شن یو، یکی از بنیانگذاران کوبو، انتظار دارد که عوامل هوش مصنوعی به منبع مهمتری از فعالیتهای زنجیرهای نسبت به کاربران انسانی تبدیل شوند و اتریوم یکی از شبکههایی است که او برای نشانههای پذیرش گسترده زیر نظر دارد. در گفتوگو با جین مینگ، بنیانگذار فناوری پولیلینک، یو استدلال کرد که هوش مصنوعی میتواند زیرساختهای بلاکچین را پشت رابط کاربری قرار دهد و به عوامل نرمافزاری اجازه دهد وظایفی را انجام دهند که امروزه نیاز به کاربران دارد تا خودشان کیف پولها، هزینههای تراکنش و تصمیمات امنیتی را مدیریت کنند.
این ایده پیامدهایی برای نحوه طراحی محصولات رمزنگاری دارد. بسیاری از برنامههای زنجیرهای فعلی فرض میکنند که کاربران امنیت کلید خصوصی، تأییدیههای توکن، پلزنی و اجرای تراکنش را درک میکنند. یو گفت که این نیاز همچنان مانعی بزرگ برای استفاده عمومی است. عوامل میتوانند به لایهای واسطه تبدیل شوند که دستورالعملهای یک فرد را تفسیر کرده و اقدامات انتخابی را در شبکههای غیرمتمرکز انجام دهند.
یو استدلال نکرد که اتریوم تنها مقصد برای این سیستمها خواهد بود. او گفت که شبکههای متعددی میتوانند از عوامل پشتیبانی کنند. اما زیرساخت غیرمتمرکز اتریوم میتواند آن را برای عملکردهایی مانند ثبتنام عوامل و اجزای هماهنگی مرتبط مناسب کند، بهویژه اگر توسعهدهندگان خدماتی بسازند که عوامل بتوانند بدون تکیه بر اپراتورهای متمرکز از آنها استفاده کنند.
هوش مصنوعی هزینه ساخت را تغییر میدهد
یو تغییر را از طریق کاهش هزینه اجرا توضیح داد. او گفت که سیستمهای هوش مصنوعی میتوانند حجم زیادی از دانش انسانی را با هزینه نسبتاً کم فشرده، سازماندهی و بازیابی کنند و فاصله بین یک ایده و یک محصول کارا را کاهش دهند.
این امر اقتصاد را برای سازندگان فردی تغییر میدهد. یو گفت که از زمانی که محصولات هوش مصنوعی بهطور گسترده در دسترس قرار گرفتند، مجموعهای از ابزارها و داشبوردهای کوچک ایجاد کرده است و از این فناوری برای گسترش آنچه یک فرد میتواند تولید کند استفاده کرده است. او هنوز بر روی یک پروژه در سطح سیستم بزرگتر مستقر نشده و گفت که همچنان در مرحله اکتشافی قرار دارد.
حساب او نشاندهنده شکاف فزاینده در توسعه فناوری است: هوش مصنوعی میتواند ساخت نمونههای اولیه و ابزارهای تخصصی را آسانتر کند، در حالی که شناسایی یک محصول پایدار با مدل کسبوکار قابل دفاع همچنان بسیار دشوار است. در دسترس بودن دستیارهای کدنویسی و ابزارهای تحقیق بهطور خودکار مسائل توزیع، امنیت، تناسب محصول با بازار یا سوالات نظارتی را حل نمیکند، بهویژه در برنامههای مالی.
جریان کاری روزانه یو به شدت به سمت اطلاعات فیلتر شده توسط هوش مصنوعی حرکت کرده است. او گفت که از سه عامل جداگانه استفاده میکند: یکی برای تصمیمگیریهای ابزاری، یکی برای تأمل و سومی که فعالیت روز قبل را بررسی میکند، نقاط کور ممکن را شناسایی کرده و مطالب کوتاه خواندنی پیشنهاد میدهد.
