من البيانات الاجتماعية إلى الدماغ الذكي: ماذا ستبني شبكة Port3 من شبكة الذكاء الاصطناعي لعالم Web3؟

1. المقدمة

في عالم Web3، تتحول البيانات من معلومات ثابتة إلى أصول ديناميكية. خاصة بيانات سلوك المستخدمين الاجتماعي، التي أصبحت "المعادن الرقمية" الأكثر قيمة والتي لم يتم استغلالها بشكل كافٍ في عصر الذكاء الاصطناعي. البيانات الاجتماعية التي تُنتج في كل لحظة ودقيقة تحتوي على قيمة هائلة لم يتم استغلالها بالكامل بعد.

نرى أن واقع Web3 مجزأ: من ناحية، شهدنا نموًا هائلًا في بروتوكولات المجالات مثل DeFi وNFT وGameFi، حيث أنشأ المستخدمون الكثير من بيانات السلوك على السلسلة وخارجها؛ ومن ناحية أخرى، ت散رت هذه البيانات في تطبيقات DApp المعزولة، وسجلات المعاملات، والمنصات الاجتماعية، مما يفتقر إلى التكامل الهيكلي، مما يجعل من الصعب بناء صورة موحدة، ولا يمكن استدعاؤها بشكل حقيقي.

في الوقت نفسه، فإن ظهور الذكاء الاصطناعي يعيد تشكيل العالم الرقمي بأكمله بسرعة. مثل ChatGPT من OpenAI، وClaude من Anthropic، ومشاريع Agent المبنية على Web3 مثل Autonolas وMorphpad وMind Network، تقدم جميعها رؤية "بيانات قابلة للاستدعاء + نوايا قابلة للتنفيذ".

في هذا السياق، تبرز سؤال: إذا كانت الذكاء الاصطناعي هو المستقبل، فمن الذي سيبني طبقة البيانات الأساسية وقرارات Web3؟ قدمت شبكة Port3 إجابة نهائية نسبياً:

من منصة مهام SoQuest في البداية، إلى محرك تقييم السلوك الاجتماعي Rankit، ثم إلى لغة تنفيذ النوايا عبر السلاسل OpenBQL، قامت Port3 ببناء مجموعة من "البنية التحتية للبيانات الاجتماعية" التي تركز على سلوك المستخدم وودية لنماذج الذكاء الاصطناعي. إنها لا تدمج فقط البيانات على السلسلة والسلوك الاجتماعي خارج السلسلة، ولكنها أيضًا تجعل البيانات من خلال التوحيد والتعرف على النوايا "قوالب العمل" التي يمكن أن تفهمها وتستدعيها وتنفذها الوكالات الذكية.

بعبارة أخرى، لم يعد Port3 منصة أو أداة مهمة واحدة، بل احتل موقعًا استراتيجيًا في "دماغ بيانات Web3" قبل أن يتم دمج السرد حول سيادة البيانات، الهوية على السلسلة، والتمويل الاجتماعي بشكل حقيقي.

2. مقدمة المشروع

2.1 Port3 ما هو؟

Port3 Network هو مشروع بنية تحتية للبيانات الاجتماعية في Web3 مدعوم بالذكاء الاصطناعي، يهدف إلى بناء طبقة بيانات اجتماعية قابلة للبرمجة وعابرة للسلاسل. من خلال تجميع بيانات سلوك المستخدمين من Web2 وWeb3، ومعالجة موحدة بواسطة محرك الذكاء الاصطناعي، قامت Port3 بإنشاء حل متكامل يبدأ من جمع البيانات (SoQuest)، والتقييم الهيكلي (Rankit)، والاستعلام الذكي (OpenBQL) وصولاً إلى استدعاء الوكلاء (Ailliance.ai)، مما يجعله منشأة رئيسية لتحويل سلوكيات على السلسلة إلى أصول في عصر الذكاء الاصطناعي.

2.2 نظرة عامة على المشروع

2.2.1 حالة التمويل

فبراير 2023: إكمال تمويل الجولة الأولية بمبلغ 3 ملايين دولار.

أغسطس 2023: الحصول على جولة جديدة من التمويل بملايين الدولارات.

أكتوبر 2023: الحصول على دعم إضافي من الاستثمارات والمنح.

2.2.2 حالة الفريق

ماكس دي: المؤسس المشارك، لديه خبرة في العمل في شركة آبل؛ يمتلك خبرة واسعة في احتضان مشاريع Web3 وتوسيع النظم البيئية.

