هوش مصنوعی و کریپتو یکدیگر را پیدا کردند — حالا چه می‌شود؟

شاید این اتفاق اجتناب‌ناپذیر بود. دو فناوری که تا همین اواخر توانسته بودند امور مالی جهانی را برهم بزنند، دولت‌ها را تحریک کنند، وفاداری‌هایی شبیه به فرقه ایجاد نمایند و نهادهای حاکم را به یک اندازه بترسانند، اکنون یکدیگر را پیدا کرده‌اند. هوش مصنوعی و ارزهای دیجیتال — که پیش از این دو جریان تحول‌آفرین مجزا بودند و به موازات هم رشد می‌کردند — اکنون در حال ادغام در یک داستان بزرگ هستند؛ داستانی درباره آینده نحوه انتقال ارزش، اینکه چه کسی آن را کنترل می‌کند و آیا اصولاً واژه «چه کسی» دیگر کلمه مناسبی است یا خیر.

این همگرایی صرفاً یک تئوری نیست. این پدیده در بازارهای زنده، در اتاق‌های هیئت‌مدیره سرمایه‌گذاران خطرپذیر و در صحن‌های قانون‌گذاری بروکسل و واشنگتن در جریان است؛ در مزارع سرور شرکت‌هایی رخ می‌دهد که هرگز نامشان را نشنیده‌اید، اما انتخاب‌هایشان شکل نسخه بعدی اینترنت را رقم خواهد زد. ادغام هوش مصنوعی و کریپتو در حال تولید چیزهایی است که پیش از این حقیقتاً وجود نداشتند — و پرسش‌های حقوقی، اخلاقی و اقتصادی را مطرح می‌کند که در حال حاضر هیچ‌کس پاسخ کاملی برای آن‌ها ندارد.

همان‌طور که می‌توانید تصور کنید، واکنش افکار عمومی طیفی گسترده از هیجان بی‌چون‌وچرا تا انزجار غریزی را در بر می‌گیرد و فضای اعتدال چندانی در این میان دیده نمی‌شود. کسانی که از پیش نسبت به کریپتو محتاط بودند، دلایل بیشتری برای نگرانی پیدا کرده‌اند. فقط نباید اجازه داد این بعد جدید از هشدار مختص افرادی باشد که از قبل نسبت به هوش مصنوعی نگران بوده‌اند. و در جایی این بین، این ادغام واقعی در هر صورت در حال وقوع است؛ تحت هدایت همان منطقی که هر نمونه دیگری از همگرایی فناوری را پیش برده است: ابزارها به هم متصل می‌شوند، پول برای به‌دست آوردن وجود دارد و کسانی که این کار را انجام می‌دهند منتظر مجوز نمی‌مانند.

آنچه کریپتو هم‌اکنون برای هوش مصنوعی انجام می‌دهد — و بالعکس

پیش از پرداختن به پرسش‌های دشوارتر، بهتر است بدانیم این ادغام عملی در عمل چه شکلی دارد. زیرا نقطه تلاقی هوش مصنوعی و کریپتو یک پدیده منفرد نیست — بلکه اتفاقات متعددی است که به‌طور هم‌زمان و در لایه‌های مختلف پشته فناوری رخ می‌دهند.

اما در یک سطح، به‌کارگیری هوش مصنوعی روی داده‌های بلاک‌چین مشابه هر مجموعه داده بزرگ دیگری است: یافتن الگوها، شناسایی ناهنجاری‌ها و تولید اطلاعات کاربردی. شرکت‌های تحلیل بلاک‌چین، یادگیری ماشین را در پلتفرم‌های خود ادغام کرده‌اند تا تراکنش‌های مشکوک را نمایان سازند، خوشه‌های کیف پولی مرتبط با مجرمان شناخته‌شده را شناسایی کنند و جریان وجوه را در شبکه‌های مختلف به‌صورت آنی ردیابی نمایند. این موضوع به بخش جدایی‌ناپذیری از روش‌های مجریان قانون برای پیگیری فعالیت‌های غیرقانونی کریپتو تبدیل شده است. همان دفتر کل تغییرناپذیری که بلاک‌چین را برای مجرمان مفید می‌سازد، آن را به یک منبع داده فوق‌العاده غنی برای آموزش هوش مصنوعی نیز بدل می‌کند — هر تراکنش تا ابد ثبت می‌شود، هر آدرس به هر آدرس دیگری قابل پیوند است، و یک تاریخچه مالی دائمی و کامل ایجاد می‌کند که هیچ مجموعه داده دیگری توان ارائه آن را ندارد.

