التكنولوجيا

تُعد Bittensor شبكة ذكاء اصطناعي لامركزية تتيح سوقاً مفتوحاً لتعلم الآلة عبر أدوار Subnet وMiner وValidator. وباعتماد آلية توافق Yuma، تُمكن من تقييم النماذج وتوزيع حوافز TAO. بخلاف منصات الذكاء الاصطناعي المركزية التقليدية، تحول Bittensor قدرات النماذج إلى أصول يمكن تخصيص قيمتها.

Bittensor (TAO) هو شبكة لامركزية تجمع بين البلوكشين والذكاء الاصطناعي. تتيح بنية الشبكات الفرعية لنماذج الذكاء الاصطناعي التنافس والحصول على مكافآت ضمن سوق مفتوح.

تُعد TAO الرمز الأصلي لشبكة Bittensor، حيث تلعب دورًا أساسيًا في توزيع الحوافز، وتعزيز أمان الشبكة، وجذب القيمة داخل منظومة الذكاء الاصطناعي اللامركزية. وبالاستفادة من آلية الإصدار التضخمي، ونظام التخزين، ونموذج حوافز الشبكات الفرعية، يتيح TAO نظامًا اقتصاديًا يركّز على المنافسة وتقييم نماذج الذكاء الاصطناعي.

تُعد Bittensor Subnet سوقًا مستقلة لمهام الذكاء الاصطناعي ضمن الشبكة. يضع كل Subnet آليات حوافز مخصصة لسيناريوهات مثل توليد النصوص أو التعرف على الصور أو التنبؤ. من خلال قيام Miners بتقديم النماذج، وValidators بتقييم الجودة، والتخصيص الديناميكي لرموز TAO/Alpha، يتيح الـ Subnet إنتاج وتسعير الذكاء الآلي بطريقة لامركزية.

تعتمد Bittensor و Fetch.ai و SingularityNET على الحوافز الرمزية لدعم توفير موارد الذكاء الاصطناعي مثل النماذج، والقدرة الحاسوبية، والخدمات، بهدف بناء شبكات مفتوحة تتيح الوصول إلى الذكاء الاصطناعي وتكسر احتكار المنصات المركزية التقليدية. لكن الفروقات الأساسية بينها تظهر في الطبقات التقنية وطرق تحقيق القيمة. تعمل كل منصة ضمن قطاع منفصل من الذكاء الاصطناعي اللامركزي: إنتاج النماذج، تنفيذ المهام، وتوزيع الخدمات.

يعد Walrus بروتوكولاً لامركزياً لتخزين البيانات تم تطويره على بلوكشين Sui، ويهدف إلى تحويل البيانات من التخزين التقليدي السلبي إلى مورد على السلسلة يمكن التحقق منه وبرمجته وتداوله، مما يوفر بنية تحتية أساسية لتطبيقات التمويل اللامركزي (DeFi) والذكاء الاصطناعي (AI).

يشكل Walrus (WAL) الرمز المحوري لشبكات تخزين البيانات اللامركزية، حيث يُستخدم بشكل أساسي لدفع خدمات التخزين على البلوكشين، تحفيز تشغيل عقد الشبكة، والمشاركة في إدارة البروتوكول. وبدمجه سوق موارد التخزين، مكافآت عقد التحقق، واقتصاديات الرمز، يؤسس Walrus بنية تحتية موزعة للبيانات تدور حول دورة القيمة الأساسية لـ WAL.

يُعد وكلاء الذكاء الاصطناعي في أبحاث السوق أنظمة مؤتمتة صُممت لجمع ومعالجة وتحليل كميات ضخمة من البيانات لدعم اتخاذ القرار. في هذا المجال، تدمج هذه الوكلاء البيانات المنظمة مع مصادر المعلومات اللحظية، مثل Gate News وGate Info، لرصد الاتجاهات، وتقييم المشاعر، واستخلاص رؤى قابلة للتطبيق. مع تطور سوق الأصول الرقمية، أصبحت عملية دمج البيانات متعددة الطبقات عنصرًا أساسيًا لفهم ديناميكيات السوق. إن تعميق المعرفة بآليات عمل هذه الأنظمة يبرز دورها المحوري في عمليات التحليل المالي الحديثة.

توفر Gate Exchange for AI وصولًا مباشرًا إلى أنظمة التداول في البورصات المركزية، في حين تتيح Gate DEX for AI لوكلاء الذكاء الاصطناعي الاتصال المباشر ببيئات التمويل اللامركزي على البلوكشين. يختلف هذان النهجان في التنفيذ من حيث مسارات التداول، وهياكل حفظ الأصول، وطرق التحكم التشغيلي. إن فهم آلية عمل هذه البنى التنفيذية يوضح كيف يتفاعل وكلاء الذكاء الاصطناعي مع البنى التحتية المالية المركزية واللامركزية داخل منظومة العملات الرقمية اليوم.

