في الآونة الأخيرة، أعرب الناس عن شكوكهم بشأن فعالية استراتيجية Ethereum Rollup-Centric، وانتقدوا الهيكل متعدد الطبقات L1-L2-L3. ومن المثير للاهتمام أن مجال الذكاء الاصطناعي شهد أيضًا تطورًا سريعًا مشابهًا لـ L1-L2-L3 على مدار العام الماضي. من خلال مقارنة مسارات تطوير هذين القطاعين، يمكننا اكتشاف بعض الاختلافات المثيرة للاهتمام.
في مجال الذكاء الاصطناعي، يظهر التطور الطبقي تقدمًا ملحوظًا في القدرات:
نموذج اللغة الكبير من الطبقة L1 (LLMs) أسس القدرة الأساسية على فهم اللغة وتوليدها، لكنه يعاني من نقاط ضعف في الاستدلال المنطقي والحسابات الرياضية.
نموذج الاستدلال الخاص بطبقة L2 يعالج هذه المشكلات بشكل مستهدف. على سبيل المثال، بعض النماذج قادرة على معالجة مسائل الرياضيات المعقدة وتصحيح الشيفرات، مما يعوض عن الفجوات المعرفية في LLMs.
ستقوم وكيل الذكاء الاصطناعي من الطبقة L3 بدمج قدرات الطبقتين السابقتين، مما يجعل الذكاء الاصطناعي يتحول من الردود السلبية إلى التنفيذ النشط، مما يمكنه من تخطيط المهام بشكل مستقل، واستدعاء الأدوات، ومعالجة سير العمل المعقد.
تُظهر هذه النموذج الطبقي تقدمًا تقنيًا واضحًا: L1 يُؤسس الأساس، L2 يُعالج الثغرات، L3 يقوم بالتكامل. كل طبقة تحقق قفزة نوعية على أساس الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وفائدة.
بالمقارنة, يظهر تطور الصناعة الأصول الرقمية ذو الطبقات خصائص مختلفة:
تواجه سلاسل الكتل العامة من المستوى الأول قيودًا في الأداء، لذا تم إدخال حلول التوسع من المستوى الثاني. ولكن بعد تجربة موجة من حمى البنية التحتية من المستوى الثاني، على الرغم من انخفاض رسوم الغاز وزيادة معدل المعاملات في الثانية، إلا أنه ظهرت مشاكل جديدة مثل تشتيت السيولة ونقص التطبيقات البيئية.
لحل هذه المشاكل، ظهرت سلاسل التطبيقات العمودية L3. ومع ذلك، تفتقر سلاسل التطبيقات إلى التنسيق، مما يمنعها من مشاركة مزايا البيئة العامة، مما يزيد من تفتيت تجربة المستخدم.
هذا النموذج الطبقي يشبه "نقل المشكلة": يوجد اختناق في L1، توفر L2 حلاً مؤقتاً، بينما تجلب L3 تعقيداً جديداً. يبدو أن كل طبقة تنقل المشكلة من مجال إلى آخر بدلاً من حلها من جذورها.
السبب الجذري لهذا الاختلاف قد يكون في: التطور الطبقي في صناعة الذكاء الاصطناعي مدفوع أساسًا بالمنافسة التكنولوجية، حيث تتنافس الشركات الكبرى على تعزيز قدرة النماذج. بينما يتأثر التطور الطبقي في صناعة الأصول الرقمية بشكل أكبر بالاقتصاد الرمزي، وغالبًا ما تعتبر مشاريع L2 كمية القيمة الإجمالية المقفلة ( وسعر الرمز كأهم مؤشرات الأداء الرئيسية.
تُظهر هذه المقارنة الفروق بين القطاعين في دوافع التنمية والأهداف: أحدهما يكرس جهوده لحل المشكلات التقنية، بينما يركز الآخر أكثر على تصميم المنتجات المالية. بالطبع، هذه المقارنة ليست مطلقة، وإنما تهدف فقط إلى إثارة تفكيرنا حول مسارات تطوير القطاع.
