تناول هذا المقال تطور إمكانية الوصول إلى بيانات سلسلة الكتل، وقارن بين ميزات خدمات البيانات من نوع The Graph و Chainbase و Space and Time في الهندسة المعمارية وتطبيقات تقنيات الذكاء الاصطناعي، وأشار إلى أن خدمات بيانات سلسلة الكتل تتجه نحو التحول نحو الذكاء والأمان، وستستمر في المستقبل في أن تلعب دوراً هاما كبنية أساسية للصناعة.
1. المقدمة
منذ بداية موجة التطبيقات اللامركزية مثل Etheroll و ETHLend و CryptoKitties في عام 2017، وحتى الآن، ازدهرت تطبيقات الديApps المالية والألعاب والاجتماعية المختلفة المبنية على سلاسل كتل مختلفة. عندما نتحدث عن تطبيقات اللامركزية داخل السلسلة، هل فكرنا يومًا في مصادر البيانات المختلفة التي يعتمد عليها هذه التطبيقات اللامركزية أثناء التفاعل؟
في عام 2024، تركز الاهتمام على الذكاء الاصطناعي وWeb3، في عالم الذكاء الاصطناعي، البيانات هي مصدر حياة نموه وتطوره. تشبه النباتات الاعتماد على الشمس والماء للنمو القوي، فإن نظام الذكاء الاصطناعي يعتمد أيضًا على كمية كبيرة من البيانات للتعلم والتفكير المستمر. بدون بيانات، يكون الخوارزمية الذكية للذكاء الاصطناعي مجرد برج في الهواء، غير قادر على إظهار ذكائه وكفاءته المستحقة.
من منظور قابلية الوصول إلى البيانات في سلسلة الكتل، يحلل هذا المقال تطور فهرس بيانات سلسلة الكتل في عملية تطور الصناعة، ويقارن بين بروتوكول فهرس البيانات الكلاسيكي The Graph وخدمات بروتوكول بيانات سلسلة الكتل الناشئ Chainbase وSpace and Time، ويتناول بشكل خاص الاختلافات والتشابهات في خصائص خدمات البيانات وهيكل المنتج لهذين البروتوكولين الناشئين اللذين يعتمدان على تقنية الذكاء الاصطناعي.
2. فهارس بيانات معقدة ومبسطة: من عقد سلسلة كتلة إلى قواعد بيانات كاملة السلسلة
2.1 数据源头：كتلة链节点
منذ البداية ، عندما نفهم "ما هي سلسلة كتلة" ، غالبا ما نرى عبارة "سلسلة الكتلة هي دفتر الأستاذ اللامركزية". عقدة سلسلة كتلة هي أساس شبكة سلسلة كتلة بأكملها وتتحمل مسؤولية تسجيل وتخزين ونشر جميع بيانات المعاملات على السلسلة. تحتوي كل اتفاقية على نسخة كاملة من بيانات سلسلة الكتلة ، مما يضمن الحفاظ على خصائص اللامركزية للشبكة. ومع ذلك ، ليس من السهل على المستخدم العادي بناء والحفاظ على عقدة سلسلة كتلة بمفرده. لا يتطلب هذا خبرة فنية فحسب ، بل يأتي أيضا بتكاليف عالية للأجهزة وعرض النطاق الترددي. في الوقت نفسه ، تكون إمكانية استعلام العقدة العادية محدودة ، ولا يمكن الاستعلام عن البيانات بالتنسيق الذي يحتاجه المطور. لذلك ، بينما من الناحية النظرية ، يمكن للجميع تشغيل عقدتهم الخاصة ، من الناحية العملية ، غالبا ما يكون المستخدمون أكثر ميلا للاعتماد على خدمات الجهات الخارجية.
لحل هذه المشكلة، ظهرت مزودات عقدة استدعاء الإجراء البعيد (RPC)، وهي المسؤولة عن تكاليف العقدة وإدارتها، وتوفر البيانات عبر نقاط نهاية RPC. هذا يتيح للمستخدمين الوصول إلى بيانات سلسلة الكتل بسهولة دون الحاجة إلى بناء عقدتهم الخاصة. تقدم نقاط نهاية RPC العامة مجانًا ولكنها تحتوي على قيود سرعة وقد تؤثر سلبًا على تجربة مستخدمي التطبيقات اللامركزية (dApp). توفر نقاط نهاية RPC الخاصة أداءًا أفضل من خلال تقليل الازدحامات، ولكن حتى استعلامات البيانات البسيطة تتطلب الكثير من الاتصالات الراجعة، مما يجعلها ثقيلة للاستخدام وغير فعالة في استعلامات البيانات المعقدة. علاوة على ذلك، يصعب توسيع نقاط نهاية RPC الخاصة ويفتقر إلى التوافق بين شبكات مختلفة. ومع ذلك، يوفر واجهة برمجة تطبيقات (API) الموحدة لمزودات العقدة إمكانية الوصول إلى بيانات السلسلة الداخلية بسهولة، مما يوفر الأساس لتحليل البيانات وتطبيقاتها في المستقبل.
2.2 تحليل البيانات: من البيانات الأصلية إلى البيانات القابلة للاستخدام
البيانات التي تم الحصول عليها من عقدة سلسلة الكتل غالبًا ما تكون بيانات أصلية تم تشفيرها ومعالجتها بالترميز. على الرغم من أن هذه البيانات تحتفظ بسلامة وأمان سلسلة الكتل ، إلا أن تعقيد تحليل البيانات زاد صعوبته. بالنسبة للمستخدم العادي أو المطور ، يتطلب معالجة هذه البيانات الأصلية معرفة تقنية وموارد حسابية كبيرة.
عملية تحليل البيانات تبدو أكثر أهمية في هذا السياق. من خلال تحليل البيانات الأصلية المعقدة وتحويلها إلى تنسيق أكثر سهولة في الفهم والتشغيل، يمكن للمستخدمين فهم واستخدام هذه البيانات بشكل أكثر مباشرة. نجاح تحليل البيانات يحدد مباشرة كفاءة وأثر تطبيق بيانات سلسلة الكتل، وهو خطوة رئيسية في عملية فهرسة البيانات برمتها.
تطور مؤشر البيانات 2.3
مع زيادة حجم بيانات سلسلة الكتلة ، يزداد أيضًا الطلب على مؤشر البيانات. يلعب مؤشر البيانات دورًا حاسمًا في تنظيم بيانات سلسلة الكتلة وإرسالها إلى قاعدة البيانات لتمكين الاستعلام. يعمل مؤشر البيانات عن طريق تجميع بيانات سلسلة الكتلة وجعلها متاحة في أي وقت باستخدام لغة استعلام مشابهة للغة SQL (مثل GraphQL وما إلى ذلك). من خلال توفير واجهة موحدة للاستعلام عن البيانات ، يتيح مؤشر البيانات للمطورين استرداد المعلومات المطلوبة بسرعة ودقة باستخدام لغة استعلام موحدة ، مما يبسط العملية بشكل كبير.
