراحی توکنومیک‌ها اهمیت دارد."

فیونا ما همچنین تاکید کرد که برای سرمایه‌گذاران، پروژه‌های هوش مصنوعی باید به‌دنبال ارزش بلندمدت باشند و محصولات قابل‌اتکا و با درآمد پایدار ایجاد کنند، نه فقط چیزی که در روز عرضه توکن به اوج برسد و سپس ناپدید شود.

در نهایت، زویی ژانگ پیش‌بینی کرد که به‌زودی شاهد محصولات قدرتمندی خواهیم بود که توسط ایجنت‌های هوش مصنوعی حمایت می‌شوند و در پلتفرم‌های مختلف مانند رسانه‌های اجتماعی یکپارچه می‌شوند.

اشتراک گذاری:
blockchain-newspaper Logo

نویسنده : مصطفی جلیلی

نظرات خود را با ما به اشتراک بگذارید

آدرس ای میل شما نمایش داده نمیشود.

https://t.me/IT_EXPERT_MAN