في المستقبل، قد تستلهم صناعة الأصول الرقمية من نماذج التطور في مجال الذكاء الاصطناعي، مع التركيز أكثر على الابتكار التكنولوجي وحل المشكلات الحقيقية، وليس الاقتصار فقط على تصميم علم الاقتصاد الرمزي. في الوقت نفسه، يجب أن ندرك أن كل صناعة لها خصائصها وتحدياتها الفريدة، ولا يمكن تطبيق نماذج التطور من مجالات أخرى بشكل بسيط.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
مقارنة التطور الطبقي بين الذكاء الاصطناعي وصناعة الأصول الرقمية: الدروس والتأملات
الذكاء الاصطناعي والأصول الرقمية : الاختلافات والتفكير
في الآونة الأخيرة، أعرب الناس عن شكوكهم بشأن فعالية استراتيجية Ethereum Rollup-Centric، وانتقدوا الهيكل متعدد الطبقات L1-L2-L3. ومن المثير للاهتمام أن مجال الذكاء الاصطناعي شهد أيضًا تطورًا سريعًا مشابهًا لـ L1-L2-L3 على مدار العام الماضي. من خلال مقارنة مسارات تطوير هذين القطاعين، يمكننا اكتشاف بعض الاختلافات المثيرة للاهتمام.
في مجال الذكاء الاصطناعي، يظهر التطور الطبقي تقدمًا ملحوظًا في القدرات:
نموذج اللغة الكبير من الطبقة L1 (LLMs) أسس القدرة الأساسية على فهم اللغة وتوليدها، لكنه يعاني من نقاط ضعف في الاستدلال المنطقي والحسابات الرياضية.
نموذج الاستدلال الخاص بطبقة L2 يعالج هذه المشكلات بشكل مستهدف. على سبيل المثال، بعض النماذج قادرة على معالجة مسائل الرياضيات المعقدة وتصحيح الشيفرات، مما يعوض عن الفجوات المعرفية في LLMs.
ستقوم وكيل الذكاء الاصطناعي من الطبقة L3 بدمج قدرات الطبقتين السابقتين، مما يجعل الذكاء الاصطناعي يتحول من الردود السلبية إلى التنفيذ النشط، مما يمكنه من تخطيط المهام بشكل مستقل، واستدعاء الأدوات، ومعالجة سير العمل المعقد.
تُظهر هذه النموذج الطبقي تقدمًا تقنيًا واضحًا: L1 يُؤسس الأساس، L2 يُعالج الثغرات، L3 يقوم بالتكامل. كل طبقة تحقق قفزة نوعية على أساس الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وفائدة.
بالمقارنة, يظهر تطور الصناعة الأصول الرقمية ذو الطبقات خصائص مختلفة:
تواجه سلاسل الكتل العامة من المستوى الأول قيودًا في الأداء، لذا تم إدخال حلول التوسع من المستوى الثاني. ولكن بعد تجربة موجة من حمى البنية التحتية من المستوى الثاني، على الرغم من انخفاض رسوم الغاز وزيادة معدل المعاملات في الثانية، إلا أنه ظهرت مشاكل جديدة مثل تشتيت السيولة ونقص التطبيقات البيئية.
لحل هذه المشاكل، ظهرت سلاسل التطبيقات العمودية L3. ومع ذلك، تفتقر سلاسل التطبيقات إلى التنسيق، مما يمنعها من مشاركة مزايا البيئة العامة، مما يزيد من تفتيت تجربة المستخدم.
هذا النموذج الطبقي يشبه "نقل المشكلة": يوجد اختناق في L1، توفر L2 حلاً مؤقتاً، بينما تجلب L3 تعقيداً جديداً. يبدو أن كل طبقة تنقل المشكلة من مجال إلى آخر بدلاً من حلها من جذورها.
السبب الجذري لهذا الاختلاف قد يكون في: التطور الطبقي في صناعة الذكاء الاصطناعي مدفوع أساسًا بالمنافسة التكنولوجية، حيث تتنافس الشركات الكبرى على تعزيز قدرة النماذج. بينما يتأثر التطور الطبقي في صناعة الأصول الرقمية بشكل أكبر بالاقتصاد الرمزي، وغالبًا ما تعتبر مشاريع L2 كمية القيمة الإجمالية المقفلة ( وسعر الرمز كأهم مؤشرات الأداء الرئيسية.
تُظهر هذه المقارنة الفروق بين القطاعين في دوافع التنمية والأهداف: أحدهما يكرس جهوده لحل المشكلات التقنية، بينما يركز الآخر أكثر على تصميم المنتجات المالية. بالطبع، هذه المقارنة ليست مطلقة، وإنما تهدف فقط إلى إثارة تفكيرنا حول مسارات تطوير القطاع.
في المستقبل، قد تستلهم صناعة الأصول الرقمية من نماذج التطور في مجال الذكاء الاصطناعي، مع التركيز أكثر على الابتكار التكنولوجي وحل المشكلات الحقيقية، وليس الاقتصار فقط على تصميم علم الاقتصاد الرمزي. في الوقت نفسه، يجب أن ندرك أن كل صناعة لها خصائصها وتحدياتها الفريدة، ولا يمكن تطبيق نماذج التطور من مجالات أخرى بشكل بسيط.