Operating-Layer Controls for Onchain Language-Model Agents Under Real Capital
تُثبت هذه الورقة أن اعتماد وكلاء النماذج اللغوية ذاتية القيادة والموثوقة التي تدير رأس مال حقيقي في الأسواق على السلسلة (onchain) يعتمد بشكل أقل على قدرات النموذج الأساسي وبشكل أكبر على طبقة تشغيل قوية تتميز بضوابط نمطية، وتحقق من السياسات، وحواجز تنفيذ، والتي قللت مجتمعةً من الإخفاقات الحرجة مثل قواعد التداول المفبركة ومكنت من تحقيق نجاح عالٍ في التسوية عبر نشر واسع النطاق لمدة ٢١ يوماً.
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 أنك وظفت طباخاً آلياً ذكياً للغاية، ولكنه حرفي في فهم الأمور، ليدير مطعماً. أعطيته قائمة طعام وميزانية (تفويضك)، وقلت له: "اصنع طعاماً جيداً ولا تهدر المال".
في الماضي، اختبر الباحثون هؤلاء الطباخين الآليين في محاكاة: أعطوهم قائمة طعام وهمية وأموالاً وهمية. بدا الطباخون رائعين على الورق. لكن هذه الورقة تشرح ما حدث عندما افتتحوا المطعم بالفعل بـ أموال حقيقية و زبائن حقيقيين لمدة 21 يوماً.
إليك قصة ما وجدوه، باستخدام تشبيهات بسيطة.
الاكتشاف الكبير: الأمر لا يتعلق بعقل الطباخ
توقع الفريق أنه إذا قاموا فقط بتوظيف طباخ آلي "أذكى" (نموذج ذكاء اصطناعي أكثر قوة)، فإن المطعم سيعمل بشكل مثالي. لكنهم كانوا مخطئين.
وجدوا أن موثوقية المطعم لم تأتِ من عقل الطباخ وحده، بل جاءت من نظام إدارة المطبخ المحيط بالطباخ. هم يسمون هذا "طبقة التشغيل" (Operating Layer).
فكر في الأمر كالتالي:
- النموذج (الطباخ): يمكنه قراءة الوصفة وتقطيع الخضروات.
- طبقة التشغيل (مدير المطبخ): يتحقق مما إذا كانت المكونات طازجة، ويمنع الطباخ من رمي الطعام، ويضمن عدم قيام الطباخ بحرق المطبخ بالخطأ، ويتأكد من أن الفاتورة تطابق ما طلبه الزبون.
تجادل الورقة بأنه لكي يتمكن الذكاء الاصطناعي من التعامل مع أموال حقيقية، فأنت بحاجة إلى "مدير مطبخ" صارم للغاية، وليس مجرد "طباخ" أذكى.
التجربة: "DX Terminal Pro"
قام الفريق بإعداد اختبار حقيقي يسمى DX Terminal Pro.
- الإعداد: وضع 3,505 شخصاً أموالهم الحقيقية (ETH) في "خزائن".
- القاعدة: كان بإمكان البشر وضع القواعد (مثل "كن مخاطراً" أو "كن آمناً")، لكن لم يكن بإمكانهم لمس الأموال مباشرة. فقط الوكلاء الآليون (AI agents) يمكنهم شراء وبيع الرموز المميزة (tokens).
- المخاطر: في كل مرة يقوم فيها الذكاء الاصطناعي بعملية تداول، فإنه يتكلف رسوماً حقيقية (2.3% لكل عملية تداول). إذا ارتكب الذكاء الاصطناعي خطأً، ستختفي أموال حقيقية.
- النطاق: اتخذ الذكاء الاصطناعي 7.5 مليون قرار، وتداول بما قيمته حوالي 20 مليون دولار من العملات الرقمية.
"كوابيس المطبخ" (أوضاع الفشل)
قبل الحدث الحقيقي، أجرى الفريق اختبارات ووجد خمس طرق محددة كان الذك_ الاصطناعي يفسد بها الأمور. لقد أصلحوا هذه الأخطاء عن طريق تغيير قواعد "مدير المطبخ"، وليس عبر طرد الطهاة.
مشكلة "القاعدة الوهمية" (تزييف القواعد):
- الخلل: كان الذكاء الاصطناعي يخترع قواعد غير موجودة، مثل قول: "يجب أن أبيع لأن 'القاعدة رقم 2' تقول ذلك"، في حين لم تكن هناك قاعدة كهذه.
- الإصلاح: أخبروا الذكاء الاصطناعي: "لا تخترع قوانين. إذا لم ترَ القانون مكتوباً، فهو ليس قاعدة".
- النتيجة: انخفضت القواعد الوهمية من 57% من القرارات إلى 3% فقط.
