من البيانات الاجتماعية إلى دماغ الذكاء الاصطناعي: كيف ستقوم شبكة Port3 بإنشاء شبكة ذكاء اصطناعي لعالم Web3؟

1. المقدمة

عالم Web3 يشهد تحولاً من المعلومات الثابتة إلى الأصول الديناميكية، حيث تصبح بيانات سلوك المستخدمين الاجتماعية "المعادن الرقمية" الأكثر قيمة في عصر الذكاء الاصطناعي، ولكن لم يتم تطويرها بشكل كافٍ. ومع ذلك، فإن واقع Web3 هو واقع مجزأ: من ناحية، فإن بروتوكولات DeFi وNFT وGameFi وغيرها من البروتوكولات المتخصصة شهدت نمواً هائلاً، مما أدى إلى توليد كميات كبيرة من بيانات السلوك؛ ومن ناحية أخرى، فإن هذه البيانات متناثرة في DApps معزولة وسجلات التداول والمنصات الاجتماعية، مما يجعل من الصعب بناء صورة موحدة واستدعائها.

في الوقت نفسه، فإن صعود الذكاء الاصطناعي يعيد تشكيل العالم الرقمي بأسره. حيث تقدم مشاريع مثل OpenAI وAnthropic ومشاريع الوكلاء المبنية على Web3 رؤية "البيانات القابلة للاستدعاء + النوايا القابلة للتنفيذ".

في هذا السياق، قدمت شبكة Port3 إجابة نهائية: من منصة مهام SoQuest الأصلية، إلى محرك تقييم السلوك الاجتماعي Rankit، وصولاً إلى لغة تنفيذ النوايا عبر السلاسل OpenBQL، قامت Port3 ببناء مجموعة من "البنية التحتية للبيانات الاجتماعية" التي تركز على سلوك المستخدم وملائمة لنماذج الذكاء الاصطناعي. إنها لا تدمج فقط البيانات على السلسلة والسلوك الاجتماعي خارج السلسلة، بل تجعل البيانات من خلال التوحيد والتعرف على النوايا "قالب عمل" يمكن للوكالات فهمه واستدعاؤه وتنفيذه.

لم يعد Port3 مجرد منصة أو أداة لمهمة واحدة، بل احتل موقعًا استراتيجيًا في "دماغ بيانات Web3" قبل أن يتم دمج سرديات سيادة البيانات، الهوية على السلسلة، والتمويل الاجتماعي بشكل حقيقي.

2. مقدمة المشروع

2.1 Port3 ماذا يعني؟

Port3 Network هو مشروع للبنية التحتية للبيانات الاجتماعية المدعومة بالذكاء الاصطناعي في Web3، بقيادة Jump Crypto، ويهدف إلى بناء طبقة بيانات اجتماعية قابلة للبرمجة وقابلة للاستدعاء عبر السلاسل. من خلال تجميع بيانات سلوك المستخدمين من Web2 وWeb3، ومعالجة هذه البيانات باستخدام محرك الذكاء الاصطناعي، أنشأت Port3 مجموعة كاملة من جمع البيانات (SoQuest)، وتقييمات هيكلية (Rankit)، واستعلامات ذكية (OpenBQL) وصولاً إلى استدعاء الوكلاء (Ailliance.ai)، لتصبح المرافق الأساسية لأصول السلوك على السلسلة في عصر الذكاء الاصطناعي.

2.2 نظرة عامة على المشروع

2.2.1 حالة التمويل

فبراير 2023: إتمام جولة تمويل بذور بقيمة 3 ملايين دولار.

أغسطس 2023: الحصول على جولة جديدة من التمويل بقيمة ملايين الدولارات.

أكتوبر 2023: تم الإعلان عن الحصول على استثمار من DWF Labs، بالإضافة إلى دعم المنح من Binance Labs وMask Network وAptos.

2.2.2 حالة الفريق

ماكس دي.: المؤسس المشارك، لديه خبرة عمل في شركة آبل؛ يتمتع بخبرة واسعة في حاضنة مشاريع Web3 وتوسيع النظم البيئية.

أنتوني دينغ: المؤسس المشارك، كان يعمل في Tencent وViabtc Technology Limited في تطوير الواجهة الخلفية، ولديه خبرة لسنوات في تصميم الأنظمة عالية التزامن والهندسة المعمارية الموزعة.

