AI AGENT: القوة الذكية التي تشكل النظام الاقتصادي الجديد في المستقبل
1. خلفية عامة
1.1 المقدمة: "الشريك الجديد" في عصر الذكاء
كل دورة من دورات العملات المشفرة تجلب بنية تحتية جديدة تدفع الصناعة بأكملها إلى الأمام.
في عام 2017، أدى ظهور العقود الذكية إلى ازدهار تطوير ICO.
في عام 2020، جلبت أحواض السيولة في DEX موجة صيف DeFi.
في عام 2021، أطلقت العديد من سلسلة الأعمال الفنية NFT مما يدل على بدء عصر المقتنيات الرقمية.
في عام 2024، ستظهر موجة من memecoin ومنصات الإطلاق.
تطلّعًا إلى عام 2025، ستكون المجالات الناشئة هي وكلاء الذكاء الاصطناعي. وصلت هذه الاتجاهات إلى ذروتها في أكتوبر من العام الماضي، حيث تم إطلاق رمز $GOAT في 11 أكتوبر 2024، ووصلت قيمته السوقية إلى 150 مليون دولار في 15 أكتوبر. وبعد ذلك، في 16 أكتوبر، أطلق بروتوكول Virtuals Luna، الذي ظهر بشكل مباشر باستخدام صورة الفتاة المجاورة، مما أثار ضجة في جميع أنحاء الصناعة.
إذن، ما هو وكيل الذكاء الاصطناعي؟
يحتوي وكيل الذكاء الاصطناعي على العديد من أوجه التشابه مع نظام الذكاء الاصطناعي للملكة الحمراء في فيلم "Resident Evil". يلعب وكيل الذكاء الاصطناعي في العالم الحقيقي، إلى حد ما، دورًا مشابهًا، حيث إنه "حارس الحكمة" في مجال التكنولوجيا الحديثة، يساعد الشركات والأفراد على التعامل مع المهام المعقدة من خلال الإدراك الذاتي، والتحليل، والتنفيذ. من السيارات ذاتية القيادة إلى خدمة العملاء الذكية، غزا وكيل الذكاء الاصطناعي جميع الصناعات، ليصبح قوة رئيسية في تعزيز الكفاءة والابتكار.
على سبيل المثال، يمكن استخدام وكيل الذكاء الاصطناعي في تداول آلي، بناءً على البيانات المجمعة من منصة البيانات أو المنصات الاجتماعية، لإدارة المحفظة وتنفيذ الصفقات في الوقت الحقيقي، وتحسين أدائه باستمرار من خلال التكرار. وكيل الذكاء الاصطناعي ليس شكلاً واحدًا، بل ينقسم إلى فئات مختلفة بناءً على الاحتياجات المحددة في النظام البيئي للعملات المشفرة:
وكيل الذكاء الاصطناعي التنفيذي: يركز على إتمام مهام محددة، مثل التداول، إدارة المحافظ أو التحكيم، بهدف تحسين دقة العمليات وتقليل الوقت المطلوب.
وكيل الذكاء الاصطناعي الإبداعي: يُستخدم في إنشاء المحتوى، بما في ذلك النصوص، والتصميم، وحتى التأليف الموسيقي.
3.وكيل الذكاء الاصطناعي الاجتماعي: كقائد رأي على وسائل التواصل الاجتماعي، يتفاعل مع المستخدمين، يبني مجتمعًا ويشارك في أنشطة التسويق.
وكيل الذكاء الاصطناعي التنسيقي: تنسيق التفاعلات المعقدة بين الأنظمة أو المشاركين، مناسب بشكل خاص للتكامل عبر سلاسل متعددة.
في هذا التقرير، سنستكشف بالتفصيل أصول وواقع وآفاق تطبيقات وكيل الذكاء الاصطناعي، ونحلل كيف تعيد تشكيل المشهد الصناعي، ونتطلع إلى اتجاهات تطورها المستقبلية.