أنواع مختلفة من المؤشرات تحسين استراتيجيات البحث من خلال طرق متنوعة:
· محفظة العقدة الكاملة: يقوم هؤلاء المحفظون بتشغيل عقدة سلسلة كتل كاملة واستخراج البيانات مباشرة منها ، مما يضمن تكامل ودقة البيانات ، ولكنه يتطلب قدرًا كبيرًا من القدرة على التخزين والمعالجة.
مؤشرات خفيفة الوزن: يعتمد هذه المؤشرات على جذر العقدة الكامل لاسترداد البيانات المحددة حسب الحاجة ، مما يقلل من متطلبات التخزين ولكن قد يزيد من وقت الاستعلام.
· مؤشرات مخصصة: هذه المؤشرات مخصصة لبعض أنواع البيانات أو سلاسل محددة، ويمكن أن تحسن البحث عن حالات استخدام محددة، مثل البيانات غير القابلة للاستبدال أو صفقات التمويل اللامركزي .
· مجمع المؤشرات: هذه المؤشرات تستخرج البيانات من عدة سلاسل بلوك ومصادر بما في ذلك المعلومات خارج السلسلة، وتوفر واجهة استعلام موحدة، وهذا مفيد بشكل خاص لتطبيقات السلسلة المتعددة.
حاليا ، تشغل عقدة أرشيف Ethereum حوالي 13.5 تيرابايت من مساحة التخزين في وضع الأرشيف في عميل Geth ، بينما في ظل عميل Erigon ، تبلغ متطلبات الأرشيف حوالي 3 تيرابايت. مع استمرار نمو blockchain ، ستزداد أيضا كمية البيانات المخزنة في الأرشيف. في مواجهة هذا الكم الهائل من البيانات ، لا يدعم المفهرس السائد بروتوكول الفهارس متعددة السلاسل فحسب ، بل يقوم أيضا بتخصيص أطر تحليل البيانات وفقا لاحتياجات البيانات للتطبيقات المختلفة. على سبيل المثال ، يعد إطار الرسم البياني الفرعي للرسم البياني مثالا على ذلك.
ظهور مؤشر البحث قد زاد بشكل كبير كفاءة البحث والاستعلام عن البيانات. بالمقارنة مع نقاط نهاية RPC التقليدية، يمكن لمؤشر البحث أن يفهم بشكل فعال كمية كبيرة من البيانات ويدعم الاستعلام بسرعة. يسمح هذا المؤشر للمستخدمين بتنفيذ استعلامات معقدة، وتصفية البيانات بسهولة، وتحليلها بعد الاستخراج. بالإضافة إلى ذلك، يدعم بعض مؤشرات البحث التجميع من مصادر البيانات في عدة سلاسل متعددة، وبذلك يتجنب مشكلة الحاجة لنشر العديد من واجهات برمجة التطبيقات في تطبيقات متعددة السلاسل. يوفر المؤشر البحث توزيعًا موزعًا على عدة عقد، مما يوفر لهم الأمان والأداء الأقوى، ويقلل من خطر الانقطاع والتعطل الذي يمكن أن يتسبب به مزودو خدمات RPC المركزية.
على النقيض من ذلك، يتيح المؤشر القدرة على الحصول المباشر على المعلومات المطلوبة دون الحاجة إلى التعامل مع البيانات المعقدة على الطبقة السفلى من خلال لغة الاستعلام المعرفة مسبقًا. هذا الآلية تعزز بشكل كبير كفاءة وموثوقية استرجاع البيانات، وهي ابتكار مهم في وصول بيانات كتلة.
2.4 قاعدة بيانات السلسلة الكاملة: محاذاة تدفق الأولويات
استخدام مؤشر العقدة للاستعلام عن البيانات يعني عادة أن يكون واجهة برمجة التطبيقات هي البوابة الوحيدة لاستيعاب البيانات داخل السلسلة. ومع ذلك، عندما يدخل مشروع مرحلة التوسع، غالبًا ما يكون هناك حاجة إلى مصادر بيانات أكثر مرونة، وهذا ما لا يمكن أن توفره واجهة برمجة التطبيقات الموحدة. مع تعقيد متطلبات التطبيق، يصبح من الصعب تدريجيا على مؤشرات البيانات الأولية وتنسيقاتها الموحدة تلبية احتياجات الاستعلام المتنوعة المتزايدة، مثل البحث، والوصول عبر السلاسل، أو تخطيط البيانات خارج السلسلة.
في الهندسة الحديثة لأنابيب البيانات ، أصبحت الطريقة "التدفق الأول" حلاً لقيود المعالجة الدفعية التقليدية ، مما يمكنه تحقيق إمتصاص ومعالجة وتحليل البيانات في الوقت الحقيقي. هذا التحول في النمط يتيح للمؤسسات الاستجابة الفورية للبيانات الواردة ، مما يسمح لها بالحصول على رؤى تقريبًا فورية واتخاذ القرارات. بالمثل ، فإن تطور خدمات بيانات سلسلة الكتل يتجه أيضًا نحو بناء تدفق بيانات سلسلة الكتل ، حيث قام مزودو خدمات الفهرس التقليدية بإطلاق منتجات للحصول على بيانات سلسلة الكتل في الوقت الحقيقي بطريقة تيارية ، مثل Substreams من The Graph و Mirror من Goldsky ، بالإضافة إلى منتجات مثل Chainbase و SubSquid التي تُنشئ تدفق بيانات في الوقت الحقيقي وفقًا لسلسلة الكتل.
تهدف هذه الخدمات إلى حل احتياجات تحليل واستعلام أكثر شمولية لعمليات كتلة السلسلة وتوفير الحلول الفورية. تمامًا كما غيرت الهندسة المعمارية "الأولوية للتدفق" طريقة معالجة البيانات واستهلاكها في الأنابيب التقليدية من خلال إسقاط وقت الاستجابة وتعزيز القدرة على الاستجابة ، يأمل مزودو خدمات تدفق بيانات سلسلة الكتل أيضًا في دعم تطوير المزيد من التطبيقات ومساعدة تحليل البيانات داخل السلسلة من خلال مصادر بيانات أكثر تقدمًا ونضجًا.
باستخدام منظور أنابيب البيانات الحديثة لإعادة تعريف تحديات بيانات داخل السلسلة، يمكننا النظر إلى إدارة بيانات داخل السلسلة وتخزينها وتوفير كل إمكانياتها من زوايا جديدة تمامًا. عندما نبدأ في النظر إلى مؤشرات البيانات مثل الرسوم البيانية الفرعية و ETL ETH بدلاً من الإخراج النهائي كتدفق بيانات داخل أنابيب البيانات، يمكننا أن نتصور عالمًا يمكن تخصيص مجموعة بيانات عالية الأداء لأي حالة استخدام تجارية.