3. رؤية Port3: من "منصة المهام" إلى "الطبقة الأساسية للبيانات الاجتماعية الذكية"

يمكن تلخيص مصفوفة منتجات Port3 في خط رئيسي واحد: "السلوك هو الأصول، و Port3 مسؤولة عن حلقة تدفق البيانات من الجمع إلى التحويل."

3.1 البنية التحتية الأساسية ل Port3

3.1.1 تجميع البيانات - SoQuest

SoQuest هو مدخل البيانات الرئيسي الذي تم بناؤه بواسطة شبكة Port3، وهو منصة لالتقاط سلوكيات المستخدمين في Web3 تجمع بين توزيع المهام، والتحقق من السلوك، وزيادة المجتمع، وجمع البيانات. إن جوهره هو نظام لتوليد البيانات يعتمد على المهام كآلية تحفيز ويستهدف سلوك المستخدمين على وسائل التواصل الاجتماعي كأهداف للتجميع، مما يربط بين التفاعلات على السلسلة والمنصات الاجتماعية في Web2.

يدعم SoQuest منصات Web2 الرئيسية مثل Twitter وTelegram وDiscord، ويتوافق مع سلوكيات التفاعل على 19 سلسلة مثل EVM وSolana وAptos وSui، مما يشكل واحداً من أكثر أنظمة جمع السلوكيات انتشاراً في مجال Web3.

بحلول منتصف عام 2025، جمعت شبكة Port3 أكثر من 6 ملايين مستخدم و7000 مشروع من البيانات الديناميكية، وقد تجاوز نطاق البيانات 10 ملايين مستخدم للعملات المشفرة. وقد نتج عن ذلك سجل ضخم من سلوكيات المستخدمين وأحداث التفاعل الاجتماعي على السلسلة، مما أسس قاعدة بيانات سلوكية اجتماعية على الويب 3 حقيقية ومتعددة الأبعاد وعالية التردد.

لزيادة قابلية توسع المنصة وقدرات جمع البيانات، أطلقت SoQuest وحدة QaaS(Quest-as-a-Service) التي تسمح لمشاريع الأطراف بإدماج نظام المهام في dApp الخاص بهم أو تطبيق Telegram Mini. في عام 2025، سيتم فتح واجهة برمجة التطبيقات للتحقق بشكل أكبر، مما يسمح بإكمال منطق التحقق دون الحاجة إلى قوالب محددة مسبقًا، مما يعزز بشكل كبير من معيارية نظام المهام وعموميته.

SoQuest ليست مجرد منصة مهام، بل هي نقطة انطلاق لإغلاق الدائرة السلوكية للأصول عبر Port3، وهي أيضًا المصدر الأصلي لبيانات السلوك الدلالية المطلوبة لاستدلال الذكاء الاصطناعي.

3.1.2 بيانات الترسيب - طبقة بيانات اجتماعية للذكاء الاصطناعي

تُجمع بيانات سلوك المستخدم التي تلتقطها SoQuest في النهاية إلى الوحدة الأساسية لشبكة Port3 - طبقة البيانات الاجتماعية الذكية (AI Social Data Layer)، وهي قاعدة بيانات سلوك منظمة مصممة خصيصًا لتطبيقات الذكاء الاصطناعي، وهي أيضًا البنية التحتية الأساسية التي تحقق بها Port3 "تحويل السلوك إلى أصول" و"تحويل المعلومات إلى مالية (InfoFi)".

بعيدًا عن منصات البيانات التقليدية على السلسلة ( مثل The Graph و Dune وغيرها )، تركز طبقة البيانات في Port3 على: كيفية جعل البيانات قابلة للاستخدام بواسطة نماذج الذكاء الاصطناعي، ودعم الاستدلال والتفاعل على السلسلة القابلة للتنفيذ تلقائيًا.

تجمع طبقة بيانات الشبكات الاجتماعية الذكية AI Social Data Layer بين عشرات الملايين من سجلات التفاعل على السلسلة وبيانات سلوك المهام الاجتماعية، وتستمر في التحديث في الوقت الحقيقي من خلال وحدات التطبيقات مثل SoQuest وRankit، مما يبني نظام بيانات اجتماعية ديناميكي ينمو باستمرار. إنها المركز السلوكي لفهم Port3، حيث تقوم بترتيب وتفسير بيانات السلوك المعقدة على السلسلة وخارجها، لتوفير "وقود بيانات" "قابل للفهم، وقابل للتجميع، وقابل للاستدعاء" للوكيل.

