تواصل شركات الكريبتو الاستفادة من تقنيات الذكاء الاصطناعي، على الرغم من استمرار التحديات في هذا المجال.

لماذا تتجه الشركات إلى دمج العملات الرقمية مع الذكاء الاصطناعي

أصبح دمج الذكاء الاصطناعي مع تكنولوجيا البلوكشين خيارًا استراتيجيًا رئيسيًا لشركات العملات الرقمية التي تسعى لتعزيز الكفاءة التشغيلية وتقديم تجارب مستخدمين متقدمة. يتطلع رواد القطاع إلى استكشاف طرق مبتكرة للاستفادة من إمكانيات الذكاء الاصطناعي في مختلف جوانب أعمالهم، من الامتثال وإدارة المخاطر إلى خدمة العملاء وتطوير المنتجات.

أوضحت جاكلين بيرنز-كوفن، رئيسة استخبارات التهديدات الإلكترونية في Chainalysis – شركة تحليل البلوكشين – أن الشركة بدأت بتطوير طرق لاستخدام الذكاء الاصطناعي لتعزيز منتجات الامتثال والمخاطر والتحقيقات والنمو لصالح العملاء. وقالت: "مثل أي شركة، نحن نستفيد من الذكاء الاصطناعي لتحسين طريقة العمل في جميع أقسام الشركة، من خلال زيادة السرعة والكفاءة". ويعكس هذا النهج التوجه الأوسع للقطاع، حيث يُستخدم الذكاء الاصطناعي لتبسيط العمليات المعقدة وخفض التكاليف التشغيلية.

في مجال ضرائب العملات الرقمية، يسهم الذكاء الاصطناعي في تغيير طريقة إدارة المستخدمين لالتزاماتهم الضريبية. أعلنت ZenLedger، مزود برمجيات ضرائب العملات الرقمية، عن شراكة مع april – شركة مالية تعتمد على الذكاء الاصطناعي – لتبسيط عملية تقديم الإقرارات الضريبية. أوضح بات لارسون، الشريك المؤسس والرئيس التنفيذي لـ ZenLedger، أن منتجهم الجديد سيستفيد من تقنية april لتوجيه دافعي الضرائب عبر مسار موحد يجمع المتطلبات الفيدرالية والولائية، ثم يحدد الأسئلة التالية المناسبة. وقال: "على عكس برامج الضرائب التقليدية التي تطرح الأسئلة حسب ترتيب النماذج وتفصل النماذج الفيدرالية عن الولائية وتكرر نفس الأسئلة، فإن هذا النهج الذكي يقلل بشكل كبير من الوقت والتعقيد في تقارير ضرائب العملات الرقمية".

استعرض دانيال ماركوس، المدير التقني والشريك المؤسس لشركة april، الجانب التقني لهذا الابتكار. شرح أن الذكاء الاصطناعي كان محوريًا في تطوير منتج ضريبي يغطي سيناريوهات متعددة، بما فيها دخل العملات الرقمية والأصول الرقمية. وأوضح أن april تستخدم عملية "tax-to-code"، حيث تم تدريب نماذج لغوية ضخمة لتحليل المستندات الضريبية وتحويلها إلى شيفرة برمجية يتم مراجعتها من قبل فريق مختص من مهندسي الضرائب. يجمع هذا النهج بين كفاءة الذكاء الاصطناعي ودقة الخبراء البشريين لضمان الامتثال والدقة.

تطبيقات التمويل اللامركزي (DeFi) المدعومة بالذكاء الاصطناعي

يُسهم الذكاء الاصطناعي في تطوير العديد من حالات استخدام التمويل اللامركزي (DeFi)، مما يفتح آفاقًا جديدة لتقييم الأصول الرقمية وتداولها وإدارتها. أوضح نيك إيمونز، الشريك المؤسس والرئيس التنفيذي لشركة Upshot – شركة بنية تحتية للذكاء الاصطناعي – أن شركته تبني شبكة لامركزية تتعلم فيها نماذج الذكاء الاصطناعي من بعضها البعض. وأشار إلى أن هذا التفاعل يخلق "ذكاءً فائقًا" على مستوى الشبكة، ما يجعلها أكثر كفاءة وذكاءً من النماذج المنفردة.

