jakiro
في عام 2025 ، نشر Shengliang Lu وآخرون مقالًا “AI Applications في Web3 Suptech و Regtech: منظور تنظيمي” ، والذي أشار إلى أن المجال الرقمي يخضع لتحول تحويلي يحركه صعود تقنية Web3 والأصول الافتراضية. تستخدم هذه المرحلة الجديدة من تكنولوجيا الإنترنت تقنية دفتر الأستاذ الموزعة والعقود الذكية ، مع تعزيز اللامركزية ، وزيادة الشفافية وتقليل الاعتماد على الوسطاء. هذه الابتكارات حاسمة في تشكيل التمويل اللامركزي (DEFI).ومع ذلك ، فإن الشعبية السريعة لتكنولوجيا Web3 تجلب أيضًا مخاطر كبيرة ، مع تسليط الضوء على هذه المخاطر من خلال سلسلة من الفشل المتوقعة للغاية والثغراتية المنهجية.من خلال سلطة تنظيم الخدمات المالية (FSRA) ، أنشأت أسواق أبو ظبي العالمية (ADGM) إطارًا تنظيميًا متقدمًا شفافًا وتمشيا مع المعايير الدولية ، مما يخلق بيئة تنظيمية مواتية تحمي مصالح أصحاب المصلحة.تستكشف هذه الورقة البيضاء دمج الذكاء الاصطناعي (AI) في التقنيات التنظيمية لتعزيز مراقبة الامتثال وإدارة المخاطر.تفاصيل الورقة البيضاء عمل البحث والتطوير في معهد المالية الرقمية الآسيوية في جامعة آسيوية في جامعة سنغافورة ، والهيئة التنظيمية للخدمات المالية ADGM ومركز أبحاث معهد ADGM.تلخص الورقة البيضاء أخيرًا النتائج الرئيسية وتقترح اتجاهات التعاون المستقبلية من أجل زيادة تحسين المشهد التنظيمي.جمع معهد التكنولوجيا المالية في جامعة رينمين في الصين الجزء الأساسي من البحث.
1. مقدمة
نظرًا لأن تقنية Web3 تقود تقدم تكنولوجيا الإنترنت ، فإن المجال الرقمي يخضع للتحول السريع. تم تصميم تقنية Web3 على تقنية دفتر الأستاذ الموزعة (DLT) والعقود الذكية ، مع التركيز على اللامركزية ، وتحسين الشفافية ، وتقليل الاعتماد على الوسطاء.توفر تقنية دفتر الأستاذ الموزعة ، بما في ذلك blockchain ، دفاتر آمنة وخالية من العبث للمعاملات والبيانات ، في حين أن العقود الذكية تعزز البروتوكولات الآلية بدون الوسطاء.يدعم هذا المزيج تطوير التطبيقات اللامركزية (DAPPs) ، وخاصة في مجال التمويل اللامركزي (DEFI) ، والتي تعيد تشكيل المعاملات المالية من خلال التفاعل من نظير إلى نظير.تجاوزت القيمة السوقية العالمية للعملة المشفرة علامة 3 تريليونات دولار ، مماثلة لبعض أكبر الشركات في العالم ، بما في ذلك Apple و Microsoft.توسعت قاعدة مستخدمي العملة المشفرة بشكل كبير ، حيث زادت بنسبة 34 ٪ في عام 2023 وحدها ، من 432 مليون في يناير إلى 580 مليون في ديسمبر.يسلط هذا النمو الضوء على تبني العملات المشفرة والتقارب المتزايد في المشهد المالي العالمي.بالإضافة إلى ذلك ، تظهر البيانات أن الإمارات العربية المتحدة (الإمارات العربية المتحدة) تقود العالم في اعتماد العملة المشفرة ، حيث يمتلك أكثر من 30 ٪ من سكانها (حوالي 3 ملايين شخص) أصولًا رقمية.هذا يعكس قبول البلاد التطلعية للتكنولوجيا وطموحها لتصبح مركزًا رئيسيًا للتكنولوجيا.
تلعب ADGM دورًا رئيسيًا في المشهد المالي السريع المتطور.كمؤسسة تشرف على الخدمات المالية في المركز المالي الدولي والمنطقة الحرة ، كانت هيئة تنظيم الخدمات المالية ADGM (FSRA) في المقدمة ، ملتزمة بإنشاء بيئة تنظيمية لا تدعم فقط نمو Defi والأصول الافتراضية (VA) ولكنها تدعم أيضًا التحول الرقمي الأوسع في قائد الخدمات المالية.منذ إطلاقها في عام 2018 ، أنشأت FSRA إطارًا تنظيميًا شاملاً للأصول الافتراضية وقد قمت بتحسينها باستمرار.يضمن الإطار إشرافًا قويًا ويتوافق مع المعايير الدولية مع دعم الابتكار.من خلال تبني التحول الرقمي ، تعمل ADGM عن كثب مع شركاء النظام البيئي للتكنولوجيا مثل HUB71 ومؤسسات البحث مثل الجامعة الوطنية في سنغافورة لتعزيز اعتماد حلول التكنولوجيا المتطورة داخل ADGM.يساعد هذا النهج الاستباقي في وضع أبو ظبي كوجهة مفضلة للشركات المالية التي تسعى إلى الاستفادة من التكنولوجيا المتقدمة والنماذج المالية الرقمية.
لزيادة تعزيز قدراتها التنظيمية ، تقوم هيئة الخدمات المالية ADGM بالاستفادة من التقدم في Regtech و Suptech لتبسيط العمليات التنظيمية والرقابة.من خلال حلول تكنولوجيا الامتثال التي تعمل بمواد الذكاء الاصطناعى ، يمكن لـ FSRA توفير تفاعلات تنظيمية أكثر تفاعلية وتخصيصًا ، مما يجعل عمل الامتثال أكثر كفاءة ومريحة للكيانات التي تعمل داخل ADGM.يساعد تنفيذ أدوات تكنولوجيا الإشراف التي تمكّنها الذكاء الاصطناعي في دعم أهداف الإشراف وإدارة المخاطر في FSRA مع تقليل تكاليف المؤسسات المالية.معًا ، تُظهر هذه المبادرات مهمة FSRA لتوفير بيئة مالية شفافة وفعالة ومتقدمة لا تحمي فقط مصالح العملاء والمستثمرين والمشاركين في الصناعة ، ولكنها تعزز أيضًا النمو المستدام والابتكار في ADGM.
تشير تكنولوجيا الإشراف (Suptech) إلى تطبيق التكنولوجيا لتعزيز وظائف الإشراف والإشراف على السلطات التنظيمية.يتضمن استخدام الأدوات المتقدمة مثل تحليلات البيانات والذكاء الاصطناعي والأتمتة لتحسين مراقبة وإشراف الأنشطة الخاضعة للتنظيم ، وكذلك تنفيذ الأطر التنظيمية.تهدف تكنولوجيا الرقابة إلى تزويد المنظمين برؤى أكثر فعالية تعتمد على البيانات تمكنهم من تحديد المشكلات بشكل أفضل وتقييم المخاطر وتطبيق اللوائح في الوقت الفعلي.
تشير تكنولوجيا الامتثال (RegTech) إلى استخدام التكنولوجيا لتبسيط عمليات الامتثال التنظيمية للأتمتة وأتمتة وتحسين للمؤسسات.إنه يعزز الأدوات المبتكرة مثل الذكاء الاصطناعي والتعلم الآلي والأتمتة وتحليلات البيانات لمساعدة الشركات بشكل أكثر فعالية على تلبية المتطلبات التنظيمية ، وتقليل تكاليف الامتثال ، وتعزيز الشفافية وجودة الإبلاغ.تهدف تكنولوجيا الامتثال إلى تبسيط مهام الامتثال المعقدة مثل مراقبة المعاملات ، وتحديد المخاطر ، وضمان الامتثال للمعايير القانونية.