3. AI + قاعدة بيانات؟ مقارنة عميقة لـ The Graph، Chainbase، Space and Time
3.1 الرسم البياني
شبكة The Graph تستخدم عقدة اللامركزية لتوفير خدمات فهرسة واستعلام البيانات عبر عدة سلاسل، مما يعزز من قدرة المطورين على فهرسة البيانات المتعلقة بالبلوكشين وبناء التطبيقات اللامركزية بسهولة. يعتمد نموذجها الأساسي على سوق تنفيذ الاستعلامات وسوق ذاكرة التخزين المؤقت للفهرسة، وهما سوقان تخدمان احتياجات المستخدمين في الاستعلام عن المنتجات. يتمثل سوق تنفيذ الاستعلامات في اختيار المستهلك للبيانات المطلوبة والدفع لعقدة الفهرسة التي توفر هذه البيانات، أما سوق ذاكرة التخزين المؤقت للفهرسة فهو سوق يعتمد على تحريك الموارد وفقًا لاحتياجات عرض البيانات التي يحتاجها مدير عرض البيانات والرسوم التي تم جمعها وداخل السلسلة.
الرسوم البيانية الفرعية (Subgraphs) هي الهياكل الأساسية في شبكة The Graph. تحدد كيفية استخراج البيانات من سلسلة الكتل وتحويلها إلى تنسيق قابل للتحقيق (مثل نمط GraphQL). يمكن لأي شخص إنشاء رسوم بيانية فرعية، ويمكن لعدة تطبيقات استخدام هذه الرسوم الفرعية مرارًا وتكرارًا، مما يعزز قابلية إعادة استخدام البيانات وكفاءة الاستخدام.
شبكة The Graph مكونة من أربعة أدوار رئيسية: المؤشر، المنظم، المودع، والمطور، حيث يعملون معًا لتوفير الدعم البياناتي لتطبيقات web3. وفيما يلي مسؤوليات كل منهم على حدة:
· المُفَهِّر (Indexer): هو عامل تشغيل للعُقَد في شبكة The Graph، ويرتبط المفهر بشبكة العقد من خلال التكديس بـ GRT (الرمز الأساسي الخاص بـ The Graph)، ويقدم خدمات فهرسة ومعالجة الاستعلامات.
· المُوَكِّل (Delegator): الموكلون هم الأشخاص الذين يقدمون GRT عملة التكديس إلى عقدة الفهرسة لدعم عملياتها. يكسب الموكلون جزءًا من الأرباح من خلال العقدة التي يوكلونها.
· المنسق: المنسق مسؤول عن تحديد الأشكال الفرعية التي يجب فهرستها في الشبكة. يساعد المنسق في ضمان أن الأشكال الفرعية ذات القيمة تتم معالجتها بأولوية.
· المطور (Developer): بدلاً من أن يكون موردًا مع الأطراف الثلاثة السابقة ، يكون المطور طرف الطلب وهو المستخدم الرئيسي لـ The Graph. يقومون بإنشاء وتقديم الرسوم البيانية الفرعية إلى شبكة The Graph وينتظرون تلبية البيانات المطلوبة من الشبكة.
حاليًا ، تحولت The Graph إلى خدمة استضافة الرسوم البيانية اللامركزية الشاملة ، مع وجود حوافز اقتصادية متداولة بين أطراف مختلفة لضمان تشغيل النظام:
· مكافأة الكتلة للعقدة الفهرسية: تكسب عقدة الفهرسة أرباحًا من رسوم استعلام المستهلك وجزء من مكافأة عملة GRT.
مكافأة المُودِع: يحصل المودع على جزء من المكافأة عندما يتم دعم عقدة الفهرس التي يدعمونها.
· جائزة المنظم: إذا قدم المنظم إشارة قيمة للرسوم البيانية ، فيمكن لهم الحصول على جزء من الجائزة من رسوم الاستعلام.
في الواقع، تطورت منتجات The Graph أيضًا في موجة الذكاء الاصطناعي بسرعة. كفريق تطوير Semiotic Labs الرئيسي في النظام البيئي لـ The Graph، كان Semiotic Labs دائمًا ملتزمًا باستخدام تقنية الذكاء الاصطناعي لتحسين فهرسة التسعير وتجربة استعلام المستخدم. حاليًا، تحسن الأداء في العديد من المجالات من خلال الأدوات التي طورها Semiotic Labs وهي AutoAgora وAllocation Optimizer وAgentC.
· يقوم AutoAgora بإدخال آلية تسعير ديناميكية تعتمد على حجم الاستعلام واستخدام الموارد لتعديل الأسعار في الوقت الحقيقي وتحسين استراتيجية التسعير وضمان تحقيق أقصى قدر من الدخل والتنافسية لفهرس البحث.
· حل محسن التخصيص مشكلة توزيع موارد الرسوم البيانية الفرعية المعقدة ، ويساعد فهرس الموارد في تحقيق التكوين الأمثل للإيرادات والأداء.
· AgentC هي أداة تجريبية تسمح للمستخدمين بالوصول إلى بيانات سلسلة كتل The Graph من خلال اللغة الطبيعية، مما يعزز تجربة المستخدم.
تطبيق هذه الأدوات يجعل The Graph مزيجًا من AI معززًا يزيد من ذكاء النظام وسهولة الاستخدام.
3.2 قاعدة السلسلة
Chainbase هو شبكة بيانات كاملة السلسلة تجمع جميع البيانات الخاصة بكتلة في منصة واحدة، مما يسهل على المطورين بناء وصيانة التطبيقات بشكل أسهل. وتشمل ميزاته الفريدة:
· بحيرة بيانات الوقت الحقيقي: يوفر Chainbase بحيرة بيانات في الوقت الحقيقي مخصصة لتدفق بيانات سلسلة الكتل، مما يجعل البيانات متاحة على الفور عند إنشائها.
· البنية ثنائية السلسلة: قام Chainbase بإنشاء طبقة تنفيذية بناءً على Eigenlayer AVS، والتي تتوازى مع خوارزمية الإجماع CometBFT. تعزز هذه التصميمات قابلية برمجة وقابلية تكامل بيانات التفاعل عبر السلاسل، وتدعم الأداء العالي، وانخفاض وقت الاستجابة، والنهائية، وتعزز أيضًا أمان الشبكة من خلال نموذج التكديس المزدوج.
· معايير تنسيق البيانات المبتكرة: قدمت Chainbase معيارا جديدا لتنسيق البيانات يسمى "المخطوطات" يعمل على تحسين كيفية هيكلة البيانات واستخدامها في الصناعة.
