عندما كنت في المساء أرتّب على جهاز الكمبيوتر بعض سجلات المشاريع القديمة المتراكمة، توقفت لا إراديًا لأقلب بضع صفحات من ملاحظاتك اليدوية التي كنت قد كتبتها آنذاك لتصحيح/اختبار العقود الذكية. كان فيها كل شيء مكتظًا بسلاسل منحنيات استهلاك الغاز في مختلف حالات الحافة، وخطوط التفكير لحلّ مشكلة فشل مزامنة الحالة—حتى أنني لم أستطع إلا أن أبتسم. على مدى هذه السنوات، أدخلت الكثير من خبراتي العملية وبياناتي في مختلف الأدوات للتحقق من أفكاري، لكن اتضح لي أن التجارب العميقة ذات القيمة غالبًا ما يتم الاستيلاء عليها بسهولة في المنصات المركزية، بينما يجد المساهمون أنفسهم صعوبة في الحصول على مقابل عادل ومعقول. هذه المشاعر جعلتني أكون حذرًا بطبعي تجاه تلك المشاريع التي تزعم أنها تريد إعادة بناء قيمة البيانات.

وبهذا المنطلق من المزاج النفسي، ركّز “كازِيه” مؤخراً اهتمامه على مشروع OpenLedger الذي يجري ذكره تدريجياً داخل المجتمع. في البداية لم أكن أتوقع كثيراً، لأنني رأيتُ في السابق الكثير من الحلول التي تحمل وسم AI لكنها تكتفي بالعمل على السطح. لكن بعد أن قضيت عدة أيام في قراءة كود البروتوكول الأساسي لديهم بعناية، ولا سيما وحدة شبكة البيانات اللامركزية التي تُسمّى Datanets، اكتشفت أنهم بالفعل يحاولون سلوك طريق عملي: عبر وضع تدفّق القيمة في الاستدلال (AI inference) على السلسلة، ليُصبح قابلًا للتحقق ضمن تسوية on-chain.

آلية الـAI القابلة للدفع التي اقترحوها، تكمن فكرتها الأساسية في استخدام مجموعة من المعرفات المشفّرة وتصميم عقود نمطية/وحداتية (modular)، بحيث يمكن تتبّع كل استدعاء للنموذج وكل مساهمة في البيانات أو توفير للقدرة الحوسبية بشكل واضح، مع الحصول على التعويض المقابل. تخيّلوا أن أحد المطورين يرفع وحدة استخراج السمات الخاصة التي درّبها بنفسه إلى الشبكة؛ وبعد ذلك، إذا استدعت فرقٌ كمية هذا المُكوّن لمساعدة تحليل اتجاهات السوق، فإن البروتوكول الأساسي سيفك تلقائياً الرسوم ويُمرّرها إلى العناوين ذات الصلة وفقاً لأوزان المساهمة المحددة مسبقاً. هذا التصميم، من ناحية المفهوم، نظيف إلى حد كبير: فهو يحاول نقل آليات توزيع كانت محتكرة بالكامل سابقاً من قبل منصات كبرى، عبر أسلوب لامركزي، إلى من يقدّمون مساهمات فعلية.

من منظور مهندس، #OpenLedger أكثر ما يعجبني في هذا التصميم هو فكرة تفكيكه بشكل نمطي/نمذجي (modular). تقوم Datanets بتنظيم طبقة البيانات وطبقة النموذج وطبقة التسوية بشكل مستقل نسبياً، ما يسهل التكرار لاحقاً والترقية الجزئية، ولا يجعل تعطل أي جزء يؤدي إلى شلل النظام بأكمله. أنا شخصياً اتبعت الوثائق وشغّلت عدة مرات تدفق الاستدعاء من طرف إلى طرف على شبكة الاختبار، وكانت عتبة الدخول ليست منخفضة، لكن منطق النظام واضح إلى حدٍ ما. وبالنسبة لمن لديه خبرة في Solidity والأنظمة الموزعة، يمكن بناء التفاعلات الأساسية خلال يوم أو يومين. وبعد تشغيله فعلياً، كان أداء التأخير والرسوم أكثر استقراراً مما توقعته. ومع ذلك، فهذا مجرد اختبار على نطاق صغير، والأداء في سيناريوهات عالية التزامن (high concurrency) حقيقيّة يحتاج إلى وقت أطول للمراقبة.$OPEN