أوضح إيمونز أن نموذج الذكاء الاصطناعي في Upshot يتيح حالات استخدام في DeFi لم يكن بالإمكان تنفيذها سابقًا. على سبيل المثال، يمكن للذكاء الاصطناعي تحسين تحديثات الأسعار للأصول الرقمية محدودة التداول أو الموجودة في بيئات ذات سيولة منخفضة. تواجه آليات التسعير التقليدية صعوبة مع هذه الأصول بسبب قلة التداول، لكن الذكاء الاصطناعي يحلل مصادر بيانات متعددة لتقديم تقييمات دقيقة. وصرح:

"الذكاء الاصطناعي أداة فعّالة لإنتاج تحديثات أسعار متكررة استنادًا إلى معلومات متنوعة، وليس فقط عند تداول الأصل. هذا يسمح بإدخال عدد أكبر من الأصول ضمن منظومة DeFi."

ولتوضيح ذلك، ذكر إيمونز أن Upshot ستطلق قريبًا "watch perps" التي تُنشأ عبر تدفقات مراقبة مدعومة بالذكاء الاصطناعي، في ابتكار يوضح كيف يمكن للذكاء الاصطناعي إنشاء أسواق لأصول كانت عديمة السيولة سابقًا. وأضاف:

"لا تستطيع الساعة الفردية إنتاج تدفق بيانات فوري حقيقي لبناء سوق حولها، لكن نماذج الذكاء الاصطناعي قادرة على معالجة كم هائل من المعلومات في وقت واحد، ما يتيح إنتاج تدفقات أسعار دقيقة وعالية التردد وتحويل الأصول الرقمية إلى تمثيلات رمزية على السلسلة. هذا سيوسع نطاق الأصول الرقمية."

استراتيجيات العائد المحسّنة بالذكاء الاصطناعي

أشار إيمونز كذلك إلى أن خزنات DeFi المدعومة بالذكاء الاصطناعي بدأت تظهر فعليًا، ما يمثل نقلة نوعية في الاستراتيجيات الاستثمارية الآلية. تعمل خزنة DeFi كصندوق أموال باستراتيجية إعادة استثمار تلقائية تعتمد على شروط محددة على السلسلة. وأوضح إيمونز أن هذا النهج يواجه تحديات نظرًا لمحدودية القدرة الحاسوبية على السلسلة، قائلاً: "بالتالي، يبقى العائد الذي يمكن تحقيقه محدودًا". هذا القيد الحد من تطور الاستراتيجيات المتقدمة على السلسلة.

ولمعالجة ذلك، أوضح أن نماذج الذكاء الاصطناعي يمكنها تحليل المعلومات بكفاءة أكبر. "يمكن توظيف الذكاء الاصطناعي لتطوير استراتيجيات تُطبّق على السلسلة بصيغة خزنات، ليُستخدم ذلك في صناعة السوق وغيرها." من خلال معالجة البيانات المعقدة خارج السلسلة وتطبيق استراتيجيات محسّنة على السلسلة، يتيح الذكاء الاصطناعي آليات أكثر تطورًا لتوليد العوائد.

ورغم أن هذا الاستخدام ما زال في بدايته، يمثل RoboNet بروتوكول DeFi مدعومًا بالذكاء الاصطناعي لأسواق الأصول طويلة الذيل والقابلة للاستبدال. RoboNet، المدعوم من Upshot، يسمح بإنشاء خزنات على السلسلة تدار بواسطة نماذج تعلّم آلي تُولّد العوائد من خلال استراتيجيات آلية لتحسين السيولة. ويعد هذا تطبيقًا عمليًا قد يشكل نموذجًا لتطورات مستقبلية في القطاع.

تحديات دمج الذكاء الاصطناعي مع العملات الرقمية

رغم أن الذكاء الاصطناعي يمكنه تعزيز كفاءة منتجات العملات الرقمية، إلا أن هناك تحديات يجب التصدي لها لضمان التنفيذ الآمن والفعال. يجمع التقاء هاتين التقنيتين المتطورتين مخاطر واعتبارات فريدة تتطلب مراجعة دقيقة من المطورين والمنظمين والمستخدمين.

قضايا الثقة والشفافية

على سبيل المثال، أشار إيمونز إلى أنه عند استخدام الذكاء الاصطناعي في بناء بروتوكولات DeFi، يجب الوثوق في مطوري النماذج، وإلا قد تظهر مشكلات عديدة. تخلق طبيعة بعض أنظمة الذكاء الاصطناعي المغلقة ثغرات محتملة في التطبيقات المالية. وقال:

"قد تظهر تحيزات أو تلاعبات، ولهذا يجب إعادة بناء منظومة الذكاء الاصطناعي بشكل لامركزي. يمكن للنماذج المختلفة مراقبة بعضها البعض للحد من التحيز وتحقيق شفافية أكبر."