· النموذج العالمي للتشفير: بفضل مواردها الضخمة من بيانات سلسلة الكتل، نجحت Chainbase في تطوير تقنية نماذج الذكاء الاصطناعي التي تفهم وتتنبأ بالمعاملات في سلسلة الكتل وتتفاعل معها بشكل فعال. تم إطلاق نموذج Theia الأساسي حالياً للاستخدام العام.
هذه الوظائف تجعل Chainbase تبرز في بروتوكول فهرس سلسلة الكتل، مع التركيز بشكل خاص على إمكانية الوصول إلى البيانات في الوقت الحقيقي وتنسيق البيانات المبتكرة، بالإضافة إلى خلق نماذج أكثر ذكاءًا من خلال دمج البيانات داخل السلسلة وخارجها لتعزيز الرؤى.
نموذج الذكاء الاصطناعي Theia الخاص بـ Chainbase هو نقطة الضوء الرئيسية التي تميزه عن بروتوكولات خدمات البيانات الأخرى. يعتمد Theia على نموذج DORA الذي طورته NVIDIA، ويقوم بتحليل أنماط التشفير بناءً على البيانات داخل السلسلة وخارجها والأنشطة الزمنية والمكانية، ويستجيب من خلال الاستدلال السببي، مما يساهم في استكشاف القيمة الكامنة والقواعد في البيانات داخل السلسلة بشكل أعمق، وتقديم خدمات بيانات أكثر تفاعلية للمستخدمين.
تمكين خدمات البيانات المدعومة بالذكاء الاصطناعي يجعل Chainbase ليس مجرد منصة خدمات بيانات السلسلة، بل يصبح مزودًا لخدمات البيانات ذات تنافسية أكبر. من خلال موارد البيانات القوية وتحليل الذكاء الاصطناعي النشط، يمكن لـ Chainbase أن توفر رؤى أوسع للبيانات وتحسين عملية معالجة البيانات للمستخدمين.
3.3 الفضاء والزمان
تهدف Space and Time (SxT) إلى بناء طبقة حوسبة قابلة للتحقق على مستودع بيانات غير مركزي لتوسيع الدليل بدون معرفة، مما يوفر معالجة بيانات موثوقة للعقود الذكية ونماذج اللغة الكبيرة والشركات. حاليًا، حصلت Space and Time على تمويل سلسلة A بقيمة 20 مليون دولار في أحدث جولة من التمويل، وقادها Framework Ventures و Lightspeed Faction و Arrington Capital و Hivemind Capital.
في مجال فهرسة وتحقق البيانات، يقدم Space and Time مسارًا جديدًا تمامًا للتكنولوجيا - Proof of SQL. إنها تقنية مبتكرة تم تطويرها بواسطة Space and Time تعتمد على دليل بدون معرفة (ZKP) لضمان أن استعلامات SQL التي تم تنفيذها على قاعدة بيانات غير مركزية تكون غير قابلة للتلاعب وقابلة للتحقق. عند تشغيل استعلام، سيقوم Proof of SQL بإنشاء دليل التشفير للتحقق من سلامة ودقة نتائج الاستعلام. يتم إرفاق هذا الدليل بنتائج الاستعلام، مما يتيح لأي من المدققين (مثل العقود الذكية وما إلى ذلك) التحقق المستقل من عدم تلاعب البيانات أثناء المعالجة. عادةً ما يعتمد شبكات سلسلة الكتل التقليدية على آلية الإجماع للتحقق من صحة البيانات، بينما يوفر Proof of SQL الذي تم تطبيقه بواسطة Space and Time طريقة أكثر كفاءة للتحقق من البيانات. بشكل محدد، في نظام Space and Time، يقوم عقدة بالحصول على البيانات وتحقق العقدات الأخرى من صحتها باستخدام تقنية zk. يقوم هذا النهج بتغيير استهلاك الموارد اللازمة للحصول على البيانات من خلال استخدام العديد من العقد لفهرسة البيانات نفسها بواسطة آلية الإجماع. كما يعزز هذا النهج أداء النظام بشكل عام. مع نضج هذه التكنولوجيا، فإنها تشكل أساسًا لمجموعة من المنتجات التي تستند إلى سلسلة الكتل داخل الصناعات التقليدية التي تركز على موثوقية البيانات.
في الوقت نفسه، تعمل SxT بشكل وثيق مع مختبر الابتكار المشترك لشركة مايكروسوفت للذكاء الاصطناعي لتسريع تطوير أدوات الذكاء الاصطناعي القائمة على الإنتاج لتسهيل قدرة المستخدمين على معالجة بيانات سلسلة الكتل بسهولة من خلال معالجة اللغة الطبيعية. حاليًا في Space and Time Studio، يمكن للمستخدمين تجربة إدخال استعلام باللغة الطبيعية، حيث ستقوم الذكاء الاصطناعي تلقائيًا بتحويله إلى SQL وتنفيذ الاستعلام نيابة عن المستخدم وعرض النتائج النهائية المطلوبة للمستخدم.
3.4 تقارن الاختلافات
4. الاستنتاج والتوقعات
باختصار، تطورت تقنية فهرسة بيانات سلسلة الكتل من مصدر بيانات العقدة الأولي إلى خدمات بيانات السلسلة الكاملة المعززة بالذكاء الاصطناعي، من خلال تطور تحليل البيانات ومؤشرها، في عملية تحسين تدريجية. تطور هذه التقنيات لا يحسن فقط كفاءة ودقة الوصول إلى البيانات، بل يوفر أيضًا تجربة ذكية للمستخدمين بشكل غير مسبوق.
بتطور تقنيات الذكاء الاصطناعي والدلائل بدون معرفة وغيرها من التقنيات الجديدة، ستصبح خدمات بيانات سلسلة الكتل أكثر ذكاءً وأمانًا في المستقبل. لدينا سبب للاعتقاد بأن خدمات بيانات سلسلة الكتل ستستمر في أداء دور أساسي كبنية تحتية في المستقبل، وتوفير دعم قوي لتقدم الصناعة والابتكار.
إخطار:
يتم إعادة نشر هذه المقالة من Trustless Labs، حقوق الطبع والنشر مملوكة للمؤلف الأصلي Trustless Labs، إذا كان لديك أي اعتراض على إعادة النشر، يرجى التواصل مع فريق Gate Learn وسيتم التعامل معه بأسرع وقت ممكن.
إخلاء المسؤولية: تعبر الآراء والأفكار المعبر عنها في هذه المقالة فقط عن وجهة نظر الكاتب الشخصية ولا تشكل أي توصية استثمارية.
يتم ترجمة الإصدارات باللغات الأخرى للمقالات من قبل فريق Gate Learn، ولا يجوز نسخ أو نشر أو اقتباس المقالات المترجمة دون ذكر Gate.io
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.
