DLT-Corpus: A Large-Scale Text Collection for the Distributed Ledger Technology Domain
تقدم هذه الورقة DLT-Corpus، وهي مجموعة نصوص ضخمة ومتخصصة في مجال معين تضم 2.98 مليار توكن من الأدبيات العلمية وبراءات الاختراع ووسائل التواصل الاجتماعي، والتي تُستخدم لإثبات أن أبحاث تقنية السجلات الموزعة (DLT) تسبق النمو السوقي ولإصدار أدوات معالجة لغات طبيعية محسنة مثل LedgerBERT.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالم تقنية السجلات الموزعة (DLT) — وهي عائلة التقنيات التي تشمل البلوكشين والعملات المشفرة — كمدينة ضخمة وصاخبة. لسنوات، كان على الباحثين الذين يحاولون فهم هذه المدينة أن يتنقلوا باستخدام بعض لافتات الشوارع المتناثرة فقط (التي تتعلق غالباً بمخططات الأسعار وتطبيقات التداول). لقد كانوا يفتقرون إلى المخططات الهندسية، ومحاضر اجتماعات مجلس المدينة، والدردشة في المقاهي المحلية.
تقدم هذه الورقة البحثية DLT-Corpus، وهي مكتبة ضخمة جديدة تجمع "القصة الكاملة" لهذه المدينة الرقمية. إليك ما بناه المؤلفون وما اكتشفوه، مشروحاً ببساطة:
١. المكتبة الكبيرة (المتن - The Corpus)
اعتبر DLT-Corus بمثابة مستودع عملاق يحتوي على ٢.٩٨ مليار كلمة (Tokens) من ٢٢ مليون وثيقة. لم يقم المؤلفون بجمع نصوص عشوائية؛ بل قاموا بتنظيمها بعناية في ثلاثة أقسام متميزة، مثل ثلاثة أجنحة مختلفة في مكتبة:
- الجناح الأكاديمي (الأدبيات العلمية): ٣٧,٤٤٠ ورقة بحثية. هذه هي "المخططات الهندسية" حيث يرسم العلماء والمهندسون الأفكار الجديدة لأول مرة.
- جناح براءات الاختراع: ٤٩,٠٢٣ طلب براءة اختراع. هذه هي "صكوك الملكية القانونية" حيث تطالب الشركات رسمياً بملكية الاختراعات الجديدة.
- الساحة العامة (وسائل التواصل الاجتماعي): ٢٢ مليون منشور من تويتر/إكس. هذه هي "الدردشة" حيث يتحدث الناس العاديون عما يشترونه، ويبيعونه، وما يأملون فيه.
لماذا هذا أمر مميز؟
قبل هذا، كانت معظم البرامج الحاسوبية التي تدرس هذا المجال تنظر فقط إلى "الساحة العامة" (وسائل التواصل الاجتماعي) أو بيانات تداول محددة. لقد فاتهم الجانب التقني العميق. هذه المكتبة الجديدة أغنى بـ ٨.٧ مرة في الكلمات المفتاحية التقنية المحددة من النصوص العامة على الإنترنت. إنه يشبه مقارنة قاموس للغة العامية اليومية بموسوعة متخصصة في الهندسة؛ فالأخيرة أفضل بكثير لتعليم الكمبيوتر فهم اللغة المحددة لهذا القطاع.
٢. "الطالب الذكي" (LedgerBERT)
لإثبات فائدة هذه المكتبة، علم المؤلفون نموذجاً حاسوبياً (نوع من الذكاء الاصطناعي يسمى LedgerBERT) كيفية قراءتها.
- الاختبار: طلبوا من الذكاء الاصطناعي إيجاد مصطلحات تقنية محددة (مثل "Proof of Stake" أو "Merkle Tree") في النص، وهي مهمة تسمى "التعرف على الكيانات المسماة" (Named Entity Recognition).
- النتيجة: حقق الذكاء الاصطناعي الذي تدرب على هذه المكتبة الجديدة نتائج أفضل بنسبة ٢٣٪ في إيجاد هذه المصطلحات مقارنة بنماذج الذكاء الاصطناعي القياسية. لقد تعلم "لهجة" عالم الـ DLT بشكل أسرع بكثير لأنه امتلك الكثير من المواد عالية الجودة للدراسة.
