وب ۳ بیمار است، اما درمان آن هوش مصنوعی نیست

نویسنده: ژو، زنجیرگیر

در سال گذشته، سرعت پیشرفت در فناوری هوش مصنوعی بسیار فراتر از انتظارات بوده است. از GPT-4o گرفته تا ظهور ابزارهای مختلف هوش مصنوعی، قابلیت‌های جدید هر چند ماه مرزها را درنوردیده‌اند.

به خصوص با محبوبیت انفجاری محصولات عامل هوش مصنوعی نسل بعدی مانند OpenClaw، بسیاری در صنعت کریپتو برای اولین بار احساس کرده‌اند که هوش مصنوعی شروع به لمس مرزهای کاری آنها کرده است.

در نتیجه، موجی از «اضطراب هوش مصنوعی» در سراسر جامعه کریپتو گسترش یافته است.

از استراتژی‌های کلان گرفته تا روش‌های کار خرد، از موسسات پیشرو گرفته تا متخصصان خط مقدم، بسیاری از پروژه‌ها و متخصصان کریپتو شروع به ارزیابی مجدد ارزش و مدل‌های کاری خود کرده‌اند - آیا آنچه انجام می‌دهند جایگزین خواهد شد؟ آیا این صنعت هنوز آینده‌ای دارد؟ این سوالات در طول یک سال گذشته بارها مطرح شده است.

۱. احزاب و نهادهای پروژه ابتدا وحشت کردند

پاسخ‌ها در محصولات

وقتی عوامل هوش مصنوعی بتوانند مستقیماً وظایف کیبورد و ماوس را در رایانه‌ها بر عهده بگیرند، کاربران می‌توانند در آینده بدون نیاز به باز کردن صرافی یا کیف پول، عملیات درون زنجیره‌ای را به طور کامل از طریق هوش مصنوعی انجام دهند. بنابراین، ارزش صرافی‌ها به عنوان نقاط ورود، کجا منعکس خواهد شد؟

اوایل این ماه، صرافی‌های پیشرو مانند OKX، Binance و Coinbase طرح‌بندی محصولات هوش مصنوعی خود را به سرعت اعلام کردند.

در میان آنها، OKX ارتقاء هوش مصنوعی Onchain OS را راه‌اندازی کرد و از نمایندگان هوش مصنوعی برای فعالیت مستقل در بیش از ۶۰ بلاکچین و بیش از ۵۰۰ صرافی غیرمتمرکز پشتیبانی کرد؛ بایننس اعلام کرد که به هر نماینده هوش مصنوعی یک مغز متفکر در سطح بایننس ارائه می‌دهد و اطلاعات معاملاتی در سطح صرافی را مستقیماً در نمایندگان هوش مصنوعی جاسازی می‌کند؛ کوین‌بیس کیف پول Agentic را با هدف عملیات مستقل هوش مصنوعی راه‌اندازی کرد.

منطق پشت این اقدامات ساده است: کاربران می‌توانند با هوش مصنوعی کار کنند، اما تا زمانی که زیرساخت در اختیار من باشد، نقطه ورود نیز در اختیار من خواهد بود.

با این حال، اگرچه هیجان قابل لمس است، داده‌های واقعی بسیار نگران‌کننده‌تر هستند.

گزارشی از a16z اشاره کرد که گزارش‌های قبلی ادعا می‌کردند که ماموران هوش مصنوعی ظرف 30 روز 24 میلیون دلار پرداخت انجام داده‌اند، اما پس از تأیید مستقل و حذف اعداد اغراق‌آمیز، رقم واقعی حدود 1.6 میلیون دلار بود که تقریباً 15 برابر کاهش یافته است.

این نشان می‌دهد که مقیاس پرداخت درون زنجیره‌ای عامل‌های هوش مصنوعی در حال حاضر با آنچه دنیای خارج به تصویر کشیده است، فاصله زیادی دارد؛ این بیشتر مربوط به احساسات و روایت‌هایی است که مقدم بر داده‌های واقعی هستند.