قراءة، فهرسة، تحليل، واختصار مسار فهرسة بيانات Web3
تناول هذا المقال تطور إمكانية الوصول إلى بيانات سلسلة الكتل، وقارن بين ميزات خدمات البيانات من نوع The Graph و Chainbase و Space and Time في الهندسة المعمارية وتطبيقات تقنيات الذكاء الاصطناعي، وأشار إلى أن خدمات بيانات سلسلة الكتل تتجه نحو التحول نحو الذكاء والأمان، وستستمر في المستقبل في أن تلعب دوراً هاما كبنية أساسية للصناعة.
1. المقدمة
منذ بداية موجة التطبيقات اللامركزية مثل Etheroll و ETHLend و CryptoKitties في عام 2017، وحتى الآن، ازدهرت تطبيقات الديApps المالية والألعاب والاجتماعية المختلفة المبنية على سلاسل كتل مختلفة. عندما نتحدث عن تطبيقات اللامركزية داخل السلسلة، هل فكرنا يومًا في مصادر البيانات المختلفة التي يعتمد عليها هذه التطبيقات اللامركزية أثناء التفاعل؟
في عام 2024، تركز الاهتمام على الذكاء الاصطناعي وWeb3، في عالم الذكاء الاصطناعي، البيانات هي مصدر حياة نموه وتطوره. تشبه النباتات الاعتماد على الشمس والماء للنمو القوي، فإن نظام الذكاء الاصطناعي يعتمد أيضًا على كمية كبيرة من البيانات للتعلم والتفكير المستمر. بدون بيانات، يكون الخوارزمية الذكية للذكاء الاصطناعي مجرد برج في الهواء، غير قادر على إظهار ذكائه وكفاءته المستحقة.
من منظور قابلية الوصول إلى البيانات في سلسلة الكتل، يحلل هذا المقال تطور فهرس بيانات سلسلة الكتل في عملية تطور الصناعة، ويقارن بين بروتوكول فهرس البيانات الكلاسيكي The Graph وخدمات بروتوكول بيانات سلسلة الكتل الناشئ Chainbase وSpace and Time، ويتناول بشكل خاص الاختلافات والتشابهات في خصائص خدمات البيانات وهيكل المنتج لهذين البروتوكولين الناشئين اللذين يعتمدان على تقنية الذكاء الاصطناعي.
2. فهارس بيانات معقدة ومبسطة: من عقد سلسلة كتلة إلى قواعد بيانات كاملة السلسلة
2.1 数据源头：كتلة链节点
منذ البداية ، عندما نفهم "ما هي سلسلة كتلة" ، غالبا ما نرى عبارة "سلسلة الكتلة هي دفتر الأستاذ اللامركزية". عقدة سلسلة كتلة هي أساس شبكة سلسلة كتلة بأكملها وتتحمل مسؤولية تسجيل وتخزين ونشر جميع بيانات المعاملات على السلسلة. تحتوي كل اتفاقية على نسخة كاملة من بيانات سلسلة الكتلة ، مما يضمن الحفاظ على خصائص اللامركزية للشبكة. ومع ذلك ، ليس من السهل على المستخدم العادي بناء والحفاظ على عقدة سلسلة كتلة بمفرده. لا يتطلب هذا خبرة فنية فحسب ، بل يأتي أيضا بتكاليف عالية للأجهزة وعرض النطاق الترددي. في الوقت نفسه ، تكون إمكانية استعلام العقدة العادية محدودة ، ولا يمكن الاستعلام عن البيانات بالتنسيق الذي يحتاجه المطور. لذلك ، بينما من الناحية النظرية ، يمكن للجميع تشغيل عقدتهم الخاصة ، من الناحية العملية ، غالبا ما يكون المستخدمون أكثر ميلا للاعتماد على خدمات الجهات الخارجية.
لحل هذه المشكلة، ظهرت مزودات عقدة استدعاء الإجراء البعيد (RPC)، وهي المسؤولة عن تكاليف العقدة وإدارتها، وتوفر البيانات عبر نقاط نهاية RPC. هذا يتيح للمستخدمين الوصول إلى بيانات سلسلة الكتل بسهولة دون الحاجة إلى بناء عقدتهم الخاصة. تقدم نقاط نهاية RPC العامة مجانًا ولكنها تحتوي على قيود سرعة وقد تؤثر سلبًا على تجربة مستخدمي التطبيقات اللامركزية (dApp). توفر نقاط نهاية RPC الخاصة أداءًا أفضل من خلال تقليل الازدحامات، ولكن حتى استعلامات البيانات البسيطة تتطلب الكثير من الاتصالات الراجعة، مما يجعلها ثقيلة للاستخدام وغير فعالة في استعلامات البيانات المعقدة. علاوة على ذلك، يصعب توسيع نقاط نهاية RPC الخاصة ويفتقر إلى التوافق بين شبكات مختلفة. ومع ذلك، يوفر واجهة برمجة تطبيقات (API) الموحدة لمزودات العقدة إمكانية الوصول إلى بيانات السلسلة الداخلية بسهولة، مما يوفر الأساس لتحليل البيانات وتطبيقاتها في المستقبل.
2.2 تحليل البيانات: من البيانات الأصلية إلى البيانات القابلة للاستخدام
البيانات التي تم الحصول عليها من عقدة سلسلة الكتل غالبًا ما تكون بيانات أصلية تم تشفيرها ومعالجتها بالترميز. على الرغم من أن هذه البيانات تحتفظ بسلامة وأمان سلسلة الكتل ، إلا أن تعقيد تحليل البيانات زاد صعوبته. بالنسبة للمستخدم العادي أو المطور ، يتطلب معالجة هذه البيانات الأصلية معرفة تقنية وموارد حسابية كبيرة.
عملية تحليل البيانات تبدو أكثر أهمية في هذا السياق. من خلال تحليل البيانات الأصلية المعقدة وتحويلها إلى تنسيق أكثر سهولة في الفهم والتشغيل، يمكن للمستخدمين فهم واستخدام هذه البيانات بشكل أكثر مباشرة. نجاح تحليل البيانات يحدد مباشرة كفاءة وأثر تطبيق بيانات سلسلة الكتل، وهو خطوة رئيسية في عملية فهرسة البيانات برمتها.
تطور مؤشر البيانات 2.3
مع زيادة حجم بيانات سلسلة الكتلة ، يزداد أيضًا الطلب على مؤشر البيانات. يلعب مؤشر البيانات دورًا حاسمًا في تنظيم بيانات سلسلة الكتلة وإرسالها إلى قاعدة البيانات لتمكين الاستعلام. يعمل مؤشر البيانات عن طريق تجميع بيانات سلسلة الكتلة وجعلها متاحة في أي وقت باستخدام لغة استعلام مشابهة للغة SQL (مثل GraphQL وما إلى ذلك). من خلال توفير واجهة موحدة للاستعلام عن البيانات ، يتيح مؤشر البيانات للمطورين استرداد المعلومات المطلوبة بسرعة ودقة باستخدام لغة استعلام موحدة ، مما يبسط العملية بشكل كبير.