1.1.1 تاريخ التنمية
تظهر مسيرة تطوير وكيل الذكاء الاصطناعي تطور الذكاء الاصطناعي من البحث الأساسي إلى التطبيق الواسع. في مؤتمر دارتموث عام 1956، تم تقديم مصطلح "الذكاء الاصطناعي" لأول مرة، مما وضع الأساس للذكاء الاصطناعي كحقل مستقل. في هذه الفترة، كانت أبحاث الذكاء الاصطناعي تركز بشكل أساسي على الطرق الرمزية، مما أدى إلى ظهور أولى برامج الذكاء الاصطناعي، مثل ELIZA (روبوت الدردشة) وDendral (نظام خبير في مجال الكيمياء العضوية). شهدت هذه المرحلة أيضًا اقتراح الشبكات العصبية واستكشاف مفهوم التعلم الآلي. لكن أبحاث الذكاء الاصطناعي في تلك الفترة كانت مقيدة بشدة بسبب قيود القدرة الحسابية في ذلك الوقت. واجه الباحثون صعوبات كبيرة في تطوير خوارزميات معالجة اللغة الطبيعية وتقليد وظائف الإدراك البشري. بالإضافة إلى ذلك، في عام 1972، قدم عالم الرياضيات جيمس لايتهيل تقريرًا نُشر في عام 1973 حول حالة أبحاث الذكاء الاصطناعي الجارية في المملكة المتحدة. عبر تقرير لايتهيل بشكل أساسي عن تشاؤم شامل بشأن أبحاث الذكاء الاصطناعي بعد فترة الحماس المبكرة، مما أدى إلى فقدان كبير للثقة من قبل المؤسسات الأكاديمية في المملكة المتحدة ( بما في ذلك الوكالات الممولة ). بعد عام 1973، انخفضت ميزانيات أبحاث الذكاء الاصطناعي بشكل كبير، ومرت مجال الذكاء الاصطناعي بأول "شتاء للذكاء الاصطناعي"، حيث زادت الشكوك حول إمكانيات الذكاء الاصطناعي.
في الثمانينيات من القرن العشرين، أدى تطوير الأنظمة الخبيرة وتجاريتها إلى بدء الشركات العالمية في اعتماد تقنيات الذكاء الاصطناعي. شهدت هذه الفترة تقدمًا كبيرًا في التعلم الآلي والشبكات العصبية ومعالجة اللغة الطبيعية، مما دفع إلى ظهور تطبيقات ذكاء اصطناعي أكثر تعقيدًا. إن إدخال المركبات الذاتية لأول مرة ونشر الذكاء الاصطناعي في قطاعات مثل المالية والطب، يمثل أيضًا توسيعًا لتقنيات الذكاء الاصطناعي. لكن في أواخر الثمانينيات وأوائل التسعينيات، شهدت مجال الذكاء الاصطناعي انهيارًا في الطلب على الأجهزة المخصصة للذكاء الاصطناعي، مما أدى إلى حدوث "شتاء الذكاء الاصطناعي" الثاني. بالإضافة إلى ذلك، لا يزال توسيع نطاق أنظمة الذكاء الاصطناعي ودمجها بنجاح في التطبيقات العملية تحديًا مستمرًا. ولكن في الوقت نفسه، في عام 1997، هزم كمبيوتر آي بي إم ديب بلو بطل العالم في الشطرنج غاري كاسباروف، وهو حدث بارز في قدرة الذكاء الاصطناعي على حل المشكلات المعقدة. إن إحياء الشبكات العصبية والتعلم العميق وضع أساسًا لتطوير الذكاء الاصطناعي في أواخر التسعينيات، مما جعل الذكاء الاصطناعي جزءًا لا يتجزأ من المشهد التكنولوجي وبدأ يؤثر على الحياة اليومية.
مع بداية هذا القرن، أدت تقدم قدرات الحوسبة إلى صعود التعلم العميق، حيث أظهرت المساعدات الافتراضية مثل سيري قابلية تطبيق الذكاء الاصطناعي في مجالات استهلاك التطبيقات. في العقد 2010، حققت وكلاء التعلم المعزز والنماذج التوليدية مثل GPT-2 مزيدًا من الاختراقات، مما دفع الذكاء الاصطناعي الحواري إلى آفاق جديدة. خلال هذه العملية، أصبح ظهور النماذج اللغوية الكبيرة (Large Language Model، LLM) علامة بارزة في تطور الذكاء الاصطناعي، وخاصةً مع إصدار GPT-4، الذي يُعتبر نقطة تحول في مجال وكلاء الذكاء الاصطناعي. منذ أن أصدرت OpenAI سلسلة GPT، أظهرت النماذج المدربة مسبقًا على نطاق واسع قدرات تفوق النماذج التقليدية في توليد وفهم اللغة من خلال مئات المليارات أو حتى آلاف المليارات من المعلمات. لقد أظهرت أدائها الممتاز في معالجة اللغة الطبيعية، مما مكن وكلاء الذكاء الاصطناعي من إظهار قدرة تفاعلية منطقية وواضحة من خلال توليد اللغة. وهذا جعل وكلاء الذكاء الاصطناعي قادرين على الانخراط في سيناريوهات مثل مساعدات الدردشة وخدمة العملاء الافتراضية، وتمتد تدريجيًا نحو مهام أكثر تعقيدًا مثل التحليل التجاري والكتابة الإبداعية.
