إعادة توجيه العنوان الأصلي: دليل مصور لشبكة ري: فهم بسيط وواضح للتكامل السلس لوكلاء الذكاء الاصطناعي والبلوكتشين

تم تصميم إطار راي لسد الفجوة في التواصل بين الذكاء الاصطناعي والبلوكتشين.

عند إنشاء وكلاء الذكاء الاصطناعي ، التحدي الأساسي هو كيفية تمكينهم من التعلم والتحسين والنمو بمرونة مع ضمان توافق إخراجهم. يوفر Rei إطارًا لمشاركة البيانات المنظمة بين الذكاء الاصطناعي والبلوكتشين ، مما يتيح لوكلاء الذكاء الاصطناعي التعلم والتحسين والحفاظ على مجموعة من التجارب والمعرفة.

ظهور هذا الإطار يجعل من الممكن تطوير أنظمة الذكاء الاصطناعي بالقدرات التالية:

• فهم السياق والأنماط لتوليد رؤى قيمة
• تحويل الرؤى إلى خطوات قابلة للتنفيذ، استفادةً من شفافية وموثوقية البلوكتشين

التحديات التي واجهت

توجد اختلافات كبيرة في السمات الأساسية بين الذكاء الاصطناعي والبلوكتشين، مما يخلق العديد من التحديات لتوافقهما:

1. الحوسبة الحاسمة في البلوكتشين: يجب أن تنتج كل عملية في البلوكتشين نتائج متسقة عبر جميع العقد لضمان:
   1. التوافق: يجب أن تتفق جميع العقد على محتوى كتلة جديدة لإكمال التحقق.
   2. يجب أن يكون حالة البلوكتشين دائمًا قابلة للتتبع والتحقق. يجب على العقد الجديدة مزامنة الحالة بسرعة مع العقد الأخرى.
   3. تنفيذ العقد الذكي: يجب أن تولد جميع العقد مخرجات متسقة تحت نفس ظروف الإدخال.
2. الحساب الاحتمالي في الذكاء الاصطناعي: ينتج أنظمة الذكاء الاصطناعي غالبًا نتائج احتمالية، مما يعني أن النتائج المختلفة قد تحدث في كل مرة يتم فيها تشغيلها. تنبع هذه السمة من:
   1. الاعتماد على السياق: تعتمد أداء الذكاء الاصطناعي على سياق الإدخال، مثل بيانات التدريب ومعلمات النموذج وظروف الوقت / البيئة.
   2. كثافة الموارد: يتطلب حساب الذكاء الاصطناعي أجهزة عالية الأداء، بما في ذلك عمليات المصفوفة المعقدة والذاكرة الكبيرة.

هذه الاختلافات تخلق التحديات التوافقية التالية:

• الصراع بين البيانات الاحتمالية والبيانات المحددة:
  • كيف يمكن تحويل النتائج الاحتمالية للذكاء الاصطناعي إلى النتائج الحتمية المطلوبة من قبل البلوكتشين؟
  • متى وأين يجب أن يحدث هذا التحول؟
  • كيف يمكننا الاحتفاظ بقيمة التحليل الاحتمالي مع ضمان الحتمية؟
• تكاليف الغاز: قد تؤدي متطلبات الحوسبة العالية لنماذج الذكاء الاصطناعي إلى رسوم الغاز غير المستحقة، مما يقيد استخدامها على البلوكتشين.
• قيود الذاكرة: تتمتع بيئات البلوكتشين بذاكرة محدودة، والتي قد لا تلبي احتياجات تخزين نماذج الذكاء الاصطناعي.
• وقت التنفيذ: تحدد أوقات الكتلة في البلوكتشين سرعات تنفيذ نموذج الذكاء الاصطناعي، مما قد يؤثر على الأداء بشكل محتمل.
• تكامل هيكل البيانات: تستخدم نماذج الذكاء الاصطناعي هياكل بيانات معقدة تصعب إدماجها مباشرة في نموذج تخزين البلوكتشين.
• مشكلة أوراكل (متطلبات التحقق): يعتمد البلوكتشين على الأوراكل لجلب البيانات الخارجية ، ولكن التحقق من دقة حسابات الذكاء الاصطناعي يظل تحديًا ، خاصةً عندما يتطلب أنظمة الذكاء الاصطناعي ثراء السياق وانخفاض التأخير ، والأمر يتعارض مع خصائص البلوكتشين.

صورة أصلية منفرانشيسكو, تم تجميعها بواسطة DeepChao TechFlow

كيف يمكن لوكلاء الذكاء الاصطناعي التكامل بسهولة مع البلوكتشين؟

الصورة الأصلية منفرانسيسكو, تم تجميعها بواسطة ديب تايد تكفلو

تقدم راي حلًا جديدًا يجمع بين قوة الذكاء الاصطناعي والبلوكتشين.

