في الآونة الأخيرة، أثيرت أصوات تشير إلى أن استراتيجية إيثيريوم المتمركزة حول Rollup يبدو أنها فشلت، وقد تم التعبير عن عدم الرضا الشديد عن هذا النمط المتداخل من L1-L2-L3. ومع ذلك، من المثير للاهتمام أن تطور مجال الذكاء الاصطناعي في العام الماضي شهد أيضًا تطورًا سريعًا مشابهًا من L1-L2-L3. من خلال مقارنة هذين المجالين، يمكننا استكشاف جذور المشكلة.
في مجال الذكاء الاصطناعي، المنطق الطبقي هو أن كل طبقة تحل مشكلة أساسية لا تستطيع الطبقة السابقة حلها. نماذج اللغة الكبيرة L1 حلت القدرة الأساسية على فهم اللغة وتوليدها، ولكن هناك نقص واضح في الاستدلال المنطقي والحسابات الرياضية. نماذج الاستدلال L2 تتخصص في معالجة هذه الثغرة، مثل بعض النماذج التي يمكنها حل مسائل رياضية معقدة وتصحيح الكود، مما يعوض عن العمى المعرفي لنماذج اللغة الكبيرة. على هذا الأساس، يتكامل وكيل الذكاء الاصطناعي L3 بشكل طبيعي مع قدرات الطبقتين السابقتين، مما يجعل الذكاء الاصطناعي يتحول من الردود السلبية إلى التنفيذ النشط، مما يمكنه من تخطيط المهام بشكل مستقل، واستدعاء الأدوات، ومعالجة سير العمل المعقد.
هذا التدرج هو "تقدم القدرة": L1 يضع الأساس، L2 يعوض النقص، L3 يجري التكامل. كل طبقة تحقق قفزة نوعية بناءً على الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وفائدة.
بالمقارنة، فإن المنطق الطبقي في مجال العملات المشفرة هو أن كل طبقة تقدم حلولًا لمشاكل الطبقة السابقة، ولكن في نفس الوقت، يؤدي ذلك أيضًا إلى ظهور مشاكل جديدة وأكبر. على سبيل المثال، الأداء غير الكافي لسلسلة الكتل العامة من الطبقة الأولى يجعل من الطبيعي التفكير في استخدام حلول التوسع من الطبقة الثانية. ومع ذلك، بعد جولة من التنافس في بنية الطبقة الثانية، على الرغم من انخفاض تكاليف الغاز وزيادة إجمالي المعاملات في الثانية، إلا أن السيولة أصبحت مشتتة، ولا تزال التطبيقات البيئية نادرة، مما أدى إلى أن تصبح البنية التحتية المفرطة من الطبقة الثانية مشكلة كبيرة. لذلك، بدأت عمليات تطوير سلسلة التطبيقات العمودية من الطبقة الثالثة، ولكن هذه السلاسل تعمل بشكل مستقل، ولا يمكنها الاستفادة من تأثيرات التعاون البيئي لسلسلة الكتل العامة، مما يجعل تجربة المستخدم أكثر تفتتًا.
لقد تحولت هذه الطبقات إلى "نقل المشكلة": حيث توجد اختناقات في L1، وL2 تقدم تصحيحات، بينما يبدو أن L3 فوضوي ومشتت. يبدو أن كل طبقة فقط تنقل المشكلة من مكان إلى آخر، مما يعطي انطباعًا بأن جميع الحلول تم تنفيذها فقط من أجل "إصدار الرموز".
السبب الجذري وراء هذا الاختلاف هو: يتم دفع تقسيم الذكاء الاصطناعي من خلال المنافسة التقنية، حيث تسعى الشركات الكبرى جاهدة لتعزيز قدرات النماذج؛ بينما يبدو أن تقسيم العملات المشفرة مقيد بعلم الاقتصاد الرمزي، حيث تتركز المؤشرات الرئيسية لكل L2 على القيمة المقفلة الإجمالية (TVL) وسعر الرموز.
جوهر الأمر هو أن مجالًا واحدًا يحل المشكلات التقنية، بينما يبدو أن المجال الآخر يشبه أكثر في تغليف المنتجات المالية. قد لا يكون هناك إجابة واضحة عن من هو الصواب ومن هو الخطأ، حيث يعتمد ذلك على وجهة نظر الفرد وموضعه.
بالطبع، هذا التشبيه المجرد ليس مطلقًا، ولكنه مجرد مقارنة بين تطور مجاليين، حيث نجد بعض الفروق المثيرة للاهتمام ونقاط التفكير.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 12
أعجبني
12
4
إعادة النشر
مشاركة
تعليق
0/400
SerumSurfer
· 08-08 12:14
مرحبًا، هل يجب على المالك أن يعيد دراسة الرياضيات المنفصلة؟
شاهد النسخة الأصليةرد0
WalletsWatcher
· 08-08 07:55
هل هناك مشكلة في الهيكل متعدد الطبقات؟
شاهد النسخة الأصليةرد0
OnchainDetectiveBing
· 08-08 07:53
التقسيم فعلاً فوضوي قليلاً، ليس مثل Web2 حيث كل شيء مرتب.