در جبهه‌ای دیگر، هوش مصنوعی راه خود را به زیرساخت‌های بنیادین کریپتو باز می‌کند. Bittensor یک شبکه یادگیری ماشین غیرمتمرکز است که در آن مدل‌های هوش مصنوعی همراه با یکدیگر آموزش می‌بینند و بر اساس کیفیت مشارکت خود، با توکن‌ها پاداش دریافت می‌کنند. این پروژه در حال حاضر از بیش از 128 زیرشبکه (subnet) فعال پشتیبانی می‌کند و مدل‌های زبانی بزرگ را به‌طور کامل به‌صورت آن‌چین (on-chain) آموزش داده است — دستاوردی که چند سال پیش غیرممکن تلقی می‌شد. شبکه Render Network سازندگان و توسعه‌دهندگان را به ظرفیت پردازنده‌های گرافیکی (GPU) توزیع‌شده در سراسر جهان متصل می‌کند، این اشتراک‌گذاری را روی بسترهای بلاک‌چینی سازمان‌دهی می‌نماید و باعث می‌شود هزینه آن بسیار کمتر از اجرای توان پردازشی معمول مورد نیاز هوش مصنوعی باشد. Ocean Protocol صاحبان داده را قادر می‌سازد تا از مجموعه‌داده‌های خود برای توسعه‌دهندگان هوش مصنوعی درآمدزایی کنند، بدون اینکه مالکیت یا کنترل داده‌های خام را از دست بدهند — الگوریتم به سمت داده می‌رود، به جای اینکه داده به سمت الگوریتم منتقل شود.

این‌ها پروژه‌های توخالی (vapourware) نیستند که صرفاً وایت‌پیپرهای بلندپروازانه تولید کنند و کاربرد واقعی نداشته باشند. آن‌ها اثبات مفهومی برای اکوسیستمی هستند که کار می‌کند و سرمایه قابل‌توجهی را به خود جذب می‌نماید. تا سال 2025، سرمایه‌گذاری خطرپذیر در کریپتو به 7.9 میلیارد دلار رسید — افزایش 44 درصدی نسبت به سال گذشته — و حدود 40 درصد از این رقم مشخصاً به پروژه‌های بلاک‌چینی ادغام‌شده با هوش مصنوعی اختصاص یافت. مردم پول خود را پشت این همگرایی قرار می‌دهند زیرا باور دارند این پدیده واقعی و پایدار است. وقتی شرکت بزرگ تحلیل کریپتو Nansen از عامل‌های مبتنی بر هوش مصنوعی رونمایی کرد که می‌توانند داده‌های آن‌چین را تفسیر کنند، به سؤالات پاسخ دهند و بینش‌های به‌موقع بازار را به زبان طبیعی ارائه دهند، این کار برای نمایش نبود — بلکه بر نکته عمیق‌تری تأکید داشت: هوش مصنوعی داده‌های بلاک‌چین را برای مخاطبانی که پیش از این خواندن آن را بلد نبودند، خوانا، قابل دسترس و قابل استفاده می‌کند.