إن قدرة نماذج اللغة الكبيرة على التعلم توفر درجة أعلى من الاستقلالية لوكلاء الذكاء الاصطناعي. من خلال تقنية التعلم المعزز، يمكن لوكلاء الذكاء الاصطناعي تحسين سلوكهم باستمرار والتكيف مع البيئات الديناميكية. على سبيل المثال، في بعض المنصات المدفوعة بالذكاء الاصطناعي، يمكن لوكلاء الذكاء الاصطناعي تعديل استراتيجيات سلوكهم بناءً على إدخالات اللاعبين، مما يحقق تفاعلاً ديناميكياً حقيقياً.
من النظام القائم في المراحل المبكرة إلى نموذج اللغة الكبير الممثل بـ GPT-4، يعتبر تاريخ تطور الوكلاء الذكائيين تاريخاً من التطور المستمر الذي يتجاوز الحدود التقنية. وقد كانت ظهور GPT-4 بلا شك نقطة تحول كبيرة في هذه الرحلة. مع المزيد من التطور التكنولوجي، سيصبح الوكلاء الذكائيون أكثر ذكاءً، وتنوعاً، وتخصصاً. لم يضف نموذج اللغة الكبير فقط "ذكاء" إلى روح الوكلاء الذكائيين، بل زودهم أيضاً بقدرة على التعاون عبر المجالات. في المستقبل، ستستمر المنصات الابتكارية في الظهور، مما يدفع بتقنية الوكلاء الذكائيين إلى تحقيق التنمية، وقيادة تجربة مدفوعة بالذكاء الاصطناعي في عصر جديد.
1.2 آلية العمل
تتمثل الاختلافات بين AIAGENT والروبوتات التقليدية في قدرتها على التعلم والتكيف مع مرور الوقت، واتخاذ قرارات دقيقة لتحقيق الأهداف. يمكن اعتبارها مشاركين بارعين ومتطورين باستمرار في مجال التشفير، قادرة على العمل بشكل مستقل في الاقتصاد الرقمي.
جوهر وكيل الذكاء الاصطناعي يكمن في "الذكاء" الخاص به - أي محاكاة سلوك الذكاء البشري أو سلوك الكائنات الحية الأخرى من خلال الخوارزميات، لحل المشكلات المعقدة بشكل تلقائي. عادة ما تتبع عملية عمل وكيل الذكاء الاصطناعي الخطوات التالية: الإدراك، الاستدلال، العمل، التعلم، التعديل.
1.2.1 وحدة الإدراك
يتفاعل وكيل الذكاء الاصطناعي مع العالم الخارجي من خلال وحدة الإدراك، جمع معلومات البيئة. تشبه وظائف هذا الجزء الحواس البشرية، حيث تستخدم أجهزة الاستشعار والكاميرات والميكروفونات لالتقاط البيانات الخارجية، بما في ذلك استخراج الميزات ذات المعنى، والتعرف على الكائنات أو تحديد الكيانات ذات الصلة في البيئة. المهمة الأساسية لوحدة الإدراك هي تحويل البيانات الخام إلى معلومات ذات معنى، وغالباً ما تتضمن التقنيات التالية:
الرؤية الحاسوبية: تُستخدم لمعالجة وفهم بيانات الصور والفيديو.
معالجة اللغة الطبيعية (NLP): تساعد AI AGENT على فهم وإنتاج اللغة البشرية.
دمج المستشعرات: دمج بيانات من مستشعرات متعددة في رؤية موحدة.
1.2.2 وحدة الاستدلال واتخاذ القرار
بعد إدراك البيئة، يحتاج AI AGENT إلى اتخاذ قرارات بناءً على البيانات. يعدّ وحدة الاستدلال واتخاذ القرار "دماغ" النظام بأكمله، حيث يقوم بإجراء استدلال منطقي وتطوير استراتيجيات استنادًا إلى المعلومات التي تم جمعها. باستخدام نماذج اللغة الكبيرة وغيرها من النماذج كمنظم أو محرك استدلال، يمكنه فهم المهام، وتوليد الحلول، وتنسيق النماذج المتخصصة المستخدمة في إنشاء المحتوى، معالجة الصور، أو أنظمة التوصية.
تستخدم هذه الوحدة عادةً التقنيات التالية:
محرك القواعد: اتخاذ قرارات بسيطة بناءً على القواعد المحددة مسبقًا.
نماذج التعلم الآلي: تشمل أشجار القرار والشبكات العصبية وغيرها، المستخدمة في التعرف على الأنماط المعقدة والتنبؤ.
التعلم المعزز: يجعل وكيل الذكاء الاصطناعي يقوم بتحسين استراتيجيات اتخاذ القرار من خلال التجربة والخطأ، والتكيف مع البيئات المتغيرة.
تتضمن عملية الاستدلال عادةً عدة خطوات: أولاً تقييم البيئة، ثم حساب عدة خيارات عمل ممكنة بناءً على الهدف، وأخيرًا اختيار الخيار الأمثل للتنفيذ.