يُعتبر توجيه نماذج الذكاء الاصطناعي آلية تقنية تتيح الاختيار الديناميكي لأكثر النماذج ملاءمة من بين عدة خيارات لمعالجة طلب محدد. ويُعرف هذا المفهوم أيضاً باسم "موجه نماذج الذكاء الاصطناعي" أو "LLM Router". من خلال الاعتماد على نظام توجيه النماذج، يمكن لتطبيقات الذكاء الاصطناعي اختيار نماذج لغوية ضخمة (LLMs) مختلفة تلقائياً وفقاً لتعقيد المهمة، والتكلفة، وسرعة الاستجابة، مما يسمح لها بتحقيق توازن فعّال بين الأداء والتكلفة.

واجهة برمجة التطبيقات لوكيل الذكاء الاصطناعي هي آلية تتيح لوكلاء الذكاء الاصطناعي التفاعل مع نماذج الذكاء الاصطناعي أو الخدمات الخارجية عبر واجهة برمجة التطبيقات (API). من خلال هذه الواجهات، يستطيع وكلاء الذكاء الاصطناعي الوصول إلى نماذج اللغة الضخمة، وخدمات البيانات، وتطبيقات البلوكشين، مما يمكّنهم من تنفيذ المهام المعقدة بشكل تلقائي.

يعد بروتوكول x402 بروتوكول دفع API Web3 مخصص لوكلاء الذكاء الاصطناعي، تم تطويره لمعالجة مشاكل الدفع في استدعاءات API المؤتمتة. يستند إلى رمز الحالة 402 Payment Required من معيار HTTP، ويعتمد آليات دفع مبنية على البلوكشين، مما يمكّن البرامج من أتمتة عمليات الدفع والتسوية أثناء طلبات API. بهذا الأسلوب، يضع البروتوكول بنية تحتية جديدة لمعاملات الخدمات بين الأجهزة (M2M).

يُعد GateRouter بمثابة بوابة توجيه نماذج الذكاء الاصطناعي وبوابة النماذج اللغوية الكبيرة (LLM) في منظومة Gate for AI. يتيح للمطورين ووكلاء الذكاء الاصطناعي إمكانية الاتصال بعدة نماذج لغوية كبيرة من مزودين مختلفين، مثل GPT وClaude وGemini، عبر واجهة API موحدة.

GateRouter و OpenRouter يُصنَّفان ضمن قطاع موجهات النماذج الذكية (AI Model Router)، حيث يوفران للمطورين واجهة موحدة للوصول إلى العديد من النماذج اللغوية الضخمة (LLMs). رغم التشابه النسبي في وظائفهما، إلا أن تموضعهما التقني وسيناريوهات الاستخدام تختلف. يركز OpenRouter على منصات تجميع واجهات برمجة تطبيقات الذكاء الاصطناعي التقليدية، في حين يسعى GateRouter إلى تأسيس بنية تحتية أساسية لتوجيه النماذج تلبي احتياجات منظومة Web3 ووكلاء الذكاء الاصطناعي (AI Agent).

في الأنظمة المالية، يُعد "الوكيل الذكي" (AI Agent) منصة برمجية قادرة على فهم الأهداف، واستخدام الأدوات الخارجية، وجمع بيانات السوق، وتحديد الإجراءات المناسبة. أما روبوتات التداول في العملات الرقمية فهي غالبًا برامج قائمة على قواعد محددة تُنفذ الصفقات تلقائيًا وفق منطق مُسبق التعريف. ومع تزايد تجزئة سوق العملات الرقمية بين منصات التداول المركزية، والمنصات اللامركزية، والمحافظ، وتغذيات الأخبار، ومصادر البيانات على السلسلة (on-chain)، يزداد الاهتمام بالأنظمة القائمة على الوكلاء الذكيين. وتُعد البنية التحتية الأساسية مثل Gate للذكاء الاصطناعي مثالًا واضحًا لهذا الاتجاه، إذ تقوم بربط وتجزئة قدرات الذكاء الاصطناعي عبر بروتوكول سياق النماذج (Model Context Protocol - MCP)، ما يسمح لأنظمة الذكاء الاصطناعي بالوصول إلى وظائف التداول، والمحافظ، والأخبار، والبيانات على السلسلة، بدلاً من حصر الأتمتة في نص تنفيذي واحد. ويُعد هذا الفرق جوهريًا لأن بيئة سوق العملات الرقمية تتغير بسرعة كبيرة. فتقلب الأسعار، وظروف السيولة، ومؤشرات معنويات السوق، وفرص التداول عبر المنصات غالبًا ما تتبدل بوتيرة أسرع من قدرة القواعد الثابتة على ا