تسلط المخاطر الجديدة الناجمة عن خصائص تقنية Web3 ، مثل فشل بروتوكولات blockchain مثل Terra (Luna) ، والضعف الناشئ في العقود الذكية ، الحاجة إلى إنشاء إطار تنظيمي فعال واستراتيجية لإدارة المخاطر.توفر الطبيعة المبتكرة واللامركزية لتكنولوجيا blockchain أرضًا تربية لأنواع جديدة من الاحتيال والفشل النظامي ، ويجب حل هذه المشكلات قبل استخدامها على نطاق واسع.كواحدة من استراتيجيات الاستجابة ، تستكشف ADGM تطبيق الذكاء الاصطناعي على الحلول التنظيمية والرقابة لتحسين مراقبة الامتثال وإدارة المخاطر.يجري معهد NUS AIDF للتمويل الرقمي (NUS AIDF) بجامعة سنغافورة الوطنية أبحاث التكنولوجيا المالية في مجال تكنولوجيا الذكاء الاصطناعي ، مما يوفر أدوات للتحليل التنبئي ، والكشف الشاذ والامتثال التلقائي.تقوم FSRA باختبار هذه تقنيات AI والتحقق من صحتها لتلبية الاحتياجات الناشئة لتنظيم الإشراف على Web3 والنظام الإيكولوجي للأصول الافتراضية بشكل فعال.تلخص هذه الورقة البيضاء أعمال البحث والتطوير في NUS AIDF و ADGM (بما في ذلك مركز أبحاث أكاديمية FSRA و ADGM) في تطبيق تقنيات الذكاء الاصطناعي لدعم أنشطة التنظيمية والرقابة في قطاعات Web3 والأصول الافتراضية.
نظرًا لأن هذه المقالة تهدف إلى جمهور أوسع ولا يهدف إلى تقديم تعريفات محددة ، يجب على القراء ملاحظة أن مصطلحات مثل “الأصول الافتراضية” و “Web3” و “blockchain” و “DLT” و “الشبكة” تستخدم بالتبادل في النص.ومع ذلك ، يتم شرح بعض المصطلحات في الجزء الثاني.
بقية هذه المقالة منظمة على النحو التالي. يقدم الجزء الثاني خلفية ونطاق هذه المقالة ، ويناقش الجزء الثالث الفرص المحتملة للمنظمين لاستغلال تكنولوجيا الذكاء الاصطناعي.يستكشف القسم الرابع ابتكارات الذكاء الاصطناعي التي تشكل الإجراءات والأنشطة التنظيمية.يفحص القسم الخامس المشاريع التجريبية التي أجرتها NUS AIDF و ADGM ، مما يدل على التطبيقات العملية لهذه الابتكارات مثل تقييم العقود الذكية ، ومراجعات الأمن ، والخداع الواجب الذي تعمل بالذكاء الاصطناعي.يلخص الجزء السادس هذه المقالة ، ويلخص نتائج البحوث ، ويستكشف الاتجاهات المستقبلية والمجالات المحتملة التي يمكن استخدامها لتعزيز المشهد التنظيمي.
2. الخلفية
يهدف هذا القسم إلى شرح المصطلحات الرئيسية المستخدمة في هذه المقالة ووضع الأساس للقراء لفهم مناقشة الفصول اللاحقة بشكل أفضل.
الأصول الافتراضية.يقسم الإطار التنظيمي لـ FSRA الأصول الرقمية إلى فئات مختلفة ، بما في ذلك الرموز المرجعية للعملة FIAT والأوراق المالية الرقمية. الأصل الافتراضي هو تمثيل رقمي للقيمة التي يمكن تداولها رقميًا وتعمل على أنها (1) وسيلة للتبادل ؛و/أو (2) وحدة الحساب ؛ و/أو (3) وسيلة لتخزين القيمة ، ولكن ليس لها حالة عملة فيات في أي ولاية قضائية.لا يتم إصدار الأصول الافتراضية (أ) أو ضمانها بواسطة أي اختصاص ، ويتم تحقيق وظائفها المذكورة أعلاه فقط من خلال اتفاقيات في مجتمع مستخدم الأصول الافتراضية ؛و (ب) تتميز عن العملات الإلكترونية والعملات الإلكترونية. يمثل Web3 التطور التالي للإنترنت ، والانتقال من “Read” (Web1) و “Read-Write” (Web2) إلى “read-write-own”.على عكس النظام الأساسي المركزي لـ Web2 ، يستخدم Web3 تقنية blockchain لمنح المستخدمين الملكية الحقيقية لبياناتهم وأصولهم الرقمية والتفاعلات عبر الإنترنت.هذا النموذج اللامركزي يقلل من الاعتماد على الوسطاء ، ويعزز المزيد من استقلالية المستخدم والخصوصية ، مع إعادة تعريف الطريقة التي يتفاعل بها الأفراد مع المنصات الرقمية.
تقنية دفتر الأستاذ الموزعة (DLT) وشبكات blockchain.DLT هو نظام رقمي يستخدم لتسجيل معاملات الأصول ، ويتم تخزين بياناته على مواقع أو عقد متعددة في وقت واحد. على عكس قواعد البيانات المركزية التقليدية ، فإن DLT لا مركزية دون سلطة مركزية ، وبالتالي تعزيز الشفافية والأمن.يحتفظ كل مشارك في الشبكة بنسخة متزامنة من دفتر الأستاذ ، مما يقلل من خطر حدوث نقطة فشل واحدة.blockchain هو نوع محدد من DLT الذي ينظم البيانات في كتل مشفرة ثم يربطها لتشكيل سلسلة في ترتيب زمني.يضمن هذا الهيكل أن تصبح البيانات المسجلة خالية من العبث.عادة ما يتم بناء الأصول الافتراضية على شبكة blockchain.في Web3 و DLT و blockchain Networks Power Defi والتطبيقات اللامركزية (DAPPS) عن طريق تمكين المعاملات الآمنة والشفافة.
التمويل اللامركزي (DEFI).يشير Defi إلى نظام بيئي مالي مبني على blockchain و dlt ، والذي يمكن أن يمكّن من المعاملات والخدمات من الأقران دون الحاجة إلى الوسطاء التقليديين مثل البنوك أو المؤسسات المالية.تستخدم تطبيقات Defi العقود الذكية-برنامج تنفيذ ذاتي على شبكة blockchain-لأتمتة وتنفيذ العمليات المالية مثل الإقراض والتداول والاستثمار.
الذكاء الاصطناعي (AI).بشكل عام ، يعرّف الذكاء الاصطناعي مجموعة من التقنيات التي تمكن الآلات أو الأنظمة من فهم والتعلم والتصرف والعقل وتصور مثل البشر. تستخدم أنظمة الذكاء الاصطناعي خوارزميات وبيانات وقوة الحوسبة للتكيف والتحسين باستمرار.وفرت الزيادة في أدوات الذكاء الاصطناعي في السنوات الأخيرة إمكانية أن تدمج الصناعة المالية قدراتها في حالات الاستخدام المختلفة.يجلب الذكاء الاصطناعي فوائد كبيرة ، بما في ذلك الكفاءة التشغيلية المحسنة ، والامتثال التنظيمي المعزز ، وتوفير المنتجات المالية المخصصة ، وقدرات تحليل البيانات المتقدمة.أطلقت FSRA مبادرة تسمى Openreg في وقت مبكر من عام 2022 لجعل محتوى تنظيمي قابل للقراءة الآلة.يمكّن المشروع شركات تكنولوجيا الامتثال ومجتمع علوم البيانات من الاستفادة من أرض تدريب الذكاء الاصطناعى هذه لبناء الجيل القادم من حلول تكنولوجيا الامتثال المدعومة من الذكاء الاصطناعي.
في هذه المقالة ، كجزء من العملية المستمرة لدمج تقنية الذكاء الاصطناعي في FSRA في نهجها الإشرافي ، فإننا نوضح ممارسة تبني الذكاء الاصطناعى لتكنولوجيا الامتثال والرقابة للإجراءات/الأنشطة التنظيمية على الويب 3. في هذه العملية ، نظرنا إلى رؤى قيمة منصوص عليها في التقرير الأخير الذي صدره مجلس الاستقرار المالي (FSB) ، والمبادئ التنظيمية الموضحة في قانون الذكاء الاصطناعي للاتحاد الأوروبي ، وإطار المخاطر الذي طورته مشروع Mindforge.