1.2.3 تنفيذ الوحدة
وحدة التنفيذ هي "اليدين والقدمين" لوكيل الذكاء الاصطناعي، حيث تقوم بتحويل قرارات وحدة الاستدلال إلى أفعال. تتفاعل هذه الوحدة مع الأنظمة أو الأجهزة الخارجية لإكمال المهام المحددة. قد يتضمن ذلك عمليات مادية (مثل حركة الروبوتات) أو عمليات رقمية (مثل معالجة البيانات). تعتمد وحدة التنفيذ على:
نظام التحكم في الروبوتات: يستخدم للعمليات الفيزيائية، مثل حركة ذراع الروبوت.
استدعاء API: التفاعل مع أنظمة البرمجيات الخارجية، مثل استعلامات قاعدة البيانات أو الوصول إلى خدمات الشبكة.
إدارة العمليات الآلية: في بيئة الشركات، يتم تنفيذ المهام المتكررة من خلال RPA (أتمتة العمليات الروبوتية).
1.2.4 وحدة التعلم
تعتبر وحدة التعلم هي القوة التنافسية الأساسية لوكيل الذكاء الاصطناعي، حيث تمكن الوكيل من أن يصبح أكثر ذكاءً مع مرور الوقت. من خلال حلقة التغذية الراجعة أو "دوامة البيانات"، يتم تحسين البيانات الناتجة عن التفاعلات بشكل مستمر، مما يعزز النموذج. هذه القدرة على التكيف التدريجي بمرور الوقت وزيادة الفعالية تقدم للأعمال أداة قوية لتحسين اتخاذ القرارات وكفاءة العمليات.
تتم تحسين وحدات التعلم عادةً بالطريقة التالية:
التعلم تحت الإشراف: استخدام البيانات المصنفة لتدريب النموذج، مما يمكّن وكيل الذكاء الاصطناعي من إتمام المهام بدقة أكبر.
التعلم غير الخاضع للإشراف: اكتشاف الأنماط المحتملة من البيانات غير المعلّمة، مما يساعد الوكلاء على التكيف مع بيئات جديدة.
التعلم المستمر: من خلال تحديث البيانات في الوقت الفعلي للنموذج، الحفاظ على أداء الوكلاء في بيئة ديناميكية.
1.2.5 ردود الفعل والتعديل في الوقت الحقيقي
يعمل وكيل الذكاء الاصطناعي على تحسين أدائه من خلال حلقة تغذية راجعة مستمرة. يتم تسجيل نتائج كل إجراء واستخدامها لضبط القرارات المستقبلية. يضمن هذا النظام المغلق قدرة وكيل الذكاء الاصطناعي على التكيف والمرونة.
1.3 حالة السوق
1.3.1 حالة الصناعة
وكيل الذكاء الاصطناعي أصبح محور التركيز في السوق، بفضل إمكانياته الكبيرة كواجهة للمستهلكين وفاعل اقتصادي مستقل، مما يجلب تغييرات للعديد من الصناعات. تماماً كما كان من الصعب تقدير إمكانيات مساحة الكتل من المستوى الأول في الدورة السابقة، فإن وكيل الذكاء الاصطناعي يظهر نفس الآفاق في هذه الدورة.
وفقًا لأحدث تقرير من Markets and Markets، من المتوقع أن ينمو سوق الوكلاء الذكاء الاصطناعي من 5.1 مليار دولار في عام 2024 إلى 47.1 مليار دولار في عام 2030، بمعدل نمو سنوي مركب يصل إلى 44.8%. تعكس هذه الزيادة السريعة مدى انتشار وكلاء الذكاء الاصطناعي في مختلف الصناعات، فضلاً عن الطلب في السوق الناتج عن الابتكارات التكنولوجية.
زاد استثمار الشركات الكبرى في إطار代理 المفتوح المصدر بشكل ملحوظ. إن أنشطة تطوير أطر مثل AutoGen وPhidata وLangGraph من مايكروسوفت أصبحت أكثر نشاطًا، مما يشير إلى أن AI AGENT لديه إمكانيات سوقية أكبر خارج مجال التشفير، حيث يتوسع الحجم الإجمالي للسوق (TAM) أيضًا، وتستمر أهمية المستثمرين في ذلك في الارتفاع، مما يجعلهم أكثر استعدادًا لمنح مضاعفات علاوة لذلك.
من حيث نشر السلاسل العامة، تعتبر سولانا ساحة المعركة الرئيسية، بينما توجد أيضًا سلاسل عامة أخرى مثل سلسلة Base التي تمتلك إمكانات هائلة.
