ارتباط و کاربرد هوش مصنوعی در بلاک چین و ارز دیجیتال موضوعی است که آینده جهان را رقم خواهد شد. از آنجایی که هر دوی این فناوری‌ها با داده و ارزش سرو کار دارند، همکاری میانشان هم اجتناب‌ناپذیر است. بلاک چین امکان ذخیره‌سازی و اشتراک‌گذاری ایمن داده یا هر چیز باارزش دیگری را فراهم می‌کند. هوش مصنوعی هم می‌تواند برای خلق ارزش، داده‌ها را آنالیز کرده و برمبنای آنها دیدگاه‌ها و برنامه‌های مدون بسازد. در این مطلب، به بررسی ارتباط هوش مصنوعی و بلاکچین و تاثرشان بر یکدیگر می‌پردازیم.

با افزایش شهرت ارزهای دیجیتال، حتی کاربران عادی هم تا حدودی با فناوری‌های خاص این صنعت آشنا شده‌اند. یکی از این فناوری‌ها بلاک چین است که زیرساخت بسیاری از رمز ارزهای معروف از جمله بیت‌ کوین و اتریوم محسوب می‌شود. سیستم‌های بلاک چینی اولیه مقیاس ناپذیرند و معایبی مثل مصرف بیش از اندازه‌ انرژی در فرآیند استخراج بلاک‌ها دارند. همچنین با توجه به حجم بالای تراکنش‌ها و سنگینی و پیچیدگی دفتر کل توزیع‌شده‌ی یک بلاکچین، بررسی و یادگیری از عملیات انجام‌ شده درون آن بسیار سخت‌تر از سیستم‌های کلاسیک داده‌پردازی است. اینجاست که هوش مصنوعی (Artificial Intelligence) و به‌طور کلی پردازش هوشمندانه اطلاعات می‌تواند به کمک‌مان بیاید و حتی موجب پیشرفت فناوری بلاک چین و نمایانگر افق‌های جدید در این صنعت شود.

به عقیده‌ی بسیاری از متخصصان، آینده هر دو حوزه بلاکچین و هوش مصنوعی به یکدیگر گره خورده است. مطالعه این مقاله به درک بهتر کاربرد هوش مصنوعی در بلاک چین کمک می‌کند.

با فناوری بلاک چین و هوش مصنوعی آشنا شوید

قبل از اینکه سراغ زمینه‌های همکاری و ارتباط هوش مصنوعی و بلاکچین برویم، بهتر است یکبار مفهوم هرکدام را مرور کنیم.

بلاک چین چیست؟

بلاک چین (Blockchain) یک دفتر کل دیجیتالی است که می‌تواند نه تنها تراکنش‌های اقتصادی، بلکه هر نوع داده ارزشمند دیگری را ثبت و ذخیره کند. بلاک چین‌های عمومی مثل اتریوم برای عموم در دسترس هستند. اما بلاک‌چین های خصوصی فقط با دعوت‌نامه قابل استفاده هستند و معمولا در محیط‌های شرکتی مورد استفاده قرار می‌گیرند. بلاک چین های خصوصی نسبت به نوع عمومی سرعت بیشتری دارند چون اعضای آنها شناخته شده و مورد اعتمادند و تراکنش‌های سریع‌تر تأیید می‌شوند.

یکی از مهمترین ویژگی‌های بلاک چین این است که امکان انتقال و اشتراک‌گذاری داده در یک دفتر کل مشترک را برای افراد غیرمرتبط و غیروابسته فراهم می‎‌کند. در این فناوری، تراکنش‌ها به صورت رمزنگاری شده و از طریق الگوریتم‌های اجماع (مثل اثبات کار) اعتبارسنجی می‌شوند. این ویژگی بسیار مهمی است چون مشارکت‌کنندگان برای معامله با یکدیگر مجبور نخواهند بود به طرف مقابل یا یک تأییدکننده شخص ثالث اعتماد کنند.