أنواع مختلفة من المؤشرات تحسين استراتيجيات البحث من خلال طرق متنوعة:
· محفظة العقدة الكاملة: يقوم هؤلاء المحفظون بتشغيل عقدة سلسلة كتل كاملة واستخراج البيانات مباشرة منها ، مما يضمن تكامل ودقة البيانات ، ولكنه يتطلب قدرًا كبيرًا من القدرة على التخزين والمعالجة.
مؤشرات خفيفة الوزن: يعتمد هذه المؤشرات على جذر العقدة الكامل لاسترداد البيانات المحددة حسب الحاجة ، مما يقلل من متطلبات التخزين ولكن قد يزيد من وقت الاستعلام.
· مؤشرات مخصصة: هذه المؤشرات مخصصة لبعض أنواع البيانات أو سلاسل محددة، ويمكن أن تحسن البحث عن حالات استخدام محددة، مثل البيانات غير القابلة للاستبدال أو صفقات التمويل اللامركزي .
· مجمع المؤشرات: هذه المؤشرات تستخرج البيانات من عدة سلاسل بلوك ومصادر بما في ذلك المعلومات خارج السلسلة، وتوفر واجهة استعلام موحدة، وهذا مفيد بشكل خاص لتطبيقات السلسلة المتعددة.
حاليا ، تشغل عقدة أرشيف Ethereum حوالي 13.5 تيرابايت من مساحة التخزين في وضع الأرشيف في عميل Geth ، بينما في ظل عميل Erigon ، تبلغ متطلبات الأرشيف حوالي 3 تيرابايت. مع استمرار نمو blockchain ، ستزداد أيضا كمية البيانات المخزنة في الأرشيف. في مواجهة هذا الكم الهائل من البيانات ، لا يدعم المفهرس السائد بروتوكول الفهارس متعددة السلاسل فحسب ، بل يقوم أيضا بتخصيص أطر تحليل البيانات وفقا لاحتياجات البيانات للتطبيقات المختلفة. على سبيل المثال ، يعد إطار الرسم البياني الفرعي للرسم البياني مثالا على ذلك.
ظهور مؤشر البحث قد زاد بشكل كبير كفاءة البحث والاستعلام عن البيانات. بالمقارنة مع نقاط نهاية RPC التقليدية، يمكن لمؤشر البحث أن يفهم بشكل فعال كمية كبيرة من البيانات ويدعم الاستعلام بسرعة. يسمح هذا المؤشر للمستخدمين بتنفيذ استعلامات معقدة، وتصفية البيانات بسهولة، وتحليلها بعد الاستخراج. بالإضافة إلى ذلك، يدعم بعض مؤشرات البحث التجميع من مصادر البيانات في عدة سلاسل متعددة، وبذلك يتجنب مشكلة الحاجة لنشر العديد من واجهات برمجة التطبيقات في تطبيقات متعددة السلاسل. يوفر المؤشر البحث توزيعًا موزعًا على عدة عقد، مما يوفر لهم الأمان والأداء الأقوى، ويقلل من خطر الانقطاع والتعطل الذي يمكن أن يتسبب به مزودو خدمات RPC المركزية.
على النقيض من ذلك، يتيح المؤشر القدرة على الحصول المباشر على المعلومات المطلوبة دون الحاجة إلى التعامل مع البيانات المعقدة على الطبقة السفلى من خلال لغة الاستعلام المعرفة مسبقًا. هذا الآلية تعزز بشكل كبير كفاءة وموثوقية استرجاع البيانات، وهي ابتكار مهم في وصول بيانات كتلة.
2.4 قاعدة بيانات السلسلة الكاملة: محاذاة تدفق الأولويات
استخدام مؤشر العقدة للاستعلام عن البيانات يعني عادة أن يكون واجهة برمجة التطبيقات هي البوابة الوحيدة لاستيعاب البيانات داخل السلسلة. ومع ذلك، عندما يدخل مشروع مرحلة التوسع، غالبًا ما يكون هناك حاجة إلى مصادر بيانات أكثر مرونة، وهذا ما لا يمكن أن توفره واجهة برمجة التطبيقات الموحدة. مع تعقيد متطلبات التطبيق، يصبح من الصعب تدريجيا على مؤشرات البيانات الأولية وتنسيقاتها الموحدة تلبية احتياجات الاستعلام المتنوعة المتزايدة، مثل البحث، والوصول عبر السلاسل، أو تخطيط البيانات خارج السلسلة.
في الهندسة الحديثة لأنابيب البيانات ، أصبحت الطريقة "التدفق الأول" حلاً لقيود المعالجة الدفعية التقليدية ، مما يمكنه تحقيق إمتصاص ومعالجة وتحليل البيانات في الوقت الحقيقي. هذا التحول في النمط يتيح للمؤسسات الاستجابة الفورية للبيانات الواردة ، مما يسمح لها بالحصول على رؤى تقريبًا فورية واتخاذ القرارات. بالمثل ، فإن تطور خدمات بيانات سلسلة الكتل يتجه أيضًا نحو بناء تدفق بيانات سلسلة الكتل ، حيث قام مزودو خدمات الفهرس التقليدية بإطلاق منتجات للحصول على بيانات سلسلة الكتل في الوقت الحقيقي بطريقة تيارية ، مثل Substreams من The Graph و Mirror من Goldsky ، بالإضافة إلى منتجات مثل Chainbase و SubSquid التي تُنشئ تدفق بيانات في الوقت الحقيقي وفقًا لسلسلة الكتل.
تهدف هذه الخدمات إلى حل احتياجات تحليل واستعلام أكثر شمولية لعمليات كتلة السلسلة وتوفير الحلول الفورية. تمامًا كما غيرت الهندسة المعمارية "الأولوية للتدفق" طريقة معالجة البيانات واستهلاكها في الأنابيب التقليدية من خلال إسقاط وقت الاستجابة وتعزيز القدرة على الاستجابة ، يأمل مزودو خدمات تدفق بيانات سلسلة الكتل أيضًا في دعم تطوير المزيد من التطبيقات ومساعدة تحليل البيانات داخل السلسلة من خلال مصادر بيانات أكثر تقدمًا ونضجًا.
