آینده هوش مصنوعی کریپتو (Crypto AI) بسیار جذاب است. اگرچه نمونه‌های تاریخی و روندهای روشنی در این زمینه وجود ندارد، اما این نیز به معنای آن است که این بخش در نقطه‌ای کاملاً جدید قرار دارد و منتظر توسعه‌های آینده است.
فکر کردن به این که در سال ۲۰۲۶ به گذشته نگاه کنیم و شکاف بین انتظارات ابتدای سال ۲۰۲۵ و واقعیت را ببینیم، حتی هیجان‌انگیزتر خواهد بود. به همین منظور در این مقاله از میهن بلاکچین، ۱۰ پیش‌بینی برای بخش هوش مصنوعی کریپتو را در سال ۲۰۲۵ ارائه خواهیم کرد که برداشت‌های تنگ یان (Teng Yan) تحلیلگر سابق دلفی دیجیتال از آینده این حوزه است.
۱. ارزش کل بازار بخش کریپتو و هوش مصنوعی به ۱۵۰ میلیارد دلار خواهد رسید
در حال حاضر، توکن‌های بخش کریپتو و هوش مصنوعی تنها ۲.۹٪ از ارزش بازار آلت‌کوین‌ها را تشکیل می‌دهند، اما به نظر می‌رسد این نسبت دوام نخواهد آورد. با گسترش هوش مصنوعی به حوزه‌های جدیدی مانند پلتفرم‌های قرارداد هوشمند، میم‌کوین‌ها، زیرساخت‌های فیزیکی غیرمتمرکز (DePIN)، پلتفرم‌های پروکسی، شبکه‌های داده و لایه‌های هماهنگی هوشمند، ادغام آن با توکن‌های دیفای (DeFi) و میم‌کوین‌ها به یک روند اجتناب‌ناپذیر تبدیل شده است.
دلیل اعتماد به بخش کریپتو و هوش مصنوعی این است که این بخش در تقاطع دو روند قدرتمند فناوری قرار دارد:
- رویداد محرک جنون هوش مصنوعی: عرضه اولیه سهام OpenAI یا رویدادهای مشابه ممکن است موجی جهانی از علاقه به هوش مصنوعی ایجاد کند. هم‌زمان، سرمایه‌گذارهای خطرپذیر وب ۲ به زیرساخت‌های غیرمتمرکز هوش مصنوعی به عنوان یک فرصت سرمایه‌گذاری توجه کرده‌اند.
- جنون خرده‌فروشی: مفاهیم هوش مصنوعی ساده و هیجان‌انگیز هستند و اکنون می‌توان از طریق توکن‌ها در آن‌ها سرمایه‌گذاری کرد. جنون طلایی میم‌کوین‌ها در سال ۲۰۲۴ را می‌توان به عنوان نمونه‌ای از این جنون در نظر گرفت. این بار نیز جنونی مشابه رخ خواهد داد، با این تفاوت که هوش مصنوعی واقعاً جهان را تغییر می‌دهد.
۲. احیای بیت‌تنسور
بیت‌تنسور (TAO) سال‌هاست که وجود دارد و یکی از پیشگامان این حوزه محسوب می‌شود. با وجود جنون پیرامون هوش مصنوعی، قیمت توکن آن در سطح یک سال گذشته باقی مانده است. اما در واقع، ذهن جمعی دیجیتال پشت بیت‌تنسور به آرامی پیشرفت کرده، زیرشبکه‌های بیشتری ظهور کرده‌اند، هزینه‌های ثبت نام کاهش یافته و زیرشبکه‌ها از نظر سرعت استنتاج از فناوری‌های وب ۲ پیشی گرفته‌اند. همچنین، سازگاری با ماشین مجازی اتریوم (EVM) عملکردهای شبیه به دیفای را معرفی و شبکه بیت‌تنسور را غنی‌تر کرده است.
