نمایندگان هوش مصنوعی اکنون قراردادهای هوشمند می‌نویسند. این برای سبد سرمایه‌گذاری کریپتوی شما چه معنایی دارد؟

قراردادهای هوشمند همیشه قرار بود بی‌نیاز از اعتماد باشند. بدون واسطه. بدون صلاحدید انسانی. کد اجرا می‌شود، شرایط برآورده می‌شود، وجوه جابجا می‌شوند. این وعده بود. اما همیشه یک فرض پنهان در پس این وعده وجود داشت: اینکه یک انسان کد را می‌نویسد. یک توسعه‌دهنده می‌نشست، منطق را درک می‌کرد، حالت‌های خاص را آزمایش می‌کرد و قبل از اینکه چیزی روی شبکه اصلی (mainnet) فعال شود، آن را تأیید می‌کرد. این فرض اکنون در حال برچیده شدن است. عامل‌های هوش مصنوعی (AI agents) دیگر فقط به توسعه‌دهندگان کمک نمی‌کنند که سریع‌تر کد بنویسند. در سال ۲۰۲۶، آنها به طور مستقل قراردادهای سالیدیتی (Solidity) تولید می‌کنند، ممیزی‌های امنیتی را روی خروجی خودشان اجرا می‌کنند، آن قراردادها را در شبکه‌های آزمایشی (testnets) مستقر می‌کنند و در برخی موارد، تراکنش‌های درون زنجیره‌ای (on-chain) را بدون تأیید انسانی در هر مرحله، اجرا می‌کنند. در سال ۲۰۲۳، هوش مصنوعی به توسعه‌دهندگان کمک کرد تا بخش‌هایی از کد سالیدیتی را بنویسند. در سال ۲۰۲۴، به تولید کل برنامه‌های غیرمتمرکز (dApps) روی آورد. اکنون در سال‌های ۲۰۲۵ و ۲۰۲۶، عامل‌های هوش مصنوعی نه تنها به توسعه‌دهندگان کمک می‌کنند، بلکه به طور مستقل قراردادهای هوشمند را می‌نویسند، ممیزی می‌کنند و آزمایش می‌کنند قبل از اینکه توسعه‌دهندگان حتی محیط توسعه یکپارچه (IDE) خود را باز کنند. این یک تغییر معنادار است. نه یک ادعای بازاریابی. نه یک وعده وایت‌پیپر (whitepaper). بلکه یک تغییر در آنچه واقعاً در خط لوله توسعه پروژه‌هایی که پول شما را در خود نگه می‌دارند، اتفاق می‌افتد. اگر در پروتکل‌های دیفای (DeFi) سرمایه‌گذاری می‌کنید، توکن‌های مرتبط با برنامه‌های درون زنجیره‌ای نگهداری می‌کنید، یا دارایی‌ها را در هر محصول مبتنی بر قرارداد هوشمند استیک می‌کنید، این پیشرفت مستقیماً بر شما تأثیر می‌گذارد. سؤال این است که آیا این تأثیر برای شما بهتر است یا بدتر، و پاسخ صادقانه در حال حاضر این است: هر دو. ### هوش سریع: تغییر عامل هوش مصنوعی ۱. استقلال استاندارد جدید است: در سال ۲۰۲۶، هوش مصنوعی از "پیشنهاد کد" به نوشتن، ممیزی و استقرار مستقل قراردادهای هوشمند روی آورده است. ۲. دوراهی استفاده دوگانه: همان مدل‌های پیشرفته (مانند GPT-5, Sonnet 4.5) که برای ساخت پروتکل‌ها استفاده می‌شوند، اکنون قادر به یافتن و بهره‌برداری از آسیب‌پذیری‌های روز صفر (zero-day) هستند. ۳. تأثیر بر سبد سرمایه‌گذاری: بیش از ۶۲ میلیارد دلار حجم معاملات قبلاً توسط "کیف پول‌های عامل‌محور" (Agentic Wallets) مدیریت می‌شود. اگر دارایی‌های سودآور دارید، یک عامل هوش مصنوعی احتمالاً پارامترهای ریسک شما را کنترل می‌کند. ۴. بررسی دقیق نسخه ۲.۰: ممیزی‌های سنتی کافی نیستند. سرمایه‌گذاران اکنون باید "مکانیزم‌های توقف اضطراری" (Circuit Breakers) و محدودیت‌های دخالت انسانی (human-in-the-loop) را در فعالیت‌های خودکار تأیید کنند. ## عامل هوش مصنوعی در خط لوله قرارداد هوشمند چه کاری انجام می‌دهد؟ قبل از ورود به پیامدهای سبد سرمایه‌گذاری، درک اینکه این عامل‌ها واقعاً چه کاری انجام می‌دهند کمک‌کننده است، زیرا اصطلاح "عامل هوش مصنوعی" برای پوشش هر چیزی از یک ابزار تکمیل خودکار (autocomplete) پیشرفته گرفته تا یک سیستم واقعاً خودکار که تصمیمات با پیامدهای مالی می‌گیرد، استفاده می‌شود. یک دستیار کدنویسی هوش مصنوعی سنتی، مانند گیت‌هاب کوپایلوت (GitHub Copilot)، به دستورات (prompts) پاسخ می‌دهد. شما می‌پرسید، آن پیشنهاد می‌دهد. شما تصمیم می‌گیرید که از پیشنهاد استفاده کنید یا نه. یک عامل هوش مصنوعی متفاوت است. برخلاف دستیارهای کدنویسی هوش مصنوعی سنتی، عامل‌های هوش مصنوعی به طور مستقل عمل می‌کنند. آنها اهداف را درک می‌کنند، نه فقط دستورات را. آنها می‌توانند با شبکه‌های آزمایشی و اصلی بلاکچین تعامل داشته باشند، ممیزی‌های امنیتی را بدون نیاز به دستور انسانی اجرا کنند و نتایج را به زبان ساده انگلیسی ارائه دهند. در عمل، یک گردش کار مدرن توسعه قرارداد هوشمند که شامل عامل‌های هوش مصنوعی است، به این صورت است: یک توسعه‌دهنده یا تیم پروتکل آنچه را که می‌خواهند بسازند، به زبان ساده انگلیسی توصیف می‌کند. عامل، آن را به یک مشخصات عملکردی (functional specification) تجزیه می‌کند، کد بهینه‌شده سالیدیتی یا وایپر (Vyper) را تولید می‌کند و سپس، قبل از هرگونه بررسی انسانی، خروجی را از طریق ابزارهای امنیتی خودکار از جمله Slither, Mythril و Echidna اجرا می‌کند. اگر آسیب‌پذیری‌هایی یافت شود، هوش مصنوعی آنها را به صورت تکراری برطرف می‌کند تا زمانی که تمام تست‌ها با موفقیت انجام شوند. برخی از خطوط لوله توسعه اکنون تیم‌های چندعاملی را اجرا می‌کنند: یک عامل کد می‌نویسد، یک عامل آن را آزمایش می‌کند، یک عامل مصرف گس (gas) را بهینه می‌کند و یک عامل رفتار درون زنجیره‌ای را مستقر و نظارت می‌کند. این یک گردش کار کامل مهندسی نرم‌افزار است که به صورت خلبان خودکار (autopilot) اجرا می‌شود. مزایای سرعت واقعی هستند. هزینه‌های ممیزی ۲۰ تا ۴۰ درصد کاهش یافته است، زیرا کد تولید شده توسط هوش مصنوعی معمولاً در بدو ورود تمیزتر است، و پروژه‌ها هفته‌ها زودتر از آنچه تحت زمان‌بندی‌های سنتی می‌شدند، راه‌اندازی می‌شوند. این سرعت و کاهش هزینه برای اکوسیستم رمزنگاری مهم است، زیرا مانع راه‌اندازی را کاهش می‌دهد. پروژه‌هایی که قبلاً نمی‌توانستند از عهده یک چرخه کامل ممیزی برآیند، اکنون می‌توانند سریع‌تر توسعه دهند. این به نظر پیشرفت می‌رسد. و همینطور هم هست، اما با یک نکته مهم. ## روی دیگر سکه: عامل‌های هوش مصنوعی می‌توانند قراردادهای هوشمند را نیز تخریب کنند اینجاست که تصویر پیچیده‌تر می‌شود و سرمایه‌گذاران خرد به‌ویژه باید توجه کنند. همان قابلیت‌هایی که به یک عامل هوش مصنوعی اجازه می‌دهند یک قرارداد هوشمند را بنویسد، به آن اجازه می‌دهند آسیب‌پذیری‌ها را در قراردادهای موجود پیدا و بهره‌برداری کند. محققان در Anthropic و MATS این موضوع را مستقیماً بررسی کردند. روی قراردادهایی که پس از آخرین قطع دانش مدل‌ها مورد بهره‌برداری قرار گرفتند، Claude Opus 4.5, Claude Sonnet 4.5 و GPT-5 به‌طور جمعی بهره‌برداری‌هایی به ارزش ۴.