فناوری Blockchain دستاوردهای مهمی در زمینه تراکنش‌های مالی و حتی اشتراک‌گذاری داده‌های حساس بین سازمان‌ها داشته است. هرکسی می‌تواند مطمئن باشد داده‌های بلاک چین قابل اطمینان هستند؛ حتی اگر نتواند داده‌های پایه را ببیند. بلاکچین با استفاده از رمزنگاری تضمین می‌کند که این داده‌ها، تراکنش‌ها و هویت‌ها:

  • به‌طور ایمن، غیرقابل بازگشت و تغییرناپذیر ثبت و ذخیره شوند.
  • ضمن حفظ حریم خصوصی و به روشی قابل اطمینان تأیید شوند. مشارکت‌کنندگان بلاکچین می‌توانند بدون بررسی داده، اعتبارش را تأیید کنند و فقط آنچه که مجاز باشد را می‌بینند.
  • به سادگی اشتراک‌گذاری شوند تا هرکسی در شبکه بلاک چین کپی یکسانی از دفتر کل (از جمله آپدیت‌های آن) داشته باشد.

هوش مصنوعی چیست؟

هوش مصنوعی (Artificial Intelligence) توانایی یادگیری یک نرم افزار است و به علم و دانش مهندسی برنامه‌های کامپیوتری هوشمند اشاره می‌کند. الگوریتم‌های هوش مصنوعی می‌توانند الگوها را بفهمند و بدون نیاز به دستورات انسانی، فقط به کمک دسته‌های بزرگ داده، مشکلات را حل کنند. AI پس از آنالیز داده‌های ورودی، از آن‌ها یاد می‌گیرد و بعد با دانشی که بدست آورده، مراحل لازم را برای رسیدن به اهداف مشخصی طی می‌کند.

به بیان ساده، دو نوع هوش مصنوعی اصلی وجود دارد.

  • هوش مصنوعی محدود (Narrrow)
  • هوش مصنوعی قدرتمند (Strong)

هوش مصنوعی محدود برای کارهای خاص و محدود مثل تشخیص چهره، فیلتر کردن هرزنامه‌ها یا شطرنج بازی کردن به کار می‌رود. از سوی دیگر، هوش مصنوعی قدرتمند می‌تواند مسئولیت اجرای کارهای گسترده و پیچیده‌تر را بر عهده داشته باشد. حتی پتانسیل این را دارد که در سطح ادراک انسانی عمل کند و هر کار هوشمندانه‌ای را که از عهده‌ی یک انسان برمی‌آید، انجام بدهد. امروزه هوش مصنوعی محدود وجود دارد، اما هوش مصنوعی قدرتمند هنوز روی خود را نشان نداده است. در حقیقت خیلی از متخصصان این حوزه شک دارند که اصلا Strong AI اجرا شدنی باشد.

پیش‌بینی تأثیرات احتمالی هوش مصنوعی قدرتمند غیر ممکن است، اما بسیاری معتقدند که آینده هوش مصنوعی و بلاکچین احتمالا به هم گره خورده است. حتی می‌شود ادعا کرد که هر دو جزو مهم‌ترین تکنولوژی‌های دهه‌های آتی خواهند بود و به همین دلیل، مهم است که نگاهی دقیق‌تر به شیوه‌ی تعامل احتمالی‌شان در آینده بیندازیم. به طور کلی انتظار می‌رود هوش مصنوعی به عملکرد بهینه بلاک چین کمک کند و بلاکچین هم در ازای آن سرعت و دقت یادگیری هوش مصنوعی را بهبود بخشد.

کاربردهای هوش مصنوعی در بلاک چین

تکنولوژی هوش مصنوعی چه فواید و کاربردهایی برای بلاک چین دارد؟ این فناوری و مدل‌های پیشرفته آن چطور می‌توانند به بهبود سیستم‌های بلاک چینی که امروز می‌بینیم، کمک کنند؟ در این بخش به برخی از کاربردهای احتمالی هوش مصنوعی در حوزه Blockchain اشاره می‌کنیم.

کاهش حجم و مصرف انرژی سیستم‌های بلاک چینی

استخراج رمز ارزها نیازمند قدرت پردازشی و انرژی بسیاری است. دفاتر کل توزیع شده (Distributed Ledger) کارآمدی‌شان را تا حد زیادی فدا می‌کنند تا در برابر تغییر و سانسور محفوظ بمانند. هوش مصنوعی می‌تواند روی الگوی مصرف انرژی موثر باشد و در نتیجه ممکن است در بهبود عملکرد الگوریتم‌های استخراج به کار آید.