اما چرا TAO رشد نکرده است؟ برنامه تورمی شدید و تغییر تمرکز به سمت پلتفرم‌های ایجنت‌های هوش مصنوعی آن را محدود کرده است. با این حال، dTAO (که انتظار می‌رود در سه ماهه اول ۲۰۲۵ راه‌اندازی شود) می‌تواند نقطه عطف بزرگی باشد. با dTAO، هر زیرشبکه توکن مخصوص به خود را خواهد داشت و قیمت نسبی این توکن‌ها تعیین‌کننده نحوه توزیع انتشار (Emmision) خواهد بود.
دلایل شانس انفجار دوباره بیت‌تنسور:
- انتشار مبتنی بر بازار: dTAO پاداش‌های بلاک را مستقیماً به نوآوری و عملکرد واقعی و قابل اندازه‌گیری پیوند می‌دهد. هرچه یک زیرشبکه بهتر عمل کند، توکن‌های آن ارزشمندتر می‌شوند و در نتیجه، انتشار بیشتری دریافت می‌کنند.
- تمرکز بر جریان سرمایه: سرمایه‌گذاران می‌توانند در زیرشبکه‌های خاصی که به آن‌ها خوش‌بین هستند سرمایه‌گذاری کنند. اگر یک زیرشبکه رویکردی نوآورانه در آموزش توزیع‌شده اتخاذ کند و موفق شود، سرمایه می‌تواند به آن زیرشبکه جریان یابد تا دیدگاه‌های سرمایه‌گذاری را بیان کند.
- ادغام EVM: سازگاری با EVM جامعه توسعه‌دهندگان بومی کریپتو را به بیت‌تنسور جذب می‌کند و اختلاف فاصله با سایر شبکه‌ها را از بین می‌برد.
۳. بازار محاسبات، بازار L1 بعدی خواهد بود
تقاضای سیری‌ناپذیر برای محاسبات به یک روند بزرگ تبدیل خواهد شد. جنسن هوانگ (Jensen Huang)، مدیرعامل انویدیا، گفته است که تقاضا برای استنتاج میلیاردها برابر افزایش خواهد یافت. این رشد نمایی، برنامه‌ریزی زیرساخت‌های سنتی را مختل کرده و نیاز به راه‌حل‌های جدید را فوری می‌کند.
لایه محاسبات غیرمتمرکز، محاسبات خام (هم برای آموزش و هم برای استنتاج) را به روشی قابل تأیید و مقرون‌به‌صرفه ارائه می‌دهد. استارت‌آپ‌هایی مانند اسفیرو (Sphero)، گنسین ای آی (Gensynai)، آتوما نتورک (Atoma Network) و کازکو (Kuzco) در حال ساختن پایه‌های قوی برای بهره‌برداری از این فرصت هستند و بر محصولات به جای توکن‌ها تمرکز کرده‌اند. با امکان‌پذیر شدن آموزش مدل‌های هوش مصنوعی غیرمتمرکز، بازار قابل دسترسی به طور چشمگیری افزایش خواهد یافت.
برای بخش کریپتو و هوش مصنوعی، می‌توان آن را با بخش L1 مقایسه کرد:
- مشابهت با سال ۲۰۲۱: سولانا، ترا و آوالانچ برای تبدیل شدن به بهترین L1 رقابت می‌کردند. در آینده، شاهد رقابتی مشابه بین پروتکل‌های محاسباتی خواهیم بود که برای جذب توسعه‌دهندگان و برنامه‌های هوش مصنوعی برای ساخت بر روی لایه‌های محاسباتی خود تلاش می‌کنند.
- تقاضای وب ۲: بازار محاسبات ابری ۶۸۰ میلیارد تا ۲.۵ تریلیون دلاری بسیار بزرگ‌تر از بازار کریپتو و هوش مصنوعی است. اگر این راه‌حل‌های محاسبات غیرمتمرکز بتوانند حتی بخش کوچکی از مشتریان سنتی ابری را جذب کنند، شانس دیدن موج رشد بعدی ۱۰ یا ۱۰۰ برابری وجود دارد.