3.فرص للاستفادة من الذكاء الاصطناعي لتنظيم أنشطة Web3
نظرًا لميزات فريدة مثل تقنية blockchain والعقود الذكية وسرعة ابتكار Web3 ، هناك بعض الاختلافات الدقيقة في الإطار التنظيمي لـ Web3 مقارنة باللوائح التقليدية.على الصعيد العالمي ، ركز التركيز التنظيمي الأخير لـ Web3 بشكل أساسي على الأصول الافتراضية ومنصات التداول الخاصة به.ويشمل ذلك تنفيذ تدابير مكافحة غسل الأموال (AML) مثل دمج حلول “KYT” وتنفيذ متطلبات “قاعدة السفر” ؛ إنشاء إرشادات حكيمة لمصدري stablecoin ؛ والتنظيم الأخير للكيانات غير المركزية مثل مؤسسة DLT والمنظمة المستقلة اللامركزية (DAO).هذه الجهود المبذولة لإنشاء الأطر التنظيمية وفرض ضمانات لحماية العملاء والمستثمرين تظهر قبولًا متزايدًا للأصول الافتراضية و WEB3.عند فحص الخصائص المتأصلة لـ Web3 والأصول الافتراضية من منظور المنظمين الماليين ، يجب مراعاة ما يلي (على سبيل المثال لا الحصر):
»يتم تشغيلها باستمرار على مدار الساعة طوال أيام الأسبوع مع الحد الأدنى من الإشراف اليدوي من خلال العقود الذكية ذاتية التنفيذ على DLT ؛»يتم تكثيف مخاطر الأمن بسبب نقاط الضعف في ترميز العقود الذكية ، والاستغلال المحتمل للهجمات ، والاعتماد على الشبكات اللامركزية ؛»تم تقديم مفاهيم” جديدة “إما تستخدم ابتكار blockchain لتحويل الأطر المالية التقليدية الحالية أو اقتراح أفكار جديدة ليس لها سابقة تاريخية على الإطلاق.»إن الطبيعة اللامركزية لـ Web3 تضمن ثبات المعاملات والعقود الذكية ، وتعزز الثقة والشفافية ، ولكنها تجعل أيضًا أخطاء في التعامل مثل أخطاء” إصبع الدهون “أو القرصنة أو العواقب غير المتوقعة التي تمثل تحديًا.
يعرض تنظيم أنشطة Web3 بعض التحديات ، مما يجعل من الضروري ابتكار النهج التنظيمية وتطوير أدوات جديدة لتعزيز قدرات الرقابة والمراقبة والتنفيذ. ومع ذلك ، توفر هذه التحديات أيضًا فرصًا مهمة لتشكيل مستقبل أفضل للنظام الإيكولوجي لـ Web3.
الابتكار سريع الخطى وتحديد المخاطر.إن الطبيعة المبتكر والسرعة السريعة لتكنولوجيا Web3 تجعل من الصعب تحديد وتخفيف المخاطر الناشئة في الوقت المناسب.تتطلب هذه البيئة الديناميكية درجة أعلى من الاستجابة في العمليات التنظيمية والأطر لضمان أن يظل المنظمون رشيقًا وقادرين على تحديد وتقييم المخاطر المحتملة وتقييمها بشكل فعال.
الفجوة في الاستجابة تزيد من احتمال الاحتيال وفشل السوق.ومع ذلك ، فإن هذه التحديات التنظيمية تخلق أيضًا فرصًا لبناء أطر “من نقطة الصفر” التي تسمح بدمج المبادئ التطلعية التي يمكن تعديلها بمرور الوقت.يمكن أن يشجع ذلك تطوير نموذج أعمال فعال يتكيف مع تفرد Web3 ويزرع في النهاية سوقًا مستقرًا وحيويًا يفي بالأهداف التنظيمية ويعزز نمو الصناعة.يمكن أن يستجيب الذكاء الاصطناعي بسرعة لتطوير Web3 من خلال تحديد نقاط التحسين بسرعة في أدلة القواعد التنظيمية ، وبالتالي لعب دور في تعزيز التحقيق في القضايا ذات الصلة وبناء الأطر التنظيمية.
مراقبة المخاطر المتقدمة في الوقت الحقيقي.تتطلب مراقبة المخاطر الفعالة في النظام البيئي Web3 أدوات متقدمة يمكنها تحليل كميات ضخمة من بيانات blockchain في الوقت الفعلي.بالنظر إلى التشغيل المستمر لـ DLT والعقود الذكية على مدار الساعة طوال أيام الأسبوع ، غالبًا ما تكافح الأساليب التنظيمية التقليدية في الوقت المناسب للتعامل مع مبلغ وتعقيد البيانات الناتجة عن التبادلات.لذلك ، يحتاج المنظمون بشكل عاجل إلى تطوير أدوات تحليلية أكثر تعقيدًا.يساعد تنفيذ أنظمة المراقبة المستمرة وأدوات إدارة المخاطر الآلية على مراقبة الامتثال التنظيمي وتمكين الاستجابة الاستباقية للتهديدات المحتملة.
تعقيد الاختصاص.غالبًا ما تعرض الطبيعة اللامركزية لأنشطة Web3 تحديات متعددة الاختصاصات للنهج التنظيمية.نظرًا لأن كل منظم قد يكون له مقاربات مختلفة لإدارة الأصول الافتراضية ، فقد تجد الشركات أنه من الصعب ومكلفة الحفاظ على الامتثال بموجب المتطلبات التنظيمية المتعددة ، مما يزيد في بعض الأحيان ، مما يزيد من الميل إلى إجراء التحكيم التنظيمي.أدوات تكنولوجيا الامتثال المدعومة من الذكاء الاصطناعي لديها القدرة على مساعدة الشركات على تبسيط هذه التعقيدات وإدارتها.من خلال أتمتة مهام الامتثال اليومية ، وتحديد المتطلبات التنظيمية المتداخلة ، والتكيف بشكل أكثر فعالية مع القواعد الجديدة ، ومساعدة عمليات التقارير التنظيمية ، يمكن أن تقلل الذكاء الاصطناعي من التكاليف والأعباء التشغيلية ، مما يجعل من السهل على الشركات الوفاء بتوقعات تنظيمية مختلفة.في الفصول التالية ، سوف نستكشف فوائد استخدام الذكاء الاصطناعي لتنظيم العمليات في مجموعة متنوعة من السيناريوهات.
4. ابتكار الذكاء الاصطناعي
لقد شهد تطوير تكنولوجيا الذكاء الاصطناعي تقدمًا كبيرًا ، مما أدى إلى تغيير نمط التشغيل والابتكار لجميع مناحي الحياة.في مجالات Web3 والأصول الافتراضية (VA) ، يتمتع الذكاء الاصطناعي بإمكانية تحسين الإشراف التنظيمي وكفاءة الامتثال بشكل كبير.يوفر هذا القسم نظرة عامة على تقنيات الذكاء الاصطناعى الناشئة ويستكشف كيف سيعيد ابتكار الذكاء الاصطناعي إعادة تشكيل البيئة التنظيمية لـ Web3.أولاً ، سيقدم هذا القسم باختصار نماذج الذكاء الاصطناعى المستخدمة على نطاق واسع (نقوم فقط بإيجاز النماذج ذات إمكانات التطبيق الواسعة في المجال التنظيمي) ، ثم استكشاف حالات استخدام تقنيات الذكاء الاصطناعي هذه في الأنشطة التنظيمية.قبل النظر في الاتجاهات المحتملة للتنمية المستقبلية ، سنناقش أيضًا التحديات الرئيسية التي تواجه الاستفادة من الذكاء الاصطناعي.
4.1 تقنيات الذكاء الاصطناعي الناشئة
التعلم الآلي (ML). التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي الذي يركز على اتخاذ التنبؤات أو القرارات على أساس البيانات.خوارزميات التعلم الآلي جيد في تحليل كميات كبيرة من بيانات المعاملات لاكتشاف الأنماط والشذوذ التي تتنبأ بمشكلات النشاط أو الامتثال الاحتيالي.من خلال تطبيق تقنيات التعلم الخاضعة للإشراف وغير الخاضعة للإشراف والتعزيز ، يمكن تكييف نماذج التعلم الآلي وتحسينها مع مرور الوقت ، مما يوفر للمنظمين أدوات قوية لتحسين كفاءة المراقبة والدقة دون إشراف بشري مستمر.