۶ میلیون دلار انجام دادند که یک حداقل مشخص برای آسیب اقتصادی که این قابلیت‌ها می‌توانند ایجاد کنند، تعیین می‌کند. این معیار نظری نیست. محققان عامل‌های هوش مصنوعی را در برابر قراردادهای واقعی با آسیب‌پذیری‌های تاریخی واقعی، که بر حسب ارزش دلاری واقعی وجوه شبیه‌سازی شده به سرقت رفته اندازه‌گیری شد، ارزیابی کردند. فراتر از تحلیل گذشته‌نگر، محققان هر دو مدل Sonnet 4.5 و GPT-5 را در شبیه‌سازی علیه ۲,۸۴۹ قرارداد اخیراً مستقر شده بدون هیچ آسیب‌پذیری شناخته شده ارزیابی کردند. هر دو عامل دو آسیب‌پذیری روز صفر جدید را کشف کردند و بهره‌برداری‌هایی به ارزش ۳,۶۹۴ دلار تولید کردند، در حالی که GPT-5 این کار را با هزینه API ۳,۴۷۶ دلار انجام داد. این به عنوان یک اثبات مفهوم نشان می‌دهد که بهره‌برداری خودکار، سودآور و واقعی از نظر فنی امکان‌پذیر است. پیامد آن ناخوشایند اما مهم است: همان مدل‌های پیشرفته‌ای که برای تسریع توسعه پروتکل‌های قانونی استفاده می‌شوند، می‌توانند به سمت آن پروتکل‌ها برای یافتن نقاط ضعف نیز هدایت شوند. سطح حمله و سطح دفاع یک فناوری یکسان هستند. اینکه چه کسی زودتر به آنجا برسد، اهمیت فوق‌العاده‌ای دارد. ما قبلاً دیدیم که این وضعیت در مقیاس بزرگ در سال ۲۰۲۶ چگونه به نظر می‌رسد. عامل‌های تجاری هوش مصنوعی خودکار به سرعت به جریان اصلی تبدیل شده بودند، و زمانی که مهاجمان سیستم‌های حافظه و پروتکل‌های اتصال این عامل‌ها را هدف قرار دادند، حوادث امنیتی به ارزش بیش از ۴۵ میلیون دلار رخ داد. این حملات با باگ‌های معمول قراردادهای هوشمند یا کلاهبرداری‌های ساده فیشینگ متفاوت بودند. مهاجمان مستقیماً به لایه استدلال عامل‌ها، حافظه بلندمدت آنها، و پروتکل‌هایی که آنها را به ابزارهای معاملاتی متصل می‌کردند، حمله کردند. این مدل تهدید را تغییر داد. هک‌های سنتی رمزنگاری کد یا کلیدهای خصوصی را هدف قرار می‌دادند. حملات جدید لایه اجرا را هدف قرار دادند — نحوه به خاطر سپردن، استدلال کردن و عمل کردن عامل‌ها. یک عامل به خطر افتاده نه تنها وجوه را سرقت می‌کرد؛ بلکه می‌توانست کل استراتژی‌های معاملاتی را در سیستم‌های متصل دستکاری کند. ## عامل‌های هوش مصنوعی اکنون واقعاً با سرمایه شما چه می‌کنند؟ فراتر از خط لوله توسعه، عامل‌های هوش مصنوعی به طور فزاینده‌ای با سرمایه زنده در پروتکل‌های دیفای مورد اعتماد قرار می‌گیرند. این بخشی است که اگر در محصولات سودآور، پروتکل‌های وام‌دهی یا استخرهای نقدینگی پول دارید، مستقیماً بر شما تأثیر می‌گذارد. کاربران اکنون سرمایه خود را به خزانه‌های عامل‌محور خودکار واگذار می‌کنند. پلتفرم‌هایی مانند Theoriq Alpha Vault با استفاده از این مکانیزم‌ها، ۲۵ میلیون دلار در ارزش کل قفل شده (TVL) مدیریت می‌کنند. این عامل نرخ‌های بهره و قیمت توکن‌ها را در بلاکچین‌ها نظارت