۴. ایجنت‌های هوش مصنوعی به تراکنش‌های بلاکچین سرازیر خواهند شد
تا پایان سال ۲۰۲۵، ۹۰٪ از تراکنش‌های آنچین دیگر توسط انسان‌ها با کلیک دستی روی دکمه «ارسال» انجام نخواهد شد. در عوض، این تراکنش‌ها توسط ارتش‌هایی از ایجنت‌های هوش مصنوعی اجرا خواهند شد که به طور مداوم استخرهای نقدینگی را متعادل کرده، پاداش‌ها را توزیع می‌کنند یا بر اساس داده‌های لحظه‌ای پرداخت‌های خرد انجام می‌دهند.
هیچ‌کدام از این‌ها دور از ذهن نیست. همه چیزهایی که در هفت سال گذشته ساخته‌ایم (L1، رول‌آپ‌ها، دیفای، NFT و غیره) راه را برای دنیای آنچین که توسط هوش مصنوعی تسخیر شده است، هموار کرده‌اند.
چرا این تغییر رخ می‌دهد؟
- عدم وجود خطای انسانی: قراردادهای هوشمند دقیقاً همان‌طور که کد شده‌اند اجرا می‌شوند. ایجنت‌های هوش مصنوعی می‌توانند حجم زیادی از داده‌ها را سریع‌تر و دقیق‌تر از گروهی از انسان‌ها پردازش کنند.
- پرداخت‌های خرد: تراکنش‌های هدایت‌شده توسط ایجنت‌های هوش مصنوعی، به‌ویژه با کاهش کارمزدها تراکنش در سولانا، بیس و سایر L1/L2ها، کوچک‌تر، مکررتر و کارآمدتر خواهند شد.
- زیرساخت نامرئی: انسان‌ها اگر قرار به کاهش دردسر باشد، به راحتی کنترل مستقیم را رها می‌کنند. اعتماد به نتفلیکس برای تمدید خودکار اشتراک و اعتماد به یک ایجنت هوش مصنوعی برای متعادل‌سازی خودکار موقعیت‌های دیفای شما، گام بعدی است.
۵. تعامل بین ایجنت‌ها: ظهور مفهوم دسته هوش مصنوعی
دسته ایجنت‌های هوش مصنوعی (AI agent swarm)، جایی که نهادهای کوچک هوشمند مصنوعی به‌طور هماهنگ برای اجرای برنامه‌های بزرگ کار می‌کنند، شبیه به داستان یک فیلم علمی‌تخیلی یا ترسناک موفق بعدی به نظر می‌رسد. اکثر ایجنت‌های هوش مصنوعی فعلی به‌صورت مستقل عمل می‌کنند و تعاملات کمی دارند. با این حال، دسته ایجنت‌های هوش مصنوعی این مورد را تغییر خواهند داد و به چندین ایجنت هوش مصنوعی اجازه می‌دهند تا اطلاعات را مبادله کنند، مذاکره کنند و تصمیمات مشترک بگیرند.
این دسته و گروه را می‌توان به عنوان مجموعه‌های غیرمتمرکز مدل‌های تخصصی در نظر گرفت که هر کدام تخصص منحصر به فرد خود را برای انجام وظایف بزرگ‌تر و پیچیده‌تر ارائه می‌دهند. پتانسیل این فناوری بسیار زیاد است. برای مثال، یک دسته ممکن است منابع محاسباتی توزیع‌شده را در پلتفرمی مانند بیت‌تنسور هماهنگ کند، در حالی که دسته دیگری می‌تواند منبع محتوا را به صورت لحظه‌ای تأیید کند تا از انتشار اطلاعات نادرست در رسانه‌های اجتماعی جلوگیری کند. هر ایجنت هوش مصنوعی در هر دسته یک متخصص بوده و وظیفه خود را با دقت انجام می‌دهد.