دیوید گان، بنیانگذار Inception Capital، در مصاحبه‌ای با ChainCatcher اظهار داشت که همه هوش مصنوعی‌ها به ارزهای دیجیتال نیاز ندارند. امروزه، اکثر برنامه‌های کاربردی هوش مصنوعی اساساً هنوز بر پردازش اطلاعات، تولید محتوا و بهره‌وری گردش کار متمرکز هستند. اما زمانی که عامل‌های هوش مصنوعی از صرفاً صحبت کردن به انجام دادن - تماس با خدمات، مدیریت بودجه، شروع تراکنش‌ها و تکمیل تسویه حساب‌ها - روی آورند، ارزهای دیجیتال به تدریج از یک گزینه به یک زیرساخت تبدیل خواهند شد.

کاهش پرسنل

در فوریه امسال، شرکت فین‌تک بلاک حدود ۴۰۰۰ کارمند خود را اخراج کرد. جک دورسی، مدیرعامل این شرکت، پیش از این اذعان کرده بود که تصمیم تعدیل نیرو ممکن است اشتباه بوده باشد و اظهار داشت که توسعه سریع فناوری هوش مصنوعی باعث شده است که این شرکت تیم ۶۰۰۰ نفری خود را بازسازی کند. با این حال، واکنش‌ها به سرعت آغاز شد؛ یک ماه بعد، بلاک بی‌سروصدا برخی از کارمندان را به دلیل اشتباهات اداری و کمبود پرسنل در نقش‌های زیرساختی فراخواند.

صنعت کریپتو نیز از این امر در امان نمانده است. اخیراً، Crypto.com اعلام کرد که حدود ۱۲٪ از موقعیت‌های شغلی خود را برای پیشبرد ادغام هوش مصنوعی در سطح سازمانی کاهش خواهد داد؛ Gemini از زمان تعدیل نیرو در ابتدای سال، حدود ۳۰٪ از نیروی کار خود را کاهش داده و در حال معرفی ابزارهای هوش مصنوعی برای افزایش بهره‌وری است؛ بنیاد Algorand از کاهش حدود ۲۵٪ از کارکنان خود خبر داد و Messari نیز از بهینه‌سازی پرسنل خبر داد.

موج جایگزینی هوش مصنوعی از دایره فناوری فراتر رفته و مستقیماً به صنعت کریپتو رسیده است. پیاده‌سازی اجباری ابزارهای هوش مصنوعی، کاهش استخدام و ارزیابی مجدد ضرورت شغل، همگی در دستور کار قرار گرفته‌اند.

با این حال، دیدگاه‌های عینی‌تری نیز وجود دارد. فارست بای، متخصص ارزهای دیجیتال، به ChainCatcher گفت که تعدیل نیرو، تأثیر دوگانه بازار نزولی و استفاده از هوش مصنوعی است. برای صاحبان کسب‌وکار، وقتی نسبت هزینه-فایده حاصل از هوش مصنوعی کمتر از انسان‌ها باشد، جایگزینی رخ خواهد داد؛ این منطق حتی قبل از ظهور LLMها نیز وجود داشته است.

۲. اضطراب پزشکان به صورت انفرادی عمیق‌تر می‌شود

صرافی‌ها می‌توانند اضطراب خود را با اقدامات مربوط به محصول بپوشانند، اما برای فعالان این حوزه، به نظر می‌رسد که عدم استفاده از ابزارهای هوش مصنوعی معادل بی‌خبری از زمانه است.

CZ در توییتی اعلام کرد که پس از نصب خرچنگ (OpenClaw)، هیچ کار دیگری برای انجام دادن نداشته و تمام وقتش صرف تنظیم خرچنگی شده که هیچ کاری نمی‌تواند انجام دهد.

این خودکم‌بینی به طور گسترده‌ای طنین‌انداز شد، به طوری که یکی از سازندگان کریپتو صراحتاً اظهار داشت که افراد غیرفنی به دلیل دشواری بالای اشکال‌زدایی، شانس کمی برای موفقیت در OpenClaw دارند.