من حيث الوعي بالسوق (Mindshare)، فإن FARTCOIN و AIXBT يتصدران القائمة. ولدت Fartcoin من نفس المصدر مثل GOAT، حيث جاءت من نموذج AI AGENT معين، وفي محادثة بين هذا النموذج وأدوات الذكاء الاصطناعي، تم الإشارة إلى أن ترامب يحب صوت الفَضلات، لذلك اقترح هذا النموذج إصدار رمز يسمى Fartcoin، وصمم مجموعة من أساليب الترويج والألعاب. وهكذا وُلدت Fartcoin في 18 أكتوبر، بعد فترة وجيزة من GOAT (11 أكتوبر)، وحققت قيمة تقديرية تجاوزت مليار دولار لفترة قصيرة في ديسمبر 2024. على الرغم من أن الأمر كان يُعتبر في البداية نظرة فكاهية على مجال العملات الرقمية، إلا أنَّها
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.
تسجيلات الإعجاب 6
أعجبني
6
6
مشاركة
تعليق
0/400
OnchainSniper
· منذ 9 س
又一波 مشتري غبي في الطريق
شاهد النسخة الأصليةرد0
LightningSentry
· منذ 9 س
قلتها من قبل، إنه العنزة! لنبدأ.
شاهد النسخة الأصليةرد0
ForkPrince
· منذ 9 س
لقد جاء آلة جديدة لحمقى
شاهد النسخة الأصليةرد0
DataOnlooker
· منذ 9 س
في عام 2025، سنعتمد جميعًا على الذكاء الاصطناعي، أليس كذلك؟
شاهد النسخة الأصليةرد0
MevShadowranger
· منذ 9 س
هو مفهوم المضاربة على الذكاء الاصطناعي، أليس كذلك؟
AI Agent: القوة الذكية لتشكيل بيئة اقتصادية جديدة للتشفير
AI AGENT: القوة الذكية التي تشكل النظام الاقتصادي الجديد في المستقبل
1. خلفية عامة
1.1 المقدمة: "الشريك الجديد" في عصر الذكاء
كل دورة من دورات العملات المشفرة تجلب بنية تحتية جديدة تدفع الصناعة بأكملها إلى الأمام.
تطلّعًا إلى عام 2025، ستكون المجالات الناشئة هي وكلاء الذكاء الاصطناعي. وصلت هذه الاتجاهات إلى ذروتها في أكتوبر من العام الماضي، حيث تم إطلاق رمز $GOAT في 11 أكتوبر 2024، ووصلت قيمته السوقية إلى 150 مليون دولار في 15 أكتوبر. وبعد ذلك، في 16 أكتوبر، أطلق بروتوكول Virtuals Luna، الذي ظهر بشكل مباشر باستخدام صورة الفتاة المجاورة، مما أثار ضجة في جميع أنحاء الصناعة.
إذن، ما هو وكيل الذكاء الاصطناعي؟
يحتوي وكيل الذكاء الاصطناعي على العديد من أوجه التشابه مع نظام الذكاء الاصطناعي للملكة الحمراء في فيلم "Resident Evil". يلعب وكيل الذكاء الاصطناعي في العالم الحقيقي، إلى حد ما، دورًا مشابهًا، حيث إنه "حارس الحكمة" في مجال التكنولوجيا الحديثة، يساعد الشركات والأفراد على التعامل مع المهام المعقدة من خلال الإدراك الذاتي، والتحليل، والتنفيذ. من السيارات ذاتية القيادة إلى خدمة العملاء الذكية، غزا وكيل الذكاء الاصطناعي جميع الصناعات، ليصبح قوة رئيسية في تعزيز الكفاءة والابتكار.
على سبيل المثال، يمكن استخدام وكيل الذكاء الاصطناعي في تداول آلي، بناءً على البيانات المجمعة من منصة البيانات أو المنصات الاجتماعية، لإدارة المحفظة وتنفيذ الصفقات في الوقت الحقيقي، وتحسين أدائه باستمرار من خلال التكرار. وكيل الذكاء الاصطناعي ليس شكلاً واحدًا، بل ينقسم إلى فئات مختلفة بناءً على الاحتياجات المحددة في النظام البيئي للعملات المشفرة:
وكيل الذكاء الاصطناعي التنفيذي: يركز على إتمام مهام محددة، مثل التداول، إدارة المحافظ أو التحكيم، بهدف تحسين دقة العمليات وتقليل الوقت المطلوب.
وكيل الذكاء الاصطناعي الإبداعي: يُستخدم في إنشاء المحتوى، بما في ذلك النصوص، والتصميم، وحتى التأليف الموسيقي.
3.وكيل الذكاء الاصطناعي الاجتماعي: كقائد رأي على وسائل التواصل الاجتماعي، يتفاعل مع المستخدمين، يبني مجتمعًا ويشارك في أنشطة التسويق.