۶. نیروی کار کریپتو و هوش مصنوعی ترکیبی از انسان‌ها و هوش مصنوعی خواهد بود
استوری (Story)، لونا (یک پروژه ایجنت هوش مصنوعی) را به عنوان کارآموز رسانه‌های اجتماعی خود استخدام کرده و روزانه ۱٬۰۰۰ دلار به او پرداخت می‌کند. ممکن است عجیب به نظر برسد، اما این نشانه‌ای از آینده‌ای است که در آن ایجنت‌های هوش مصنوعی به همکاران واقعی با استقلال، مسئولیت‌ها و حتی حقوق تبدیل می‌شوند. در سراسر صنایع، شرکت‌ها در حال آزمایش تیم‌های ترکیبی انسان و ماشین هستند.
در آینده، انسان‌ها و ایجنت‌های هوش مصنوعی به عنوان شرکای برابر کار خواهند کرد:
- افزایش بهره‌وری: ایجنت‌های هوش مصنوعی می‌توانند حجم زیادی از داده‌ها را پردازش کنند، با یکدیگر ارتباط برقرار کنند و به‌طور ۲۴ ساعته و بدون نیاز به خواب یا استراحت تصمیم‌گیری کنند.
- ایجاد اعتماد از طریق قراردادهای هوشمند: بلاکچین به عنوان یک ناظر بی‌طرف و خستگی‌ناپذیر عمل می‌کند. دفتر کل آنچین تضمین می‌کند که رفتارهای مهم ایجنت‌های هوش مصنوعی از شرایط/قوانین خاصی پیروی کنند.
- تغییر هنجارهای اجتماعی: به ودی با مسائل اخلاقی در تعامل با ایجنت‌های هوشمند مواجه خواهیم شد. آیا باید به هوش مصنوعی‌ها »لطفاً» و «متشکرم» بگوییم؟ آیا باید از نظر اخلاقی مسئول اشتباهات آن‌ها باشیم یا توسعه‌دهندگان آن‌ها را مقصر بدانیم؟
۷. ۹۹٪ از ایجنت‌های هوش مصنوعی از بین خواهند رفت
شاهد حذف داروینی در بین ایجنت‌های هوش مصنوعی خواهیم بود. این امر به این دلیل اتفاق خواهد افتاد که اجرای یک ایجنت هوش مصنوعی به قدرت محاسباتی نیاز دارد که هزینه‌ای برای استنتاج می‌طلبد. اگر یک ایجنت هوش مصنوعی نتواند ارزش کافی برای پوشش هزینه‌های خود ایجاد کند، با حذف مواجه خواهد شد.
به عنوان مثال، بازی بقای ایجنت هوش مصنوعی را در نظر بگیرید:
- ایجنت هوش مصنوعی اعتبار کربنی: فرض کنید یک ایجنت هوش مصنوعی وجود دارد که ناکارآمدی‌ها در شبکه انرژی غیرمتمرکز را شناسایی می‌کند و به‌طور خودکار اعتبارات کربنی توکن‌شده را معامله می‌کند. اگر بتواند درآمد کافی برای پرداخت هزینه‌های محاسباتی خود کسب کند، این ایجنت هوش مصنوعی رشد خواهد کرد.
- ربات آربیتراژ DEX: این ایجنت هوش مصنوعی با استفاده از اختلاف قیمت بین صرافی‌های غیرمتمرکز درآمد پایدار کسب می‌کند که برای پوشش هزینه‌های استنتاج کافی است.
- شوخی در پلتفرم X: یک اینفلوئنسر مجازی هوش مصنوعی که شوخ طبع است اما منبع درآمد پایدار ندارد، با از بین رفتن جذابیت اولیه و کاهش قیمت توکن‌ها، به تدریج ناپدید خواهد شد.