٣. ما كشفته المكتبة (التحليل)
استخدم المؤلفون هذه المكتبة لمراقبة كيفية انتقال الأفكى عبر المدينة. وقد وجدوا نمطين مثيرين للاهتمام:
النمط (أ): "رحلة الفكرة"
تتبعوا ثلاثة مفاهيم كبرى: العملات المستقرة (Stablecoins) (النقود الرقمية المرتبطة بعملة حقيقية)، والمنصات اللامركزية (DEXs) (منصات التداول اللامركزية)، وأدوات الصرف الآلي (AMMs) (أدوات التداول المؤتمتة).
- النتيجة: تظهر هذه الأفكار دائماً في الجناح الأكاديمي (الأوراق البحثية) أولاً.
- الرحلة: بعد سنوات، تظهر في جناح براءات الاختراع (الشركات التي تحاول حماية ابتكاراتها). وأخيراً، وبعد فترة طويلة، تنفجر في الساحة العامة (وسائل التواصل الاجتماعي) حيث يبدأ الجميع في الحديث عنها.
- الاستعارة: الأمر يشبه اكتشافاً علمياً في مختبر، يتحول لاحقاً إلى منتج في مصنع، ثم يصبح أخيراً "ترند" على تيك توك. البحث هو الذي يقود السوق، وليس العكس.
النمط (ب): "الطقس العاطفي"
نظروا في كيفية شعور الناس تجاه السوق (المشاعر/Sentiment) مقابل حجم العمل الذي يقوم به الباحثون.
- النتيجة: حتى عندما تنهار السوق (فترة "شتاء الكريبتو" حيث تنخفض الأسعار)، يظل الناس على وسائل التواصل الاجتماعي متفائلين للغاية (Bullish). إنهم يستمرون في الترويج للتكنولوجيا بغض النظر عن السعر.
- التباين: ومع ذلك، فإن العلماء وحاملي براءات الاختراع أكثر واقعية. عملهم لا يرتفع وينخفض مع الأخبار اليومية، بل ينمو نشاطهم بشكل مطرد بمرور الوقت، متتبعاً النمو طويل الأمد للصناعة، وليس التقلبات المزاجية قصيرة الأجل.
- الدورة: يصف المؤلفون "دورة حميدة": البحث يخلق أدوات جديدة هذه الأدوات تساعد السوق على النمو السوق المتنامي يوفر الأموال لتمويل مزيد من الأبحاث.
٤. قواعد اللعبة (الأخلاقيات والحدود)
كان المؤلفون حذرين للغاية في بناء هذه المكتبة:
- لا انتهاكات لحقوق الطبع والنشر: استخدموا فقط الأوراق البحثية ذات الوصول المفتوح، وبراءات الاختراع الحكومية العامة، وبيانات وسائل التواصل الاجتماعي التي تم جمعها قبل تغيير تويتر لقواعده في عام ٢٠٢٣.
- الخصوصية: قاموا بإزالة جميع أسماء المستخدمين من منشورات وسائل التواصل الاجتماعي لحماية خصوصية الأشخاص، مع الاحتفاظ بالنص والتاريخ فقط.
- اللغة: المكتبة حالياً باللغة الإنجليزية فقط، كونها اللغة المهيمنة في مجالات العلوم وبراءات الاختراع.
الملخص
باختصار، بنى المؤلفون أول مكتبة ضخمة وشاملة لعالم تقنية السجلات الموزعة (DLT). لقد أثبتوا أنه إذا كنت تريد معرفة الاتجاه الذي تسلكه هذه التقنية، فلا ينبغي لك النظر فقط إلى أسعار الأسهم أو اتجاهات تويتر. عليك النظر إلى الأوراق البحثية، لأنها المكان الذي يُكتب فيه المستقبل قبل سنوات من لحاق بقية العالم به. كما قاموا بإصدار المكتبة، ونموذج الذكاء الاصطناعي المدرب، والأدوات مجاناً لكي يتمكن الآخرون من مواصلة هذا البحث.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.