این ترکیب یک چرخه مطلوب ایجاد می‌کند: بلاک‌چین پایگاه‌های داده‌ای با ساختار منحصربه‌فرد، دائمی و قابل راستی‌آزمایی تولید می‌کند که سیستم‌های هوش مصنوعی می‌توانند با آن‌ها کار کنند؛ سیستم‌های هوش مصنوعی داده‌های بلاک‌چین را برای تصمیم‌گیرندگان انسانی قابل تفسیر و قابل اجرا می‌سازند؛ و سیستم‌های هوش مصنوعی به‌طور فزاینده‌ای به جای اینکه صرفاً ابزاری برای تحلیل بلاک‌چین‌ها باشند، به شرکت‌کنندگان در اقتصاد خود این بلاک‌چین‌ها تبدیل می‌شوند. این تحول آخر جایی است که مسائل واقعاً شگفت‌انگیز و عجیب می‌شوند.

اقتصاد ماشین‌ها: روزی که هوش مصنوعی پول خرج می‌کند

ایده‌ای که این تصویر را به بنیادین‌ترین شکل بازتعریف می‌کند، اینجاست. تمام موارد بالا از هوش مصنوعی به عنوان یک ابزار استفاده می‌کنند — چیزی که انسان‌ها برای کسب آگاهی یا تعامل با بلاک‌چین به کار می‌گیرند. مرحله بعدی اساساً متفاوت است: هوش مصنوعی به عنوان یک کنشگر اقتصادی مستقل؛ نهادی که صرفاً تراکنش‌ها را تحلیل نمی‌کند، بلکه خودش آن‌ها را مجاز کرده و به مرحله اجرا می‌گذارد.

این طرز فکری است که پشت آنچه امروزه با نام عامل‌های هوش مصنوعی (AI agents) شناخته می‌شوند قرار دارد: سیستم‌های نرم‌افزاری که می‌توانند در جهان عمل کنند — وب‌گردی کنند، خرید انجام دهند، به APIها متصل شوند، خدمات رزرو کنند و وظایف را پیش ببرند — بدون اینکه یک انسان قبل از هر مرحله، گام بعدی را به آن‌ها دیکته کند. عاملی که باید درباره یک بازار تحقیق کند، ممکن است نیاز به خرید یک مجموعه‌داده اختصاصی داشته باشد. به عنوان مثال اگر یک سرویس وب داشته باشید، منابع پردازشی چیزی است که باید هزینه آن پرداخت شود. کسی که مأمور مدیریت یک جریان کاری است، شاید مجبور باشد برای دسترسی به یک API خارجی در میانه کار خود، کارمزدی پرداخت کند. در تمام این موارد، عامل باید پول خرج کند — به‌صورت آنی و بدون دخالت انسان — در مبالغی که می‌تواند کسری از یک سنت یا چندین دلار در هر تراکنش باشد — هزاران بار در ساعت.

چالش اینجاست که کل زیرساخت پرداخت‌های فعلی برای انسان‌ها ساخته شده است. کارت‌های اعتباری با آدرس صورت‌حساب و قراردادهای دارندگان کارت همراه هستند. برای حواله‌های بانکی، مدارک هویتی دارندگان حساب مورد نیاز است. خدمات اشتراکی ابتدا به تأیید کاربر نیاز دارند. تمام این سازوکارها دارای اصطکاک داخلی هستند — از روی قصد، زیرا این اصطکاک راهی برای محافظت در برابر کلاهبرداری و خطا نیز هست. همه این‌ها کاملاً با نرم‌افزاری که ده‌ها هزار ریزپرداخت (micropayment) در هر ثانیه در راستای انجام وظایف دیگر انجام می‌دهد، ناهمخوان و ناسازگار است.

استیبل‌کوین‌ها — و به‌ویژه زیرساخت‌های مربوط به ارسال USDT، و همچنین سایر تراکنش‌های آن‌چین — خدماتی را ارائه می‌دهند که هیچ بستر پرداخت سنتی قادر به ارائه آن نیست. یک تراکنش استیبل‌کوین نیازی به قرارداد دارنده کارت، رابطه بانکی از پیش موجود، یا احراز هویت پیچیده فراتر از آدرس یک کیف پول ندارد. تسویه آن در چند ثانیه انجام می‌شود. برای ریزپرداخت‌هایی که کارمزدهای بانکی معمولاً آن‌ها را کاملاً می‌بلعد، کارآمد است. تسویه‌های USDT در شبکه‌های کارآمدی مانند TRON تقریباً هیچ کارمزدی به همراه ندارند؛ دنیایی کاملاً متفاوت از پردازنده‌های سنتی که حتی برای یک تراکنش و چه برسد به هزاران تراکنش، مبالغ بالایی دریافت می‌کنند. این صرفه اقتصادی به‌گونه‌ای است که هیچ شبکه کارت اعتباری، انتقال ACH یا درگاه پی‌پال نمی‌تواند در مقیاس ماشین با آن رقابت کند.

