‏هوش مصنوعی یک‌پنجم دیفای را اداره می‌کند، اما در معامله‌گری همچنان به انسان می‌بازد.

‏تحقیقات جدید نشان می‌دهد که عوامل خودکار، سیستم‌های نرم‌افزاری که تراکنش‌های درون زنجیره‌ای را بدون دخالت مستقیم انسان برنامه‌ریزی، تصمیم‌گیری و اجرا می‌کنند، اکنون بیش از ۱۹ درصد از فعالیت‌های درون زنجیره‌ای را هدایت می‌کنند.

اما طبق گزارش DWF Ventures که روز پنجشنبه منتشر شد، در حالی که این عوامل در کارهای محدود عملکرد بهتری نسبت به انسان‌ها داشته‌اند، اما در معاملات آزاد تا ۵ به ۱ شکست می‌خورند.

عوامل خودکار در امور مالی غیرمتمرکز

در امور مالی غیرمتمرکز، این عوامل استراتژی‌های بازدهی را در پروتکل‌های وام‌دهی اجرا می‌کنند، نقدینگی را مدیریت می‌کنند، پورتفولیوها را متعادل می‌کنند و معاملات را انجام می‌دهند. طبق این مطالعه، کل ارزش قفل‌شده در موقعیت‌های مدیریت‌شده توسط عاملان از ۳۹ میلیون دلار فراتر رفته است، در حالی که بیشتر استقرارها هنوز در مراحل اولیه آزمایش هستند.

در یک نمونه، عامل ARMA از پروتکل مالی خودکار Giza، که استیبل‌کوین‌ها را بین پلتفرم‌های وام‌دهی جابه‌جا می‌کند تا بهترین نرخ‌ها را به دست آورد، سالانه ۹.۷۵ درصد برای کاربران درآمد داشته است که از بازدهی سایر پروتکل‌های امور مالی غیرمتمرکز مانند Aave و Morpho پیشی گرفته است.

چالش‌های پیش روی عوامل خودکار

با این حال، این تصویر زمانی تغییر می‌کند که کار دشوارتر شود.

در یک مسابقه معاملات سهام که توسط tradexyz برگزار شد، بهترین انسان بیش از ۵ برابر از بهترین عامل پیشی گرفت. یک مسابقه جداگانه بین مدل‌های هوش مصنوعی پیشرو که توسط nof1 برگزار شد، نشان داد که تنها سه مدل از هفت مدل توانستند از هر معامله سود کسب کنند.

Xin Yi Lim، همکار ارشد سرمایه‌گذاری در DWF Labs، به Decrypt گفت: «عوامل زمانی که وضعیت به وضوح تعریف نشده باشد، دچار مشکل می‌شوند»، اما «زمانی که هدف محدود باشد و پارامترها اغلب تغییر نکنند»، پیشرفت می‌کنند.

لیم توضیح داد که این یکی از دلایلی است که بهینه‌سازی بازدهی، یعنی عمل جابجایی سرمایه بین پروتکل‌های وام‌دهی برای به دست آوردن بالاترین بازدهی موجود، به یک زمینه‌ی آزمایشی اولیه برای عوامل تبدیل شده است.

لیم گفت: «عوامل زمانی که هدف محدود باشد و پارامترها اغلب تغییر نکنند، پیشرفت می‌کنند، به همین دلیل است که بهینه‌سازی بازدهی کار می‌کند. تا زمانی که عوامل نتوانند استدلال کنند و با اطلاعات بی‌درنگ سازگار شوند، نمی‌توانند در هنگام تغییر بازار و نامشخص بودن شرایط واکنش نشان دهند.»

به نظر می‌رسد سازندگان در این فضا نیز این نگرانی را تکرار می‌کنند.

Neeraj Prasad، مهندس ارشد MoonPay، در مصاحبه‌ای به Decrypt گفت که یک عامل می‌تواند به اندازه یک انسان توانا باشد «اگر تمام زمینه و ابزارها را در اختیار داشته باشد». با این حال، او هشدار داد که «این واقعیت آشکار است که عوامل در برخی موارد هم تواناتر، هم سخت‌کوش‌تر و هم مخرب‌تر هستند».

تحولات در صنعت

این یافته‌ها در حالی به دست آمده است که توسعه‌دهندگان اتریوم در تلاش هستند تا انجام کارهای پیچیده درون زنجیره‌ای را برای عوامل آسان‌تر کنند.

اوایل این ماه، یک استاندارد جدید که به عوامل اجازه می‌دهد چندین عمل را به طور همزمان در پروتکل‌های امور مالی غیرمتمرکز اجرا کنند، توسط شبکه رله غیرمتمرکز Biconomy پیشنهاد شد و مورد حمایت بنیاد اتریوم قرار گرفت.

در همین حال، رهبران صنعت شرط می‌بندند که عوامل خودکار به زودی سهم بسیار بیشتری از فعالیت‌های اقتصادی را مدیریت خواهند کرد.

Brian Armstrong، مدیر عامل Coinbase، روز پنجشنبه در توییتی نوشت: «اقتصاد عاملی می‌تواند بزرگتر از اقتصاد انسانی باشد»، و اشاره کرد که چگونه می‌تواند تقاضا برای استیبل‌کوین‌ها را فراتر از برآوردهای فعلی افزایش دهد.

چشم‌انداز آینده

محققان در این زمینه چشم‌انداز طولانی‌تری را می‌بینند. Lim از DWF Labs خاطرنشان کرد که بیشتر رقم ۱۹ درصد را ربات‌هایی تشکیل می‌دهند که کارهای محدودی مانند MEV capture و مسیریابی استیبل‌کوین‌ها را انجام می‌دهند، در حالی که فعالیت‌های عاملی واقعی هنوز سهم اقلیتی را تشکیل می‌دهند.

لیم گفت: «یک جدول زمانی واقع‌بینانه ۵ تا ۷ سال است تا حجم عاملی به طور قابل توجهی با حجم انسانی در هر بخش مالی اصلی رقابت کند، و فعالیت‌های درون زنجیره‌ای در ابتدا به آن دست خواهند یافت زیرا زیرساخت‌ها بدون مجوز بیشتری هستند.»

با این حال، برخی شکاف فعلی را به عنوان یک ویژگی ساختاری از جایی که عوامل در حال حاضر قرار دارند، می‌بینند.

Aytunc Yildizli، مدیر ارشد رشد در 0G Labs، توسعه‌دهنده زیرساخت‌های هوش مصنوعی غیرمتمرکز، به Decrypt گفت: «جایی که آنها کم می‌آورند، معاملات آزاد است که به استدلال زمینه‌ای، آگاهی از روایت و سنجش اطلاعات ساختارنیافته نیاز دارد.»

او افزود که پر کردن این شکاف به چیزی بیش از مدل‌های بهتر نیاز دارد.

او گفت: «کاربران به اثبات رمزنگاری نیاز دارند که یک عامل کاری را که ادعا کرده است، در یک محیط اجرای مورد اعتماد که هیچ‌کس نمی‌تواند در آن دستکاری کند، انجام داده است، و این کار بر روی زیرساختی انجام می‌شود که اعتماد را فقط به یک ارائه‌دهنده ابر منتقل نمی‌کند.»