معالجة اللغة الطبيعية (NLP). تركز معالجة اللغة الطبيعية على تمكين أجهزة الكمبيوتر من فهم اللغة البشرية ومعالجتها (أي النص).عن طريق استخراج وتحليل المعلومات الهامة تلقائيًا من الملفات والاتصالات الضخمة ، يمكن أن تجلب معالجة اللغة الطبيعية الكفاءة للمراجعات والتقييمات التنظيمية.أحرزت نماذج معالجة اللغة الطبيعية المتقدمة تقدمًا كبيرًا في فهم النصوص التي تشبه الإنسان وتوليدها ويمكن استخدامها للرد على الاستفسارات من المنظمين والجمهور بطريقة آلية.ومع ذلك ، فإن تقنيات معالجة اللغة الطبيعية قد يكون لها مخاطر محتملة لسوء الفهم والتحيزات ، لأن النماذج قد لا تنظر تمامًا في السياقات أو النغمة التي تختلف حسب المعايير الثقافية أو الاجتماعية.يمكن أن تؤدي هذه التحديات إلى استجابات أو أفعال تنظيمية غير صحيحة عند اعتماد هذه التقنيات دون تدخل بشري.
AI التوليدي.يشير AI التوليدي إلى تقنية الذكاء الاصطناعي التي يمكنها إنشاء محتوى جديد (مثل النص والصور والوسائط الأخرى) استنادًا إلى البيانات الموجودة.ومع ذلك ، فإن تقنيات معالجة اللغة الطبيعية قد يكون لها مخاطر محتملة لسوء الفهم والتحيزات ، لأن النماذج قد لا تنظر تمامًا في السياقات أو النغمة التي تختلف حسب المعايير الثقافية أو الاجتماعية.يمكن أن تؤدي هذه التحديات إلى استجابات أو أفعال تنظيمية غير صحيحة عند اعتماد هذه التقنيات دون تدخل بشري.
وكلاء الذكاء الاصطناعي (وكلاء الذكاء الاصطناعي).عوامل الذكاء الاصطناعي متخصصة في نماذج الذكاء الاصطناعى التوليدي القادر على أداء مهام معقدة من خلال سير العمل المسبق ، مثل أتمتة تفاعلات خدمة العملاء ، وتوليد مستندات قانونية وتنظيمية ، وحتى إجراء مفاوضات افتراضية نيابة عن المشغلين البشريين.في المجال التنظيمي ، يتمتع العوامل الذكية الاصطناعية والعوامل الذكية الاصطناعية بالعديد من التطبيقات المحتملة.على سبيل المثال ، يمكن للكيانات الخاضعة للتنظيم استخدامها لإنشاء تقارير الامتثال الدورية أو عند الطلب تلقائيًا.يمكن للمنظمين أيضًا استخدام تقنيات الذكاء الاصطناعي هذه لتحليل كميات كبيرة من بيانات الإيداع التنظيمي وإنشاء قائمة مختصرة من الانتهاكات المحتملة ومؤشرات المخاطر.ومع ذلك ، على غرار القيود المتأصلة في تكنولوجيا معالجة اللغة الطبيعية ، فإن نموذج الذكاء الاصطناعي الحالي ، والذي يعتمد بشكل أساسي على نماذج اللغة الكبيرة (LLM) ، له قيود على دقة وموثوقية إنتاجها بسبب “الأوهام” المحتملة وسوء فهم السياق.
عام الذكاء الاصطناعي.يشير الذكاء الاصطناعي العام إلى نظام مستقل للغاية يمكنه أداء أي مهام إدراكية يمكن للبشر القيام بها.على عكس AI التوليدي المصمم خصيصًا للمهام الإبداعية الخاصة بالمحتوى ، تتميز AI Universal من خلال تنوعها وقدرتها على التكيف مع مجموعة واسعة من السيناريوهات دون برمجة محددة مسبقًا.على الرغم من أنه لا يزال في المرحلة المفاهيمية ، يمكن للذكور العامة تعزيز أنظمة الإشراف التنظيمية وإدارة الامتثال للغاية التي يمكن أن تتكيف بشكل مستقل مع اللوائح الجديدة ومتطلبات الامتثال القانونية المعقدة بطريقة تتطلب تدخلًا بشريًا ضئيلًا أو معدومًا.
4.2 حلول الذكاء الاصطناعي في مجال تنظيم Web3
في هذا القسم ، نستكشف كيف يمكن تطبيق أنواع مختلفة من تقنيات الذكاء الاصطناعى في المجال التنظيمي لـ Web3 لمواجهة التحديات في مراقبة وإنفاذ القانون وإدارة الامتثال.نقوم بتقسيم هذه التقنيات إلى فئتين: التطبيقات باستخدام الذكاء الاصطناعي الضعيف (الضيقة الذكاء الاصطناعي) والتطبيقات باستخدام الذكاء الاصطناعي التوليدي.لاحظ أن الضعف الضعيف يشير إلى نظام الذكاء الاصطناعى المصمم لأداء مهام محددة والعمل تحت قيود محدودة.ويسمى أيضًا “الذكاء الاصطناعي المتخصص” أو “الذكاء الاصطناعي الضعيف”.
أدوات التقارير التنظيمية.يمكن أن تقوم أداة الإبلاغ التنظيمية التي تعمل بالذكاء الاصطناعي تلقائيًا بجمع وتقارير العوائد التنظيمية وتقارير التصديق.تستخدم هذه الأنظمة خوارزميات تعدين ومعالجة البيانات المتقدمة لاستخراج وتنظيم المعلومات من مجموعات البيانات الكبيرة لتسهيل التقارير التنظيمية غير الملحومة.بالإضافة إلى الإبلاغ عن الأتمتة ، يمكن أن تساعد أدوات الذكاء الاصطناعي التي تؤدي تحليلات تنبؤية الكيانات المنظمة في تحديد عوامل الخطر ، وبالتالي تقليل فشل الامتثال المحتملة.على سبيل المثال ، يمكن استخدام الذكاء الاصطناعي لمراقبة والتنبؤ بالمخاطر المالية التي قد تعيق الامتثال للسيولة والالتزامات الرأسمالية.
التنميط المخاطر.يمكن تحليل نظام الذكاء الاصطناعي المستخدم خصيصًا لصور المخاطر وتصنيفه وفقًا لخصائص المخاطر والمتطلبات التنظيمية المعمول بها للأصول الافتراضية أو الكيانات المالية.هذه الأنظمة قادرة على تقييم الأداء التاريخي وسلوك السوق والعوامل الخارجية للحفاظ على ملف تعريف مخاطر ديناميكية.من خلال التعلم باستمرار من البيانات الجديدة والتحديثات التنظيمية ، يمكن لأدوات ملف تعريف AI هذه الحفاظ على الملامح متزامنة مع المشهد المالي المتطور باستمرار.
تعرف معاملتك (KYT).باستخدام تحليل الرسم البياني والشبكات العصبية الرسم البياني (GNNS) ، يمكن أن تكون أنظمة الكشف عن KYT والشذوذ مدعومة بالذكاء الاصطناعي مصممة خصيصًا لمراقبة الحسابات والمعاملات على شبكات blockchain.من خلال الاستفادة من الذكاء الاصطناعي لدراسة تدفقات معاملات blockchain المعقدة ، ستتمكن الكيانات المنظمة من تحديد المعاملات والحسابات عالية الخطورة بشكل أفضل وتحسين متطلبات تنفيذ مكافحة غسل الأموال (AML).على الرغم من أن حلول KYT الحالية تعتمد بشكل أساسي على القواعد ، فإن اللاعبين في الصناعة يدمجون تقنيات الذكاء الاصطناعي مثل استخدام التعرف على الأنماط لتحليل تجميع المحفظة وتحليل تدفق الأصول عبر السلسلة.