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

Rankit: محرك تحليل السلوك الاجتماعي المدعوم بالذكاء الاصطناعي

Rankit هو التطبيق الرائد لبيانات Port3 الاجتماعية، وهو "تنفيذ مرئي" لقدرات بيانات BQL على مستوى الذكاء الاصطناعي.

قدرات Rankit وابتكارات النموذج:

• تقييم حرارة التواصل عبر المنصات: يجمع بين إشارات وسائل التواصل الاجتماعي مثل تويتر، تيليجرام، ديسكورد، لتحديد الاتجاهات الرئيسية، والمشاريع الساخنة، وتحولات المشاعر في عالم Web3.

• التعرف على المعنى ونمذجة التقييم: من خلال تحليل المشاعر باستخدام معالجة اللغة الطبيعية والنماذج الكبيرة، سيتم تحويل نقاط المناقشة، تأثير كول، وثقة المستخدمين إلى مؤشرات هيكلية، لاستخدامها في إدارة المجتمع، وإدارة مخاطر القروض، والمعاملات على السلسلة.

• أمثلة على تنفيذ مشاهد عمودية: على سبيل المثال، محرك البيانات البيئي USD1 الذي تم طرحه مؤخرًا، من خلال خريطة الحرارة، ومستوى النشاط الاجتماعي، وديناميكيات السلسلة، يتتبع في الوقت الحقيقي المشاريع المحتملة على BNB Chain، ليصبح بوصلة ذكية لمستخدمي DeFi لالتقاط Alpha.

بدعم من Rankit، لا يمكن لـ Port3 فقط تقديم البيانات، بل يمكنه أيضًا تقديم "بيانات تفسيرية" - لا يخبرك فقط بما حدث، بل يخبرك أيضًا بما يجب عليك فعله.

OpenBQL: لغة التنفيذ على السلسلة المدفوعة بالنوايا

إذا كان SoQuest هو مدخل البيانات، فإن BQL( Blockchain Quest Language) هو قشرة الدماغ البيانية لـ Port3، وهو الجوهر الدلالي ومحرك التشغيل لجميع بيانات السلوك المعالجة والتنظيم والاستدعاء.

دور وآلية BQL:

• الطبقة اللغوية العامة: توفر BQL هيكل استعلام صديق للغة الطبيعية، مما يسمح للمطورين أو الوكلاء باستخدام تعليمات مثل "شراء NFT على سلسلة Aptos" لتنفيذ العمليات الفعلية على السلسلة، مما يربط بيئات متعددة السلاسل مثل EVM و BTC و Solana.

• طبقة التنفيذ القياسية: تدعم العمليات على الأصول على السلسلة ( مثل التداول، الرهن، وإضافة السيولة ) معالجة تلقائية بنقرة واحدة، وهي محور رئيسي لأتمتة الأنشطة على السلسلة.

• مستخرج دلالات البيانات: يوفر دعم البيانات الهيكلية القياسية لنماذج الذكاء الاصطناعي والوكيل، لتحقيق تحديثات البيانات عالية التردد وحسابها اللازمة لتحويل المعلومات إلى مالية (InfoFi).

بفضل BQL، تعمل Port3 على دفع عالم Web3 لبناء "بروتوكول لغة طبيعية على السلسلة" جديد، مما يرفع السلوك على السلسلة من "طبقة الشيفرة" إلى "طبقة النية" - الآلات لا تنفذ فقط التعليمات التي تقولها، بل يمكنها أيضًا فهم نيتك.

قدرة تكامل وكيل الذكاء الاصطناعي: Ailliance.ai

• Port3 تعمل على بناء طبقة API للوكيل العامة، حيث يمكن للمطورين استدعاء البيانات الهيكلية التي تم إنشاؤها بواسطة Rankit/SoQuest/OpenBQL أو تنفيذ التعليمات مباشرة.

• تشمل التطبيقات مساعد الاستثمار الآلي، والروبوتات التفاعلية، والمساعد الذكي للألعاب القائمة على blockchain، مما يغطي مجموعة متنوعة من السيناريوهات مثل اتخاذ قرارات التداول، وإصدار المهام، وإدارة المجتمع.

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

الهدف النهائي هو بناء شبكة بروتوكولات معيارية تعتمد على بيانات السلوك في Web3 AI، مما يسمح لوكيل الذكاء الاصطناعي بفهم والتعرف على الأصول على السلسلة والتلاعب بها.