أنتوني دينغ: المؤسس المشارك، عمل سابقًا في Tencent و Viabtc Technology Limited في تطوير الواجهة الخلفية، ولديه سنوات من الخبرة في تصميم الأنظمة ذات التحميل العالي والهندسة المعمارية الموزعة.

3. رؤية Port3: من "منصة المهام" إلى "الطبقة الأساسية لبيانات التواصل الاجتماعي المدعومة بالذكاء الاصطناعي"

يمكن تلخيص مصفوفة منتجات Port3 في خط رئيسي واحد: "السلوك هو الأصل، وPort3 مسؤولة عن حلقة التدفق المغلقة للبيانات من التجميع إلى التحويل."

3.1 Port3 البنية التحتية الأساسية

3.1.1 تجميع البيانات - SoQuest

SoQuest هو المدخل الأساسي للبيانات الذي أنشأته شبكة Port3، وهو منصة لالتقاط سلوك المستخدمين في Web3 تجمع بين توزيع المهام، والتحقق من السلوك، ونمو المجتمع، وجمع البيانات. في جوهره، هو نظام لتوليد البيانات يعتمد على المهام كآلية تحفيز، ويستهدف سلوك المستخدمين الاجتماعي كموضوع للاقتناص، مما يفتح مسارات السلوك بين التفاعلات على السلسلة ومنصات التواصل الاجتماعي Web2.

يدعم SoQuest منصات Web2 الرئيسية مثل Twitter وTelegram وDiscord، ويتوافق مع سلوكيات التفاعل على 19 سلسلة مثل EVM وSolana وAptos وSui، بما في ذلك المعاملات، والتفويض، وصك NFTs، مما يشكل واحدة من أكثر أنظمة جمع السلوكيات تغطية في مجال Web3.

بحلول منتصف عام 2025، جمعت شبكة Port3 أكثر من 6 ملايين مستخدم و7000 مشروع بيانات ديناميكية، وقد تجاوز نطاق البيانات 10 ملايين مستخدم تشفير. وقد نتج عن ذلك سجلات سلوك مستخدمين ضخمة وأحداث تفاعل اجتماعي على السلسلة، مما أسس قاعدة بيانات سلوكية اجتماعية Web3 حقيقية ومتعددة الأبعاد وعالية التردد.

لتحسين قابلية التوسع للمنصة وقدرة جمع البيانات، أطلقت SoQuest وحدة QaaS(Quest-as-a-Service، والتي تسمح لمشاريع بإدماج نظام المهام في تطبيقات dApp أو تطبيقات Telegram Mini الخاصة بها. في عام 2025، سيتم فتح واجهة برمجة التطبيقات للتحقق بشكل أكبر، مما يتيح إكمال منطق التحقق بدون الحاجة إلى قوالب مسبقة، مما يعزز بشكل كبير من معيارية النظام المهامي وعموميته.

3.1.2 تراكم البيانات - طبقة البيانات الاجتماعية الذكية

تتراكم بيانات سلوك المستخدم التي يتم التقاطها بواسطة SoQuest في الوحدة الأساسية لشبكة Port3 - طبقة بيانات اجتماعية مدعومة بالذكاء الاصطناعي، وهي قاعدة بيانات سلوكية هيكلية مصممة خصيصًا لتطبيقات الذكاء الاصطناعي، وهي أيضًا البنية التحتية الأساسية لـ Port3 لتحقيق "تحويل السلوك إلى أصول" و"تحويل المعلومات إلى مالية (InfoFi)".

على عكس التصميم التقليدي لمنصات البيانات على السلسلة الذي يهدف إلى "الاستعلام"، تركز طبقة البيانات في Port3 على: كيفية استخدام البيانات لنماذج الذكاء الاصطناعي، ودعم الاستنتاج والتفاعل على السلسلة القابلة للتنفيذ بشكل تلقائي.

تدمج طبقة بيانات التواصل الاجتماعي الذكية AI Social Data Layer عشرات الملايين من سجلات التفاعل على السلسلة وبيانات سلوك المهام الاجتماعية، وتستمر في التحديث الفوري من خلال وحدات التطبيقات مثل SoQuest و Rankit، مما يبني نظام بيانات اجتماعية ديناميكي يتزايد باستمرار. هذا هو مركز الإدراك السلوكي في Port3، حيث يتم هيكلة البيانات السلوكية المعقدة على السلسلة وخارجها وتوضيحها، لتوفير "وقود بيانات" "يمكن فهمه، ويمكن تركيبه، ويمكن استدعاؤه" للوكيل الذكي.