او همچنین یک سیستم یادداشتبرداری را توصیف کرد که مناطق علاقهمندی قبلی را با موضوعات جدید متصل میکند. به جای خواندن مقادیر زیادی از مواد منبع پردازش نشده، یو گفت که معمولاً خلاصههای تولید شده توسط هوش مصنوعی را بررسی میکند و گاهی اوقات آنها را به اسلایدهایی برای اسکن سریع تبدیل میکند. این رویکرد هوش مصنوعی را کمتر به عنوان یک موتور جستجو و بیشتر به عنوان یک لایه تحقیق و بررسی شخصی در نظر میگیرد.
از زیرساختهای استخراج تا شبکههای عامل
یو علاقه خود به ابزارهای اجرایی را با کار قبلی خود در زیرساختهای رمزنگاری که به سال ۲۰۱۱ برمیگردد، مرتبط کرد. او گفت که استخراج در سال ۲۰۱۳ مشکلات عملی ارائه داد، از جمله تأخیر شبکه بینالمللی و از دست دادن بستهها که میتوانست کارایی عملیاتی را کاهش دهد. او همچنین روشهای تسویه حسابی که در آن زمان در صنعت استخراج استفاده میشد را ناکارآمد میدید.
چالشهای اولیه زیرساختی با بحثهای امروزی در مورد عوامل متفاوت بود، اما آنها تمرکز مشترکی بر کاهش اصطکاک در سیستمهایی که در سراسر مرزها و بدون واسطههای متعارف عمل میکنند، دارند. اپراتورهای استخراج به اتصالات شبکهای قابل اعتمادتر و فرآیندهای تسویه حساب نیاز داشتند؛ برنامههای مبتنی بر عامل به مجوزهای امن، اجرای قابل اعتماد و محدودیتهای واضح در مورد آنچه نرمافزار میتواند با داراییهای کاربر انجام دهد، نیاز خواهند داشت.
سوال امنیتی مرکزی است. عاملی که میتواند تراکنشها را به نمایندگی از یک شخص ارسال کند ممکن است استفاده را ساده کند، اما همچنین به اختیار محدود نیاز دارد. طراحان محصول باید تصمیم بگیرند که آیا یک عامل میتواند آزادانه وجوه را جابجا کند، فقط در محدودههای از پیش تعیین شده خرج کند، به برنامههای خاصی دسترسی داشته باشد یا برای اقدامات حساس نیاز به تأیید اضافی داشته باشد. دیدگاه یو این چالش طراحی را نزدیک به مرکز نسل بعدی محصولات وب۳ قرار میدهد.
بیتکوین همچنان هسته اصلی نظریه نگهداری است
یو گفت که دیدگاه او نسبت به بیتکوین برای بیش از یک دهه تا حد زیادی بدون تغییر باقی مانده است. او آن را به عنوان "طلای دیجیتال" توصیف کرد و بر توانایی نگهداری مستقیم یک دارایی بدون وابستگی به واسطههای لایهای تأکید کرد.
او این ویژگی را به ایده "فرد مستقل" مرتبط کرد، مفهومی که جین نیز در مورد آن بحث کرده است. در چارچوب یو، هوش مصنوعی ظرفیت تولیدی فرد را گسترش میدهد، در حالی که بیتکوین شکلی از کنترل مالکیت را فراهم میکند که میتواند از طریق نگهداری مستقیم اعمال شود.
یو گفت نقش بیتکوین در دورههای استرس بیشتر دیده میشود، حتی اگر توجه در طول رالیهای گسترده بازار کاهش یابد. این ارزیابی با نظریه مالکیت بلندمدت سازگار است و نه استراتژیای که بر اساس واکنش به هر رویداد کلان اقتصادی کوتاهمدت ساخته شده باشد.
جین رویکردی مشابه با افق بلندمدت برای خرید بیتکوین ارائه کرد، اگرچه آن را به سطوح قیمتی خاصی متصل کرد. او گفت که تمایل کمتری برای افزودن بالای ۱۰۰,۰۰۰ دلار دارد و بیشتر تمایل دارد زیر ۹۰,۰۰۰ دلار خرید کند، و خریدها را در فواصل ۹,۰۰۰ دلاری تا ۶۰,۰۰۰ دلار مقیاسبندی کند. او این رویکرد را به عنوان انباشت تدریجی و نه تجارت کوتاهمدت ارائه کرد.
