تمكين الذكاء الاصطناعي للأصول الحقيقية: كسر "رمز الثقة" لرفع الأصول خارج السلسلة

المؤلف: تشانغ فنغ

تتسرب موجة الأصول المادية (RWA) إلى المجال المالي. وفقًا لتوقعات بلاك روك، من المتوقع أن تصل قيمة سوق الأصول المرمزة إلى 16 تريليون دولار بحلول عام 2030. ومع ذلك، لا يزال الفجوة بين العالمين المادي والرقمي قائمة، حيث تظل مشاكل تشويه معلومات الأصول، وعدم موثوقية مصادر البيانات، ووجود مناطق عمياء في مراقبة العمليات، كأشباح تحوم حول طريق تطوير RWA، مما يآكل ثقة السوق.

كيف نجعل الأصول خارج السلسلة تعبر عن نفسها بشكل موثوق وقوي على السلسلة، أو كيف نحصل على دعم موثوق للأصول على السلسلة من الأصول خارج السلسلة؟ أصبحت تقنية الذكاء الاصطناعي، بفضل قدرتها القوية على تحليل البيانات والتعرف على الأنماط واتخاذ القرارات تلقائيًا، المحرك الأساسي لبناء أساس الثقة في أصول RWA، وتعمل على إنشاء جسر قوي بين البيانات على السلسلة وخارجها.

!

في تمكين الذكاء الاصطناعي لـ RWA، يعتبر ربط البيانات الوصفية، وتعزيز الأوراق المالية، ومراقبة الشذوذ، هي الثلاثي الذي يحمي الثقة. ربط البيانات الوصفية هو "الأساس"، الذي يضمن أن نقطة البداية المعبر عنها على سلسلة RWA حقيقية؛ وتعزيز الأوراق المالية هو "الأنبوب"، الذي يضمن أن عملية ربط الحالة خارج السلسلة بالسلسلة موثوقة؛ ومراقبة الشذوذ هي "الحارس"، التي تراقب ما إذا كانت دورة الحياة بأكملها صحية بشكل مستمر، وتقوم بإعادة ردود الفعل لصيانة العنصرين السابقين. الثلاثة ليست معزولة، بل تتشكل من خلال تدفق البيانات، مما يشكل حلقة تعزيز من "المرجع الثابت - المدخلات الديناميكية - التحقق في الوقت الحقيقي".

أ. تثبيت بيانات الأصول:AI قاعدة بيانات موثوقة مدفوعة

التحدي الرئيسي لربط الأصول الحقيقية (RWA) بسلسلة الكتل هو كيفية ضمان أن تكون البيانات الوصفية الأساسية التي تصف الأصول حقيقية وكاملة وقابلة للتحقق. تعتبر عملية الإدخال اليدوي والمراجعة التقليدية غير فعالة وعرضة للأخطاء، مما يجعلها غير قادرة على تلبية احتياجات ربط الأصول الحقيقية على نطاق واسع.

(أ) أوضاع التشغيل الأساسية

تؤدي الذكاء الاصطناعي في هذه المرحلة دور "المحقق الذكي" و "معزز البيانات".

**الاستخراج الآلي والتنسيق: ** باستخدام تقنيات معالجة اللغة الطبيعية (NLP) ورؤية الكمبيوتر (CV)، تقوم الذكاء الاصطناعي تلقائيًا باستخراج الخصائص الرئيسية (مثل الموقع، المساحة، مالك الملكية، أساس التقييم، حالة الاستخدام) من البيانات المتنوعة والمتباينة من مصادر متعددة مثل العقود، وشهادات الملكية، والبيانات المالية، وبيانات المستشعرات (مثل أجهزة إنترنت الأشياء)، وصور الأقمار الصناعية.

التحقق المتقاطع من مصادر متعددة: تقوم نماذج الذكاء الاصطناعي بدمج عدة مصادر بيانات مستقلة وموثوقة خارج السلسلة (مثل قواعد بيانات التسجيل الحكومية، تقارير طرف ثالث موثوقة، تدفقات المستشعرات الخارجية) للتحقق المتقاطع، وتحديد التناقضات والشواذ.