3.1.3 تطبيق البيانات - Rankit + OpenBQL + Ailliance.ai → نظام AI Agent

رانكيت: محرك تحليل السلوك الاجتماعي المدعوم بالذكاء الاصطناعي

Rankit هو التطبيق الرائد لقدرات البيانات الاجتماعية Port3 ، وهو "تنفيذ مرئي" لقدرات بيانات BQL من طبقة الذكاء الاصطناعي.

قدرات Rankit وابتكار النماذج:

• تقييم حرارة التواصل عبر المنصات: يجمع بين إشارات التواصل من تويتر وتيليجرام وديستورد لتحديد الاتجاهات الرئيسية والمشاريع الساخنة والتحولات العاطفية في عالم Web3.

• التعرف على المعاني ونمذجة التقييم: من خلال تحليل المشاعر باستخدام معالجة اللغة الطبيعية والنماذج الكبيرة، سيتم تحويل تركيز المناقشة، وتأثير قادة الرأي، ودرجة ثقة المستخدمين إلى مؤشرات هيكلية، لاستخدامها في إدارة المجتمع، وإدارة مخاطر الإقراض، والمعاملات على السلسلة وغيرها من السيناريوهات.

• عرض تجريبي للمشاهد العمودية: على سبيل المثال، محرك البيانات البيئي USD1 الذي تم إطلاقه مؤخرًا، من خلال خرائط الحرارة، ونشاط التواصل الاجتماعي، والتفاعل على السلسلة، تتبع مشاريع BNB Chain الواعدة في الوقت الفعلي، ليصبح بوصلة ذكية للمستخدمين في DeFi لالتقاط Alpha.

بدعم من Rankit، لا توفر Port3 البيانات فحسب، بل توفر أيضًا "بيانات تفسيرية" - لا تخبرك فقط بما حدث، بل تخبرك أيضًا بما يجب عليك فعله.

OpenBQL: لغة التنفيذ على السلسلة المدفوعة بالنية

إذا كانت SoQuest هي مدخل البيانات، فإن BQL (لغة استعلام blockchain) هي قشرة الدماغ لبيانات Port3، وهي القلب الدلالي ومحرك التشغيل لجميع بيانات السلوك المعالجة والمنظمة والمستدعاة.

دور وآلية BQL:

• طبقة اللغة العامة: يوفر BQL هيكل استعلام صديق للغة الطبيعية، مما يسمح للمطورين أو الوكلاء بتنفيذ عمليات فعلية على السلسلة باستخدام أوامر مثل "شراء NFT على سلسلة Aptos"، مما يتيح الاتصال بين بيئات متعددة السلاسل مثل EVM و BTC و Solana.

• طبقة التنفيذ القياسية: تدعم العمليات المتعلقة بالأصول على السلسلة (مثل التداول، والتخزين، وإضافة السيولة) معالجة تلقائية بنقرة واحدة، وهي المحور الرئيسي لأتمتة السلوكيات على السلسلة.

• مستخرج دلالات البيانات: يوفر دعم البيانات الهيكلية القياسية لنماذج الذكاء الاصطناعي والوكيل، لتحقيق التحديثات والحسابات عالية التردد للبيانات المطلوبة لتمويل المعلومات (InfoFi).

من خلال BQL، تقوم Port3 بدفع بناء "بروتوكول اللغة الطبيعية على السلسلة" جديد في عالم Web3، مما يسمح للسلوكيات على السلسلة بالانتقال من "طبقة الكود" إلى "طبقة النية" - حيث لا تقوم الآلات فقط بتنفيذ التعليمات التي تقولها، بل تفهم أيضًا نواياك.

قدرة تكامل وكيل الذكاء الاصطناعي: Ailliance.ai

• Port3 يبني طبقة API وكيل عامة، حيث يمكن للمطورين استدعاء البيانات الهيكلية التي أنشأتها Rankit/SoQuest/OpenBQL أو تنفيذ الأوامر مباشرة.

• تشمل التطبيقات مساعد الاستثمار الآلي، والروبوتات التفاعلية، ومساعد الألعاب الذكية، وتغطي مجموعة متنوعة من السيناريوهات مثل قرارات التداول، وإصدار المهام، وتشغيل المجتمع.