یکی از انتقادات اصلی از سیستم‌های بلاک چینی، در خصوص مصرف انرژی بسیار بالای آن‌هاست. اقتصاد رمز ارزی و برقراری امنیت دارایی‌های دیجیتال به عملیات‌ کامپیوتری خاصی وابسته است که در سیستم سنتی اصلا لازم نیستند. کاهش مصرف انرژی در بلاک چین‌هایی که بر اساس الگوریتم اثبات کار عمل می‌کنند، برای تمام صنعت ارزهای دیجیتال مفید است و می‌تواند موجب پذیرش گسترده‌تر فناوری بلاک چین شود.

به‌علاوه هوش مصنوعی می‌تواند نیاز بلاک چین به فضای ذخیره سازی را بهبود ببخشد. از آنجایی که تاریخچه‌ی همه تراکنش‌ها در تمام نودها ذخیره می‌شود، حجم دفتر کل توزیع شده می‌تواند خیلی سریع بالا برود. اگر نیاز به فضای ذخیره خیلی زیاد باشد، ورود به شبکه بلاک چین برای نودهای جدید هم بسیار مشکل خواهد شد و این موضوع احتمالا به تمرکزگرایی در شبکه منجر می‌شود. استفاده از ارتباط هوش مصنوعی و بلاکچین می‌تواند روش جدیدی برای شاردینگ پایگاه داده معرفی کند که اندازه بلاک چین را کوچک‌تر و ذخیره داده در آن را کارآمدتر می‌کند.

اقتصاد داده‌ غیر متمرکز

داده‌ها رفته رفته به دارایی ارزشمندی تبدیل شد‌ه‌اند که باید بتوان آن‌ها را در امنیت کامل نه تنها دخیره، بلکه مبادله کرد. سیستم‌های کارآمد هوش مصنوعی به شدت به داده وابسته هستند و داده‌ دقیقاً همان چیزی است که بلاک چین به خوبی از پس ذخیره کردن امن آن بر می‌آید.

یک بلاک چین در اصل پایگاه داده‌ای ایمن و توزیع شده است که تمام شرکت کنندگان در شبکه به آن دسترسی دارند. داده‌های بلاکچین در بلاک‌های متعدد ذخیره می‌شوند و هر بلاک با الگوریتم‌های رمز نگاری خاصی به بلاک قبلی متصل است. این موضوع موجب می‌شود تغییر اطلاعات ذخیره شده در شبکه به شدت سخت یا عملاً فقط با یکی از روش‌های خرابکاری در الگوریتم اجماع شبکه مثل حمله 51 درصد ممکن باشد.

صرافی‌های غیر متمرکز داده قصد دارند اقتصاد داده‌ای جدیدی بر پایه‌ی بلاک چین طراحی کنند. این صرافی‌های آنلاین داده و محل ذخیره‌ی داده را به آسانی و با امنیت کامل در دسترس هر شخص (یا چیز) قرار می‌دهند. الگوریتم‌های هوش مصنوعی می‌توانند با اتصال به این اقتصاد داده‌ای، ورودی‌های بیشتری داشته باشند و سرعت یادگیری‌شان را بالا ببرند. علاوه بر این، خود الگوریتم‌ها هم در این بازارها قابل داد و ستد هستند. این موجب می‌شود مخاطبان بیشتری به آن‌ها دسترسی داشته باشند و سرعت توسعه‌شان بالا رود.

صرافی‌های غیر متمرکز داده این امکان را دارند که در صنعت ذخیره‌ داده انقلابی به پا کنند. در عمل، هر کسی می‌تواند فضای ذخیره‌‌ بلااستفاده رایانه شخصی‌اش را در ازای مبلغی (که با ارز دیجیتال پرداخت می‌شود) اجاره بدهد. یکی از نتایج استفاده از سیستم‌های غیر متمرکز ذخیره داده هم این است که ارائه‌دهندگان سرویس‌های ذخیره‌ی داده متمرکز که اکنون در این عرصه فعال هستند، برای باقی ماندن در صحنه رقابت، باید خدمات بهتری ارائه بدهند.

اکنون چند نمونه از این بازارهای غیر متمرکز وجود دارند. هرچند آن‌ها هنوز در مراحل اولیه توسعه خود هستند، به نظر می‌رسد با بیشتر شدن انگیزه‌ی ارائه دهندگان داده و فضای ذخیره سازی آن، هوش مصنوعی نیز از پیشرفت بی‌نصیب نماند.