تقييم المخاطر المالية.في مجال التمويل التقليدي ، تم استخدام نماذج الذكاء الاصطناعي في التنبؤ بالتدفق النقدي وإدارة السيولة.في Defi ، يمكن لمشغلي المنصات والمستخدمين استخدام نماذج الذكاء الاصطناعي لإدارة السيولة بشكل أكثر فعالية من خلال تحليل وتنبؤ مخاطر السيولة داخل البورصات والمنصات اللامركزية.يمكن استخدام هذه النماذج لمراقبة حجم المعاملات ، والاحتياطيات الرمزية ، وسلوك المستخدم لتحديد نقص السيولة المحتمل قبل أن تصبح شديدة.إن الرؤى التي توفرها هذه النماذج القابلة للتنفيذ والمؤسسات المالية المفيدة ليس فقط للمؤسسات المالية التي توفر الخدمات للمستهلكين ، ولكن أيضًا للمنظمين الذين يراقبون هذه الخدمات ، مما يساعد على الحفاظ على استقرار وثقة النظام الإيكولوجي Defi.
شيكات الامتثال التلقائي.يمكن لفحوصات الامتثال التلقائي التي تؤديها الذكاء الاصطناعي التوليدي إحداث ثورة في كيفية امتثال الشركات للوائح من خلال تفسير مختلف الأطر القانونية في ولايات قضائية مختلفة.ستشمل هذه أدوات الذكاء الاصطناعي تحليلات دلالية معقدة لفهم الفروق الدقيقة في النصوص التنظيمية ، وقرارات المحكمة ، والرسائل التفسيرية وغيرها من المنشورات التنظيمية ذات الصلة.يمكن لهذه التكنولوجيا تحديث قواعد البيانات والخوارزميات التنظيمية في الوقت الفعلي مع مرور اللوائح الجديدة ، مما يسمح للشركات بالتكيف بسرعة مع التغييرات التنظيمية.سيمكّن تطبيق هذه الأدوات التنظيمية لمنظمة العفو الدولية الشركات من تحقيق الامتثال للوائح المحلية والدولية بشكل أكثر كفاءة واقتصاديًا من أي وقت مضى ، مما يقلل بشكل كبير من مخاطر العقوبات والتحديات القانونية.نماذج الذكاء الاصطناعى التوليدي هي أيضًا أدوات قيمة لمقدمي خدمات Web3 ومقدمي خدمات الأصول الافتراضية (VASPS) ، والتي يمكنها تسريع المهام اليدوية مثل كتابة الأوراق البيضاء والمواثيق وإنشاء chatbots لخدمة العملاء.تساعد أدوات AI الناشئة الأخرى في تسريع صيانة تحديثات الإفصاح عن المعلومات والامتثال لها ، وضمان بقاء الاتصالات والتسويق في نطاق الإشراف المسموح به.تمثل هذه التطورات إمكانات تحول الصناعة نحو زيادة الكفاءة وامتثال تنظيمي أكبر.
تدقيق العقد الذكي.تستخدم عمليات تدقيق العقد الذكي الذكاء الاصطناعي التوليدي لتحليل وتحليل منطق العقود الذكية ووظائفها عبر منصات متعددة ولغات البرمجة.يمكن أن تسهل نماذج اللغة الكبيرة المتقدمة (LLMS) المراجعة التفصيلية لمنطق الكود المعقد لتحديد التناقضات ، ونقاط الضعف ، وقضايا الامتثال مع الأطر القانونية الحالية.يمكن تعلم أنظمة الذكاء الاصطناعي هذه من عمليات التدقيق السابقة لتحسين دقتها التشخيصية ، مما يوفر دعمًا قويًا للمطورين والمنظمين للتحقق من الأمان والامتثال القانوني للعقود الذكية.سيقوم القسم التالي بالتوسع في المشاريع التجريبية لاستكشاف مثل هذه التطبيقات.
تحليل معنويات السوق.يمكن استخدام الذكاء الاصطناعى التوليدي لتحليل كميات كبيرة من البيانات غير المهيكلة من وسائل التواصل الاجتماعي والمنتديات ووسائل الإعلام لتقييم المعنويات العامة حول ظروف السوق أو الأصول المحددة.من خلال تفسير اللغة واكتشاف التغييرات المزاجية ، يمكن لهذه الأدوات التنبؤ باتجاهات السوق المحتملة ، وتوفير تحذيرات للتجار والمستثمرين الذين يرغبون في الاستجابة لاتجاهات السوق ، وكذلك المنظمين الذين يراقبون معالجة السوق.
4.3 التحديات في تنفيذ الذكاء الاصطناعي
لتحقيق نتائج فعالة وموثوقة ، يتطلب نشر أنظمة الذكاء الاصطناعي للإشراف التنظيمي مجموعة من التحديات. درسنا بعض القضايا الرئيسية مثل الأخلاق وقضايا الخصوصية ، والتخفيف من تحيز الذكاء الاصطناعي ، والحاجة إلى تحسين الشفافية في سلوك النموذج.يعد معالجة هذه التحديات أمرًا بالغ الأهمية لبناء الثقة في استخدام الذكاء الاصطناعي في العمليات التنظيمية ، وخاصة في السيناريوهات التي تكون هناك حاجة إلى الإجراءات الإشرافية والحكم.تسبب نشر الذكاء الاصطناعي في المجال التنظيمي في القضايا الأخلاقية والتحيز الواضحة التي تحتاج إلى عناية دقيقة.تعد المعايير الأخلاقية حاسمة لضمان أن تكون قرارات الذكاء الاصطناعى التي يمكن أن تؤثر بشكل عميق على الحياة الفردية نزيهة وفعالة.يمكن أن يؤدي التحيز المتأصل في بيانات التدريب أو الخوارزميات إلى نتائج متحيزة تضع بعض المجموعات في وضع غير عادل ، وبالتالي تقويض عدالة وفعالية التنظيم.من الضروري الإفصاح الواضح عن كيفية استخدام البيانات ومعالجتها ومشاركتها لتعزيز المساءلة وبناء الثقة بين أصحاب المصلحة.علاوة على ذلك ، يجب على المنظمين الذين يعتمدون على الذكاء الاصطناعى تفسير كميات كبيرة من البيانات المقدمة من كياناتهم المنظمة أن تكون هناك تدابير تسمح لـ AI بشرح البيانات المستخدمة وكيفية استخلاص الاستنتاجات.بدون الشفافية في استخدام البيانات وتتبع كافية لعمليات صنع القرار ، قد يشكك الكيانات الخاضعة للتنظيم في موثوقية قراراتها التي تؤثر على قراراتهم وتضغط على علاقتها مع منظماتها.
تتطلب أنظمة الذكاء الاصطناعي الوصول إلى كميات كبيرة من البيانات ، مما يثير مخاوف تتعلق بالخصوصية الرئيسية.قد تعرض هذه الأنظمة عن غير قصد معلومات حساسة أو بيانات إساءة استخدام ، مما يؤدي إلى انتهاكات محتملة أو وصول غير مصرح به.يجب أن يخضع جمع هذه البيانات وتخزينها ومعالجتها لتدابير صارمة لحماية البيانات لحماية الخصوصية الشخصية.في المجال التنظيمي ، تعتبر سلامة استجابات الذكاء الاصطناعي عرضة للتحديات الناتجة عن “القرصنة الفوري”.قد يوفر المستخدمون مدخلات مضللة بوعي أو غير وعي ، مما يؤثر على مصفوفة القرار للنموذج ، مما يؤثر بدوره على جودة وموثوقية الإخراج.يتطلب معالجة نقاط الضعف هذه أدوات مراقبة متقدمة في الوقت الفعلي لتحليل وتخفيف المطالبات الضارة المحتملة بشكل فعال.قد تساهم دقة وقدرة الذكاء الاصطناعي على توليد الاستجابات في الاعتماد المفرط على المستخدمين.يبقى الإشراف اليدوي ضروريًا لمنع الاعتماد المفرط على أنظمة الذكاء الاصطناعي وضمان الاستخدام الحكيم لقدرات الذكاء الاصطناعي.
