مقارنة تطور المستويات بين الذكاء الاصطناعي والأصول الرقمية
رأى البعض مؤخرًا أن استراتيجية Ethereum القائمة على Rollup-Centric تبدو فاشلة، وأعربوا عن عدم رضاهم عن نمط التداخل L1-L2-L3. ومن المثير للاهتمام أن التطورات في مجال الذكاء الاصطناعي خلال العام الماضي شهدت أيضًا تطورًا سريعًا مشابهًا لـ L1-L2-L3. بالمقارنة بين هذين المجالين، يمكننا أن نكتشف بعض الفروق المثيرة للاهتمام.
في مجال الذكاء الاصطناعي، كل طبقة تعمل على حل المشاكل الأساسية التي لم تتمكن الطبقة السابقة من حلها. نموذج اللغة الكبير L1 وضع الأساس لفهم اللغة وتوليدها، لكنه يفتقر في مجالات الاستدلال المنطقي والحسابات الرياضية. النموذج الاستدلالي L2 يستهدف هذه النقاط الضعيفة، حيث يمكن لبعض النماذج حل مشاكل رياضية معقدة وتصحيح الشيفرة، مما يعوض عن الفجوات المعرفية في نماذج اللغة الكبيرة. بناءً على ذلك، وكيل الذكاء الاصطناعي L3 يدمج قدرات الطبقتين السابقتين، مما يحول الذكاء الاصطناعي من الردود السلبية إلى التنفيذ النشط، حيث يمكنه التخطيط الذاتي للمهام، واستدعاء الأدوات، والتعامل مع عمليات العمل المعقدة.
تمثل هذه الطبقات في مجال الذكاء الاصطناعي تقدم القدرات: L1 تبني الأساس، وL2 تكمل النواقص، وL3 تقوم بالدمج. كل طبقة تحقق قفزة نوعية بناءً على الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وأكثر فائدة.
بالمقارنة، يبدو أن المنطق الطبقي في مجال الأصول الرقمية هو مجرد ترقيع لمشاكل الطبقات السابقة، ولكنه للأسف جلب مشاكل جديدة أكبر. تواجه سلاسل الكتل العامة من الطبقة الأولى اختناقات في الأداء، لذا تم تقديم حلول التوسع من الطبقة الثانية. ومع ذلك، بعد جولة من التنافس في بنية تحتية من الطبقة الثانية، على الرغم من انخفاض رسوم الغاز وزيادة طفيف في عدد المعاملات في الثانية، أصبحت السيولة متفرقة، ولا تزال التطبيقات البيئية تعاني من نقص. وهذا أدى إلى أن تصبح بنية تحتية من الطبقة الثانية أكثر من مشكلة. لحل هذه المشكلة، بدأت تظهر سلاسل تطبيقات عمودية من الطبقة الثالثة، ولكن هذه السلاسل تعمل بشكل مستقل، ولا يمكنها الاستفادة من آثار التعاون البيئي للسلاسل العامة، مما يجعل تجربة المستخدم أكثر تفتتًا.
أدى هذا التطور المتدرج في مجال الأصول الرقمية إلى "تحويل المشاكل": تعاني L1 من اختناقات، بينما توفر L2 تصحيحات، وتبدو L3 فوضوية ومجزأة. يبدو أن كل طبقة ليست سوى تحويل للمشاكل من مكان إلى آخر، مما يعطي انطباعًا أن جميع الحلول تدور حول هدف "إصدار العملة".
السبب الرئيسي وراء هذا الاختلاف قد يكمن في: إن التسلسل الهرمي للذكاء الاصطناعي مدفوع بالمنافسة التكنولوجية، حيث تتنافس الشركات الكبرى على تحسين قدرات النماذج؛ بينما يبدو أن التسلسل الهرمي للأصول الرقمية يتأثر أكثر بالاقتصاد الرمزي، وغالبًا ما تتركز المؤشرات الأساسية لكل مشروع L2 على إجمالي القيمة المقفلة (TVL) وسعر العملة.
من ناحية جوهرية، فإن أحد المجالات يعمل على حل التحديات التقنية، بينما يبدو أن الآخر يعمل على تغليف المنتجات المالية. بالنسبة لمن هو على صواب ومن هو على خطأ، قد لا توجد إجابة معيارية، حيث يعتمد ذلك على وجهة نظر الفرد وموقفه.
على الرغم من أن هذا التشبيه المجرد لا يمكن تعميمه، إلا أن مقارنة تطور المجالين يمكن أن تقدم لنا بعض الأفكار المثيرة للاهتمام.
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.