هوش مصنوعی و بلاک چین چگونه به یکدیگر کمک می‌کند؟

در این قسمت هم برخی از موارد استفاده فناوری بلاک چین در حوزه هوش مصنوعی را معرفی می‌کنیم. حجم عظیم داده‌های موجود در هر بلاک چین فرصتی استثنایی برای هر مدل هوش مصنوعی است. این پایگاه‌های داده به روش‌های مختلف به پیشرفت و توسعه انواع مدل‌های AI کمک خواهند کرد.

ابر رایانه‌های غیر متمرکز

آموزش دادن هوش مصنوعی نه فقط به داده‌های باکیفیت برای یادگیری الگوریتم‌ها، بلکه به قدرت پردازشی زیادی هم نیاز دارد. الگوریتم‌های AI معمولاً از نوعی سیستم محاسباتی به نام شبکه‌ی عصبی مصنوعی یا ANN استفاده می‌کنند. شبکه‌های عصبی مصنوعی با یاد گرفتن از مثال‌های بسیار، می‌فهمند که چطور باید کاری را انجام دهند. این شبکه‌ها معمولاً برای پردازش میلیون‌ها پارامتر و داده و انجام کارهایی معین به قدرت محاسباتی بسیار زیادی نیاز دارند.

کاربرد هوش مصنوعی در بلاک چین

مطابقا اگر داده می‌تواند در شبکه بلاک چین به‌اشتراک گذاشته بشود، قدرت پردازش هم امکان به‌اشترک‌گذاری دارد. در برخی از بلاک چین‌ها کاربران می‌توانند به سادگی قدرت پردازش دستگاه‌شان را در بازاری همتا به همتا (P2P) به کسانی اجاره بدهند که برای اجرای عملیات‌های کامپیوتری پیچیده به قدرت پردازش بیشتر نیاز دارند. از سویی کاربران با دریافت پاداش رمز ارزی در ازای به اشتراک گذاشتن بخشی از قدرت محاسباتی رایانه شخصی‌شان، انگیزه‌ی بیشتری برای ادامه این کار پیدا می‌کنند.

سیستم‌های هوش مصنوعی در پلتفرم‌های غیر متمرکز پردازش رایانه‌ای می‌توانند خیلی بهتر و با هزینه‌ی کمتر آموزش داده شوند. هر چند کاربرد اولیه‌ی اشتراک گذاری غیر متمرکز قدرت پردازشی رایانه‌ها بیشتر برای رندر گرفتن مدل‌های کامپیوتری سه‌بعدی است، اما ممکن است کم کم پای هوش مصنوعی نیز به این عرصه باز شود.

با توسعه‌ این اپلیکیشن‌های غیر متمرکز (dApp)، رقابت میان شرکت‌های ارائه‌کننده‌ی قدرت پردازشی احتمالا به شدت زیاد خواهند شد. اگر به کاربران اجازه بدهیم قدرت پردازشی بلااستفاده‌ رایانه‌شان را اجاره دهند و درآمد کسب کنند، از بخش زیادی این قدرت پردازشی موثرتر استفاده خواهد شد. اگر روی کاغذ حساب کنیم، هر CPU و GPU در سراسر جهان که در حال انجام عملیات خاصی نباشد می‌تواند به عنوان یک نود یا گره در ابر رایانه‌ای غیر متمرکز استفاده شود.

ارزیابی بهتر تصمیمات هوش مصنوعی توسط بلاک چین

ارتباط هوش مصنوعی و بلاکچین در مبحث تصمیم‌گیری یکی دیگر از موارد جذاب کاربرد این دو فناوری است. فهم تصمیماتی که توسط سیستم‌های هوش مصنوعی گرفته می‌شوند گاهی برای انسان‌ها دشوار است. این الگوریتم‌ها در عمل با چنان حجم زیادی از داده کار می‌کنند که غیر ممکن است یک انسان بتواند فرآیند تصمیم‌گیری آن‌ها را بررسی و تقلید کند. اگر تصمیمات AI بر اساس تک تک داده‌ها در بلاک چین ثبت شوند، انسان‌ها راهی برای نظارت و درک بهتر آن‌ها خواهند یافت و اعتمادشان به تصمیمات گرفته شده توسط هوش مصنوعی بیشتر می‌شود.