این منطق، مبنای چیزی است که شاید مهم‌ترین اعلامیه زیرساختی سال گذشته باشد. Coinbase و Cloudflare مشترکاً بنیاد x402 را معرفی کردند — پروژه‌ای که با اعضایی نظیر Microsoft، Google، Amazon Web Services، American Express، Stripe و Circle و همچنین Solana Foundation در کنار دیگر پایه‌گذاران آغاز شد — تا متولی پروتکل باز x402 باشند که پرداخت‌های استیبل‌کوینی را به‌طور ذاتی در HTTP (واحد استاندارد تبادل اطلاعات وب) ادغام می‌کند. یک عامل هوش مصنوعی که با دیوار پرداخت داده (paywall) مواجه می‌شود، می‌تواند به‌سادگی مبلغ را با USDC بپردازد و کار خود را در همان تعامل و بدون نیاز به انسان تمام کند. ارسال توکن USDT — یا معادل آن در USDC — به عنوان بخشی بومی از خود درخواست وب در نظر گرفته می‌شود، نه مرحله‌ای مجزا که توسط سیستمی جداگانه بررسی گردد.

رقابت برای ساخت این زیرساخت در حال حاضر بسیار شدید است. جدیدترین نمونه Cloudflare است که قصد دارد توکن دلارمحور اختصاصی خود به نام NET Dollar را برای تبادل پول میان عامل‌های هوش مصنوعی توسعه دهد. استانداردی رقیب موسوم به Machine Payments Protocol توسط Stripe همراه با شبکه‌ای به نام Tempo — که پیرامون تسویه‌های استیبل‌کوین توسط شرکت سرمایه‌گذاری خطرپذیر کریپتویی Paradigm راه‌اندازی شده — معرفی گردید. رقابت آغاز شده است تا لایه پرداخت پیش‌فرض برای اقتصاد ماشین‌به‌ماشین تعیین شود؛ اقتصادی که هنوز به طور کامل شکل نگرفته است، اما تمام شرکت‌های بزرگ فناوری روی تحقق آن شرط‌بندی کرده‌اند.

پروژه هویتی سم آلتمن، یعنی World، به طور ویژه با Coinbase و اکوسیستم x402 همکاری می‌کند تا به یکی از پیچیده‌ترین مسائل برآمده از این تحول پاسخ دهد: چگونه می‌توان اثبات کرد یک انسان واقعی پشت اقدامات یک عامل هوش مصنوعی قرار دارد؟ راه‌حلی که آن‌ها در حال توسعه‌اش هستند، شامل اثبات‌های رمزنگاری‌شده هویت انسانی است که می‌تواند همراه با تراکنش‌های عامل حرکت کند — تلاشی برای حفظ پاسخگویی در سیستمی که ذاتاً به گونه‌ای طراحی شده که ردیابی مسئولیت در آن تقریباً غیرممکن است.

مسئله پاسخگویی صرفاً یک بحث دانشگاهی نیست. Virtuals Protocol یکی از فعال‌ترین پروتکل‌ها برای پیاده‌سازی عامل‌های هوش مصنوعی با اقتصاد آن‌چین است که فعالیت بیش از 18,000 عامل فعال با ارزش تجمیعی بیش از 470 میلیون دلار را ثبت کرده است. با این حال، ارزش توکن آن افت بیش از 80 درصدی را نسبت به اوج تاریخی خود تجربه کرده است — یادآوری مهمی مبنی بر اینکه چرخه هیجان پیرامون عامل‌های هوش مصنوعی، همان الگوی چرخه‌های هیجان پیشین در کریپتو را دنبال می‌کند. و زمانی که یک آسیب‌پذیری نه‌ساله در یک عامل معاملاتی هوش مصنوعی منجر به بیش از 45 میلیون دلار حوادث امنیتی در سال 2026 شد، نشان داد که عامل‌های هوش مصنوعی با اقدام مستقل در سیستم‌های مالی چقدر می‌توانند آسیب‌های واقعی، سریع و گسترده‌ای به بار آورند. خطرات به هیچ وجه فرضی نیستند.