التحديث والصيانة الديناميكية: من خلال المراقبة المستمرة لتغيرات مصادر البيانات، يقوم الذكاء الاصطناعي بتحفيز عملية التحديث التلقائي أو شبه التلقائي للبيانات الوصفية، لضمان تزامن المعلومات على السلسلة مع الواقع خارج السلسلة.

(2) حقوق والتزامات الأطراف المشاركة

م initiateur الأصول / الوصي : مسؤول عن توفير أذونات الوصول إلى البيانات الأصلية ، وضمان شرعية و إمكانية الوصول إلى مصدر البيانات ؛ يتحمل المسؤولية الأساسية عن دقة نتائج معالجة الذكاء الاصطناعي.

مزود خدمة الذكاء الاصطناعي: مسؤول عن تصميم وتدريب ونشر وصيانة نماذج التحقق من الذكاء الاصطناعي؛ ضمان الشفافية والعدالة والموثوقية للنموذج؛ توفير سجلات قابلة للتدقيق لأداء النموذج وعملية التحقق.

**الجهة المدققة/عقدة التحقق: ** مسؤولة عن إجراء تدقيق عشوائي مستقل أو تحقق من الإجماع لعمليات ونتائج معالجة الذكاء الاصطناعي.

**الهيئات التنظيمية: ** وضع معايير الامتثال لاستخدام الذكاء الاصطناعي في التحقق من البيانات المالية الحيوية ومتطلبات إدارة مخاطر النماذج.

(ثالثاً) الامتثال وإدارة المخاطر

خصوصية البيانات والامتثال: يجب أن يتبع عملية معالجة الذكاء الاصطناعي بدقة لوائح خصوصية البيانات مثل اللائحة العامة لحماية البيانات (GDPR) وقانون حماية خصوصية المستهلك في كاليفورنيا (CCPA)، باستخدام تقنيات حساب الخصوصية (مثل التعلم الفيدرالي، والحسابات متعددة الأطراف الآمنة، والخصوصية التفاضلية) لإتمام التحقق مع حماية المعلومات الحساسة.

مخاطر النموذج: يجب إنشاء إطار صارم لإدارة مخاطر النموذج، بما في ذلك التحقق من النموذج، والمراقبة المستمرة، واكتشاف التحيز وتخفيفه، والدفاع ضد الهجمات العدائية، وتحديد حدود الأداء بوضوح.

الشفافية وقابلية التفسير: تقديم أساسيات تفسيرية للذكاء الاصطناعي عند نقاط اتخاذ القرار المهمة (مثل فشل التحقق، ربط الأصول ذات القيمة العالية) لتلبية متطلبات التنظيم والتدقيق.

تحديد المسؤولية: تحديد واضح للمسؤوليات القانونية للأطراف المختلفة في ظل اتخاذ القرار المدعوم بالذكاء الاصطناعي، خاصةً عندما تؤدي الأخطاء أو الانحرافات في نموذج الذكاء الاصطناعي إلى خسائر.

ثانياً، تعزيز الأوراكل:AI تمكين تدفق البيانات الموثوقة خارج السلسلة

تعتبر الأوركل (Oracle) جسرًا رئيسيًا يربط بين العالم الخارجي وسلسلة الكتل. تعتمد الأوركل التقليدية على مصدر بيانات واحد أو عدد قليل من المصادر، مما يؤدي إلى مشكلات مثل نقطة الفشل الفردية، وتغيير البيانات، والتأخير.

(أ) نمط التشغيل الأساسي

تتطور الذكاء الاصطناعي في هذه المرحلة ليصبح "Oracle الذكي" أو "طبقة تعزيز Oracle".