لكنني أيضاً أفهم جيداً أن أي محاولة من هذا النوع لا بد أن تتجاوز تحديات هندسية واقعية. إن الاعتماد الشديد على آلية التسوية الفورية على السلسلة (on-chain) يجعل التعامل مع مهام ذكاء اصطناعي متعددة الوسائط وعلى نطاق واسع مع تزامنٍ كبير أمراً قد يضخّم بسرعة ضغوط تأخير الشبكة ومزامنة العقد. لقد عانيتُ من ذلك في فترات سابقة على سلاسل عامة أخرى ذات حمل مرتفع؛ ففي تلك الأوقات، أدى تأخير تأكيد متكرر وتقلبات مفاجئة في الرسوم إلى تكسير الكثير من مسارات الأتمتة التي كان من المفترض أن تعمل بسلاسة. إذا لم تتمكّن Datanets لاحقاً من مواصلة التطوير على مستوى توسيع العقد وتحسين التقسيم (sharding)، فقد تجعل هذه المخاطر بعض المستخدمين يشعرون بأن الاعتماد على الخدمات المركزية التقليدية أكثر موثوقية.$BTC

إضافةً إلى ذلك، ما زالت أنواع البيانات المتدفقة في شبكتهم تتركّز إلى حدٍ ما حالياً، إذ تدور أساساً حول سجلات بنيوية مرتبطة بالتمويل وجزء من مجموعات التدريب العامة. هذا قد يجعل التحقق المبكر أكثر تركيزاً، لكنه يعني أيضاً أن هناك فجوة واضحة قبل دعم قطاعات متعددة وتطبيقات ذكاء اصطناعي متنوعة بالفعل. إذا لم يستطع مجتمع المطورين لاحقاً الارتقاء بسرعة وتوسيع نطاقه، مع ضخ بيانات جديدة عالية الجودة باستمرار، فسيصبح من السهل أن يقع حلقة توزيع القيمة كلها في دورة نشاط منخفضة، لتتحول إلى نوع من الاعتماد الذاتي الذي يقتصر على عددٍ محدود من العقد.

على الرغم من وجود هذه المشكلات المحتملة، ما زلت أُبدي اعترافاً حذراً ومحترماً لهذا الاتجاه. فاستعادة سلطة تسعير جانب العرض للذكاء الاصطناعي من أيدي قلة من العمالقة، واستخدام تقنية البلوك تشين لخفض عتبة تمكين المطورين العاديين من تحقيق عائد من مواردهم الفريدة—هذه في حد ذاتها تستحق أن تُجرَّب بجدية. على الأقل، تمنح هذا النوع من الأشخاص الذين لديهم مجموعات بيانات متخصصة أو نماذج تم تحسينها مساراً جديداً محتملاً.

خلال الأشهر القليلة القادمة، أخطط لمواصلة مراقبتهم بصفتي مراقباً: عدد الاستدعاءات الفعلية للعقود الذكية، منحنى نمو عناوين رفع البيانات المستقلة داخل شبكة Datanets، واستقرار التسوية عبر الوحدات. ستُعد هذه البيانات أكثر صدقاً من أي ورقة تعريفية. وبعد انتهاء فترة المراقبة، سأقرر بناءً على الأداء الفعلي ما إذا كنت سأستثمر المزيد من الوقت والجهد. بشكل عام، أنا أحتفظ بتفاؤلٍ مضبوط تجاه هذه المحاولات التي تُنزِل جدّية التقنية إلى مستوى الكود—ليس لأنها تبدو ثورية للغاية، بل لأنها لا تتجنب تعقيدات العالم الحقيقي على مستوى التفاصيل الهندسية.