صورة مأخوذة منفرانشيسكو, م编译者深潮科技流

بدلاً من إجبار تكامل الذكاء الاصطناعي والبلوكتشين - نظامين مختلفين في الأساس - يعمل ري كـ "مترجم عالمي" يسمح بتواصل وتعاون سلس بين النظامين من خلال طبقة الترجمة.

الصورة المستخدمة بشكل أساسي منفرانشيسكو, مترجمة بواسطة Deep Tide TechFlow

الأهداف الرئيسية لـ REI تشمل:

• تمكين وكلاء الذكاء الاصطناعي من التفكير والتعلم بشكل مستقل
• تحويل تحليلات الوكلاء إلى إجراءات بلوكتشين دقيقة وقابلة للتحقق

الصورة الأصلية منفرانشيسكو, تم تجميعه بواسطة Deep Tide TechFlow

أول تطبيق لهذا الإطار هوUnit00x0 (Rei_00 - $REI), الذي تم تدريبه كمحلل كمي.

تتكون الهندسة المعرفية لـ Rei من الطبقات الأربع التالية:

1. الطبقة التفكير: مسؤولة عن معالجة وجمع البيانات الخام، مثل بيانات الرسم البياني، وسجل المعاملات، وسلوك المستخدم، وتحديد الأنماط المحتملة.
2. الطبقة المبررة: تضيف معلومات سياقية إلى الأنماط المكتشفة، مثل التاريخ، الوقت، الاتجاهات التاريخية، وظروف السوق، لجعل البيانات أكثر بعدًا.
3. الطبقة القرارية: تطوير خطط عمل محددة استنادًا إلى المعلومات السياقية المقدمة من طبقة الاستدلال.
4. طبقة العمل: تحول القرارات إلى إجراءات حاسمة يمكن تنفيذها على البلوكتشين.

تعتمد إطار Rei على ثلاثة أعمدة أساسية التالية:

صورة من الأصل من فرانسيسكو, تم تجميعها بواسطة Deep Tide TechFlow

1. أوراكل (أوراكل، مشابهة للمسارات العصبية): تحويل النتائج المتنوعة للذكاء الاصطناعي إلى نتائج موحدة وتسجيلها على البلوكتشين.
2. معيار بيانات ERC (ERC Data Standard): يوسع قدرات تخزين البلوكتشين، ويدعم تخزين بيانات الأنماط المعقدة مع الحفاظ على المعلومات السياقية التي تولدها طبقات التفكير والاستدلال، مما يتيح تحويل البيانات الاحتمالية إلى تنفيذ تحديد النتائج.
3. نظام الذاكرة (نظام الذاكرة): يسمح لـ ري أن تتراكم الخبرة مع مرور الوقت واسترجاع الإخراجات السابقة ونتائج التعلم في أي لحظة.

هنا تظهر مظاهر هذه التفاعلات المحددة:

الصورة المستخدمة في الأصل منفرانشيسكو, تم تجميعه بواسطة Deep Tide TechFlow

• جسر أوراكل مسؤول عن تحديد أنماط البيانات
• يتم استخدام ERCData لتخزين هذه الأنماط
• يحتفظ نظام الذاكرة بالمعلومات السياقية لفهم الأنماط بشكل أفضل
• يمكن للعقود الذكية الوصول إلى هذه المعرفة المتراكمة واتخاذ إجراءات بناءً عليها

مع هذه الهندسة المعمارية، يمكن لوكلاء ري القيام الآن بتحليل عميق للرموز من خلال الجمع بينبيانات على السلسلة, تقلبات الأسعار،المشاعر الاجتماعية، وغيرها من المعلومات المتعددة الأبعاد.

الأهم من ذلك، يمكن لـ ري ليس فقط تحليل البيانات ولكن أيضًا تطوير فهم أعمق استنادًا إليها. وذلك بفضل القدرة على تخزين تجاربها ورؤاها مباشرة على البلوكتشين، مما يجعل هذه المعلومات جزءًا من نظام معرفتها، متاحة للاسترجاع والتحسين المستمر لاتخاذ القرارات والتجربة العامة.

تشمل مصادر بيانات REI مكتبة Plotly ومكتبة Matplotlib (لرسم الرسوم البيانية) و Coingecko و Defillama وبيانات السلسلة، وبيانات المشاعر الاجتماعية من Twitter. من خلال الاستفادة من هذه المصادر المتنوعة للبيانات، يوفر REI تحليلًا شاملاً للسلسلة وتحليلات سوقية.