الذكاء الاصطناعي والأصول الرقمية: مساران مختلفان تمامًا من التطور الطبقي
مقارنة تطور المستويات بين الذكاء الاصطناعي والأصول الرقمية
رأى البعض مؤخرًا أن استراتيجية Ethereum القائمة على Rollup-Centric تبدو فاشلة، وأعربوا عن عدم رضاهم عن نمط التداخل L1-L2-L3. ومن المثير للاهتمام أن التطورات في مجال الذكاء الاصطناعي خلال العام الماضي شهدت أيضًا تطورًا سريعًا مشابهًا لـ L1-L2-L3. بالمقارنة بين هذين المجالين، يمكننا أن نكتشف بعض الفروق المثيرة للاهتمام.
في مجال الذكاء الاصطناعي، كل طبقة تعمل على حل المشاكل الأساسية التي لم تتمكن الطبقة السابقة من حلها. نموذج اللغة الكبير L1 وضع الأساس لفهم اللغة وتوليدها، لكنه يفتقر في مجالات الاستدلال المنطقي والحسابات الرياضية. النموذج الاستدلالي L2 يستهدف هذه النقاط الضعيفة، حيث يمكن لبعض النماذج حل مشاكل رياضية معقدة وتصحيح الشيفرة، مما يعوض عن الفجوات المعرفية في نماذج اللغة الكبيرة. بناءً على ذلك، وكيل الذكاء الاصطناعي L3 يدمج قدرات الطبقتين السابقتين، مما يحول الذكاء الاصطناعي من الردود السلبية إلى التنفيذ النشط، حيث يمكنه التخطيط الذاتي للمهام، واستدعاء الأدوات، والتعامل مع عمليات العمل المعقدة.
تمثل هذه الطبقات في مجال الذكاء الاصطناعي تقدم القدرات: L1 تبني الأساس، وL2 تكمل النواقص، وL3 تقوم بالدمج. كل طبقة تحقق قفزة نوعية بناءً على الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وأكثر فائدة.
بالمقارنة، يبدو أن المنطق الطبقي في مجال الأصول الرقمية هو مجرد ترقيع لمشاكل الطبقات السابقة، ولكنه للأسف جلب مشاكل جديدة أكبر. تواجه سلاسل الكتل العامة من الطبقة الأولى اختناقات في الأداء، لذا تم تقديم حلول التوسع من الطبقة الثانية. ومع ذلك، بعد جولة من التنافس في بنية تحتية من الطبقة الثانية، على الرغم من انخفاض رسوم الغاز وزيادة طفيف في عدد المعاملات في الثانية، أصبحت السيولة متفرقة، ولا تزال التطبيقات البيئية تعاني من نقص. وهذا أدى إلى أن تصبح بنية تحتية من الطبقة الثانية أكثر من مشكلة. لحل هذه المشكلة، بدأت تظهر سلاسل تطبيقات عمودية من الطبقة الثالثة، ولكن هذه السلاسل تعمل بشكل مستقل، ولا يمكنها الاستفادة من آثار التعاون البيئي للسلاسل العامة، مما يجعل تجربة المستخدم أكثر تفتتًا.
أدى هذا التطور المتدرج في مجال الأصول الرقمية إلى "تحويل المشاكل": تعاني L1 من اختناقات، بينما توفر L2 تصحيحات، وتبدو L3 فوضوية ومجزأة. يبدو أن كل طبقة ليست سوى تحويل للمشاكل من مكان إلى آخر، مما يعطي انطباعًا أن جميع الحلول تدور حول هدف "إصدار العملة".
السبب الرئيسي وراء هذا الاختلاف قد يكمن في: إن التسلسل الهرمي للذكاء الاصطناعي مدفوع بالمنافسة التكنولوجية، حيث تتنافس الشركات الكبرى على تحسين قدرات النماذج؛ بينما يبدو أن التسلسل الهرمي للأصول الرقمية يتأثر أكثر بالاقتصاد الرمزي، وغالبًا ما تتركز المؤشرات الأساسية لكل مشروع L2 على إجمالي القيمة المقفلة (TVL) وسعر العملة.
من ناحية جوهرية، فإن أحد المجالات يعمل على حل التحديات التقنية، بينما يبدو أن الآخر يعمل على تغليف المنتجات المالية. بالنسبة لمن هو على صواب ومن هو على خطأ، قد لا توجد إجابة معيارية، حيث يعتمد ذلك على وجهة نظر الفرد وموقفه.
على الرغم من أن هذا التشبيه المجرد لا يمكن تعميمه، إلا أن مقارنة تطور المجالين يمكن أن تقدم لنا بعض الأفكار المثيرة للاهتمام.