تفاوت واضح است؛ ایجنت‌های هوش مصنوعی که مبتنی بر کاربرد هستند، رشد خواهند کرد، اما آن‌هایی که بر سرگرمی و ترفندهای تبلیغاتی تکیه می‌کنند، بی‌ربط و ناپدید خواهند شد. چنین انتخاب طبیعی برای صنعت‌ها خوب است، زیرا توسعه‌دهندگان را مجبور به نوآوری و اولویت‌دهی به برنامه‌های کاربردی مولد به جای فناوری‌های فانتزی می‌کند. با ظهور ایجنت‌های هوش مصنوعی قدرتمندتر و مولدتر، منتقدان به تدریج ساکت خواهند شد.
۸. داده‌های مصنوعی هوش مصنوعی از داده‌های انسانی پیشی می‌گیرند
این جمله که «داده‌ها نفت جدید هستند» به‌طور گسترده‌ای شنیده شده است. با این حال، وابستگی زیاد هوش مصنوعی به داده‌ها نیز نگرانی‌هایی در مورد کمبود قریب‌الوقوع داده‌ها ایجاد کرده است. عقل سلیم می‌گوید که باید راه‌هایی برای جمع‌آوری داده‌های خصوصی از کاربران پیدا کنیم و حتی به آن‌ها برای این داده‌ها پول بدهیم.
با این حال، در صنایع تنظیم‌شده یا صنایعی که داده‌های واقعی کمیاب هستند، راه‌حل عملی‌تر ممکن است داده‌های مصنوعی باشد. داده‌های مصنوعی به‌طور مصنوعی تولید می‌شوند و هدف آن‌ها شبیه‌سازی توزیع داده‌های دنیای واقعی است. این داده‌ها جایگزینی مقیاس‌پذیر، دوستانه از نظر اخلاقی و ایمن از نظر حریم خصوصی برای داده‌های انسانی ارائه می‌دهند. مزایای داده‌های مصنوعی عبارتند از:
- مقیاس‌پذیری نامحدود: اگر به یک میلیون عکس پزشکی یا اسکن‌های سه‌بعدی از یک کارخانه نیاز دارید، داده‌های مصنوعی می‌توانند به‌طور نامحدود بدون اینکه به بیماران یا کارخانه‌های واقعی نیاز باشد، تولید شوند.
- بدون تهدید برای حریم خصوصی: هنگام پردازش داده‌های مصنوعی، اطلاعات شخصی افراد تهدید نمی‌شود.
- قابل تنظیم: توزیع داده‌ها را می‌توان برای برآورده کردن نیازهای آموزشی خاص، حتی مواردی که در واقعیت نادر هستند یا از نظر اخلاقی پیچیده‌اند، تنظیم کرد.
اگرچه داده‌های انسانی هنوز در بسیاری از موارد مهم هستند، اما اگر داده‌های مصنوعی از نظر واقع‌گرایی بهبود یابند، ممکن است از نظر حجم، سرعت تولید و آزادی از محدودیت‌های حریم خصوصی از داده‌های کاربران پیشی بگیرند. آینده هوش مصنوعی غیرمتمرکز ممکن است حول آزمایشگاه‌های کوچکی باشد که بر ایجاد مجموعه‌های داده مصنوعی بسیار تخصصی برای موارد استفاده خاص تمرکز دارند.
۹. آموزش غیرمتمرکز شروع به کار می‌کند
در سال ۲۰۲۴، پیشگامانی مانند پرایم اینتلکت (Prime Intellect) و نوس ریسرچ (Nous Research) مرزهای آموزش غیرمتمرکز را جابجا کردند. به عنوان مثال، آن‌ها موفق به آموزش یک مدل ۱۵ میلیارد پارامتری در محیط‌های کم‌پهنای باند شدند و ثابت کردند که آموزش در مقیاس بزرگ خارج از محیط‌های متمرکز سنتی امکان‌پذیر است. اگرچه این مدل‌ها در برنامه‌های واقعی عملکرد ضعیفی دارند و از مدل‌های ساده فعلی پایین‌تر هستند، اما انتظار می‌رود این وضعیت در سال ۲۰۲۵ تغییر کند.
