عندما يتحدث الناس عن تداول الذكاء الاصطناعي، تدور المحادثة عادة حول شيء واحد: هل يمكن للنموذج أن يتنبأ بالسوق بشكل أفضل من البشر؟
كنت أعتقد الشيء نفسه.
كلما كانت الاستراتيجية أدق، يجب أن تجلب المزيد من المال... أليس كذلك؟
بعد قضاء وقت أطول في عالم العملات المشفرة، أدركت أنني كنت أركز على المخاطرة الخاطئة. يمكن أن تؤدي التنبؤات السيئة إلى خسارة المال، لكن الأذونات السيئة يمكن أن تُفقد كل شيء.
غيّر ذلك تمامًا طريقة تقييم مشاريع الذكاء الاصطناعي.
لقد قمت بصفقات لم تكن في صالحها. دخلتُ مبكرًا جدًا، وبعتُ متأخرًا جدًا، وشاهدت إعدادات جيدة تفشل لأن السوق ببساطة غيّر اتجاهه. كانت تلك الخسائر مُحبِطة، لكنها كانت جزءًا من التداول. في النهاية، يقبل كل متداول أن أي استراتيجية لا تحقق الفوز في كل مرة.
ما أقلقني أكثر بكثير كان أمرًا فكرت فيه نادرًا من قبل: ماذا يحدث بعد أن أقوم بربط محفظتي؟
تطلب العديد من أدوات الذكاء الاصطناعي من المستخدمين الموافقة على صلاحيات واسعة لأنها أسهل للأتمتة. يضغط معظم الناس على "Approve" دون قراءة التفاصيل. الأمر سريع ومريح، وغالبًا لا يحدث شيء سيئ.
إلى أن يأتي يوم ويفعل ذلك.
المشكلة ليست ما إذا كان الذكاء الاصطناعي ذكيًا. المشكلة هي ما إذا كان الذكاء الاصطناعي مُصرّحًا له بأن يفعل أكثر مما قصدته.
لهذا السبب تصميم الأذونات مهم أكثر بكثير مما يدركه الكثيرون.
يؤدي ذكاء اصطناعي قوي متصل بصلاحيات محفظة غير محدودة إلى ملف مخاطر مختلف تمامًا. حتى إذا كانت استراتيجية التداول ممتازة، فإن التفويض الزائد يزيد من احتمال الضرر إذا حدث خطأ—سواء كان ذلك خللًا، أو استغلالًا، أو حتى مجرد خطأ بشري بسيط في منطق الأتمتة.
بالنسبة لي، لا يُبنى الثقة من خلال الوعود بعوائد أعلى.
يُبنى الثقة عبر تقييد ما يمكن أن يحدث عندما لا تسير الأمور كما خططنا لها.
سبب واحد لذلك @NewtonProtocol caught my attention.
بدلًا من اعتبار الترخيص فكرة لاحقة، تقوم نيوتن ببنائه في أساس التنفيذ عبر السلسلة المدعوم بالذكاء الاصطناعي. بدل منح البرامج حرية غير محدودة، صُمِّم البروتوكول حول أذونات قابلة للبرمجة تحدد بالضبط ما يُسمح لوكيل الذكاء الاصطناعي بفعله.
تخيّل وضع قواعد مثل:
- التداول فقط بالأصول المعتمدة.
- لا تتجاوز حد الإنفاق اليومي.
- رفض المعاملات التي تتجاوز قيمة معينة.
- حظر التفاعل مع بروتوكولات غير معتمدة.
- يتطلب موافقة إضافية للتحويلات الأكبر.
ليست هذه ميزات براقة تُنشئ عناوين مثيرة، لكنها بالضبط نوع الضمانات التي يبدأ المستخدمون الجادون في البحث عنها في النهاية.
مع تدفق المزيد من رأس المال إلى التمويل المدفوع بالذكاء الاصطناعي، تصبح هذه الضوابط أكثر أهمية باستمرار.
غالبًا ما يقارن الناس نماذج الذكاء الاصطناعي بالسرعة أو دقة التنبؤ، لكن هذه المزايا قد تختفي بسرعة. ستظهر دائمًا نماذج أفضل.
أنظمة الأذونات الجيدة يصعب استبدالها كثيرًا لأنها جزء من طبقة الثقة.
درس آخر تعلمته هو أن الأمان ليس فقط حول منع المخترقين. إنه أيضًا حول تقليل أثر الأخطاء العادية.
يرتكب الجميع أخطاء.
خطأ مطبعي.
رمز غير صحيح.
معامل غير صحيح.
قاعدة أتمتة تتصرف بشكل مختلف عما هو متوقع.
تساعد ضوابط الأذونات القوية على تحويل تلك الأخطاء إلى مشكلات يمكن التعامل معها بدل خسائر كارثية.
يبدو هذا أكثر استدامة بكثير من الاعتماد على ذكاء اصطناعي مثالي إلى الأبد.
وأيضًا أعتقد أن هذا النهج يتناسب مع الاتجاه الذي تسير إليه العملات الرقمية.
نتجه نحو وكلاء مستقلين يديرون المحافظ، وينفذون استراتيجيات DeFi، ويتفاعلون عبر عدة بروتوكولات دون تدخل بشري مستمر.
إذا كانت هذه هي المستقبل، يصبح الترخيص بنفس أهمية الذكاء.
ربما أكثر أهمية من ذلك.
لأنّه بمجرد حصول ذكاء اصطناعي على وصول إلى أصول حقيقية، لا تصبح المسألة فقط: "هل يستطيع اتخاذ قرارات جيدة؟"
تصبح بعد ذلك أسئلة أكثر أهمية: "ماذا يُسمح له فعليًا أن يفعل؟"
قد يفصل هذا الاختلاف الواحد بين بنية تحتية جديرة بالثقة ومخاطر غير ضرورية.
بالنسبة لي، لم يعد تقييم مشاريع الذكاء الاصطناعي يتعلق بإيجاد أنجح نموذج. بل يتعلق بإيجاد أنظمة تفترض حدوث أخطاء، ومصممة لتقليل الضرر عند حدوثها.
هذا عقلية أتمنى أنني كنت قد تبنيتها منذ وقت أبكر بكثير في رحلتي مع العملات الرقمية.
هل تعتقد أن التحكم في الأذونات سيصبح واحدًا من أهم ميزات التمويل المدفوع بالذكاء الاصطناعي خلال السنوات القليلة القادمة؟