4.4 الاتجاه المستقبلي
من المتوقع أن يؤثر دمج تقنيات الذكاء الاصطناعي المتقدم على صياغة ومراقبة وتنفيذ اللوائح المستقبلية. نتوقع تطورات محتملة في التحليلات التنبؤية وصنع القرار ، وكذلك التقنيات الناشئة التي قد تغير الأنشطة التنظيمية.قد يؤدي التقدم في التحليلات التنبؤية إلى إعادة تشكيل أساليب التنظيم والإشراف على AI.لا تتيح هذه التطورات فقط النهج التنظيمية الاستباقية ، ولكن أيضًا من المقاربات التنظيمية الوقائية ، أي التنبؤ بقضايا الامتثال المحتملة والانتهاكات التنظيمية قبل حدوثها.يمكن تدريب خوارزميات التعلم الآلي على استثناءات التنبؤ قبل النشاط أو الانتهاكات الاحتيالية.يتيح ذلك لصناع السياسة معالجة القضايا المحتملة قبل تصاعدهم ، وبالتالي تحسين دقة وتوقيت التدخلات التنظيمية.من المتوقع أن توسع الابتكارات التكنولوجية مثل الحوسبة الكمومية والشبكات العصبية المتقدمة من القدرات التحليلية لأنظمة الذكاء الاصطناعي ، مما يسمح لها بمعالجة وتفسير البيانات التنظيمية المعقدة على مستوى أعلى من التعقيد.على سبيل المثال ، قد تقوم الحوسبة الكمومية بمعالجة الحوسبة على نطاق واسع بمعدل غير مسبوق ، مما يسهل تقييمًا أكثر تفصيلاً وشاملاً.يمكن أن تتعلم الشبكات العصبية المتقدمة من مجموعات بيانات أكثر تنوعًا وتعقيدًا ، مما يوفر رؤى دقيقة لم تكن متوفرة من قبل.في الوقت نفسه ، فإن التطورات النظرية في أخلاقيات الذكاء الاصطناعي والحكم تُبلغ عن تطوير الأطر التي توجه هذه التقنيات للعمل ضمن القيم الاجتماعية المعترف بها والمعايير القانونية.مع تطور هذه التقنيات والأطر ، فإنها ستساعد على تفريغ أدوات تنظيمية أكثر كفاءة وأكثر كفاءة وأكثر عدلاً التي يحركها الذكاء الاصطناعي.
5. طيار ADGM في ابتكار الذكاء الاصطناعي (العمل المشترك مع الجامعة الوطنية في سنغافورة AIDF)
يشترك Abu Dhabi Global Market (ADGM) والمعهد الآسيوي للتمويل الرقمي (NUS AIDF) في معالجة المخاطر والتحديات التنظيمية التي يطرحها قطاع Web3 المتطور بسرعة.تحقيقًا لهذه الغاية ، أطلق الطرفان مشروعًا تجريبيًا مشتركًا منذ عام 2022 لدراسة تقنيات الذكاء الاصطناعي التي يمكن استخدامها لتحسين عملية تدقيق الأمن لتطبيقات blockchain والأصول الافتراضية (VA).تجربة استخدام تقنيات الذكاء الاصطناعي المبتكرة لتحليل سجلات التدقيق وتتبع أحداث الأمن التاريخية لتحديد الأنماط وتوفير نظرة ثاقبة على نقاط الضعف المحتملة.يقدم هذا القسم ثلاثة طيارين يوضحون إمكانات الذكاء الاصطناعي في تقدم التقييمات التنظيمية لـ VA ومقدمي الخدمات.
5.1 الطيار 1: تقييم القدرة على التكيف مع العقد الذكي القائم على الذكاء الاصطناعي
5.1.1 مقدمة
العقود الذكية هي المكونات الأساسية لتكنولوجيا blockchain التي يمكنها تنفيذ البروتوكولات والمعاملات بأمان وتلقائيًا على منصة لا مركزية.بالنظر إلى أهميتها في تطبيقات blockchain ، من الضروري إجراء تقييم شامل والتحقق من قاعدة الكود الخاصة به لضمان عملها كما هو متوقع وتلبية المعايير التنظيمية.يقدم هذا القسم أول مشروع تجريبي: منصة تقييم القدرة على التكيف الذكية التي يتم تمكينها بواسطة الذكاء الاصطناعي.
5.1.2 الحلول الحالية ومقدمي الخدمات
تجمع ممارسات التحقق من العقد الذكية الحالية بين التقييم اليدوي مع أدوات التكنولوجيا المتقدمة لاستكشاف نوبة الضعف المحتملة وتحسين الكفاءة.يعتمد مقدمو الخدمات الرائدين بما في ذلك Certik و Trail of Bits و Halborn و Hacken وغيرهم من مقدمي الخدمات الرائدين ، بشكل شامل تحليلًا ثابتًا وديناميكيًا وطرق التحقق الرسمية التي تقودها مصطنعًا لتقييم وتعزيز العقود الذكية من حيث الهجمات السيبرانية وقضايا الأداء.مع دخول تقنية Web3 إلى صناعة منظمة ، يجب توسيع نموذج التحقق من العقد الذكي بشكل عاجل.بالإضافة إلى الضعف التقني ، عند استخدام العقود الذكية لأتمتة الأنشطة الخاضعة للتنظيم ، يجب أن تغطي عمليات التدقيق أيضًا التحقق من الامتثال للمتطلبات التنظيمية ذات الصلة.
5.1.3 التقييم الذي يحركه AI
يحلل هذا الطيار علاقة الاتساق بين رمز العقد الذكي والورق الأبيض VA من خلال طريقتين.
طريقة التحقق من LLM المستندة إلى LLM. تستخدم هذه الطريقة نماذج منظمة العفو الدولية الملكية لتحليل درجة التوافق بين رمز العقد الذكي والورقة البيضاء المقابلة لها.تدريب إعدادات البيانات يستخرج أول مصطلحات ومواصفات من قاعدة رمز العقد الذكية المستخدمة على نطاق واسع وتصنيفها وفقًا لأنواع المشاريع المختلفة لتشكيل قاعدة معرفة مطلوبة للتحليل المستهدف.بعد ذلك ، يتم استخدام نموذج لغة كبير (LLM) لاستخراج الأدلة من رمز العقد الذكي الذي سيتم تقييمه وورقه الأبيض للتحقق مما إذا كانت الأهداف الموضحة في الورقة البيضاء قد تم تنفيذها في الكود.تم التحقق من النموذج عنصرًا حسب العنصر باستخدام Q&A (الشكل 1) ومراجعة محتوى الورقة البيضاء حول قاعدة الكود.
في الوقت نفسه ، يقوم النموذج أيضًا بإجراء فحوصات تقنية مقبولة على نطاق واسع في الصناعة لتحديد نقاط الضعف المحتملة ، مثل تحليل التعليمات البرمجية الثابتة ؛ ويقارن تفاصيل التنفيذ مع الممارسات على مستوى الصناعة والمعايير ذات الصلة للتحقق من اتساقها.يساعد التحقق أعلاه في ضمان تنفيذ العقود الذكية كما هو متوقع وتلبية معايير التشغيلية والامتثال المحددة في الورقة البيضاء.
طريقة توليد الكود. تستخدم هذه الطريقة الذكاء الاصطناعي لإنشاء قصاصات رمز بناءً على الأهداف والوظائف الموضحة في الورقة البيضاء في VA (على سبيل المثال ، إصدار الرموز بأقصى قدر من إصدار 100 مليون).ثم تتم مقارنة مقتطفات التعليمات البرمجية التي تم إنشاؤها هذه برمز العقد الذكي الأصلي: قم بتشغيل الرمز الأصلي والرمز الذي تم إنشاؤه على التوالي تحت نفس ظروف الإدخال ومقارنة نتائج الإخراج.الهدف من ذلك هو التحقق من أن الإخراج الوظيفي متسق عندما يكون بنية الكود أو النمط مختلفًا.إذا كان الإخراج يتطابق ، يمكن التأكيد على أن الكود الأصلي يتم تنفيذه وفقًا لمواصفات الورق الأبيض ؛إذا كان هناك اختلاف في الإخراج ، فسيتم مراجعة الكود بشكل أكبر ، والعثور على مصدر غير متسق ، وضبط أو إعادة تقييم حسب الاقتضاء.اختياريا ، يمكن أيضًا إجراء اختبار المقارنة المباشر بين الكود الذي تم إنشاؤه من الذكاء الاصطناعى ورمز العقد الأصلي (الشكل 2).
تشكل الطريقتان أعلاه معًا إطارًا للتحقق لتقييم التنفيذ ، وتحديد أخطاء المواقع وإغفال العقود الذكية ، وضمان أن العقد يعمل بطريقة معلنة علنًا.يمكن لهذه الأفكار أن توفر للمنظمين أساسًا مهمًا للموضوع للتحقق من التحقق من بيانات المشروع.