این چیزی است که به کمک بلاک چین ممکن می‌شود. همانطور که قبلا اشاره کردیم، هر بلوک بلاک چین به‌طور ایمن و غیرقابل دستکاری به بلوک قبلی خود متصل است. بنابراین با پیاده‌سازی سیستم‌های هوش مصنوعی در بلاک چین می‌توان مسیر تصمیم‌گیری سیستم را با دقت و به‌صورت نقطه به نقطه ذخیره کرد. به این ترتیب، به ازای هر تصمیم الگوریتم هوش مصنوعی یک مسیر روشن و قابل بررسی وجود خواهد داشت.

بهبود مدل‌های یادگیری ماشینی در بستر بلاک چین

محققان مایکروسافت در حال توسعه روش‌های برای بهبود مشارکتی مدل‌های یادگیری ماشینی (Machine Learning) اجرا شده روی بلاک چین های عمومی هستند. این مشارکت و همکاری به‌طور تشویقی عمل می‌کند چون به کمک بلاکچین امکان پاداش‌دهی به افراد سهیم در بهبود مدل‌ها وجود دارد.

اگرچه در سال‌های اخیر پیشرفت‌های بزرگی در حوزه یادگیری ماشینی به دست آمده اما فواید آنها چندان در دسترس نیست. افراد با منابع محدود همیشه نمی‌توانند به سیستم‌های ماشین لرنینگ پیشرفته‌ای دسترسی داشته باشند که به شدت متمرکز هستند و پایگاه‌های داده اختصاصی دارند که بازسازی آنها بسیار گران است. علاوه بر این،حتی بهترین مدل‌ها هم اگر مرتبا با داده‌های جدید آموزش نبینند، قدیمی و ازکارافتاده خواهند شد.

مایکروسافت تلاش می‌کند به کمک بلاک چین، هوش مصنوعی را غیر متمرکز و مشارکتی کند. در آینده افراد می‌توانند به‌راحتی و با هزینه مناسب مدل‌های یادگیری ماشینی پیشرفته را روی دستگاه‌های و برنامه‌های روزمره (مثل لپ‌تاپ، مرورگر، موبایل) اجرا کنند و در جمع‌آوری داده‌ها و بهبود مدل‌ها مشارکت داشته باشند.

مایکروسافت قصد دارد با توسعه یک هوش مصنوعی غیر متمرکز و مشارکتی در فریم‌ورک بلاک چین، امکان آموزش مشارکتی مدل‌ها و ساخت پایگاه‌ داده در بلاک‌چین های عمومی را به محققان AI بدهد. مهمتر از همه اینکه افراد می‌توانند از مدل‌های یادگیری ماشینی به صورت رایگان استفاده کنند. مدل‌های اثبات مفهوم برخی از اپلیکیشن‌های هوش مصنوعی شامل دستیارهای مجازی یا سیستم‌های توصیه‌گر (چیزی که نتفلیکس برای پیشنهاد برنامه استفاده می‌کنند)، با استفاده از اتریوم ساخته شده‌اند.

استفاده از بلاکچین برای این کار منطقی به‌نظر می‌رسد چون اعتماد و امنیت را برای اعضا فراهم می‌کند. شما می‌توانید 100% مطمئن باشید از چه کدی استفاده می‌کنید. فریم‌ورک مایکروسافت به جای استفاده از سرویس‌های ابری خاص، مدل‌های عمومی را در قراردادهای هوشمندی قرار می‌دهد که مشخصات و جزئیات مدل را رمزگذاری می‌کنند. می‌توان این مدل‌ها را در بلاک چین به‌روزرسانی کرد یا بدون هزینه تراکنش، به‌صورت آف‌چین (Off-chain) روی دستگاه محلی کاربر مورد استفاده قرار داد. ماهیت غیرقابل تغییر بلاک چین و قراردادهای هوشمند به این معنی است که مدل هوش مصنوعی همواره مطابق مشخصات عمل خواهد کرد. به محض به‌روزرسانی و تأیید مدل، همه کاربران آن را به صورت یکسان و درقالب «یک نسخه واقعی» مشاهده خواهند کرد.