في هذا التقرير، سنستكشف بالتفصيل أصول وواقع وآفاق تطبيقات وكيل الذكاء الاصطناعي، ونحلل كيف تعيد تشكيل المشهد الصناعي، ونتطلع إلى اتجاهات تطورها المستقبلية.
1.1.1 تاريخ التنمية
تظهر مسيرة تطوير وكيل الذكاء الاصطناعي تطور الذكاء الاصطناعي من البحث الأساسي إلى التطبيق الواسع. في مؤتمر دارتموث عام 1956، تم تقديم مصطلح "الذكاء الاصطناعي" لأول مرة، مما وضع الأساس للذكاء الاصطناعي كحقل مستقل. في هذه الفترة، كانت أبحاث الذكاء الاصطناعي تركز بشكل أساسي على الطرق الرمزية، مما أدى إلى ظهور أولى برامج الذكاء الاصطناعي، مثل ELIZA (روبوت الدردشة) وDendral (نظام خبير في مجال الكيمياء العضوية). شهدت هذه المرحلة أيضًا اقتراح الشبكات العصبية واستكشاف مفهوم التعلم الآلي. لكن أبحاث الذكاء الاصطناعي في تلك الفترة كانت مقيدة بشدة بسبب قيود القدرة الحسابية في ذلك الوقت. واجه الباحثون صعوبات كبيرة في تطوير خوارزميات معالجة اللغة الطبيعية وتقليد وظائف الإدراك البشري. بالإضافة إلى ذلك، في عام 1972، قدم عالم الرياضيات جيمس لايتهيل تقريرًا نُشر في عام 1973 حول حالة أبحاث الذكاء الاصطناعي الجارية في المملكة المتحدة. عبر تقرير لايتهيل بشكل أساسي عن تشاؤم شامل بشأن أبحاث الذكاء الاصطناعي بعد فترة الحماس المبكرة، مما أدى إلى فقدان كبير للثقة من قبل المؤسسات الأكاديمية في المملكة المتحدة ( بما في ذلك الوكالات الممولة ). بعد عام 1973، انخفضت ميزانيات أبحاث الذكاء الاصطناعي بشكل كبير، ومرت مجال الذكاء الاصطناعي بأول "شتاء للذكاء الاصطناعي"، حيث زادت الشكوك حول إمكانيات الذكاء الاصطناعي.
في الثمانينيات من القرن العشرين، أدى تطوير الأنظمة الخبيرة وتجاريتها إلى بدء الشركات العالمية في اعتماد تقنيات الذكاء الاصطناعي. شهدت هذه الفترة تقدمًا كبيرًا في التعلم الآلي والشبكات العصبية ومعالجة اللغة الطبيعية، مما دفع إلى ظهور تطبيقات ذكاء اصطناعي أكثر تعقيدًا. إن إدخال المركبات الذاتية لأول مرة ونشر الذكاء الاصطناعي في قطاعات مثل المالية والطب، يمثل أيضًا توسيعًا لتقنيات الذكاء الاصطناعي. لكن في أواخر الثمانينيات وأوائل التسعينيات، شهدت مجال الذكاء الاصطناعي انهيارًا في الطلب على الأجهزة المخصصة للذكاء الاصطناعي، مما أدى إلى حدوث "شتاء الذكاء الاصطناعي" الثاني. بالإضافة إلى ذلك، لا يزال توسيع نطاق أنظمة الذكاء الاصطناعي ودمجها بنجاح في التطبيقات العملية تحديًا مستمرًا. ولكن في الوقت نفسه، في عام 1997، هزم كمبيوتر آي بي إم ديب بلو بطل العالم في الشطرنج غاري كاسباروف، وهو حدث بارز في قدرة الذكاء الاصطناعي على حل المشكلات المعقدة. إن إحياء الشبكات العصبية والتعلم العميق وضع أساسًا لتطوير الذكاء الاصطناعي في أواخر التسعينيات، مما جعل الذكاء الاصطناعي جزءًا لا يتجزأ من المشهد التكنولوجي وبدأ يؤثر على الحياة اليومية.