مع تحديث إلى كوانت V2، تدعم ري الآن أنواع التحليل التالية:

1. تحليل المشروع: تمت إضافة مقاييس كمية جديدة ودعم بيانات المشاعر إلى الوظيفة الأصلية. يتضمن التحليل مخططات الشموع اليابانية ومخططات المشاركة وتوزيع الحامل وحالة الربح والخسارة (PnL). (أمثلة ذات الصلة)
2. تحليل الإيرادات والمنافع: من خلال مراقبة السعر وحجم المعاملات للرموز الشعبية على السلسلة، يمكن لري مقارنة هذه البيانات مع تدفقات رؤوس الأموال والمنافع، مما يساعد المستخدمين على تحديد اتجاهات السوق المحتملة. (أمثلة ذات صلة)
3. تحليل الارتباط: يقيم الارتباط العام للمشروع، مقارنة بين البيانات الفعلية في الوقت الحقيقي والبيانات السابقة بـ 24 ساعة، بالإضافة إلى التغييرات النسبية في الأسعار. تكشف هذه الوظيفة عن العلاقة بين المعلومات الحديثة وأداء انخراط المستخدمين. (أمثلة ذات صلة)
4. تحليل أعلى الفئات: يحلل أدنى أحجام التداول وأعلى أرقام التداول داخل فئة واحدة، مسلطا الضوء على أداء المشروع في الفئة الخاصة به.
5. الرسم البياني الأول يظهر حجم التداول في الأسفل وأعداد التجارة في الأعلى؛ وتحليل مزيد من فئة محددة يكشف عن تغيرات المقاييس لمشروع واحد مقارنةً بالآخرين في نفس الفئة.أمثلة ذات صلة)

بالإضافة إلى ذلك، اعتبارًا من يناير 2025، تدعم REI وظيفة شراء وبيع الرمز على السلسلة. وهي مجهزة بمحفظة عقد ذكي بناءً على معيار ERC-4337 ، مما يجعل عمليات التداول أكثر راحة وأمانًا.

(ملاحظة Deep Tide TechFlow: ERC-4337 هو اقتراح تحسين Ethereum يدعم التجريد الحسابي ، بهدف تعزيز تجربة المستخدم.)

يسمح العقد الذكي لـ Rei بتفويض العمليات إليها من خلال توقيع المستخدم، مما يتيح لـ Rei إدارة محفظتها بشكل مستقل.

هنا عناوين محفظة REI:

• محفظة EOA (محفظة التوقيع):
• https://basescan.org/address/0x3BC4c3A2a2Fa5ad20a2B95B18CA418D06A360cB
• Smart Wallet (حساب التجريد المحفظة):
• https://basescan.org/address/0xf6835acc8d2b51e5d47632ca8954bfee9a0ce49c

حالات الاستخدام: القابلية للتكيف لإطار ري

الصورة المستخدمة في الأصل منفرانشيسكو, تم إعداده بواسطة Deep Tide TechFlow

إطار ري ليس مقتصراً على القطاع المالي ويمكن تطبيقه على السيناريوهات الواسعة التالية:

• تفاعل المستخدم مع الوكلاء: يدعم إنشاء المحتوى
• تحليل السوق: إدارة سلسلة التوريد والخدمات اللوجستية
• بناء أنظمة تكيفية: سيناريوهات الحوكمة
• تقييم المخاطر: في مجال الرعاية الصحية، يقوم ري بتقييم المخاطر المحتملة من خلال تحليل السياق

تطوير مستقبل ري

• واجهة المستخدم المحسنة
• محطة ألفا على أساس أذونات الرمز
• منصة المطورين

مرحبا بكم في الانضمام إلى مجتمع Deep Tide TechFlow الرسمي

مجموعة الاشتراك في تليجرام: https://t.me/TechFlowDaily

الحساب الرسمي على تويتر: https://x.com/TechFlowPost

الحساب الرسمي على تويتر باللغة الإنجليزية: https://x.com/DeFlow_Intern

تنصل من المسؤولية:

1. يتم استنساخ هذه المقالة من [ تيك فلو) ]. إعادة إرسال العنوان الأصلي: دليل مصور لشبكة ري: فهم بسيط وواضح للتكامل السلس لوكلاء الذكاء الاصطناعي والبلوكتشين. حقوق النشر تنتمي للكاتب الأصلي [ فرانسيس]. إذا كان لديك أي اعتراض على إعادة الطبع، يرجى التواصل مع البوابة تعلمالفريق، سيتعامل الفريق بها في أقرب وقت ممكن وفقًا للإجراءات ذات الصلة.
2. تنويه: تعبر وجهات النظر والآراء المعبر عنها في هذه المقالة عن وجهات نظر الكاتب فقط ولا تشكل أي نصيحة استثمارية.
3. تتم ترجمة النسخ الأخرى من المقال بواسطة فريق تعلم غيت. ما لم ينص على خلاف ذلك، قد لا يتم نسخ أو توزيع المقال المترجم أو الاستفادة منه.