برای شاغلین عادی، پیکربندی صرف فراخوانی‌های داده و ماژول‌های مهارتی مورد نیاز، اکثر افراد را از این کار منصرف کرده است. هیجان واقعی است، اما سناریوهای واقعاً قابل اجرا هنوز برای عده‌ی معدودی یک بازی هستند.

اضطراب عمیق‌تر از جانب کسانی می‌آید که قبلاً آنجا را ترک کرده‌اند.

در دو سال گذشته، برخی از باهوش‌ترین و بی‌قرارترین افراد در فضای کریپتو در دنیای هوش مصنوعی ظاهر شده‌اند.

• الکس عطاالله، یکی از بنیانگذاران OpenSea، OpenRouter را تأسیس کرد و مستقیماً تفکر ادغام خود را که در صنعت کریپتو انباشته شده بود، به زیرساخت هوش مصنوعی منتقل کرد.
• لئوپولد آشنبرنر، یکی از اعضای اصلی صندوق آینده FTX، اکنون یک صندوق سرمایه‌گذاری هوش مصنوعی به ارزش میلیاردها دلار را مدیریت می‌کند که به طور خاص روی زیرساخت‌های برق، نیمه‌هادی‌ها و مراکز محاسباتی سرمایه‌گذاری می‌کند.
• آویتال بالویت، که او هم از صندوق آینده FTX است، اکنون رئیس دفتر داریو آمودی، مدیرعامل آنتروپیک، است و در تصمیمات استراتژیک سطح بالای شرکت مشارکت دارد.

رفتن این افراد به این دلیل نیست که کریپتو شکست خورده است. یا بهتر بگوییم، کریپتو اردوگاه آموزشی آنها بود و به آنها حس ریسک، حساسیت به ساختارهای قدرت و توانایی تصمیم‌گیری در محیط‌های بسیار نامطمئن را می‌داد. آنها این توانایی‌ها را به میدان نبرد بزرگ‌تری بردند.

برای کسانی که باقی می‌مانند، این موضوع کمتر به خاطر اضطراب ناشی از جایگزینی با هوش مصنوعی و بیشتر به خاطر احساس درماندگی است. کریپتوکارنسی مشهور KOL 0xSun صادقانه اظهار داشت که برای اکثر مردم عادی، رونق صنعت هوش مصنوعی ارتباط چندانی با بهره‌مندی آنها از سود سهام این صنعت ندارد. بیشتر افراد، به دلیل توانایی‌های ریاضی، تحصیلات و تجربیات زندگی، نمی‌توانند واقعاً وارد صنعت هوش مصنوعی شوند.

فارست بای خاطرنشان کرد که اضطراب فعلی در بین فعالان حوزه کریپتو بیشتر از آنکه صرفاً ناشی از اختلال در فناوری‌های جدید باشد، ناشی از کاهش مداوم قیمت‌های بازار است. یکی دیگر از کارشناسان حوزه کریپتو، KOL، نیز اظهار داشت که در عصر هوش مصنوعی، توانایی اصلی انسان‌ها از بهره‌وری به تصمیم‌گیری تغییر خواهد کرد؛ هوش مصنوعی جایگزین انسان‌ها نمی‌شود، بلکه آن جنبه‌هایی از انسان را که از قبل قابل استانداردسازی، تکثیر و خودکارسازی هستند، جایگزین می‌کند. کسانی که باقی می‌مانند ممکن است این فرصت را داشته باشند که جایگاه خود را در این صنعت از نو تعریف کنند.

۳. معضل روایت داستان واقعی است، اما هوش مصنوعی درمان آن نیست

واکنش کل جامعه کریپتو به هوش مصنوعی یک فرض مشترک دارد: ارزهای دیجیتال برای نجات روایت خود به هوش مصنوعی نیاز دارند. این منطق قابل درک است اما در بررسی دقیق، دوام نمی‌آورد.

پوشش مشکلات قدیمی با روایت‌های جدید

معضل روایت در صنعت کریپتو طی دو سال گذشته واقعی است. چشم‌انداز وب ۳ بزرگ است، اما پایگاه کاربری که باقی می‌ماند همیشه محدود است؛ تحول صنعت مالی سنتی توسط دیفای هنوز ادامه دارد، حباب اقتصاد خالقان NFTها ترکیده است و دنیای متا مدت‌هاست که آرام گرفته است.

