تكشف رسوم الغاز في Ethereum حدود التنبؤ بالذكاء الاصطناعي

هل يستطيع الذكاء الاصطناعي التنبؤ بضغط شبكة Ethereum؟

قد تواصل Ethereum إنتاج الكتل، فيما تصبح مكلفة أو غير مريحة للاستخدام. وهذا التمييز مهم لمن يرسل دفعة، أو يعدّل مركزًا إقراضيًا، أو يُتمّ تسوية أصل مُرمّز. فمجرد عمل سلسلة الكتل لا يضمن أن تكون تكاليف المعاملات قابلة للتنبؤ.

تبحث دراسة جديدة أعدّها سْفِسِهلي خومالو وموناك مايْتي في قدرة التعلّم الآلي على رصد إجهاد شبكة Ethereum (ETH ) من خلال التغيرات في أسعار الغاز ورسوم المعاملات.¹ وتوفر نتائجها نقطة انطلاق مفيدة لتحسين الرصد، لكنها تكشف أيضًا عن فجوة مهمة: فرصد الظروف غير المعتادة اليوم أسهل بكثير من توقّعها غدًا.

تتيح هذه الفجوة فرصة لمزوّدي البنية التحتية لسلاسل الكتل. فمع انتقال مزيد من الخدمات المالية إلى سلاسل الكتل، قد يصبح تحويل بيانات الشبكة إلى قرارات تشغيلية مفيدة بأهمية زيادة سعة المعاملات.

لماذا تهم رسوم الغاز في Ethereum بما يتجاوز تداول العملات المشفّرة؟

يقيس الغاز مقدار العمل الحاسوبي اللازم لتنفيذ معاملة على Ethereum. ويدفع المستخدمون مقابل هذا العمل، وقد ترتفع التكلفة عندما يزداد الطلب على التنفيذ. لذلك قد تشير قفزة الرسوم إلى ضغط على السعة المتاحة، لكنها لا تعني بالضرورة أن الشبكة تتعطل.

تتوقف العواقب الاقتصادية على نوع المعاملة. فيمكن تأجيل تحويل غير عاجل. أما المقترض الذي يضيف ضمانات لتفادي التصفية، فقد لا يملك هامشًا كبيرًا للمناورة. وتحتاج الأعمال التي تعالج دفعات صغيرة ومتكررة إلى إبقاء التكاليف ضمن حدود معقولة مقارنةً بقيمة كل دفعة.

تزداد أهمية ذلك مع توسّع تطبيقات سلاسل الكتل إلى ما يتجاوز التداول المضاربي. ويوضح ما نشره Securities.io مؤخرًا عن ترميز ARK Venture Fund على Ethereum كيف تدخل المنتجات الاستثمارية إلى هذا النظام البيئي. ولا يجعل الترميز كل معاملة عاجلة، لكنه يزيد أهمية فهم البنية التحتية التي تدعم الملكية والتحويلات.

من شأن نظام إنذار مفيد أن يساعد المشغّلين على توقّع ظروف التنفيذ. ولا يلزمه التنبؤ بسعر Ether أو تشخيص كل تهديد أمني محتمل كي يقدّم قيمة.

كيف تعمل دراسة رصد الإجهاد في Ethereum؟

حلّل الباحثون مؤشرات Ethereum للفترة الممتدة من يوليو 2015 إلى يوليو 2025، واستمدّوها من Etherscan. وشملت هذه المؤشرات نشاط المعاملات، واستخدام الغاز، والرسوم، ومؤشرات تاريخية مرتبطة بالتعدين. وعلى الرغم من أن الدراسة تصوغ المسألة على مستوى الكتل، فإن اختبارات التنبؤ فيها تعتمد على بيانات يومية؛ لذا لا ينبغي تفسير نتائجها على أنها تحذيرات بشأن كتل بعينها ستُنتَج قريبًا.

اختُبرت ثلاثة أساليب. تجمع خوارزمية الغابة العشوائية بين عدد كبير من أشجار القرار. وتبحث خوارزمية الغابة العازلة عن الملاحظات التي تختلف عن السلوك المعتاد. أما شجرة القرار فتستخدم قواعد متفرعة تجعل تصنيفاتها سهلة الفحص نسبيًا.

استند التعريف الأساسي للإجهاد إلى الارتفاع غير المعتاد في رسوم المعاملات مقارنةً بخط أساس متحرك. ويمنح ذلك النماذج هدفًا قابلًا للقياس، لكنه يطرح تعقيدًا: فقد يعيد النموذج الذي يستخدم مدخلات مرتبطة بالرسوم بناء القاعدة المستخدمة لتصنيف الإجهاد جزئيًا، بدلًا من اكتشاف مشكلة تشغيلية مستقلة.