مع بداية هذا القرن، أدت تقدم قدرات الحوسبة إلى صعود التعلم العميق، حيث أظهرت المساعدات الافتراضية مثل سيري قابلية تطبيق الذكاء الاصطناعي في مجالات استهلاك التطبيقات. في العقد 2010، حققت وكلاء التعلم المعزز والنماذج التوليدية مثل GPT-2 مزيدًا من الاختراقات، مما دفع الذكاء الاصطناعي الحواري إلى آفاق جديدة. خلال هذه العملية، أصبح ظهور النماذج اللغوية الكبيرة (Large Language Model، LLM) علامة بارزة في تطور الذكاء الاصطناعي، وخاصةً مع إصدار GPT-4، الذي يُعتبر نقطة تحول في مجال وكلاء الذكاء الاصطناعي. منذ أن أصدرت OpenAI سلسلة GPT، أظهرت النماذج المدربة مسبقًا على نطاق واسع قدرات تفوق النماذج التقليدية في توليد وفهم اللغة من خلال مئات المليارات أو حتى آلاف المليارات من المعلمات. لقد أظهرت أدائها الممتاز في معالجة اللغة الطبيعية، مما مكن وكلاء الذكاء الاصطناعي من إظهار قدرة تفاعلية منطقية وواضحة من خلال توليد اللغة. وهذا جعل وكلاء الذكاء الاصطناعي قادرين على الانخراط في سيناريوهات مثل مساعدات الدردشة وخدمة العملاء الافتراضية، وتمتد تدريجيًا نحو مهام أكثر تعقيدًا مثل التحليل التجاري والكتابة الإبداعية.
إن قدرة نماذج اللغة الكبيرة على التعلم توفر درجة أعلى من الاستقلالية لوكلاء الذكاء الاصطناعي. من خلال تقنية التعلم المعزز، يمكن لوكلاء الذكاء الاصطناعي تحسين سلوكهم باستمرار والتكيف مع البيئات الديناميكية. على سبيل المثال، في بعض المنصات المدفوعة بالذكاء الاصطناعي، يمكن لوكلاء الذكاء الاصطناعي تعديل استراتيجيات سلوكهم بناءً على إدخالات اللاعبين، مما يحقق تفاعلاً ديناميكياً حقيقياً.
من النظام القائم في المراحل المبكرة إلى نموذج اللغة الكبير الممثل بـ GPT-4، يعتبر تاريخ تطور الوكلاء الذكائيين تاريخاً من التطور المستمر الذي يتجاوز الحدود التقنية. وقد كانت ظهور GPT-4 بلا شك نقطة تحول كبيرة في هذه الرحلة. مع المزيد من التطور التكنولوجي، سيصبح الوكلاء الذكائيون أكثر ذكاءً، وتنوعاً، وتخصصاً. لم يضف نموذج اللغة الكبير فقط "ذكاء" إلى روح الوكلاء الذكائيين، بل زودهم أيضاً بقدرة على التعاون عبر المجالات. في المستقبل، ستستمر المنصات الابتكارية في الظهور، مما يدفع بتقنية الوكلاء الذكائيين إلى تحقيق التنمية، وقيادة تجربة مدفوعة بالذكاء الاصطناعي في عصر جديد.
1.2 آلية العمل
تتمثل الاختلافات بين AIAGENT والروبوتات التقليدية في قدرتها على التعلم والتكيف مع مرور الوقت، واتخاذ قرارات دقيقة لتحقيق الأهداف. يمكن اعتبارها مشاركين بارعين ومتطورين باستمرار في مجال التشفير، قادرة على العمل بشكل مستقل في الاقتصاد الرقمي.
جوهر وكيل الذكاء الاصطناعي يكمن في "الذكاء" الخاص به - أي محاكاة سلوك الذكاء البشري أو سلوك الكائنات الحية الأخرى من خلال الخوارزميات، لحل المشكلات المعقدة بشكل تلقائي. عادة ما تتبع عملية عمل وكيل الذكاء الاصطناعي الخطوات التالية: الإدراك، الاستدلال، العمل، التعلم، التعديل.
1.2.1 وحدة الإدراك
يتفاعل وكيل الذكاء الاصطناعي مع العالم الخارجي من خلال وحدة الإدراك، جمع معلومات البيئة. تشبه وظائف هذا الجزء الحواس البشرية، حيث تستخدم أجهزة الاستشعار والكاميرات والميكروفونات لالتقاط البيانات الخارجية، بما في ذلك استخراج الميزات ذات المعنى، والتعرف على الكائنات أو تحديد الكيانات ذات الصلة في البيئة. المهمة الأساسية لوحدة الإدراك هي تحويل البيانات الخام إلى معلومات ذات معنى، وغالباً ما تتضمن التقنيات التالية:
1.2.2 وحدة الاستدلال واتخاذ القرار
بعد إدراك البيئة، يحتاج AI AGENT إلى اتخاذ قرارات بناءً على البيانات. يعدّ وحدة الاستدلال واتخاذ القرار "دماغ" النظام بأكمله، حيث يقوم بإجراء استدلال منطقي وتطوير استراتيجيات استنادًا إلى المعلومات التي تم جمعها. باستخدام نماذج اللغة الكبيرة وغيرها من النماذج كمنظم أو محرك استدلال، يمكنه فهم المهام، وتوليد الحلول، وتنسيق النماذج المتخصصة المستخدمة في إنشاء المحتوى، معالجة الصور، أو أنظمة التوصية.