التجميع المتعدد المصادر وتقييم الثقة: تتلقى نماذج الذكاء الاصطناعي المعلومات من عدة عقد أوركل أو مصادر بيانات مستقلة، وتقوم بتقييم موثوقية كل مصدر في الوقت الحقيقي، ودقتها التاريخية، والتحيزات المحتملة، وتجري تجميعًا وزنيًا ديناميكيًا، وتخرج بأفضل قيمة تقديرية.

كشف الشذوذ والتصفية: مراقبة تدفق البيانات المدخلة في الوقت الفعلي، واستخدام تحليل السلاسل الزمنية وخوارزميات كشف الشذوذ لتحديد وتصنيف القيم الشاذة، والمدخلات المشبوهة أو سلوكيات الهجوم المحتملة (مثل محاولات هجوم القروض الفورية للتأثير على توقعات الأسعار).

تعبئة البيانات التنبؤية: في حالة تأخر الشبكة أو انقطاع مصدر البيانات المؤقت، يمكن للذكاء الاصطناعي إجراء تعبئة تنبؤية قصيرة المدى بناءً على الأنماط التاريخية والبيانات المرتبطة لضمان استمرارية الخدمة (يجب توضيح ذلك بوضوح).

تحويل البيانات المعقدة: تحويل البيانات غير الهيكلية أو المعقدة خارج السلسلة (مثل تفسير تقارير العرض والطلب لسلع معينة، اتجاهات تغير درجات الائتمان) إلى مدخلات موحدة يمكن لعقود السلسلة الذكية فهمها.

(ب) حقوق والتزامات الأطراف المشاركة

مشغل عقدة الأوركل: مسؤول عن تشغيل برنامج عقدة الأوركل المعزز بالذكاء الاصطناعي؛ لضمان أمان واستقرار بنية العقدة التحتية؛ والاستجابة في الوقت المناسب للاختلالات التي يتعرف عليها الذكاء الاصطناعي واتخاذ الإجراءات.

موفر البيانات: يضمن جودة البيانات ووقتها وامتثال العقد؛ ويتحمل المسؤولية عن تقديم بيانات زائفة أو ضارة.

شبكة الأوركل اللامركزية (DON) جهة الحكومة: مسؤولة عن النموذج الأمني العام للشبكة، آلية تحفيز/عقاب العقد، اختيار نموذج الذكاء الاصطناعي واستراتيجيات التحديث.

مطور العقد الذكي / مستخدم DApp: اختر وثق في خدمات الأوراق المالية المعززة بالذكاء الاصطناعي المحددة؛ دفع الرسوم ذات الصلة؛ فهم قيود خدمات الأوراق المالية والمخاطر المحتملة.

(ثالثاً) الامتثال وإدارة المخاطر

شهادة موثوقية مصدر البيانات: إنشاء آلية للتحقق من مؤهلات مقدمي البيانات وتقييم مستمر لضمان موثوقية المصدر.

تصميم مقاوم للتلاعب: يجب أن تكون نماذج الذكاء الاصطناعي وشبكات الأوركل مصممة لمقاومة هجمات الساحرات وهجمات الرشوة وغيرها، لضمان لامركزية و مقاومة التلاعب في نتائج التجميع.

اتفاقية مستوى الخدمة (SLA) والتأمين: تقديم SLA واضح يحدد وقت التشغيل العادي، وضمان الدقة، وإجراءات معالجة الأعطال؛ استكشاف استخدام التأمين اللامركزي لتوفير الحماية للخسائر الناتجة عن أعطال الأوركل.

فحص الجهات التنظيمية لـ"قنوات البيانات الأساسية": قد يُعتبر الأوركل الذكي الذي يقدم أسعارًا أساسية (مثل أسعار الضمانات) بنية تحتية للسوق المالية، مما يواجه متطلبات تنظيمية أكثر صرامة بشأن التشغيل والشفافية والمرونة.

ثالثاً، مراقبة الحالات الشاذة: AI تحمي صحة الأصول على مدار دورة حياتها بالكامل

بعد أن يتم نقل أصول RWA إلى السلسلة، فإنها ليست حلاً دائماً، حيث يمكن أن تتغير حالة الكيان الموجود خارج السلسلة، وقيمته، وامتثاله بشكل مستمر. هناك حاجة إلى مراقبة مستمرة وذكية لتحذير المخاطر.