عالج الباحثون ذلك بإجراء فحوص إضافية، شملت استبعاد المتنبئات المشتقة من الرسوم، والاختبار على ملاحظات لاحقة، وإنشاء تعريف بديل للإجهاد استنادًا إلى نشاط كتل العم. وترتبط هذه الكتل التاريخية بنظام إثبات العمل السابق في Ethereum، ولا يمكنها أن توفر الاختبار المستقل نفسه في حقبة إثبات الحصة الحالية.

ما الذي تُظهره نتائج التنبؤ في Ethereum فعلًا؟

قد تكون الدقة مضللة عندما يكون الإجهاد نادرًا. فقد يحقق نموذج يتنبأ عادةً بظروف طبيعية تقييمًا مرتفعًا، مع إخفاقه في رصد معظم الأحداث التي تهم المشغّلين. ويقيس مقياس الإحكام مدى صحة تحذيراته، بينما يقيس الاستدعاء عدد أحداث الإجهاد الفعلية التي يرصدها. أما مقياس F1 فيجمع بين هذين المقياسين.

حققت الغابة العشوائية التي ضبطها الباحثون في الدراسة قيمة F1 بلغت 0.50 لرصد الإجهاد في اليوم نفسه باستخدام مجموعة السمات كاملةً. وتراجع الأداء مع زيادة أفق التنبؤ.

تشير هذه النتائج إلى وجود قدرة محدودة على التنبؤ، لا إلى إنذار موثوق يمتد لعدة أيام. وبشكل منفصل، حققت الغابة العشوائية ذات السمات المختزلة دقة إجمالية بلغت 91%، لكنها لم ترصد سوى 23% من حالات الإجهاد المحددة وفقًا للرسوم. وأنتج التحقق المستقل باستخدام كتل العم نتائج أضعف بكثير وأقل استقرارًا.

ويكتسب هذا التمييز أهمية محورية لفهم صلة الدراسة بالاستثمار. فرصد تقلب الرسوم، والتنبؤ بالازدحام، واستشراف إخفاق أمني، مهام مختلفة. وتقدم الدراسة أدلة على المهمة الأولى، وأدلة محدودة على الإجهاد المستقبلي المحدد وفقًا للرسوم. لكنها لا تثبت إمكانية التنبؤ الموثوق بالهجمات أو الانقطاعات أو أسعار الأصول.

تحويل تحذيرات الشبكة إلى قرارات مفيدة

السؤال العملي هو: ما الذي ينبغي للمشغّل فعله عند تلقي تحذير غير دقيق؟ قد لا تضيف لوحة معلومات تعلن ارتفاع المخاطر من دون اقتراح إجراء يُتخذ قيمة تُذكر. وقد يكون النظام الذي يربط هذا التحذير بمدى إلحاح المعاملات وميزانيات الرسوم وسياسات التشغيل أكثر فائدة.

على سبيل المثال، قد تؤخر خدمة دفع تجميع المعاملات الاختياري عندما ترتفع التكاليف، مع الحفاظ على سعة للتحويلات العاجلة. وقد يخطط فريق الخزانة للتحويلات الاعتيادية استنادًا إلى التكاليف المتوقعة. هذه تطبيقات محتملة، وليست قدرات أثبتتها الدراسة.

• ميّز بين المعاملات العاجلة وتلك التي يمكنها الانتظار.
• وائِم عتبات التحذير مع تكلفة الأحداث الفائتة والإنذارات الكاذبة.
• قارن التنبؤات بقواعد بسيطة قائمة على الرسوم قبل النشر.

تختلف العتبة المناسبة باختلاف حالة الاستخدام. قد يكون الإنذار الكاذب الذي يؤخر تحويلًا اعتياديًا مقبولًا. أما الإنذار الذي يعطّل تعديلًا ضروريًا للضمانات، فقد يكون مكلفًا. وسيجعل تقييم الأموال التي جرى توفيرها والمعاملات التي أُنجزت قرارات النشر أكثر جدوى من مجرد تحسين درجة الدقة الرئيسية.

لماذا تغيّر ترقيات Ethereum تحديات المراقبة

يمتد تاريخ Ethereum على مدى عقد من الزمن، وشهد ظروف تشغيل مختلفة اختلافًا كبيرًا. فقد غيّر الانتقال إلى إثبات الحصة طريقة إنتاج الكتل، فيما غيّرت ترقيات التوسع العلاقة بين النشاط على الشبكة الرئيسية وتكاليف التطبيقات. وقد لا يظل النموذج المدرّب على حالات الازدحام السابقة موثوقًا إلى أجل غير مسمى.