3.2 Port3’s حواجز: عجلة النمو الناتجة عن تراكم الأعمال

تستطيع Port3 أن تتصدر مكانة في سرد القصص بالذكاء الاصطناعي في Web3، والسبب الجذري لذلك ليس في امتلاكها لقدرات نموذجية متقدمة، ولكن في أنها خلال عملية تراكم الأعمال، قامت ببناء أصول بيانات سلوكية اجتماعية عالية القيمة تتمتع بعمق وشمولية كبيرين. هذه الميزة البياناتية تضع أساسًا فريدًا لتطبيقات الذكاء الاصطناعي الخاصة بـ Port3، وبناء الوكلاء، وتدريب النماذج:

3.2.1. بيانات سلوك السلسلة على السلسلة وتحت السلسلة بمستوى عشرة ملايين

استنادًا إلى تشغيل منصة المهام SoQuest لمدة ثلاث سنوات، قامت Port3 بتجميع أكثر من 10 ملايين مستوى من مسارات مشاركة المستخدمين، تغطي سلوكيات المهام، والتفاعل مع المحفظة، والأصول على السلسلة، ودرجة المشاركة في المجتمع عبر عدة أبعاد. تتجاوز هذه البيانات بين Web2 و Web3، مثل منشورات تويتر، والنشاط على Discord، والاحتفاظ في Telegram، والمعاملات على السلسلة، والتخزين، والاحتفاظ بالمراكز، لتشكل خريطة سلوك اجتماعي كثيفة للغاية. في سياق نموذج AI الحالي "البيانات كوقود"، تعد هذه البيانات السلوكية المنظمة والعالية التفاعل بلا شك من أهم الموارد المدخلة لبناء وكيل AI في Web3.

3.2.2 التعاون العميق مع آلاف المشاريع، وتحديث البيانات بشكل مستمر وفي الوقت الحقيقي

Port3 ليس منصة موجهة لمنتج واحد، بل أقامت شراكات مع أكثر من 7000 مشروع Web3، تغطي مجموعة من السيناريوهات بما في ذلك إصدار الإيجارات، وتصميم المهام، وإدارة المجتمع، والتفاعل على السلسلة. هذه الشراكة لم تجلب فقط سلوكيات المستخدمين الحقيقية، بل ضمنت أيضًا تنوع البيانات وواقعيتها. من خلال قنوات البيانات التي تم بناؤها مع أصحاب المشاريع، تستمر Port3 في امتصاص أحدث الاتجاهات البيئية وتوجهات المستخدمين، مما يبني محرك بيانات يتطور بشكل ديناميكي بدلاً من مجموعة ثابتة من اللقطات. هذه القدرة على تحديث البيانات توفر "مجموعة تدريب" مستمرة لنماذج الذكاء الاصطناعي.

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

بالمقارنة مع بيانات الويب 2 العامة، فإن هوية مستخدمي الويب 3 على السلسلة، ومسارات التفاعل، وسلوكيات الأصول تتمتع بدرجة عالية من匿名性 وتعقيد الهيكل، مما يجعل النماذج التقليدية صعبة التكيف. بينما يقوم Port3 من خلال نظام التعرف الدلالي الخاص بـ Rankit ونظام علامات السلوك بفتح مسارات الربط بين السلوك على السلسلة والدلالات اللغوية الطبيعية. على سبيل المثال: "المحفظة A تشارك في عملية الإطلاق في بروتوكول B + تغريد + المشاركة في الحوكمة مرة أخرى"، يمكن نمذجتها كعلامة دلالية "مشارك نشط" أو "مبشر مبكر"، مما يمكّن وكيل الذكاء الاصطناعي من فهم وتحفيز هذه الجماعات من المستخدمين. هذه هي الخطوة الأساسية لدفع نماذج الذكاء الاصطناعي على السلسلة من "الإدراك" إلى "الفهم".

إن مزايا الذكاء الاصطناعي في Port3 ليست مبنية على فراغ، بل تستند إلى البيانات الحقيقية للمستخدمين التي تم جمعها على مدار ثلاث سنوات من تشغيل منصة المهام، ومسارات السلوك المتعددة الأبعاد، والتعاون المستمر في المشاريع. تعتبر هذه البيانات المنظمة للغاية، ذات المعاني الأصلية الواضحة، والقابلة للاستخدام، من الأصول الأساسية لانفجار قدرات وكلاء الذكاء الاصطناعي في Web3 في المستقبل.

في هذا العصر الذي تُعتبر فيه البيانات قيمة، أصبحت Port3 في موقع بناء "العميل الذكي على السلسلة" في قاعدة Web3.

![من البيانات الاجتماعية إلى الذكاء الاصطناعي الكبير