می‌کند، نقاط ورود و خروج بهینه را با در نظر گرفتن هزینه‌های گس و ضرر ناپایدار بالقوه محاسبه می‌کند و سرمایه را به پروتکلی که بالاترین بازده را ارائه می‌دهد، منتقل می‌کند. کاربران سرمایه اولیه را تأمین کرده و پارامترهای ریسک را تعیین می‌کنند. نرم‌افزار اجرای روزانه و متعادل‌سازی مجدد سبد سرمایه‌گذاری را انجام می‌دهد. کیف پول‌های عامل‌محور کوین‌بیس (Coinbase's Agentic Wallets) بیش از ۵۰ میلیون تراکنش ماشین به ماشین را پردازش کرده‌اند. بهینه‌سازی هوش مصنوعی گانتلت (Gauntlet's AI optimization) ۶۲ میلیارد دلار حجم معاملات یونی‌سواپ (Uniswap) را ایجاد کرده است: اینها برنامه‌های آزمایشی نیستند. آنها زیرساخت مالی فعال هستند که در مقیاس بزرگ عمل می‌کنند. در مارس ۲۰۲۶، Alchemy یک جریان کاری را راه‌اندازی کرد که در آن یک عامل هوش مصنوعی از کیف پول خود به عنوان هویت و منبع پرداخت استفاده می‌کند، یک درخواست پرداخت HTTP 402 دریافت می‌کند و به طور خودکار با استفاده از USDC در Base از طریق پروتکل x402 کوین‌بیس، بدون هیچ گونه ورودی انسانی، شارژ می‌شود. عامل‌ها می‌توانند با حداقل ۱ دلار شروع کنند و بر اساس پرداخت به ازای استفاده، قدرت محاسباتی بخرند. نرم‌افزار به نرم‌افزار پول پرداخت می‌کند تا یک گردش کار را ادامه دهد. این جمله آخر سزاوار تأمل است. نرم‌افزار خودمختار اکنون در حال کسب منابع مالی برای حفظ عملیات خود در زیرساخت بلاکچین عمومی است، بدون اینکه یک انسان هر تراکنش را تأیید کند. این واقعاً قلمرو جدیدی است. گزارش ۲۰۲۵ مساری (Messari) نشان داد که بخش رمزنگاری مبتنی بر هوش مصنوعی بین سال‌های ۲۰۲۴ و ۲۰۲۵ بیش از ۳۴۰ درصد در ارزش کل قفل شده (TVL) رشد کرده است. سرمایه جاری به محصولات رمزنگاری مدیریت شده با هوش مصنوعی یک روند خاص نیست. بلکه در حال تبدیل شدن به بخش اصلی اکوسیستم دیفای است. ## ریسک‌هایی که در پکیج بازاریابی دیده نمی‌شوند افزایش کارایی واقعی است. ریسک‌ها نیز به همان اندازه واقعی هستند، و آنهایی هستند که معمولاً در یک نکته خلاصه در پایین مستندات یک پروژه خلاصه می‌شوند. قابلیت ترکیب‌پذیری قرارداد هوشمند، سطوح حمله را چند برابر می‌کند. پروتکل‌های دیفای برای اتصال به یکدیگر ساخته شده‌اند. این قابلیت همکاری یکی از بزرگترین نقاط قوت دیفای است. همچنین این چیزی است که یک آسیب‌پذیری واحد را قادر به ایجاد آبشاری از مشکلات می‌کند. یک آسیب‌پذیری در هر قرارداد متصل می‌تواند منجر به زیان شود. قابلیت ترکیب‌پذیری که دیفای را قدرتمند می‌کند، سطوح حمله را نیز ایجاد می‌کند. هنگامی که عامل‌های هوش مصنوعی کسانی هستند که این ارتباطات را هدایت می‌کنند و درباره اینکه با کدام پروتکل‌ها و چه زمانی تعامل کنند تصمیم می‌گیرند، یک وضعیت اشتباه خوانده شده یا یک ورودی داده دستکاری شده می‌تواند زیان‌ها را سریع‌تر از آنکه هر انسانی بتواند مداخله کند، منتشر کند. عامل‌های هوش مصنوعی را می‌توان در لایه استدلال دستکاری کرد. این بردار تهدیدی است که سال ۲۰۲۶ آن را ملموس کرد. حتی با نیت‌های صحیح، یک عامل