باستخدام منظور أنابيب البيانات الحديثة لإعادة تعريف تحديات بيانات داخل السلسلة، يمكننا النظر إلى إدارة بيانات داخل السلسلة وتخزينها وتوفير كل إمكانياتها من زوايا جديدة تمامًا. عندما نبدأ في النظر إلى مؤشرات البيانات مثل الرسوم البيانية الفرعية و ETL ETH بدلاً من الإخراج النهائي كتدفق بيانات داخل أنابيب البيانات، يمكننا أن نتصور عالمًا يمكن تخصيص مجموعة بيانات عالية الأداء لأي حالة استخدام تجارية.
3. AI + قاعدة بيانات؟ مقارنة عميقة لـ The Graph، Chainbase، Space and Time
3.1 الرسم البياني
شبكة The Graph تستخدم عقدة اللامركزية لتوفير خدمات فهرسة واستعلام البيانات عبر عدة سلاسل، مما يعزز من قدرة المطورين على فهرسة البيانات المتعلقة بالبلوكشين وبناء التطبيقات اللامركزية بسهولة. يعتمد نموذجها الأساسي على سوق تنفيذ الاستعلامات وسوق ذاكرة التخزين المؤقت للفهرسة، وهما سوقان تخدمان احتياجات المستخدمين في الاستعلام عن المنتجات. يتمثل سوق تنفيذ الاستعلامات في اختيار المستهلك للبيانات المطلوبة والدفع لعقدة الفهرسة التي توفر هذه البيانات، أما سوق ذاكرة التخزين المؤقت للفهرسة فهو سوق يعتمد على تحريك الموارد وفقًا لاحتياجات عرض البيانات التي يحتاجها مدير عرض البيانات والرسوم التي تم جمعها وداخل السلسلة.
الرسوم البيانية الفرعية (Subgraphs) هي الهياكل الأساسية في شبكة The Graph. تحدد كيفية استخراج البيانات من سلسلة الكتل وتحويلها إلى تنسيق قابل للتحقيق (مثل نمط GraphQL). يمكن لأي شخص إنشاء رسوم بيانية فرعية، ويمكن لعدة تطبيقات استخدام هذه الرسوم الفرعية مرارًا وتكرارًا، مما يعزز قابلية إعادة استخدام البيانات وكفاءة الاستخدام.
· المُفَهِّر (Indexer): هو عامل تشغيل للعُقَد في شبكة The Graph، ويرتبط المفهر بشبكة العقد من خلال التكديس بـ GRT (الرمز الأساسي الخاص بـ The Graph)، ويقدم خدمات فهرسة ومعالجة الاستعلامات.
· المُوَكِّل (Delegator): الموكلون هم الأشخاص الذين يقدمون GRT عملة التكديس إلى عقدة الفهرسة لدعم عملياتها. يكسب الموكلون جزءًا من الأرباح من خلال العقدة التي يوكلونها.
· المنسق: المنسق مسؤول عن تحديد الأشكال الفرعية التي يجب فهرستها في الشبكة. يساعد المنسق في ضمان أن الأشكال الفرعية ذات القيمة تتم معالجتها بأولوية.
· المطور (Developer): بدلاً من أن يكون موردًا مع الأطراف الثلاثة السابقة ، يكون المطور طرف الطلب وهو المستخدم الرئيسي لـ The Graph. يقومون بإنشاء وتقديم الرسوم البيانية الفرعية إلى شبكة The Graph وينتظرون تلبية البيانات المطلوبة من الشبكة.
حاليًا ، تحولت The Graph إلى خدمة استضافة الرسوم البيانية اللامركزية الشاملة ، مع وجود حوافز اقتصادية متداولة بين أطراف مختلفة لضمان تشغيل النظام:
· مكافأة الكتلة للعقدة الفهرسية: تكسب عقدة الفهرسة أرباحًا من رسوم استعلام المستهلك وجزء من مكافأة عملة GRT.
مكافأة المُودِع: يحصل المودع على جزء من المكافأة عندما يتم دعم عقدة الفهرس التي يدعمونها.
· جائزة المنظم: إذا قدم المنظم إشارة قيمة للرسوم البيانية ، فيمكن لهم الحصول على جزء من الجائزة من رسوم الاستعلام.
في الواقع، تطورت منتجات The Graph أيضًا في موجة الذكاء الاصطناعي بسرعة. كفريق تطوير Semiotic Labs الرئيسي في النظام البيئي لـ The Graph، كان Semiotic Labs دائمًا ملتزمًا باستخدام تقنية الذكاء الاصطناعي لتحسين فهرسة التسعير وتجربة استعلام المستخدم. حاليًا، تحسن الأداء في العديد من المجالات من خلال الأدوات التي طورها Semiotic Labs وهي AutoAgora وAllocation Optimizer وAgentC.
· يقوم AutoAgora بإدخال آلية تسعير ديناميكية تعتمد على حجم الاستعلام واستخدام الموارد لتعديل الأسعار في الوقت الحقيقي وتحسين استراتيجية التسعير وضمان تحقيق أقصى قدر من الدخل والتنافسية لفهرس البحث.
· حل محسن التخصيص مشكلة توزيع موارد الرسوم البيانية الفرعية المعقدة ، ويساعد فهرس الموارد في تحقيق التكوين الأمثل للإيرادات والأداء.
· AgentC هي أداة تجريبية تسمح للمستخدمين بالوصول إلى بيانات سلسلة كتل The Graph من خلال اللغة الطبيعية، مما يعزز تجربة المستخدم.
تطبيق هذه الأدوات يجعل The Graph مزيجًا من AI معززًا يزيد من ذكاء النظام وسهولة الاستخدام.
3.2 قاعدة السلسلة
Chainbase هو شبكة بيانات كاملة السلسلة تجمع جميع البيانات الخاصة بكتلة في منصة واحدة، مما يسهل على المطورين بناء وصيانة التطبيقات بشكل أسهل. وتشمل ميزاته الفريدة:
· بحيرة بيانات الوقت الحقيقي: يوفر Chainbase بحيرة بيانات في الوقت الحقيقي مخصصة لتدفق بيانات سلسلة الكتل، مما يجعل البيانات متاحة على الفور عند إنشائها.
· البنية ثنائية السلسلة: قام Chainbase بإنشاء طبقة تنفيذية بناءً على Eigenlayer AVS، والتي تتوازى مع خوارزمية الإجماع CometBFT. تعزز هذه التصميمات قابلية برمجة وقابلية تكامل بيانات التفاعل عبر السلاسل، وتدعم الأداء العالي، وانخفاض وقت الاستجابة، والنهائية، وتعزز أيضًا أمان الشبكة من خلال نموذج التكديس المزدوج.
· معايير تنسيق البيانات المبتكرة: قدمت Chainbase معيارا جديدا لتنسيق البيانات يسمى "المخطوطات" يعمل على تحسين كيفية هيكلة البيانات واستخدامها في الصناعة.