وأوضح أن إثباتات انعدام المعرفة (ZK) تساعد في التحقق من نزاهة نماذج التعلم الآلي وتقدم ضمانًا تشفيريًا لسلامة النماذج. "أطلقت Upshot منتجًا تحققنا فيه من نتائج نموذجنا الرئيسي لتوقع الأسعار ضمن دائرة ZK، ما يوفر ضمانًا ونزاهة حسابية للبروتوكولات المفتوحة". ويعد هذا توجها واعدًا لمعالجة قضايا الثقة في تطبيقات العملات الرقمية المدعومة بالذكاء الاصطناعي.

أضاف ماركوس أن إشراك الذكاء الاصطناعي التوليدي مع خبراء الضرائب والمهندسين يخفف المخاطر بفضل وجود العنصر البشري في العملية. وقال: "في april، نجري اختبارات صارمة على المنتج بالكامل ويجب اجتياز اختبارات مع هيئة الإيرادات الداخلية والسلطات المحلية قبل الإطلاق". يضمن هذا النهج مراجعة مخرجات الذكاء الاصطناعي من قبل خبراء المجال قبل استخدامها فعليًا.

ضبابية التنظيم

رغم فاعلية هذه الأساليب، إلا أن غياب تنظيم واضح لاستخدام الذكاء الاصطناعي سيظل يمثل تحديًا للقطاع. على سبيل المثال، يصعب التحقق من استخدام الذكاء الاصطناعي لصالح المستخدمين أو المستثمرين أو مطوري النماذج. وتزيد هذه الضبابية من احتمالات تضارب المصالح وتثير تساؤلات حول المساءلة عندما تتخذ الأنظمة قرارات تؤثر على النتائج المالية للمستخدمين.

بناءً عليه، بدأت بعض الدول في إنشاء هيئات لتنظيم الذكاء الاصطناعي. على سبيل المثال، أصدر رئيس دولة الإمارات العربية المتحدة وحاكم أبوظبي، الشيخ محمد بن زايد آل نهيان، قانونًا بتأسيس مجلس الذكاء الاصطناعي والتقنيات المتقدمة. وأوضحت حكومة أبوظبي أن "المجلس سيكون مسؤولًا عن تطوير وتنفيذ السياسات والاستراتيجيات المتعلقة بالبحث والبنية التحتية والاستثمار في الذكاء الاصطناعي والتقنيات المتقدمة في أبوظبي". ويعد ذلك من أوائل الأطر الحكومية الشاملة للإشراف على الذكاء الاصطناعي.

كما حذر جاري جينسلر، رئيس لجنة الأوراق المالية والبورصات الأمريكية، من مخاطر الذكاء الاصطناعي على القطاع المالي التقليدي. وبناءً عليه، يُتوقع مزيد من الوضوح التنظيمي في الولايات المتحدة مستقبلاً. ومن المنتظر أن يشهد المشهد التنظيمي للذكاء الاصطناعي في القطاع المالي تطورًا كبيرًا في السنوات القادمة مع دراسة السلطات لتأثيرات هذه التقنيات.

آفاق مستقبلية

تكتسب هذه التطورات أهمية كبيرة، إذ يرى إيمونز أن الذكاء الاصطناعي سيندمج في كل وظيفة حيوية في المجتمع مستقبلاً. وفي الوقت الراهن، أشار إلى أن قطاع العملات الرقمية سيعتمد غالبًا على أشكال الذكاء الاصطناعي المطبقة في الأنظمة المالية التقليدية. وأوضح:

"لأن العملات الرقمية ابتكار مالي، فإن هذا النوع من الذكاء الاصطناعي يتلاءم أكثر مع التطبيقات المالية. كما أن النماذج الكلاسيكية للتعلم الآلي أكثر ملاءمة لهذه البنى، لذا فإن أدوات التشفير المبنية عليها ستتوفر أسرع من نماذج الذكاء الاصطناعي التوليدي."

تشير هذه الرؤية إلى أن قطاع العملات الرقمية سيتبنى تقنيات الذكاء الاصطناعي المجربة في التمويل التقليدي قبل الانتقال إلى التقنيات الأكثر تقدمًا. ومع تطور التقنية والأطر التنظيمية، من المتوقع أن يتعمق تكامل الذكاء الاصطناعي والعملات الرقمية، مما سيغير طريقة خلق الأصول الرقمية وتداولها وإدارتها.

