في سوق العملات الرقمية، انتقل مسار الذكاء الاصطناعي من مرحلة المفهوم البحت إلى التطبيق العملي. ومع ذلك، من المثير للاهتمام أن مناقشات الجميع حول DefAI غالبًا ما تركز على أشياء سطحية مثل استئجار قوة الحوسبة أو تدريب النماذج، نادراً ما يذكر شخص ما نقطة أساسية حقيقية - كيفية تنظيم البيانات وكيفية استرجاعها.

لفهم هذه المشكلة، يجب أولاً التعرف على حقيقة واحدة: الذكاء الاصطناعي هو في جوهره تطبيق يتطلب كميات كبيرة من البيانات. يعتمد هيكل blockchain التقليدي (مثل Ethereum) على تخزين أزواج المفتاح والقيمة، ببساطة هو هيكل يتكون من مفتاح مقابل قيمة. هذه المنطق تعمل بشكل جيد عند معالجة تحويل واحد، والكفاءة مقبولة أيضًا. ولكن عند الحاجة إلى إجراء استعلامات بيانات معقدة أو تحليل ارتباطات متعددة الأبعاد - وهو ما تحتاجه تطبيقات الذكاء الاصطناعي وبروتوكولات DeFi المتقدمة - يظهر أن blockchain التقليدي يعاني من عجز، حيث أن كفاءة الاستعلام منخفضة والتكاليف مرتفعة للغاية.

أيضًا بسبب هذا الاختناق، تتبنى العديد من مشاريع الذكاء الاصطناعي في السوق طرقًا بديلة: يتم تخزين البيانات خارج السلسلة، بينما يتم الاحتفاظ بإثبات واحد فقط على السلسلة. ما هو ثمن ذلك؟ مركزية جزئية. وهذا يتعارض بوضوح مع الهدف الأساسي من Web3.

كيف يمكن حل هذه المشكلة؟ هناك مشروع Chromia($CHR) يقدم فكرة مثيرة للاهتمام - إعادة التفكير في هذه المشكلة باستخدام مفهوم "سلسلة الكتل العلائقية".

ببساطة، يكمن الفرق بين قواعد البيانات العلائقية وتخزين القيم الرئيسية في أن الأولى يمكنها معالجة العلاقات المعقدة بين جداول متعددة وتدعم منطق استعلام مرن. قامت Chromia بنقل هذه الفكرة إلى blockchain. ماذا يعني ذلك؟ يعني أنه يمكنك إجراء تحليل ارتباط بيانات متعدد الأبعاد مباشرة على السلسلة دون الحاجة إلى نقل البيانات إلى خارج السلسلة.

من حيث الهيكل، هذه ترقية كبيرة. لم تعد تطبيقات الذكاء الاصطناعي على السلسلة محصورة في هياكل البيانات البسيطة، بل يمكنها معالجة منطق الأعمال الأكثر تعقيدًا. بالنسبة لبروتوكولات التمويل اللامركزي، فإن هذا يفتح أيضًا إمكانيات جديدة - تقييمات المخاطر الأكثر تعقيدًا، وإدارة السيولة بدقة أكبر.

بالطبع، هذه الابتكارات جلبت أيضًا تحديات جديدة. كيفية الحفاظ على أداء معقول لاستعلامات البيانات المعقدة مع ضمان اللامركزية هي المشكلة الأساسية التي تحتاج سلاسل الكتل التقليدية إلى حلها.

لكن بغض النظر عن ذلك، فإن هذا الاتجاه يستحق المتابعة. لأنه يمس النقطة الحقيقية لدمج تقنية البلوك تشين والذكاء الاصطناعي، بدلاً من البقاء في مستوى الضجة المفاهيمية.