بعد از اینکه هر روایت از بین می‌رود، این صنعت برای حفظ ظاهر باید داستان‌های جدیدی پیدا کند و این بار نوبت هوش مصنوعی است.

دیوید گان خاطرنشان کرد که بسیاری از پروژه‌ها یک اشتباه رایج مرتکب می‌شوند: آن‌ها ابتدا فرض می‌کنند که هوش مصنوعی و ارزهای دیجیتال قطعاً باید با هم ترکیب شوند، سپس به دنبال سناریوهایی برای توجیه این ترکیب می‌گردند. پروژه‌های واقعاً خوب، در صورت حذف هر یک از طرفین، باید شاهد افت قابل توجهی در ارزش محصول باشند؛ این آستانه بسیار بالاست.

دیوید و دنیل لیبرمن، بنیانگذاران شبکه محاسباتی هوش مصنوعی غیرمتمرکز گونکا، همچنین در مصاحبه‌ای با ChainCatcher اظهار داشتند که اکثر پروژه‌ها تلاش می‌کنند هوش مصنوعی را در سطح روایت یا اقتصاد توکن به جای سطح زیرساخت ادغام کنند. چالش واقعی اضافه کردن هوش مصنوعی به ارزهای دیجیتال نیست، بلکه ساخت سیستم‌هایی است که بتوانند دسترسی به منابع محاسباتی باز و مقیاس‌پذیر را فراهم کنند.

کریس فنگ، مدیرعامل شرکت زیرساخت هوش مصنوعی اکسیس رباتیکس، در مصاحبه‌ای با ChainCatcher افزود که برچسب‌گذاری محصولات به عنوان هوش مصنوعی اساساً تلاشی برای جبران سودهای احساسی است، نه حل مشکلات واقعی. مرز تمایز کلیدی ساده است: آیا شما در حال حل مشکلات دنیای واقعی هستید؟

معضل واقعی در صنعت کریپتو هرگز در مورد روایت‌های به اندازه کافی خوب نبوده است، بلکه در مورد تعداد بسیار کم سناریوهای کاربردی واقعی بوده است که در حفظ کاربران و ایجاد ارزش تجاری پایدار شکست خورده‌اند.

هوش مصنوعی نمی‌تواند این را تغییر دهد. راه‌اندازی ویژگی‌های هوش مصنوعی در صرافی‌ها باعث نمی‌شود افراد بیشتری به ارزهای دیجیتال نیاز پیدا کنند؛ برچسب‌گذاری پروژه‌ها با هوش مصنوعی واقعاً فعالیت‌های درون زنجیره‌ای را فعال نمی‌کند.

نقطه تلاقی واقعی هوش مصنوعی و کریپتو کجاست؟

البته، برخی به طور جدی در حال بررسی تلاقی واقعی هوش مصنوعی و ارزهای دیجیتال هستند.

زمانی که عامل‌های هوش مصنوعی از مرحله گفتگو به مرحله اجرا برسند، به پرداخت‌های خودکار و تسویه حساب‌های درون زنجیره‌ای نیاز خواهند داشت و سیستم‌های حساب و فرآیندهای KYC سیستم‌های مالی سنتی با آنها سازگار نیستند. استیبل کوین‌ها و قراردادهای قابل برنامه‌ریزی در این سناریو کاربرد واقعی دارند.

کریس فنگ معتقد است که نمایندگان به قابلیت‌های پرداخت مستقل، هویت‌های قابل تأیید و گزارش‌های عملیاتی قابل ردیابی نیاز دارند که در سیستم‌های سنتی وب ۲ راه‌حل‌های طبیعی برای آنها وجود ندارد؛ ارزهای دیجیتال اتفاقاً این شکاف را پر می‌کنند.