بلاک چین همچنین می‌تواند یک سیستم تشویقی فراهم کند که کاربران را به ارائه داده‌های بیشتر برای بهبود مدل‌های ماشین لرنینگ تشویق می‌کند. توانایی بررسی و تأیید تغییرات ما را قادر می‌سازد پاداش کسانی که به بهبود مدل‌های هوش مصنوعی کمک کرده‌اند را با دقت محاسبه و پرداخت کنیم (به صورت توکن).

به گفته محققان مایکروسافت، هزینه ارتقای یک مدل یادگیری ماشینی پرسپترون (Perceptron) در بلاکچین اتریوم فقط 0.25 دلار است. آنها امیدوارند در آینده حتی نیازی به پرداخت این کارمزد هم نباشد. کاربران هم بسته به میزان تأثیر مشارکت‌شان در پیشرفت مدل، پاداش دریافت خواهند کرد. مشارکت‌های مفید پاداش خواهد داشت و مشارکت‌های مضر (مخرب) با برداشت از سپرده‌های کاربران جریمه می‌‎شود.

اگرچه فریم‌ورک ماشین لرنینگ مایکروسافت هنوز در مقیاس واقعی کار نمی‌کند اما این ایده خیلی زود می‌تواند به امری عادی تبدیل شود. اینکه مدل‌های هوش مصنوعی پیشرفته و پایگاه‌های داده بزرگ امکان اشتراک‌گذاری، به‌روزرسانی و آموزش گسترده داشته باشند، می‌تواند نرخ پذیرش و کارآمدی این فناوری را افزایش دهد.

معامله دارایی‌های دیجیتال به کمک هوش مصنوعی

هوش مصنوعی و ارز دیجیتال مبحث دیگری در تاثیرگذاری این دو فناوری روی یکدیگر هستند. بلاک چین در حال حاضر برای ذخیره‌سازی و معامله ابزارهای مالی مثل رمزارزها و توکن های امنیتی استفاده می‌شود. با این وجود، بازار کریپتو بازاری نوپا است که فقط چند سال از عمرش می‌گذرد و خود توکن های امنیتی نوپاتر هستند. ربات های ترید می‌توانند به پیشرفتش سرعت بدهند.

معامله دارایی های دیجیتال در بلاک چین با استفاده از هوش مصنوعی

هنوز برای پیاده‌سازی هوش مصنوعی روی محصولات مالی که در بلاکچین معامله می‌شوند، فعالیت (و داده) کافی وجود ندارد. اما با افزایش حجم داده‌هایی که وارد بلاک چین می‌شوند، هوش مصنوعی هم می‌تواند از این داده‌ها دیدگاه‌های جدید بسازد، به ساخت محصولات مالی کمک کند و حتی این محصولات را به‌طور خودکار معامله کند.

فرایند همکاری و همگرایی میان بلاک چین و هوش مصنوعی در حوزه دارایی‌های دیجیتال چهار مرحله خواهد داشت:

  • مرحله یک: اثبات مفهوم بلاک چین
  • مرحله دو: توکن‌سازی دارایی‌ها در بلاک چین
  • مرحله سه: معامله دارایی‌های سرمایه گذاری دیجیتال در بلاک چین توسط مدل‌های یادگیری ماشین
  • مرحله چهار: استفاده از هوش مصنوعی به عنوان یک کارگزار اقتصادی برای معامله دارایی‌های دیجیتال

اکنون ما در مرحله دو هستیم که می‌توان دارایی‌ها را توکنیزه و در بلاک چین معامله کرد. توکن ها می‌توانند نماینده اوراق بهادار پایه، دارایی‌های فیزیکی، سهم سهامداران از وجوه نقدی شرکت‌ها یا تسهیلات باشند. توکن سازی و معامله دارایی‌ها در بلاک چین در کنار بهبود قابلیت بازرسی، هزینه‌های تراکنش و زمان تسویه را کاهش می‌دهد. هوش مصنوعی و یادگیری ماشین برای تشخیص الگو و الگوریتم‌های پیش‌بینی قابل اجرا هستند. اما هنوز فعالیت درون زنجیره‌ای کافی برای پیاده‌سازی برنامه‌های AI وجود ندارد.