می‌تواند از طریق شرایط نامطلوب بازار یا تغییرات حالت غیرمعمول به اقدامات مخرب دستکاری شود. مهاجمان همیشه نیازی به به خطر انداختن مستقیم یک قرارداد ندارند. وادار کردن یک عامل به اشتباه تعبیر کردن شرایط و اجرای تراکنش‌ها به نمایندگی از یک کاربر ناآگاه کافی است. مدل‌های هوش مصنوعی شرایط واقعاً جدید را به خوبی مدیریت نمی‌کنند. مدل‌های هوش مصنوعی که بر اساس داده‌های گذشته آموزش دیده‌اند، ممکن است در موقعیت‌های جدید بازار عملکرد خوبی نداشته باشند. بازارهای رمزنگاری اغلب تغییرات اساسی را تجربه می‌کنند که الگوهای قبلی را به چالش می‌کشد و باعث عدم قطعیت در مدل‌سازی پیش‌بینی‌کننده می‌شود. مدلی که هرگز نوع خاصی از بحران نقدینگی، یا یک کمپین دستکاری هماهنگ علیه اوراکلی که به آن وابسته است را ندیده باشد، ممکن است به روش‌هایی رفتار کند که پیش‌بینی آنها دشوار و برگشت‌ناپذیر باشد. افشای کلید خصوصی حل نشده باقی مانده است. یک مقاله تحقیقاتی در سال ۲۰۲۵ در مورد عامل‌های هوش مصنوعی برای بلاکچین، حملات فیشینگ، مدیریت نادرست کلیدها و نشت داده‌ها را به عنوان موانع اصلی پذیرش شناسایی کرد. مشکل اصلی: عامل‌های بلاکچین ممکن است نیاز به دسترسی به کلیدهای خصوصی داشته باشند و آنها را به یک سطح حمله مهم در سیستم‌های مالی برگشت‌ناپذیر تبدیل کنند. برخی از پروژه‌ها با کلیدهای جلسه (session keys) و مجوزهای محدود (scoped permissions) در حال کار روی این مشکل هستند، اما این دسته هنوز در حال بلوغ است. همه پروتکل‌هایی که عامل‌های هوش مصنوعی را مستقر می‌کنند، این مشکل را به طور کامل حل نکرده‌اند. تمرکزگرایی پنهان شده در ادعاهای عدم تمرکز. بسیاری از پروژه‌های عامل هوش مصنوعی ادعای عدم تمرکز می‌کنند، در حالی که مدل‌های خود را روی زیرساخت‌های متمرکز اجرا می‌کنند. هوش مصنوعی واقعاً غیرمتمرکز از نظر فنی همچنان چالش‌برانگیز است. اگر هوش مصنوعی که برای یک پروتکل "غیرمتمرکز" تصمیم‌گیری می‌کند، روی یک ارائه‌دهنده ابری متمرکز اجرا شود، ادعای عدم تمرکز ضعیف است. ## مشکل حاکمیت که کسی به اندازه کافی درباره آن صحبت نمی‌کند ابعاد حاکمیتی این موضوع فراتر از ریسک فنی است. هنگامی که عامل‌های هوش مصنوعی تصمیمات را در پروتکل‌های دیفای اجرا می‌کنند، چه کسی مسئول نتایج است؟ دیفای سنتی حداقل یک تصور از حاکمیت دارد: دارندگان توکن درباره پارامترهای پروتکل رأی می‌دهند، و تصمیمات بد قابل ردیابی به یک رأی هستند. اگر دارندگان توکن یا کمیته‌های ریسک نتوانند درک کنند که چرا یک مدل پارامترها را تغییر داده است، حاکمیت ممکن است یا بیش از حد به اتوماسیون اعتماد کند یا آن را به طور کامل غیرفعال کند. این یک تعادل پایدار نیست. یا جامعه تصمیمات هوش مصنوعی را که درک نمی‌کند، بدون بررسی تأیید می‌کند، یا آنها را به طور واکنشی نادیده می‌گیرد، که هدف اتوماسیون را به طور کامل تضعیف می‌کند. پیشرفت‌های اخیر در یادگیری ماشین با دانش صفر (Zero-Knowledge Machine Learning - ZK-ML) امکان می‌دهد ارزیابی‌های ریسک تولید شده توسط هوش مصنوعی بدون افشای