این روند در داده‌ها منعکس شده است، با افزایش تقاضا برای پرداخت‌های عامل هوش مصنوعی، عرضه USDC به اوج تاریخی خود بازگشته و حجم معاملات تعدیل‌شده نسبت به سال گذشته بیش از ۹۰ درصد افزایش یافته است و به طور فزاینده‌ای در سناریوهایی فراتر از معاملات کریپتو مورد استفاده قرار می‌گیرد. در همین حال، Stripe، Cloudflare و Google نیز استانداردهای پرداخت درون زنجیره‌ای را در پروتکل‌های عامل هوش مصنوعی مربوطه خود تعبیه کرده‌اند.

بیل سان، محققی که عمیقاً در حوزه هوش مصنوعی فعالیت دارد، در مصاحبه‌ای با ChainCatcher صراحتاً اظهار داشت که رقیب واقعی Circle باید Stripe باشد، نه USDT. در بخش شبه‌مالی، آنچه مورد نیاز است، شرکت‌هایی هستند که ارزش استراتژیک را جدی می‌گیرند، مانند استرایپ، تا زیرساخت‌های واقعاً ارزشمندی ایجاد کنند. او همچنین اشاره کرد که صنعت کریپتو در سال‌های اخیر بیش از حد بر معاملات خرد کوتاه‌مدت و گمانه‌زنی متمرکز بوده و انرژی توسعه معناداری را که باید برای چیزهای واقعاً ارزشمند استفاده می‌شد، هدر داده است.

مسیر پرداخت‌های درون زنجیره‌ای واقعی است، اما ممکن است مشکلات هوش مصنوعی را حل کند، نه مشکلات ارزهای دیجیتال را. همانطور که فارست بای گفت، اگرچه او استیبل کوین‌ها را به عنوان مسیری برای مسیرهای پرداخت هوش مصنوعی می‌شناسد، اما سهم فعلی آنها بسیار کم است؛ استیبل کوین‌ها و شبکه‌های پرداخت بلاکچین زیرساخت‌های موجود هستند که لزوماً به چیزی کاملاً جدید نیاز ندارند.

دیوید گان اظهار داشت که ارزش هوش مصنوعی برای ارزهای دیجیتال نه در ارائه یک برچسب مد روز دیگر به صنعت، بلکه در این است که آیا این فرصت را دارد که زنجیره را واقعاً به نرم‌افزار، ماشین‌ها و اجرای خودکار خدمات‌رسانی کند یا خیر.

اگر صنعت بتواند از این فرصت برای ورود واقعی به اقتصاد ماشینی و همکاری بنیادی شبکه‌های باز استفاده کند، این یک فرصت ساختاری است؛ اگر صرفاً با هوش مصنوعی به عنوان یک روایت جدید برای پایبندی به مدل‌های قدیمی رفتار کند، درست مانند روایت‌های گذشته، به سرعت از رونق خواهد افتاد.

نتیجه‌گیری

در نهایت، اضطراب هوش مصنوعی در حلقه ارزهای دیجیتال، واکنشی استرس‌زا از سوی صنعتی است که پس از مواجهه با شوک‌های خارجی، روایت خود را بیش از حد تغییر داده است. اضطراب واقعی است، اما هوش مصنوعی درمان آن نیست.

در چند سال گذشته، پس از فروپاشی هر روایت اصلی، صنعت کریپتو به همان روش خود را ترمیم کرده است: یافتن داستان‌های جدید، خلق مفاهیم جدید و جذب گروه جدیدی از افراد برای ورود به بازار.

این بار هم از این قاعده مستثنی نیست، صرافی‌ها به طور فشرده عملکردهای هوش مصنوعی را راه‌اندازی می‌کنند، متخصصان برای ارزیابی خرچنگ‌ها هجوم می‌آورند و پروژه‌ها برای برچسب‌گذاری خود عجله دارند. با این حال، در پس این هیجان، این سوال همچنان بی‌پاسخ مانده است: دنیای درون زنجیره‌ای چه مشکلات واقعی را می‌تواند برای کاربران واقعی حل کند؟

شاید هوش مصنوعی نتواند به این سوال پاسخ دهد.