چارچوبی محدود برای داراییهای اصلی
یو گفت که اولویت او تجارت رویدادهای لحظهای نیست و ترجیح میدهد مطالعه کند که چگونه محصولات مالی ایجاد میشوند و چرا تقاضا توسعه مییابد. او گفت که چرخه دیفای او را وادار کرد تا آن چارچوب را رسمی کند، قبل از اینکه رشد نمایندگیهای توکنیزه شده از داراییهای سنتی او را تشویق کند تا بازارهای متعارف را با دقت بیشتری مطالعه کند.
فرآیند او با موقعیتهای مشاهده کوچک آغاز میشود، معمولاً نه بیشتر از ۲٪ از یک پورتفولیو و گاهی فقط چند دهم درصد. تخصیص بزرگتر نیاز به تحقیقات بیشتر دارد. یو گفت که یک دارایی که از حدود ۱۰٪ به ۲۰٪ از یک پورتفولیو حرکت میکند باید یک بازار قابل آدرسدهی بسیار بزرگ، منطق کسبوکار منسجم و قابلیت دفاعی استثنایی را نشان دهد.
او رویکرد را به عنوان «انحصار + رشد» خلاصه کرد. بیتکوین، اتریوم و تسلا در آن چارچوب برای او جای میگیرند، در حالی که اسپیسایکس همچنان تحت نظر است. یو همچنین گفت که بحث داخلی در مورد اینکه آیا اتریوم باید جایگاه خود را در آن گروه حفظ کند، وجود داشته است، که نشان میدهد حتی یک نظریه بلندمدت نیز میتواند بازنگری شود.
بحث همچنین فرضیات متعارف تنوعبخشی را به چالش کشید. با اشاره به کار اقتصاددان جیمز توبین در مورد ساختار پورتفولیو، یو گفت که داراییهایی که در شرایط عادی به نظر میرسند به طور ضعیفی همبسته هستند، ممکن است در طول استرس سیستمیک با هم حرکت کنند. نتیجهگیری او این بود که همبستگی منفی نمیتواند به عنوان محافظت قابل اعتماد در شدیدترین سناریوهای بازار فرض شود.
جین، که کار او بر روی فناوری هوش مصنوعی ویدئویی متمرکز است و همچنین یک ورزشکار تیم ملی آزاد چینی است، مدیریت ریسک در بازارها را با انضباط مورد نیاز زیر آب مقایسه کرد. او خطر بیهوشی در هنگام غواصی با نگهداشتن نفس را توصیف کرد، جایی که از دست دادن آگاهی به تأخیر افتاده میتواند یک واکنش عادی برای تنفس را به یک رویداد تهدیدکننده زندگی در زیر سطح تبدیل کند.
این قیاس با احتیاط گستردهتر مکالمه همخوانی دارد: هوش مصنوعی ممکن است افراد و سیستمهای نرمافزاری را توانمندتر کند، اما اجرای خودکار خطر را از بین نمیبرد. همانطور که عوامل فعالیتهای بیشتری را در زنجیره انجام میدهند، بادوامترین محصولات ممکن است آنهایی باشند که عملیات با سرعت ماشین را با کنترلهای واضح بر نگهداری، مجوزها و مواجهه ترکیب میکنند.
کاوش کنید که چگونه هوش مصنوعی و بلاکچین برای قدرت بخشیدن به عوامل نرمافزاری، خودکارسازی تصمیمات رمزنگاری و بازسازی تعامل و پذیرش در زنجیره همگرا میشوند.
سلب مسئولیت: محتوای این صفحه فقط برای اهداف اطلاعاتی عمومی ارائه شده است و نمایانگر دیدگاهها یا مشاوره مالی Toobit نیست. ما هیچ تضمینی در مورد دقت یا کامل بودن این اطلاعات نمیدهیم و مسئولیتی در قبال هرگونه خطا، حذف یا نتایج ناشی از استفاده از آن نخواهیم داشت. سرمایهگذاری در داراییهای دیجیتال شامل ریسک است؛ کاربران باید به طور مستقل وضعیت مالی خود و ریسکهای مربوطه را ارزیابی کنند. برای جزئیات بیشتر، لطفاً به شرایط خدمات و افشای ریسک.