· النموذج العالمي للتشفير: بفضل مواردها الضخمة من بيانات سلسلة الكتل، نجحت Chainbase في تطوير تقنية نماذج الذكاء الاصطناعي التي تفهم وتتنبأ بالمعاملات في سلسلة الكتل وتتفاعل معها بشكل فعال. تم إطلاق نموذج Theia الأساسي حالياً للاستخدام العام.
هذه الوظائف تجعل Chainbase تبرز في بروتوكول فهرس سلسلة الكتل، مع التركيز بشكل خاص على إمكانية الوصول إلى البيانات في الوقت الحقيقي وتنسيق البيانات المبتكرة، بالإضافة إلى خلق نماذج أكثر ذكاءًا من خلال دمج البيانات داخل السلسلة وخارجها لتعزيز الرؤى.
نموذج الذكاء الاصطناعي Theia الخاص بـ Chainbase هو نقطة الضوء الرئيسية التي تميزه عن بروتوكولات خدمات البيانات الأخرى. يعتمد Theia على نموذج DORA الذي طورته NVIDIA، ويقوم بتحليل أنماط التشفير بناءً على البيانات داخل السلسلة وخارجها والأنشطة الزمنية والمكانية، ويستجيب من خلال الاستدلال السببي، مما يساهم في استكشاف القيمة الكامنة والقواعد في البيانات داخل السلسلة بشكل أعمق، وتقديم خدمات بيانات أكثر تفاعلية للمستخدمين.
تمكين خدمات البيانات المدعومة بالذكاء الاصطناعي يجعل Chainbase ليس مجرد منصة خدمات بيانات السلسلة، بل يصبح مزودًا لخدمات البيانات ذات تنافسية أكبر. من خلال موارد البيانات القوية وتحليل الذكاء الاصطناعي النشط، يمكن لـ Chainbase أن توفر رؤى أوسع للبيانات وتحسين عملية معالجة البيانات للمستخدمين.
3.3 الفضاء والزمان
تهدف Space and Time (SxT) إلى بناء طبقة حوسبة قابلة للتحقق على مستودع بيانات غير مركزي لتوسيع الدليل بدون معرفة، مما يوفر معالجة بيانات موثوقة للعقود الذكية ونماذج اللغة الكبيرة والشركات. حاليًا، حصلت Space and Time على تمويل سلسلة A بقيمة 20 مليون دولار في أحدث جولة من التمويل، وقادها Framework Ventures و Lightspeed Faction و Arrington Capital و Hivemind Capital.
في مجال فهرسة وتحقق البيانات، يقدم Space and Time مسارًا جديدًا تمامًا للتكنولوجيا - Proof of SQL. إنها تقنية مبتكرة تم تطويرها بواسطة Space and Time تعتمد على دليل بدون معرفة (ZKP) لضمان أن استعلامات SQL التي تم تنفيذها على قاعدة بيانات غير مركزية تكون غير قابلة للتلاعب وقابلة للتحقق. عند تشغيل استعلام، سيقوم Proof of SQL بإنشاء دليل التشفير للتحقق من سلامة ودقة نتائج الاستعلام. يتم إرفاق هذا الدليل بنتائج الاستعلام، مما يتيح لأي من المدققين (مثل العقود الذكية وما إلى ذلك) التحقق المستقل من عدم تلاعب البيانات أثناء المعالجة. عادةً ما يعتمد شبكات سلسلة الكتل التقليدية على آلية الإجماع للتحقق من صحة البيانات، بينما يوفر Proof of SQL الذي تم تطبيقه بواسطة Space and Time طريقة أكثر كفاءة للتحقق من البيانات. بشكل محدد، في نظام Space and Time، يقوم عقدة بالحصول على البيانات وتحقق العقدات الأخرى من صحتها باستخدام تقنية zk. يقوم هذا النهج بتغيير استهلاك الموارد اللازمة للحصول على البيانات من خلال استخدام العديد من العقد لفهرسة البيانات نفسها بواسطة آلية الإجماع. كما يعزز هذا النهج أداء النظام بشكل عام. مع نضج هذه التكنولوجيا، فإنها تشكل أساسًا لمجموعة من المنتجات التي تستند إلى سلسلة الكتل داخل الصناعات التقليدية التي تركز على موثوقية البيانات.
في الوقت نفسه، تعمل SxT بشكل وثيق مع مختبر الابتكار المشترك لشركة مايكروسوفت للذكاء الاصطناعي لتسريع تطوير أدوات الذكاء الاصطناعي القائمة على الإنتاج لتسهيل قدرة المستخدمين على معالجة بيانات سلسلة الكتل بسهولة من خلال معالجة اللغة الطبيعية. حاليًا في Space and Time Studio، يمكن للمستخدمين تجربة إدخال استعلام باللغة الطبيعية، حيث ستقوم الذكاء الاصطناعي تلقائيًا بتحويله إلى SQL وتنفيذ الاستعلام نيابة عن المستخدم وعرض النتائج النهائية المطلوبة للمستخدم.
3.4 تقارن الاختلافات
4. الاستنتاج والتوقعات
باختصار، تطورت تقنية فهرسة بيانات سلسلة الكتل من مصدر بيانات العقدة الأولي إلى خدمات بيانات السلسلة الكاملة المعززة بالذكاء الاصطناعي، من خلال تطور تحليل البيانات ومؤشرها، في عملية تحسين تدريجية. تطور هذه التقنيات لا يحسن فقط كفاءة ودقة الوصول إلى البيانات، بل يوفر أيضًا تجربة ذكية للمستخدمين بشكل غير مسبوق.
بتطور تقنيات الذكاء الاصطناعي والدلائل بدون معرفة وغيرها من التقنيات الجديدة، ستصبح خدمات بيانات سلسلة الكتل أكثر ذكاءً وأمانًا في المستقبل. لدينا سبب للاعتقاد بأن خدمات بيانات سلسلة الكتل ستستمر في أداء دور أساسي كبنية تحتية في المستقبل، وتوفير دعم قوي لتقدم الصناعة والابتكار.
إخطار:
يتم إعادة نشر هذه المقالة من Trustless Labs، حقوق الطبع والنشر مملوكة للمؤلف الأصلي Trustless Labs، إذا كان لديك أي اعتراض على إعادة النشر، يرجى التواصل مع فريق Gate Learn وسيتم التعامل معه بأسرع وقت ممكن.
إخلاء المسؤولية: تعبر الآراء والأفكار المعبر عنها في هذه المقالة فقط عن وجهة نظر الكاتب الشخصية ولا تشكل أي توصية استثمارية.
يتم ترجمة الإصدارات باللغات الأخرى للمقالات من قبل فريق Gate Learn، ولا يجوز نسخ أو نشر أو اقتباس المقالات المترجمة دون ذكر Gate.io