5.2 Pilot II: تقييم تقرير التدقيق
5.2.1 مقدمة
لضمان أن يكون منطق العمل الذي تنفذه العقود الذكية آمنة وموثوقة ، عادةً ما يستأجر حزب المشروع شركة تدقيق أمنية لتقييم الرمز ونشر تقرير التدقيق إلى الجمهور. ومع ذلك ، فإن مراجعة مثل هذه التقارير غالباً ما تتطلب خبرة في مجالات علوم الكمبيوتر والأمن ، والتي قد لا يتمتع بها المنظمون.لملء فجوة المعرفة هذه ، يختبر هذا التجريبي إطارًا للتقييم للاستفادة من LLM لتقييم مدى كفاية تقارير التدقيق الأمني هذه.
5.2.2 الحلول الحالية ومقدمي الخدمات
في الممارسة التقليدية ، تعتمد تقارير تدقيق الأمن على أدوات التشغيل الآلي والتقييم اليدوي وتحليل الخبراء ، والعملية تستغرق وقتًا طويلاً والاستنتاجات ذاتية. تتطلب عمليات التدقيق عادة المدققين للتحقق من قاعدة التعليمات البرمجية والتكوين والعمليات التشغيلية لتحديد نقاط الضعف والروابط الضعيفة.نظرًا لأن التقييم مصطنع بشكل أساسي وكثافة العمل عالية ؛في الوقت نفسه ، فإن الاعتماد على الأحكام المهنية البشرية يجلب أيضًا مخاطر الخطأ والاختلافات الشخصية ، وقد لا تكون تفسيرات مراجعي الحسابات المختلفين للاكتشافات والمخاطر متسقة.يضع نمو تعقيد مشروع Web3 وحجم متطلبات أعلى على أساليب التدقيق الحالية.تسبب التطور السريع للتكنولوجيا ، وخصائص المصادر المفتوحة الواضحة ، والزيادة في عدد التطبيقات اللامركزية التي تسببت في مواجهة المدققين لضغوط مؤقتة ، والتي قد تؤثر على عمق التحليل.غالبًا ما لا يمكن لعمليات التدقيق في الأمان توفير “لقطات” في وقت معين ، لذلك قد تتجاهل التهديدات والثغراتية التي تستمر في الظهور بعد التدقيق.تحد كبير آخر هو التعقيد الفني. عادة ما تكون التقارير تقنية ومعقدة للغاية بالتفصيل ، مما يجعل من الصعب على الجمهور والمنظمين فهم الاستنتاجات وشرحها تمامًا.
5.2.3 تقرير التدقيق الأمني المستند إلى الذكاء الاصطناعي بمساعدة التقييم
تستخدم أداة التقييم هذه الذكاء الاصطناعي لقياس جودة تقارير التدقيق.يقوم الطيار أولاً بجمع وينظم البيانات المطلوبة للتقييم من خلال التعرف على الأحرف البصرية (OCR) وتكنولوجيا استرداد المعلومات المخصصة ، بما في ذلك نطاق التدقيق وأساليب التقييم وأدوات التدقيق وأوصاف المشكلات في التقرير.ثم تتم معالجة التقرير باستخدام نموذج LLM خارج الرف لإنشاء تمثيلات مضمنة وتمثيلها كمتجهات كما هو موضح في الشكل 3. تستخدم هذه العملية تقنيات معالجة اللغة الطبيعية المتقدمة (NLP) ، مثل التعرف على الكيان وتحليل بناء جملة التبعية على أساس المكتبات المخصصة لفهم وتصنيف محتوى التقرير.بعد اكتمال معالجة البيانات ، تستخدم الأداة المتجهات المخزنة لمقارنة وتقييم مجموعات المعرفة المحددة مسبقًا (قاعدة البيانات الموضحة في الشكل أدناه).تغطي مجموعة المعرفة خمس فئات محددة: (1) جودة وتغطية المحتوى ، (2) تحديد الضعف وتصنيف الأولوية ، (3) تخفيف الاستراتيجيات وتأثيرات الإبلاغ ، (4) جودة العرض والمراجعة ، و (5) الإبلاغ عن الأهمية وإمكانية الوصول إليها.عملية التقييم هي السرعة والشاملة ، وعادة ما تستغرق حوالي خمس دقائق لكل تقرير. أخيرًا ، اتصل بـ LLM مرة أخرى لإنشاء تقرير التقييم.يحتوي التقرير على إجمالي الدرجات التي تم الحصول عليها من خلال الملخص المرجح للتقسيم الفرعي للتقييمات من قبل كل فئة المذكورة أعلاه ، مما يعكس الأداء العام لتقرير التدقيق الأمني والإشارة إلى مجالات نقاط القوة والمناطق التي سيتم تحسينها.في الوقت نفسه ، سيكون التقرير أيضًا مقرًا
ويرد الوصف المفصل الذي تم إنشاؤه بواسطة LLM في نتائج التقييم الوسيطة لكل فئة ، ويتم توضيح مزاياها ومخاوفها. يظهر المخطط التخطيطي في الشكل 3.
5.3 الطيار 3: العناية الواجبة الذكية على أساس الذكاء الاصطناعي
5.3.1 مقدمة
العناية الأولية والواجبة لمشاريع Web3 أمر بالغ الأهمية للمنظمين أثناء الترخيص والإشراف المستمر. يحتاج مقدمو خدمات الأصول الافتراضية (VASPS) كوسطاء للأصول الظاهرية أيضًا إلى إجراء العناية الواجبة الخاصة بهم على مشاريع blockchain ذات الصلة ورموزهم قبل توفير الأصول الافتراضية (VAS).نظرًا للخصائص اللامركزية لـ blockchain ، هوية الاسم المستعار والشكل التنظيمي الجديد ، تواجه العناية الواجبة Web3 تحديات فريدة. تحديد والتحقق من الهويات الحقيقية ، وفهم البنية التحتية التقنية المعقدة ، والاستجابة للهياكل التنظيمية المتنوعة والأطر القانونية التطورية تجعل العملية أكثر تعقيدًا.وفي الوقت نفسه ، يمكن استخدام البيانات المتاحة للجمهور في حقل Web3 لتحسين فهم الأنشطة: يمكن أن توفر البيانات على السلسلة رؤى في الوقت الفعلي يمكن التحقق منها في المعاملات وتشغيل العقود الذكية ؛المعلومات النوعية خارج السلسلة (مثل مؤهلات الفريق ، ومشاعر السوق ، والمنتديات ومناقشات DAO ، وقنوات التواصل الاجتماعي الرسمية) تكمل التقييم.ومع ذلك ، على الرغم من الكشف عن البيانات ، فإن تناول هذه المعلومات الضخمة والتقنية للغاية لا يزال يمثل تحديًا ويتطلب أدوات معالجة وتحليل ناضجة.يؤدي إدخال الذكاء الاصطناعي (AI) إلى تبسيط عملية العناية الواجبة ، مما يسمح للمنظمين و VASPs بمراجعة وتقييم مشاريع Web3 بشكل أكثر كفاءة.
5.3.2 الحلول الحالية ومقدمي الخدمات
لتلبية احتياجات تحليل البيانات المعقدة والعناية الواجبة ، يظهر العديد من مقدمي الخدمات في حقول Web3 و VA.يمكن للأدوات والخدمات التي تقدمها هذه الشركات تحسين عمليات الامتثال والتحقق من الهوية والتعامل مع بعض الالتزامات التنظيمية في ظل اختلافات قانونية مختلفة.على سبيل المثال ، يوفر Chainalysis و Elliptic أدوات تحليلات blockchain للمساعدة في تتبع مصدر معاملات أصول التشفير ودعم مكافحة غسل الأموال (AML) ومكافحة امتثال الإرهاب (CFT). توفر الشركات الأخرى حلول التحقق من الهوية الرقمية ، في محاولة لتحديد المستخدمين في بيئة لا مركزية.على الرغم من أن الأدوات المذكورة أعلاه فعالة في روابط محددة ، إلا أنها لم تكن قادرة بعد على تغطية الإشراف الكامل للطيف المطلوبة من قبل المنظمين و VASPs.يهدف هذا الطيار إلى زيادة تحسين عملية العناية الواجبة بشكل عام للمنظمين و VASPs.
