مع مشاركة الذكاء الاصطناعي في التحليل المالي، والتحول التدريجي للأصول الواقعية إلى رموز، وتعامل بروتوكولات DeFi مع معلومات متزايدة التعقيد على السلسلة وخارجها، تزداد أهمية البنية التحتية للبيانات وضوحًا. فالتطبيقات لا تحتاج إلى الحصول على البيانات فحسب، بل تحتاج أيضًا إلى معرفة كيفية الاستعلام عنها وحسابها، وما إذا كانت النتائج موثوقة.
وهذه هي المشكلة التي تركز عليها Space and Time. إذ تجمع تقنيتها الأساسية، Proof of SQL، بين استعلامات SQL وإثباتات المعرفة الصفرية، بحيث يمكن إرفاق إثبات قابل للتحقق بنتائج الاستعلام. وبذلك تستطيع التطبيقات التي تستخدم البيانات التحقق من أن النتائج تتوافق مع الاستعلام المحدد، بدلًا من قبول الأرقام التي تعيدها قاعدة البيانات ببساطة.
بالنسبة إلى الذكاء الاصطناعي، تساعد استعلامات البيانات القابلة للتحقق على تزويد النماذج ووكلاء الذكاء الاصطناعي بمدخلات معلوماتية أكثر موثوقية، وتحدّ من الحالات التي تستند فيها القرارات المهمة إلى بيانات يتعذر التحقق منها. وبالنسبة إلى الترميز، تحتاج الأصول على السلسلة والبيانات الخارجية إلى اتصال موثوق، ويمكن للاستعلامات القابلة للتحقق أن تدعم معلومات الأصول ومنطق الأعمال. أما في DeFi، فتشمل البروتوكولات الأصول والمعاملات ومؤشرات المخاطر؛ وإذا أمكن التحقق من نتائج البيانات، فقد يساعد ذلك على تقليل الاعتماد على وسيط بيانات واحد.
بالطبع، لا تضمن التقنية تلقائيًا صحة جميع المدخلات، ولا يمكنها أن تحل محل إدارة المخاطر؛ فما زالت مصادر البيانات والصلاحيات وتصميم التطبيقات أمورًا مهمة. لكن جعل عملية حساب الاستعلام قابلة للتحقق يُعد خطوة مهمة نحو بناء أنظمة موثوقة.
وهي تعالج مسألة أساسية قائمة منذ زمن طويل: عندما يقول مزود خدمة البيانات إن النتيجة صحيحة، فهل يستطيع المستخدم التحقق منها بنفسه؟ إن إدخال إمكانية التحقق إلى طبقة البيانات يتيح لمطوري التطبيقات تصميم إجراءات أكثر شفافية، كما يمنح المستخدمين فرصة التساؤل عن مصدر الاستنتاجات.
أرى أن أهمية Space and Time تكمن في نقل مفهوم «إمكانية استخدام البيانات» إلى «إمكانية التحقق من نتائج البيانات». ومع حاجة الذكاء الاصطناعي والترميز وDeFi جميعًا إلى أساس أقوى من الثقة، فإن هذه القدرة تستحق المتابعة المستمرة.@SpaceandTime
#sxt $SXT
وهذه هي المشكلة التي تركز عليها Space and Time. إذ تجمع تقنيتها الأساسية، Proof of SQL، بين استعلامات SQL وإثباتات المعرفة الصفرية، بحيث يمكن إرفاق إثبات قابل للتحقق بنتائج الاستعلام. وبذلك تستطيع التطبيقات التي تستخدم البيانات التحقق من أن النتائج تتوافق مع الاستعلام المحدد، بدلًا من قبول الأرقام التي تعيدها قاعدة البيانات ببساطة.
بالنسبة إلى الذكاء الاصطناعي، تساعد استعلامات البيانات القابلة للتحقق على تزويد النماذج ووكلاء الذكاء الاصطناعي بمدخلات معلوماتية أكثر موثوقية، وتحدّ من الحالات التي تستند فيها القرارات المهمة إلى بيانات يتعذر التحقق منها. وبالنسبة إلى الترميز، تحتاج الأصول على السلسلة والبيانات الخارجية إلى اتصال موثوق، ويمكن للاستعلامات القابلة للتحقق أن تدعم معلومات الأصول ومنطق الأعمال. أما في DeFi، فتشمل البروتوكولات الأصول والمعاملات ومؤشرات المخاطر؛ وإذا أمكن التحقق من نتائج البيانات، فقد يساعد ذلك على تقليل الاعتماد على وسيط بيانات واحد.
بالطبع، لا تضمن التقنية تلقائيًا صحة جميع المدخلات، ولا يمكنها أن تحل محل إدارة المخاطر؛ فما زالت مصادر البيانات والصلاحيات وتصميم التطبيقات أمورًا مهمة. لكن جعل عملية حساب الاستعلام قابلة للتحقق يُعد خطوة مهمة نحو بناء أنظمة موثوقة.
وهي تعالج مسألة أساسية قائمة منذ زمن طويل: عندما يقول مزود خدمة البيانات إن النتيجة صحيحة، فهل يستطيع المستخدم التحقق منها بنفسه؟ إن إدخال إمكانية التحقق إلى طبقة البيانات يتيح لمطوري التطبيقات تصميم إجراءات أكثر شفافية، كما يمنح المستخدمين فرصة التساؤل عن مصدر الاستنتاجات.
أرى أن أهمية Space and Time تكمن في نقل مفهوم «إمكانية استخدام البيانات» إلى «إمكانية التحقق من نتائج البيانات». ومع حاجة الذكاء الاصطناعي والترميز وDeFi جميعًا إلى أساس أقوى من الثقة، فإن هذه القدرة تستحق المتابعة المستمرة.@SpaceandTime
#sxt $SXT