مشكلة "شلل الرسوم" (Fee Paralysis):
- الخلل: رأى الذكاء الاصطناعي رسوم الـ 2.3% فخاف بشدة لدرجة أنه رفض التداول تماماً، حتى عندما كانت هناك فرصة جيدة. كان الأمر أشبه بطباخ يرفض الطبخ لأن تشغيل الموقد يكلف مالاً.
- الإصلاح: نقلوا التحذير من الرسوم إلى نهاية التعليمات، مباشرة بعد فرصة السوق. علموا الذكاء الاصطناعي: "نعم، هناك رسوم، ولكن إليك سبب استحقاق هذه الصفقة".
- النتيجة: توقف الذكاء الاصطناعي عن التجمد وبدأ في التداول مرة أخرى.
مشكلة "الارتباك الرياضي" (تقسية الأرقام):
- الخلل: تعامل الذكاء الاصطناعي مع الاقتراحات اللينة كأنها قوان صارمة. إذا قلت له "حاول إنفاق حوالي 33%"، فسيصبح مهووساً بمحاولة الوصول إلى 33% بالضبط في كل مرة، حتى لو كان ذلك غير منطقي.
- الإصلاح: توقفوا عن استخدام الأرقام الدقيقة واستخدموا المقارنات بدلاً منها (مثلاً: "أنفق أكثر عندما يكون السوق ساخناً").
- النتيجة: بدأ الذكاء الاصطناعي يتصرف بشكل طبيعي أكثر وأقل آلية.
مشكلة "فخ الرمز" (سوء فهم اقتصاديات الرموز):
- الخلل: انهار سعر أحد الرموز المميزة. رأى الذكاء الاصطناعي هذا الانهيار وباع كل شيء فوراً، دون أن يدرك أن هذا الرمز لديه قاعدة خاصة تمنح حامله مكاسب حتى لو انخفض السعر. كان الأمر أشبه ببيع قسيمة شراء لمجرد أن المتجر غير شعاره، دون إدراك أن القسيمة لا تزال صالحة.
- الإصلاح: قدموا للذكاء الاصطناعي شرحاً واضحاً ومنظماً لقاعدة الدفع الخاصة هذه قبل عرض انهيار السعر.
- النتيجة: توقف الذكاء الاصطناعي عن الذعر واتخذ قرارات أذكى.
مشكلة "مراقبة الساعة" (تداول الإيقاع):
- الخلل: بدأ الذكاء الاصطناعي يتداول لمجرد أن "مرت 10 دقائق منذ آخر عملية تداول"، متجاهلاً حالة السوق. كان الأمر أشبه بطباخ يقطع الخضروات لمجرد أن الساعة قالت إنه وقت التقطيع، وليس لأن المكونات تحتاج للتقطيع.
- الإصلاح: أخبرنا الذكاء الاصطناعي أن يتجاهل الساعة ويتداول بناءً على إشارات السوق فقط.
النت-ائج: مطعم أفضل
بمجرد إصلاح "مدير المطبخ" (طبقة التشغيل)، عمل النظام بشكل جيد للغاية:
- نسبة نجاح 99.9%: تقريباً كل عملية تداول حاول الذكاء الاصطناعي القيام بها كانت صالحة وتمت بنجاح.
- سلوك حقيقي: لم يتبع الذكاء الاصطناعي الأوامر فحسب، بل تفاعل مع السوق. في بعض الأحيان، عندما رأى أحد أنظمة الذكاء الاصطناعي صفقة جيدة، رأت مئات الأنظمة الأخرى ذلك واشترت في نفس الوقت (تأثير "القطيع")، تماماً كما يفعل البشر الحقيقيون.
- تعليمات أفضل: المستخدمون الذين قدموا تعليمات واضحة ومحددة (باستخدام أشرطة التمرير وخانات الاختيار) حصلوا على نتائج أفضل من أولئك الذين كتبوا ملاحظات غامضة مثل "اجعلني غنياً".
الخلاصة الرئيسية
تخلص الورقة إلى أنه إذا كنت تريد من الذكاء الاصطناعي التعامل مع أموال حقيقية، فلا تبحث فقط عن نموذج ذكاء اصطناعي أذكى.
أنت بحاجة إلى بناء نظام أفضل حوله. أنت بحاجة إلى:
- ترجمة رغبات البشر إلى قواعد واضحة ومنظمة.
- مراجعة عمل الذكاء الاصطناعي قبل أن ينفق قرشاً واحداً.
- الاحتفاظ بسجل مثالي لكل فكرة، قرار، وعملية تداول حتى تتمكن من معرفة ما حدث بالضبط إذا ساءت الأمور.
"طبقة التشغيل" هي شبكة الأمان التي تحول الروبوت الذكي ولكن المرتبك إلى وكيل مالي موثوق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.