5.3.3 بمساعدة العناية الواجبة AI
يقدم هذا الطيار تقنية الذكاء الاصطناعي من جوانب متعددة لتحسين ممارسات العناية الواجبة للمنظمين و VASPs.
تدعم الذكاء الاصطناعي التوليدي على متن الطائرة.عندما ينطبق المشروع على ترخيص من وكالة تنظيمية ، يتم استخدام الذكاء الاصطناعى التوليدي لتخصيص عملية الدخول وفقًا لتركيز مشروع Web3.يمكن للنموذج الذي تم تطويره في هذا الطيار إنشاء نماذج مخصصة تلقائيًا وسرد قائمة التقديم المطلوبة.يمكن أن يتجنب هذا التخصيص عملية عامة “تناسب الجميع” وتقليل متطلبات التقديم التي لا تتعلق بأعمال الشركة المحددة.
AI التوليدي يستعرض وسائل التواصل الاجتماعي.تجريب استخدام أدوات الذكاء الاصطناعى لمراقبة وتحليل أداء وسائل التواصل الاجتماعي للشركات وموظفيها الرئيسيين ، وتحديد الإفصاحات العامة غير المتناسقة ، والمخاطر السمعة ، وعلامات التصريحات المضللة أو الاحتيالية.يمكن للنموذج المستخدم فهم سياق المحتوى والعواطف والمخاوف المحتملة للمنظمين للإشارة إلى المنظمين. (ملاحظة: تحتوي هذه الفقرة من النص الأصلي على نسخ مكررة ، ويتم تقديمها هنا.)
وكيل أسئلة وأجوبة تنظيمية (Q & amp ؛ وكيل).يسمح الوكيل للمنظمين بإجراء أسئلة الاسترجاع على بيانات مشروع Web3 ، وتغطية المستندات المبلغ عنها ذاتيًا للمؤسسة ، وتفاصيل العقد الذكي ، والإعلانات الرسمية والإفصاحات ، وما إلى ذلك ، بناءً على أحدث البيانات أثناء الاستعلام ، يوفر الوكيل رؤى سهلة الفهم للخلفيات غير التقنية عند الطلب ؛يتم تصنيف جميع الردود وتمييزها مع المصدر ، مصحوبة بروابط البيانات الأصلية. سيستمر النظام في التحديث ببيانات جديدة وسيدعم المنظمين للوصول إلى المزيد من مصادر البيانات.
يستبدل هذا الطيار بشكل فعال العمل المتكرر والزائد عن طريق استخدام الذكاء الاصطناعي في روابط مثل إدخال المؤسسة ، وتحديد المخاطر والرؤى التنظيمية في الوقت الفعلي.بالنظر إلى أن العديد من المنظمين يستكشفون بنشاط مثل هذه الابتكارات ، فإن المشروع لديه القدرة على نشر وتطور على نطاق أوسع.
6. الخلاصة والعمل المستقبلي
6.1 الخلاصة
يمهد التطور السريع لأنشطة Web3 و VA الطريق للابتكار مع تقديم تحديات تنظيمية جديدة ومعقدة.يعد دمج الذكاء الاصطناعي في العمليات التنظيمية بتعزيز صندوق أدوات المنظمين لمراقبة المخاطر والتنبؤ والتخفيف من قطاعات Web3 و VA.يقدم المشروع التجريبي الذي تم تقديمه في هذه المقالة أمثلة عملية من الذكاء الاصطناعي في هذا المجال ويوضح دوره العملي في تحسين ممارسة الامتثال للصناعة.
6.2 النقاط الرئيسية
إمكانية تحويل الذكاء الاصطناعي في التكنولوجيا التنظيمية Web3 (Suptech) والتكنولوجيا التنظيمية (RegTech)
· يمكن أن تحسن الحلول التي تحركها AI من فعالية تنظيم Web3 ، بما في ذلك تحليل المخاطر في الوقت الفعلي ، واكتشاف الضعف التطلعي ، ومراقبة الامتثال أكثر كفاءة.
· باستخدام مجموعة متنوعة من تقنيات الذكاء الاصطناعى (مثل التعلم الآلي ، ومعالجة اللغة الطبيعية NLP ، و AI التوليدي والوكالة المستقلة) ، يمكن للمنظمين الحفاظ على الإشراف بشكل أفضل ، وتحسين عمليات الإبلاغ ، واكتشاف التشوهات ، وفهم المشاعر والرأي العام في النظام الإيكولوجي اللامركزي.
· دمج الذكاء الاصطناعي في تنظيم Web3 يبسط التعقيد عبر المجالات القانونية ، ويتكيف مع 24/7 ، ويجعل أطر الامتثال أكثر سهولة ومرونة وابتكار.
التحديات التي تواجه تنفيذ الذكاء الاصطناعي
· الأخلاق والخصوصية ، والتحيز النموذجي ، والحاجة إلى الشفافية والتتبع هي القضايا الرئيسية.
· الإشراف البشري ضروري ، مما يقلل من الاعتماد المفرط على الذكاء الاصطناعي ويضمن موثوقية التطبيقات.
التطبيقات العملية التي أظهرها الطيار
يساعد تقييم العقود الذكية المحسّنة AI-AI في ضمان الاتساق مع المعايير البيضاء والمعايير التنظيمية.
· يمكن أن يؤدي التقييم التلقائي لتقارير التدقيق وعمليات العناية الواجبة إلى تحسين الكفاءة بشكل كبير.
· تدعم أدوات الذكاء الاصطناعي العمليات الواردة ، وتحليلات وسائل التواصل الاجتماعي ، وتوفر رؤى مفيدة للمنظمين بكفاءة.
الاتجاه المستقبلي
· التقدم في التحليلات التنبؤية وأنظمة الذكاء الاصطناعي القابلة للتكيف والتعاون العالمي ستقود ممارسات تنظيمية أكثر فعالية.
سيصبح إنشاء إطار حوكمة الذكاء الاصطناعى والمعايير الأخلاقية هو المفتاح للحفاظ على الثقة والمساءلة.
6.3 العمل المستقبلي
بالنظر إلى المستقبل ، فإن العديد من الاتجاهات الرئيسية ستقود التطور المستمر ودمج الذكاء الاصطناعي (AI) في العملية التنظيمية:
نماذج AI المتقدمةمع تقدم تقنية الذكاء الاصطناعي ، من المتوقع تحسين قدرات النموذج وجودة النتائج ، مع تحقيق تكاليف أقل واستخدام الموارد الحاسوبية.
· التحليلات التنبؤية المعززةستدعم المزيد من التطورات في التحليل التنبئي تنبؤات أكثر دقة لانتهاكات المخاطر والامتثال.مع مجموعات بيانات أكبر وأكثر تخصصًا ، بالإضافة إلى خوارزميات أكثر تعقيدًا ، يمكن أن توفر أنظمة الذكاء الاصطناعى تدخلًا مبكرًا استباقيًا من خلال تحديد المشكلات بشكل استباقي قبل حدوثها.
حوكمة وأخلاقيات الذكاء الاصطناعي المتقدمةلضمان أن تكون تطبيقات الذكاء الاصطناعى في السيناريوهات التنظيمية أخلاقية وشفافة وتقلل من الانحرافات ، من الضروري إنشاء إطار حوكمة منظمة AI منهجية.سيساعد تطوير المعايير والإرشادات الأخلاقية لمنظمة العفو الدولية على بناء الثقة والمساءلة في الأنظمة التنظيمية القائمة على الذكاء الاصطناعي.
منظمة العفو الدولية التكيفية والتفسيريجب أن يكون لأنظمة الذكاء الاصطناعي المستقبلية قدرات تكيفية وأن تكون قادرة على التعلم والتطور باستمرار مع التغييرات في البيئة التنظيمية وأنشطة Web3.إن تحسين قابلية تفسير الخوارزميات والقرارات سيجعل القرارات التنظيمية أكثر شفافية وفهمًا للأطراف المتأثرة بها.
التعاون العالميإن إنشاء ومشاركة أفضل الممارسات عبر المستويات القانونية سيعزز التنظيم الأكثر اتساقًا وفعالية للنظام البيئي العالمي لـ Web3.