مقارنة بين الذكاء الاصطناعي والأصول الرقمية: المسارات التنموية المختلفة للاستراتيجيات الهرمية
في الآونة الأخيرة، أثيرت أصوات تشير إلى أن استراتيجية إيثيريوم المتمركزة حول Rollup يبدو أنها فشلت، وقد تم التعبير عن عدم الرضا الشديد عن هذا النمط المتداخل من L1-L2-L3. ومع ذلك، من المثير للاهتمام أن تطور مجال الذكاء الاصطناعي في العام الماضي شهد أيضًا تطورًا سريعًا مشابهًا من L1-L2-L3. من خلال مقارنة هذين المجالين، يمكننا استكشاف جذور المشكلة.
في مجال الذكاء الاصطناعي، المنطق الطبقي هو أن كل طبقة تحل مشكلة أساسية لا تستطيع الطبقة السابقة حلها. نماذج اللغة الكبيرة L1 حلت القدرة الأساسية على فهم اللغة وتوليدها، ولكن هناك نقص واضح في الاستدلال المنطقي والحسابات الرياضية. نماذج الاستدلال L2 تتخصص في معالجة هذه الثغرة، مثل بعض النماذج التي يمكنها حل مسائل رياضية معقدة وتصحيح الكود، مما يعوض عن العمى المعرفي لنماذج اللغة الكبيرة. على هذا الأساس، يتكامل وكيل الذكاء الاصطناعي L3 بشكل طبيعي مع قدرات الطبقتين السابقتين، مما يجعل الذكاء الاصطناعي يتحول من الردود السلبية إلى التنفيذ النشط، مما يمكنه من تخطيط المهام بشكل مستقل، واستدعاء الأدوات، ومعالجة سير العمل المعقد.
هذا التدرج هو "تقدم القدرة": L1 يضع الأساس، L2 يعوض النقص، L3 يجري التكامل. كل طبقة تحقق قفزة نوعية بناءً على الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وفائدة.
بالمقارنة، فإن المنطق الطبقي في مجال العملات المشفرة هو أن كل طبقة تقدم حلولًا لمشاكل الطبقة السابقة، ولكن في نفس الوقت، يؤدي ذلك أيضًا إلى ظهور مشاكل جديدة وأكبر. على سبيل المثال، الأداء غير الكافي لسلسلة الكتل العامة من الطبقة الأولى يجعل من الطبيعي التفكير في استخدام حلول التوسع من الطبقة الثانية. ومع ذلك، بعد جولة من التنافس في بنية الطبقة الثانية، على الرغم من انخفاض تكاليف الغاز وزيادة إجمالي المعاملات في الثانية، إلا أن السيولة أصبحت مشتتة، ولا تزال التطبيقات البيئية نادرة، مما أدى إلى أن تصبح البنية التحتية المفرطة من الطبقة الثانية مشكلة كبيرة. لذلك، بدأت عمليات تطوير سلسلة التطبيقات العمودية من الطبقة الثالثة، ولكن هذه السلاسل تعمل بشكل مستقل، ولا يمكنها الاستفادة من تأثيرات التعاون البيئي لسلسلة الكتل العامة، مما يجعل تجربة المستخدم أكثر تفتتًا.
لقد تحولت هذه الطبقات إلى "نقل المشكلة": حيث توجد اختناقات في L1، وL2 تقدم تصحيحات، بينما يبدو أن L3 فوضوي ومشتت. يبدو أن كل طبقة فقط تنقل المشكلة من مكان إلى آخر، مما يعطي انطباعًا بأن جميع الحلول تم تنفيذها فقط من أجل "إصدار الرموز".
السبب الجذري وراء هذا الاختلاف هو: يتم دفع تقسيم الذكاء الاصطناعي من خلال المنافسة التقنية، حيث تسعى الشركات الكبرى جاهدة لتعزيز قدرات النماذج؛ بينما يبدو أن تقسيم العملات المشفرة مقيد بعلم الاقتصاد الرمزي، حيث تتركز المؤشرات الرئيسية لكل L2 على القيمة المقفلة الإجمالية (TVL) وسعر الرموز.
جوهر الأمر هو أن مجالًا واحدًا يحل المشكلات التقنية، بينما يبدو أن المجال الآخر يشبه أكثر في تغليف المنتجات المالية. قد لا يكون هناك إجابة واضحة عن من هو الصواب ومن هو الخطأ، حيث يعتمد ذلك على وجهة نظر الفرد وموضعه.
بالطبع، هذا التشبيه المجرد ليس مطلقًا، ولكنه مجرد مقارنة بين تطور مجاليين، حيث نجد بعض الفروق المثيرة للاهتمام ونقاط التفكير.