تجعل هذه المجموعة الكاملة من المنتجات Port3 المنصة الوحيدة التي تمتلك القدرة على "من الجمع → التحليل → التطبيق → الاستدعاء" في مجال بيانات التواصل الاجتماعي Web3.

الهدف النهائي هو بناء شبكة بروتوكولات معيارية للويب 3 تعتمد على بيانات السلوك، مما يمكّن وكيل الذكاء الاصطناعي من فهم والتعرف على الأصول على السلسلة والتفاعل معها.

3.2 Port3’s حزام الأمان: العجلة النمائية الناتجة عن تراكم الأعمال

تستطيع Port3 أن تحتل مكانة رائدة في سرد القصص باستخدام الذكاء الاصطناعي في Web3، والسبب الجذري لذلك ليس بسبب امتلاكها لقدرات نماذج كبيرة متقدمة، بل بسبب أنها خلال عملية تراكم الأعمال، قامت ببناء أصول بيانات سلوكية اجتماعية عالية القيمة تتمتع بعمق واسع. هذه الميزة في البيانات تضع أساسًا فريدًا لتطبيقات الذكاء الاصطناعي في Port3، وبناء الوكلاء، وتدريب النماذج:

3.2.1. بيانات سلوك السلسلة على السلسلة وتحت السلسلة بمستوى عشرات الملايين

استنادًا إلى تشغيل منصة المهام SoQuest لمدة ثلاث سنوات، قامت Port3 بتخزين أكثر من 10 مليون مستوى من مسارات مشاركة المستخدمين، تغطي أبعادًا متعددة مثل سلوك المهام، تفاعلات المحفظة، الأصول على السلسلة، ودرجة المشاركة في المجتمع. هذه البيانات تمتد عبر Web2 وWeb3، مثل منشورات Twitter، النشاط على Discord، الاحتفاظ في Telegram، المعاملات على السلسلة، التخزين، والمراكز، مما يشكل خريطة كثيفة للغاية للسلوك الاجتماعي. في سياق نموذج الذكاء الاصطناعي الحالي "البيانات هي الوقود"، فإن هذا النوع من بيانات السلوك الهيكلية والتفاعلات عالية التكرار هو بلا شك المورد الأكثر قيمة لبناء وكيل AI في Web3.

3.2.2 التعاون العميق مع آلاف المشاريع، البيانات تتحدث باستمرار بشكل مباشر

Port3 ليست منصة موجهة لمنتج واحد، بل قد أنشأت شراكات مع أكثر من 7000 مشروع Web3، تشمل توزيع التوزيعات، تصميم المهام، إدارة المجتمع، والتفاعل على السلسلة، وغيرها من المشاهد. هذه الشراكة لم تجلب فقط سلوكيات المستخدمين الحقيقية، بل ضمنت أيضًا تنوع البيانات ووقتها الحقيقي. من خلال بناء قنوات بيانات مشتركة مع الأطراف المعنية، تستمر Port3 في استيعاب أحدث الاتجاهات البيئية واتجاهات المستخدمين، مما يبني محرك بيانات ديناميكي يتطور، وليس مجموعة ثابتة من اللقطات. هذه القدرة على تحديث البيانات توفر "مجموعة مواد تدريب" مستمرة لتطور نماذج الذكاء الاصطناعي.

3.2.3 تشكيل مجموعة بيانات مخصصة لتدريب نماذج الذكاء الاصطناعي، لتوفير الدعم الدلالي لوكلاء السلسلة

بالمقارنة مع بيانات Web2 العامة، فإن هوية مستخدمي Web3 على السلسلة، ومسارات التفاعل، وسلوك الأصول تتمتع بقدر عالٍ من الخصوصية وتعقيد الهيكل، مما يجعل النماذج التقليدية صعبة التكيف. بينما يقوم Port3 من خلال نظام التعرف الدلالي وتصنيف السلوك Rankit، بفتح مسارmapping بين السلوكيات على السلسلة والدلالات اللغوية الطبيعية. على سبيل المثال: "المحفظة A تشارك في توزيع رموز في بروتوكول B + تغريد + المشاركة مرة أخرى في الحوكمة"، يمكن نمذجتها كعلامات دلالية مثل "مشارك نشط" أو "مبشر مبكر"، مما يمكّن AI Agent من فهم وتحفيز هذه المجموعات من المستخدمين. هذه هي الخطوة التي تدفع نماذج الذكاء الاصطناعي على السلسلة من "الإدراك" إلى "الفهم".