(1) وضع التشغيل الأساسي

الذكاء الاصطناعي في هذه المرحلة هو "مراقب على مدار الساعة" و"محلل المخاطر".

مراقبة السلوك متعدد الأبعاد: تحليل نماذج المعاملات على السلسلة في الوقت الفعلي (مثل التحويلات الكبيرة غير العادية، التجارب المتكررة بمبالغ صغيرة)، البيانات ذات الصلة خارج السلسلة (مثل سجلات دفع الإيجار، سجلات تشغيل الأجهزة، أخبار الرأي العام، الديناميات لمؤشرات ESG) ومدخلات الأوركل.

التعرف على الأنماط والتحذير من المخاطر: استخدام التعلم الآلي للتعرف على السلوكيات الشاذة التي تنحرف عن الأنماط الطبيعية (مثل الانخفاض غير العادي في قيمة الضمانات، تأخير الإيجارات، توقف المعدات لفترات طويلة، انفجار الرأي العام السلبي، إعلانات العقوبات التنظيمية)، لإصدار إشارات تحذير مسبق.

تحليل السبب الجذري** وتقييم التأثير: ** إجراء تحليل ارتباطي للأخطاء المكتشفة، واستنتاج الأسباب المحتملة (مثل تقلبات السوق، صعوبات التشغيل، الكوارث الطبيعية، الاحتيال)، وتقييم درجة تأثيرها على قيمة الأصول، التدفق النقدي والامتثال.

الاستجابة الآلية: بالتعاون مع العقود الذكية، يتم تفعيل تدابير تخفيف المخاطر تلقائيًا عند استيفاء الشروط المحددة مسبقًا (مثل إضافة هامش إضافي، بدء تصفية جزئية، تجميد المعاملات المشبوهة، إشعار الوصي لإجراء الفحص).

(ب) حقوق والتزامات الأطراف

مزود خدمات المراقبة: تطوير ونشر نماذج مراقبة الذكاء الاصطناعي؛ تقديم تنبيهات فورية، تقارير مخاطر، ولوحات معلومات مرئية؛ ضمان شمولية تغطية المراقبة ودقة التنبيهات (التوازن بين الأخطاء الإيجابية والأخطاء السلبية).

مدير الأصول/الوكيل: مسؤول عن استلام وتنفيذ إنذارات الذكاء الاصطناعي؛ اتخاذ إجراءات على السلسلة وخارج السلسلة وفقًا للقواعد المحددة مسبقًا أو الحكم البشري؛ مراجعة وتحسين قواعد المراقبة والعتبات بشكل دوري.

المستثمرون / الدائنون: لهم الحق في الوصول إلى تقارير المخاطر الشفافة ونظرة عامة على المراقبة؛ تعديل مراكزهم أو استراتيجياتهم بناءً على تغييرات المخاطر.

الهيئات التنظيمية: التركيز على مراقبة المخاطر النظامية على مستوى السوق؛ تتطلب الإبلاغ الفوري عن الأحداث ذات المخاطر الرئيسية (مثل نقص الضمانات بشكل كبير).

(ثالثاً) الامتثال وإدارة المخاطر

**حدود الخصوصية والمراقبة: ** يجب تحديد نطاق المراقبة بدقة ليقتصر على البيانات الضرورية المرتبطة مباشرة بمخاطر الأصول الحقيقية، مع تجنب المراقبة المفرطة التي تنتهك خصوصية الأفراد أو الشركات، بما يتماشى مع اللوائح التنظيمية.

**تفسير النموذج وتتبع القرار: ** بالنسبة للتحذيرات عالية المخاطر والاستجابة التلقائية، يجب تقديم أساس تحليل الذكاء الاصطناعي بوضوح لضمان إمكانية تتبع القرار وتدقيقه.