مرحله سه شامل معرفی دارایی‌های دیجیتال بومی خواهد بود. در این مرحله توکن ها می‌توانند به جای نمایندگی یک دارایی پایه، خودشان به دارایی پایه تبدیل شوند. اگرچه فعلا درک این ایده دشوار است اما انفجار آتی داده‌های پیچیده بلاک چین به تحقق آن کمک خواهد کرد. این نوع مهندسی مالی، منابع درآمد جدیدی را برای شرکت‌های مالی ایجاد خواهد کرد. پیاده‌سازی هوش مصنوعی و یادگیری ماشین هم یک مزیت رقابتی در اختیارشان قرار می‌دهد.

این دارایی‌های دیجیتال بومی محصولاتی خارق‌العاده خواهند بود. این محصولات روی بلاک چین قرار خواهند داشت و جریان‌های نقدی منحصربه‌فرد و رفتار اقتصادی خاص خودشان را دارند. اینها توسط انسان یا مهندسی مالی مبتنی بر بلاکچین ساخته می‌شوند. اینها مدل‌های ریسک، پیش‌بینی و قیمت‌گذاری مبتنی بر هوش مصنوعی خواهند بود چون برای انسان بسیار پیچیده هستند.

این محصولات مالی فوق‌العاده و پیچیده می‌تواند یادآور اوراق بهادار با پشتوانه دارایی، اوراق مبتنی بر بدهی یا مبادلات افول اعتبار باشند که منجر به بحران مالی سال 2008 شدند. بله؛ ریسک رکود وجود دارد و این محصولات باید قانون‌مند شوند. اما دارایی‌های دیجیتال بومی احتمالاً تحول بعدی حوزه مهندسی مالی هستند و ما بالاخره شاهد ظهور آنها خواهیم بود.

در مرحله چهارم و آخر، هوش مصنوعی به کارگزارهای اقتصادی تبدیل می‌شود. الگوریتم‌های AI به صورت فعال دارایی‌های سرمایه‌گذاری دیجیتال را در پشته فناوری مبتنی بر بلاک چین معامله خواهند کرد. الگوریتم‌های تکاملی (ژنتیکی) می‌توانند استراتژی‌های چندگانه بسازند، تست کنند و با آنها معامله کنند، استراتژی‌های ضعیف را حذف کنند و برای به حداکثر رساندن سود، استراتژی‌های برنده را به‌طور پیوسته اصلاح کنند. همه این کارها نیز با حداقل نظارت انسانی انجام خواهد شد.

هوش مصنوعی در این دنیای جدید، دارایی‌های سرمایه‌گذاری دیجیتال را در بلاک چین های خصوصی پرسرعت طراحی و معامله خواهد کرد. سرمایه‌گذاران سازمانی این دارایی‌ها را می‌خرند چون به توانایی شرکت‌های صادرکننده اعتماد دارند. این یعنی شرکت‌های پیشگام این حوزه، مزیت و برتری قابل توجهی خواهند داشت.

شاید درک این آینده دشوار به نظر بیاید و قطعا جزئیاتش مبهم هستند چون هنوز کسی موفق به انجام آن نشده است. با این وجود فناوری بلاک چین پایه و متدهای هوش مصنوعی در حال حاضر وجود دارند. برای تحقق این ایده‌ها فقط به افزایش فعالیت بلاکچین‌ها، بهبود قابلیت‌های هوش مصنوعی و تعامل میان این دو تکنولوژی نیاز داریم. فراموش نکنید اگر سال 2009 به مردم می‌گفتید تا 10 سال دیگر همه شیفته یک پول اینترنتی جادویی به نام بیت کوین می‌شوند، احتمالاً بهتان می‌خندیدند.

سخن پایانی ؛ جایگاه آتی هوش مصنوعی در بلاک چین

اگر بلاک چین و هوش مصنوعی بتوانند انتظارات را برآورده کنند، بدون شک تأثیری ماندگار از خود به جای خواهند گذاشت. با اینکه بعضی از شرکت‌ها جدا جدا از آن‌ها استفاده می‌کنند، اگر با همدیگر ترکیب شوند موارد استفاده‌ فوق العاده‌ای خواهند داشت.

با توسعه‌ی بیشتر این دو تکنولوژی، ممکن است استفاده‌ی همزمان هوش مصنوعی و بلاکچین موجب ابداع و بروز خلاقیت در این فناوری‌ها شود. مطمئناً نتیجه هر چه که باشد، در زمینه‌های بسیاری به پیشرفت اقتصادی کمک خواهد کرد.

تهیه شده در بیت 24