اکسو لبز (EXO Labs) با اسپارتا (SPARTA) پیشرفت بیشتری کرده و تعاملات بین GPUها را بیش از ۱٬۰۰۰ برابر کاهش داده است. اسپارتا آموزش مدل‌های بزرگ در پهنای باند کم را بدون نیاز به زیرساخت‌های تخصصی امکان‌پذیر می‌کند. جالب‌ترین نکته این است که اسپارتا به‌طور مستقل کار می‌کند، اما می‌تواند با الگوریتم‌های آموزشی کم‌تعامل مبتنی بر همگام‌سازی مانند DiLoCo ترکیب شود تا عملکرد بهتری ارائه دهد. این بدان معناست که این بهبودها جمع‌پذیر هستند و بهره‌وری افزایش می‌یابد.
با بهبود فناوری مدل‌ها، مدل‌های کوچک‌تر و کارآمدتر مفیدتر خواهند شد و آینده هوش مصنوعی دیگر در مورد مقیاس نخواهد بود، بلکه در مورد کیفیت و دسترسی خواهد بود. به زودی مدل‌هایی با عملکرد بالا خواهیم داشت که می‌توانند روی دستگاه‌های لبه یا حتی تلفن‌های همراه اجرا شوند.
۱۰. حداقل ۱۰ پروتکل فوق‌العاده جدید کریپتو و هوش مصنوعی ظهور خواهند کرد
در حالی که بسیاری ویرچوالز (Virtuals) و ai16z را با روزهای اولیه گوشی‌های هوشمند (مانند iOS و اندروید) مقایسه و استدلال می‌کنند که رهبران فعلی به پیروزی ادامه خواهند داد، بازار آنقدر بزرگ و دست‌نخورده است که توسط دو بازیکن تسخیر نمی‌شود. تا پایان سال ۲۰۲۵، انتظار می‌رود حداقل ده پروتکل جدید کریپتو و هوش مصنوعی (بدون توکن) با ارزش بازار بیش از ۱ میلیارد دلار ظهور کنند.
هوش مصنوعی غیرمتمرکز هنوز در مراحل اولیه است و استعدادهای زیادی در حال جمع‌آوری هستند. پروتکل‌های جدید، مدل‌های توکن جدید و چارچوب‌های منبع باز به‌طور مداوم ظهور خواهند کرد و این بازیکنان جدید ممکن است از طریق مشوق‌ها (مانند ایردراپ‌ها یا استیکینگ هوشمند)، پیشرفت‌های فنی مانند استنتاج با لیتنسی کم یا تعامل‌پذیری (Interoperability) بین زنجیره‌ای و بهبود تجربه کاربری جایگزین بازیکنان موجود شوند. تغییر در درک عمومی ممکن است سریع و چشمگیر باشد.
بیت‌تنسور، ,ویرچوالز و ai16z به زودی تنها نخواهند بود. پروتکل بعدی کریپتو و هوش مصنوعی با ارزش بازار میلیارد دلاری در راه است و فرصت‌های زیادی برای سرمایه‌گذاران هوشمند وجود خواهد داشت. این چیزی است که بازار هوش مصنوعی را بسیار هیجان‌انگیز می‌کند.
سخن پایانی
با توجه به پیشرفت‌های اخیر در حوزه هوش مصنوعی و پتانسیل بالای آن برای تغییر جهان، به نظر می‌رسد ادغام این فناوری با دنیای کریپتو، فصل جدیدی را در هر دو حوزه رقم خواهد زد. پیش‌بینی می‌شود که ارزش بازار کریپتو و هوش مصنوعی تا سال ۲۰۲۵ به ۱۵۰ میلیارد دلار برسد و شاهد ظهور پروژه‌های نوآورانه و پیشگامانه‌ای در این زمینه باشیم.