تستخدم هذه الوحدة عادةً التقنيات التالية:
تتضمن عملية الاستدلال عادةً عدة خطوات: أولاً تقييم البيئة، ثم حساب عدة خيارات عمل ممكنة بناءً على الهدف، وأخيرًا اختيار الخيار الأمثل للتنفيذ.
1.2.3 تنفيذ الوحدة
وحدة التنفيذ هي "اليدين والقدمين" لوكيل الذكاء الاصطناعي، حيث تقوم بتحويل قرارات وحدة الاستدلال إلى أفعال. تتفاعل هذه الوحدة مع الأنظمة أو الأجهزة الخارجية لإكمال المهام المحددة. قد يتضمن ذلك عمليات مادية (مثل حركة الروبوتات) أو عمليات رقمية (مثل معالجة البيانات). تعتمد وحدة التنفيذ على:
1.2.4 وحدة التعلم
تعتبر وحدة التعلم هي القوة التنافسية الأساسية لوكيل الذكاء الاصطناعي، حيث تمكن الوكيل من أن يصبح أكثر ذكاءً مع مرور الوقت. من خلال حلقة التغذية الراجعة أو "دوامة البيانات"، يتم تحسين البيانات الناتجة عن التفاعلات بشكل مستمر، مما يعزز النموذج. هذه القدرة على التكيف التدريجي بمرور الوقت وزيادة الفعالية تقدم للأعمال أداة قوية لتحسين اتخاذ القرارات وكفاءة العمليات.
تتم تحسين وحدات التعلم عادةً بالطريقة التالية:
1.2.5 ردود الفعل والتعديل في الوقت الحقيقي
يعمل وكيل الذكاء الاصطناعي على تحسين أدائه من خلال حلقة تغذية راجعة مستمرة. يتم تسجيل نتائج كل إجراء واستخدامها لضبط القرارات المستقبلية. يضمن هذا النظام المغلق قدرة وكيل الذكاء الاصطناعي على التكيف والمرونة.
1.3 حالة السوق
1.3.1 حالة الصناعة
وكيل الذكاء الاصطناعي أصبح محور التركيز في السوق، بفضل إمكانياته الكبيرة كواجهة للمستهلكين وفاعل اقتصادي مستقل، مما يجلب تغييرات للعديد من الصناعات. تماماً كما كان من الصعب تقدير إمكانيات مساحة الكتل من المستوى الأول في الدورة السابقة، فإن وكيل الذكاء الاصطناعي يظهر نفس الآفاق في هذه الدورة.
وفقًا لأحدث تقرير من Markets and Markets، من المتوقع أن ينمو سوق الوكلاء الذكاء الاصطناعي من 5.1 مليار دولار في عام 2024 إلى 47.1 مليار دولار في عام 2030، بمعدل نمو سنوي مركب يصل إلى 44.8%. تعكس هذه الزيادة السريعة مدى انتشار وكلاء الذكاء الاصطناعي في مختلف الصناعات، فضلاً عن الطلب في السوق الناتج عن الابتكارات التكنولوجية.
زاد استثمار الشركات الكبرى في إطار代理 المفتوح المصدر بشكل ملحوظ. إن أنشطة تطوير أطر مثل AutoGen وPhidata وLangGraph من مايكروسوفت أصبحت أكثر نشاطًا، مما يشير إلى أن AI AGENT لديه إمكانيات سوقية أكبر خارج مجال التشفير، حيث يتوسع الحجم الإجمالي للسوق (TAM) أيضًا، وتستمر أهمية المستثمرين في ذلك في الارتفاع، مما يجعلهم أكثر استعدادًا لمنح مضاعفات علاوة لذلك.
من حيث نشر السلاسل العامة، تعتبر سولانا ساحة المعركة الرئيسية، بينما توجد أيضًا سلاسل عامة أخرى مثل سلسلة Base التي تمتلك إمكانات هائلة.
من حيث الوعي بالسوق (Mindshare)، فإن FARTCOIN و AIXBT يتصدران القائمة. ولدت Fartcoin من نفس المصدر مثل GOAT، حيث جاءت من نموذج AI AGENT معين، وفي محادثة بين هذا النموذج وأدوات الذكاء الاصطناعي، تم الإشارة إلى أن ترامب يحب صوت الفَضلات، لذلك اقترح هذا النموذج إصدار رمز يسمى Fartcoin، وصمم مجموعة من أساليب الترويج والألعاب. وهكذا وُلدت Fartcoin في 18 أكتوبر، بعد فترة وجيزة من GOAT (11 أكتوبر)، وحققت قيمة تقديرية تجاوزت مليار دولار لفترة قصيرة في ديسمبر 2024. على الرغم من أن الأمر كان يُعتبر في البداية نظرة فكاهية على مجال العملات الرقمية، إلا أنَّها