داده‌های زیربنایی یا پارامترهای مدل اختصاصی، به صورت رمزنگاری شده تأیید شوند. در محیط‌های دیفای که شفافیت و حریم خصوصی باید همزیستی داشته باشند، ZK-ML پروتکل‌ها را قادر می‌سازد تا ثابت کنند امتیازات ریسک، پیش‌بینی‌های لیکوئید شدن یا تخصیص مجدد خزانه‌داری به درستی محاسبه شده‌اند، بدون اینکه داده‌های حساس در سطح کاربر را افشا کنند. این یک مسیر امیدوارکننده است. این به ممیزان و دارندگان توکن راهی می‌دهد تا تأیید کنند که عامل کار خود را طبق انتظار انجام داده است، بدون اینکه لزوماً منطق اختصاصی را افشا کنند. اما ابزارها هنوز اولیه هستند و پذیرش آن هنوز در سراسر این بخش استاندارد نیست. پروتکل‌های با طراحی بهتر، این موضوع را با ترسیم یک خط واضح بین آنچه هوش مصنوعی می‌تواند به طور خودکار انجام دهد و آنچه به تأیید انسانی نیاز دارد، مدیریت می‌کنند. الگوهای حاکمیتی قوی شامل محدودیت‌های صریح در بزرگی و فرکانس تغییر پارامتر، تأییدیه‌های با دخالت انسانی برای اقدامات با تأثیر بالا، و داشبوردهای عمومی که سیگنال‌ها، اقدامات و نتایج را نشان می‌دهند، می‌باشند. هنگامی که در حال ارزیابی هستید که آیا سرمایه‌ای را در یک محصول دیفای مدیریت شده با هوش مصنوعی قرار دهید، این سه مورد ارزش تأیید را دارند تا اینکه صرفاً به آنها ایمان داشته باشید. ## این بدان معناست که چگونه پروتکل‌ها را در آینده ارزیابی می‌کنید؟ ظهور قراردادهای هوشمند تولید شده توسط هوش مصنوعی و موقعیت‌های دیفای مدیریت شده توسط هوش مصنوعی، چک لیست بررسی دقیق را برای هر سرمایه‌گذار جدی رمزارز تغییر می‌دهد. سؤالاتی که در سال ۲۰۲۲ مهم بودند همچنان مرتبط هستند، اما دیگر کافی نیستند. پیش از این، سؤالات اصلی این بود: آیا این قرارداد ممیزی شده است؟ توسط چه کسی؟ آیا ممیزی اخیر است؟ آیا هویت تیم توسعه افشا شده است؟ آیا کد منبع باز است؟ این سؤالات همچنان مهم هستند. اما اکنون باید یک لایه دوم اضافه کنید: اگر هوش مصنوعی این قرارداد را تولید کرده است، فرآیند بررسی چگونه بوده است؟ یک قرارداد تمیز تولید شده توسط هوش مصنوعی که بررسی‌های امنیتی خودکار را پشت سر گذاشته است، با قراردادی که توسط توسعه‌دهندگان باتجربه سالیدیتی بررسی شده و بافتار ریسک خاص پروتکل را درک کرده‌اند، یکسان نیست. بپرسید آیا بررسی انسانی صورت گرفته است، نه فقط اسکن خودکار. اگر عامل‌های هوش مصنوعی پارامترهای این پروتکل را مدیریت می‌کنند، محدودیت‌ها کدامند؟ تفاوت زیادی بین یک عامل هوش مصنوعی که می‌تواند تغییرات پارامتر را برای تأیید انسانی پیشنهاد کند و عاملی که می‌تواند تغییرات را در یک محدوده بدون هیچ گونه دروازه انسانی اجرا کند، وجود دارد. هر دو امروز در تولید وجود دارند. مستندات به شما خواهند گفت که با کدام یک سر و کار دارید اگر فراتر از متن بازاریابی را بخوانید. چه اتفاقی می‌افتد وقتی عامل نادرست عمل می‌کند؟ آیا پروتکل دارای مکانیزم‌های توقف اضطراری (circuit breakers) است؟ مکانیزم‌های توقف (pause mechanisms)؟ حاکمیت درون زنجیره‌ای (on-chain governance) که می‌تواند فعالیت عامل خودکار را متوقف کند؟ چینالایسیس (Chainalysis) نشان داد که حمله پروتکل ونوس (Venus Protocol) را ۱۸ ساعت قبل از اجرا تشخیص داده است، به این معنی که ابزارهای نظارتی در حال بهبود هستند. اما نظارت فقط در صورتی کمک می‌کند که معماری پروتکل امکان مداخله انسانی را به موقع فراهم کند. آیا زیرساخت هوش مصنوعی غیرمتمرکز است یا فقط لایه تسویه؟ اگر قراردادهای هوشمند یک پروتکل روی اتریوم اجرا می‌شوند اما مدل هوش مصنوعی آن روی یک سرور ابری متمرکز اجرا می‌شود، شما یک معماری ترکیبی با یک نقطه شکست متمرکز دارید. این لزوماً سلب صلاحیت‌کننده نیست، اما باید درک شود و در ارزیابی ریسک شما لحاظ شود. ## چارچوب‌بندی صادقانه برای سرمایه‌گذار عامل‌های هوش مصنوعی به سرمایه‌گذاران خرد فرصت می‌دهند تا از استراتژی‌های پیشرفته دیفای استفاده کنند که قبلاً فقط برای بازیگران بزرگ در دسترس بود. این استدلال دموکراتیزاسیون مشروع است. بهینه‌سازی خودکار بازده، متعادل‌سازی مجدد بین زنجیره‌ای، و نظارت مستمر بر ریسک، قابلیت‌های واقعاً مفیدی برای کسی است که یک سبد سرمایه‌گذاری متوسط را مدیریت می‌کند و نمی‌تواند بازارها را به صورت شبانه‌روزی رصد کند. این فناوری نیز سریع‌تر از آنچه اکثر مردم تصور می‌کنند در حال بلوغ است. روایت‌های قبلی رمزنگاری مبتنی بر هوش مصنوعی شکست خوردند زیرا فناوری زیربنایی آماده نبود. پروژه‌ها عامل‌های هوشمند را وعده می‌دادند اما چت‌بات‌های پیشرفته با انگیزه‌های توکنی ارائه می‌کردند. نسل فعلی اساساً متفاوت است. مدل‌های زبان بزرگ از آستانه‌ای عبور کرده‌اند که می‌توانند دستورالعمل‌های پیچیده را به طور قابل اعتماد تفسیر کنند، درباره شرایط بازار استدلال کنند و تصمیماتی بگیرند که قبلاً به قضاوت انسانی نیاز داشت. اما شکاف بین "توانمند" و "ایمن برای سرمایه خرد تمایز نیافته" هنوز در بسیاری از بخش‌های این صنعت گسترده است. پروژه‌هایی که برای سرمایه‌گذاران دوام خواهند آورد و بازدهی پایدار ایجاد خواهند کرد، آنهایی هستند که هوش مصنوعی را به عنوان زیرساختی که به حاکمیت، ممیزی و محدودیت نیاز دارد، تلقی می‌کنند، نه به عنوان یک روایت بازاریابی متصل به راه‌اندازی توکن. قرارداد هوشمندی که هیچ انسانی آن را بررسی نکرده است، که توسط تیمی که به سرعت برای بهره‌برداری از یک چرخه روایی حرکت کرده، مستقر شده است، دقیقاً همان نوع قراردادی است که یک هوش مصنوعی با منابع کافی در سمت دیگر یک معامله راهی برای بهره‌برداری از آن پیدا خواهد کرد. ممیزی اکنون وجود دارد. سؤال این است که چه کسی آن را سفارش داده است. پروتکل‌هایی را که بخش‌های خسته‌کننده را به خوبی می‌سازند، مشاهده کنید: سوئیچ‌های قطع اضطراری، محدودیت‌های پارامتر، دروازه‌های بررسی انسانی، و داشبوردهای شفاف. اینها پروتکل‌هایی هستند که عامل‌های هوش مصنوعی را به عنوان آنچه واقعاً هستند تلقی می‌کنند: قدرتمند، مفید، و واقعاً خطرناک اگر بدون نظم و انضباط مستقر شوند. این ترکیب قدرت و ریسک دقیقاً همان چیزی است که توجه دقیق به آن را در حال حاضر ارزشمند می‌سازد.