يوضح إعلان Ethereum Foundation عن ترقية Fusaka التحسينات التي تستهدف أداء الطبقة الأولى وسعة البيانات لشبكات الطبقة الثانية. وتتيح آلية PeerDAS للعُقد التحقق من إتاحة البيانات بأخذ عينات بدلًا من تنزيل كتل البيانات بالكامل، ما يدعم زيادة معدل النقل.

تنتهي بيانات الدراسة قبل ترقية Fusaka، لذا لا يمكنها إثبات الأداء في ظل البيئة المحدّثة. وهذا سبب عملي لتحديث النماذج والتحقق من صلاحيتها في ضوء الظروف الراهنة.

تحتاج المراقبة أيضًا إلى عدة مؤشرات متمايزة. فلا تكفي رسوم الشبكة الرئيسية لوصف الحالة التشغيلية لتطبيق على الطبقة الثانية وصفًا كاملًا. وقد يكون لتوافر مُسلسِل المعاملات وتكاليف نشر البيانات وسلوك التأكيد أهمية إلى جانب أسعار الغاز. وتوضح تغطية Securities.io لموضوع فحص عقود بونزي على Ethereum بالذكاء الاصطناعي وجود طبقة مخاطر منفصلة أخرى، هي سلوك العقود. ويتطلب جمع المؤشرات الحفاظ على ما يقيسه كل منها فعليًا.

تتيح Coinbase التعرض لقطاع البنية التحتية للبلوكتشين

توفر الحاجة المتزايدة إلى بنية تحتية موثوقة صلة طبيعية بشركة Coinbase Global (COIN ) . فإلى جانب منصتها للتداول، تقدم Coinbase خدمات الحفظ والتحصيص، وأسهمت في تطوير Base، وهي شبكة Ethereum من الطبقة الثانية. وتنبع أهميتها من دعم استخدام البلوكتشين، لا من تسويق هذا البحث بعينه.

تركز استراتيجية Base لعام 2026 على الأسواق العالمية والمدفوعات والعملات المستقرة والبنية التحتية للمطورين. وتجعل هذه الأولويات الموثوقية التشغيلية مهمة تجاريًا؛ إذ يحتاج المستخدمون إلى خدمات تتعامل مع النشاط باستمرار مع تزايد التبني.

أعلنت Coinbase في نتائج الربع الثاني من عام 2026 عن نمو حجم معاملات العملات المستقرة على Base بمقدار سبعة أضعاف على أساس سنوي، وعن أن إيرادات الاشتراكات والخدمات شكّلت 48% من صافي الإيرادات. وتوفر هذه الأرقام التي أعلنتها الشركة سياقًا لانكشافها الأوسع على البنية التحتية، لكنها لا تثبت أن مراقبة الشبكة ستحسن الأرباح تحسنًا ملموسًا.

ما زال على المستثمرين تقييم التقييم والمنافسة والتنظيم ومدى التأثر بنشاط العملات المشفرة. فزيادة استخدام البلوكتشين لا تترجم تلقائيًا إلى عوائد متناسبة للمساهمين.

أحدث أخبار وتطورات Coinbase Global (COIN)

تبدأ المراقبة الأفضل لـEthereum بتحقق أفضل

يقدم البحث درسًا بنّاءً: تحتوي بيانات الغاز والرسوم على معلومات مفيدة، لكن نظام التحذير التشغيلي يحتاج إلى أدلة أقوى من الأنماط التاريخية المألوفة. وتشمل الخطوات التالية الضرورية وضع تسميات مستقلة للأحداث، واختبار النماذج على الشبكة الحالية، ومقارنتها ببدائل بسيطة.

قد يتحقق التقدم عبر تحسينات متواضعة تساعد المستخدمين على اتخاذ قرارات أفضل، بدلًا من الاعتماد على نموذج واحد يتنبأ بكل اضطراب. وبالنسبة إلى المنظومة المالية المتوسعة لـEthereum، فهذا مسار موثوق نحو بنية تحتية أكثر قابلية للتنبؤ.

المراجع:

¹ Khumalo, S., & Maiti, M. (2026). الشذوذ على مستوى الكتل بوصفه مؤشرات مبكرة على إجهاد شبكة إيثريوم. Research in International Business and Finance. نشر إلكتروني مسبق. https://doi.org/10.1016/j.ribaf.2026.103670