الإشراف البشري والسلطة النهائية في اتخاذ القرار: يجب الاحتفاظ بآلية تدخل بشري واضحة وسلطة نهائية في اتخاذ القرار بشأن القرارات الرئيسية لإدارة المخاطر (مثل التصفية القسرية)، خاصة عندما تكون هناك عدم يقين في حكم الذكاء الاصطناعي أو في الحالات المعقدة.

المرونة الشبكية واستمرارية الأعمال: يجب أن يتمتع نظام مراقبة الذكاء الاصطناعي بتوافر عالي وقدرة على مقاومة الهجمات، لمنع الفشل أو الاختراق الذي يؤدي إلى فقدان الوعي بالمخاطر.

الخاتمة: الذكاء الاصطناعي - القوة الأساسية لبناء حجر الزاوية للثقة في الأصول الحقيقية وجسر البيانات

الذكاء الاصطناعي ليس الحل السحري لجميع تحديات الثقة في الأصول الحقيقية، لكنه بلا شك القوة التقنية الأساسية التي لا غنى عنها لبناء نظام بيئي موثوق وشفاف للأصول الحقيقية. من خلال تمكين عميق لربط بيانات الأصول، وتعزيز التنبؤات، ورصد الشذوذ طوال دورة الحياة، يقوم الذكاء الاصطناعي بإعادة تشكيل تعبير قيمة الأصول الحقيقية وطرق تداولها بشكل منهجي:

تعزيز أساس الثقة: يؤدي التحقق المتعدد المصادر المدعوم بالذكاء الاصطناعي، والمراقبة المستمرة، والتنبيهات الاستثنائية، إلى زيادة كبيرة في دقة وفاعلية معلومات RWA على السلسلة في تمثيل الحالة الحقيقية خارج السلسلة، مما يقلل بشكل كبير من عدم التماثل المعلوماتي ومخاطر الاحتيال.

جسر البيانات المتكامل: الذكاء الاصطناعي كـ "مترجم" و"مراقب جودة" ذكي، يجعل من الممكن تحويل البيانات المعقدة والديناميكية وغير الهيكلية خارج السلسلة بكفاءة وموثوقية وأمان إلى مدخلات موثوقة وقابلة للتنفيذ لعقود ذكية على السلسلة، مما يوسع بشكل كبير من مشاهد تطبيق RWA وحدود تعقيدها.

تمكين التحكم النشط في المخاطر: من الاستجابة السلبية إلى الوقاية النشطة، لقد عززت قدرة الذكاء الاصطناعي على التعرف على المخاطر والتنبؤ بها إدارة مخاطر RWA، مما أدى إلى تحسين استقرار ومرونة النظام البيئي بأكمله.

**إعادة تشكيل إطار المسؤوليات: ** أدت إدخال الذكاء الاصطناعي إلى ظهور أدوار جديدة (مقدمو خدمات الذكاء الاصطناعي، عقدة التنبؤ المعززة) وغيرت بشكل عميق حدود المسؤوليات للأدوار الحالية، مما يتطلب إنشاء تقسيم مسؤوليات يتناسب مع ذلك وآليات تحفيز وإطار قانوني متوافق ونظام إدارة المخاطر.

في المستقبل، مع المزيد من الدمج بين الذكاء الاصطناعي متعدد الوسائط، وحساب الخصوصية، وآليات توافق الآراء blockchain، فضلاً عن التحسين التدريجي للأطر التنظيمية، ستصبح حجر الزاوية للثقة في RWA المدفوعة بالذكاء الاصطناعي أكثر استقرارًا، وسيكون جسر البيانات بين الشبكة والسلسلة أكثر سلاسة وكفاءة. يتم تسريع تشكيل سوق RWA المالية العالمية الموثوقة، الشفافة، الفعالة والشاملة حقًا بدفع من تقنيات الذكاء الاصطناعي. لن يؤدي ذلك فقط إلى إطلاق إمكانيات أصول بمستوى تريليونات الدولارات، بل سيغير أيضًا بشكل جذري نموذج التشغيل للنظام المالي العالمي.