الأسئلة الشائعة

لماذا تستخدم شركات العملات الرقمية تقنيات الذكاء الاصطناعي؟ وما هي أبرز سيناريوهات الاستخدام؟

تستفيد شركات العملات الرقمية من الذكاء الاصطناعي في كشف الاحتيال، إدارة المخاطر، تحسين التداول، وتحليل السوق. يعمل الذكاء الاصطناعي على تعزيز الأمان من خلال التعرف على الأنماط، وأتمتة مراقبة المعاملات، وتحسين دقة التنبؤ بالأسعار، وتخصيص تجارب المستخدمين، مما يؤدي إلى زيادة الكفاءة التشغيلية وحجم التداول.

كيف يُطبق الذكاء الاصطناعي في تداول العملات الرقمية وإدارة المخاطر؟

يحلل الذكاء الاصطناعي بيانات السوق التاريخية للتنبؤ بالمخاطر وتحديد فرص التداول، ويرصد الأنماط والشذوذ في الوقت الفعلي لتعزيز الأمان. كما تعمل نماذج التعلم الآلي على تحسين قرارات المحافظ الاستثمارية وتقليل الخسائر من خلال تقييم المخاطر تلقائيًا وتطبيق استراتيجيات التخفيف.

ما هي أبرز التحديات والمخاطر التي تواجه شركات العملات الرقمية عند الاستفادة من الذكاء الاصطناعي؟

تواجه شركات العملات الرقمية تعقيدًا تقنيًا في تنفيذ الذكاء الاصطناعي، وضبابية تنظيمية بشأن الحوكمة، ومخاطر أمنية متعلقة بالبيانات، وصعوبات في التبني السوقي، ونقصًا في الكفاءات المتخصصة في تقاطع البلوكشين والذكاء الاصطناعي، ما يؤدي إلى تعقيد عمليات التطوير وارتفاع التكاليف التشغيلية.

ما دور الذكاء الاصطناعي في كشف احتيال العملات الرقمية ومكافحة غسل الأموال (AML)؟

يراقب الذكاء الاصطناعي المعاملات في الوقت الفعلي لاكتشاف الأنشطة والأنماط المشبوهة، ما يعزز كشف الاحتيال والامتثال لمتطلبات مكافحة غسل الأموال. كما يوفر أتمتة عمليات التقارير، ويقلل الأعباء التنظيمية، ويحسن الكفاءة التشغيلية في شركات العملات الرقمية.

ما دور تقنيات الذكاء الاصطناعي في حماية أمن منصات تداول العملات الرقمية؟

يرصد الذكاء الاصطناعي التهديدات الأمنية ويمنعها في الوقت الفعلي، ويؤتمت الاستجابة للتهديدات، ويكشف المعاملات الاحتيالية، ويعزز أمان المنصة من خلال المراقبة المستمرة واكتشاف الحالات الشاذة.

ما المتطلبات والقيود التنظيمية على شركات العملات الرقمية التي تستخدم الذكاء الاصطناعي؟

تفرض الجهات التنظيمية على شركات العملات الرقمية وضع أطر امتثال متكيفة مع الذكاء الاصطناعي في التداول وإدارة المخاطر، وتُلزمها بالشفافية والإشراف على الخوارزميات، مع اتباع نهج "التنظيم الأدنى الفعال" لدعم الابتكار في الخدمات المالية المدعومة بالذكاء الاصطناعي.

ما مزايا وعيوب المشاريع الرقمية المدفوعة بالذكاء الاصطناعي مقارنة بالمشاريع التقليدية؟

توفر مشاريع العملات الرقمية المدعومة بالذكاء الاصطناعي كفاءة عالية عبر الأتمتة والتكيف السريع مع السوق، ما يسمح باتخاذ قرارات أسرع وعمليات أكثر فاعلية، لكنها تواجه تعقيدًا تقنيًا أعلى، ومخاطر تنفيذية، واحتمالات لوجود ثغرات في خوارزميات الذكاء الاصطناعي لا تواجهها المشاريع التقليدية.

ما أبرز تحديات خصوصية البيانات والامتثال التي يواجهها الذكاء الاصطناعي في قطاع العملات الرقمية؟

يواجه الذكاء الاصطناعي في العملات الرقمية مخاطر تتعلق بإعادة استخدام البيانات دون تصريح، وتسريبات أمنية لمعلومات حساسة، وصعوبات في الامتثال للوائح مثل GDPR وCCPA. يتعين على الشركات تطبيق حوكمة بيانات مشددة، والتشفير، وممارسات شفافة لموافقة المستخدمين بهدف حماية البيانات وضمان الالتزام التنظيمي.