قانون‌گذاران چکمه‌های خود را محکم می‌کنند

دولت‌هایی که نظاره‌گر این همگرایی هستند بیکار ننشسته‌اند، اما واکنش‌های آن‌ها بیشتر بیانگر میزان پیچیدگی مسئله است تا میزان آمادگی‌شان برای مهار آن.

در حوزه هوش مصنوعی، اتحادیه اروپا با تصویب EU AI Act — جامع‌ترین چارچوب نظارتی هوش مصنوعی تا به امروز — بیشترین پیشروی را داشته است. طبق این قانون، هر سیستمی که با انسان تعامل دارد باید افشا کند که هوش مصنوعی است. همچنین برچسب‌گذاری محتوای دیپ‌فیک الزامی است. برای سیستم‌هایی که «پرخطر» ارزیابی می‌شوند — دسته‌ای که شامل هوش مصنوعی مورد استفاده در امتیازدهی اعتباری، استخدام و ارزیابی آموزشی است — مقررات شفافیت دقیق و نظارت انسانی پیش‌بینی شده است. این مجازات‌ها ممکن است شامل جریمه‌هایی تا سقف 35 میلیون یورو (یا 7 درصد از گردش مالی جهانی شرکت) باشد که این قانون را در سطحی مشابه با GDPR قرار می‌دهد. ممنوعیت‌ها برای پرخطرترین دسته‌های هوش مصنوعی در اوایل سال 2025 اعمال شد و الزامات سیستم‌های پرخطر تا سال 2026 به‌صورت تدریجی اجرایی می‌شود.

در ایالات متحده قانون هوش مصنوعی یکپارچه‌ای وجود ندارد، اما اعمال مقررات از طریق چارچوب‌های کنونی در جریان است. نهادهای ناظر این چارچوب‌ها را در مورد هوش مصنوعی با این اصل به کار برده‌اند که استفاده از چنین فناوری برای فریب یا گمراه کردن کاربران، رفتاری ناعادلانه ذیل قوانین حمایت از مصرف‌کننده است. لایحه مسئولیت‌پذیری الگوریتمی (Algorithmic Accountability Act) هنوز مراحل قانون‌گذاری را طی می‌کند. نقض‌های فردی مشمول جریمه‌های 50,000 دلاری هستند و مسئولیت مدنی می‌تواند خسارت را چندین برابر کند. روسیه در حال پیشبرد پیش‌نویس قانونی در خصوص هوش مصنوعی است که افشای تعامل کاربر با هوش مصنوعی، اطلاع‌رسانی در زمان اتخاذ تصمیمات بدون دخالت انسان، و حق افراد برای انصراف از تعامل با هوش مصنوعی را اجباری می‌کند — همگی در قالب مسئولیت اداری و کیفری که در صورت «آگاهی یا امکان آگاهی مسئولین» اعمال خواهد شد.

نقطه اشتراک همه این چارچوب‌ها، تمرکز آن‌ها بر تعامل انسان و هوش مصنوعی است. آن‌ها این فرض را بدیهی می‌دانند که حداقل در یک سمت مبادله، انسانی حضور دارد که باید مطلع شود، محافظت گردد یا حق امتناع داشته باشد. این فرض هنگامی که هر دو طرف تراکنش عامل‌های هوش مصنوعی باشند، کاملاً فرو می‌ریزد. اگر یک عامل نرم‌افزاری از طریق ارسال USDT در شبکه TRON به عامل دیگر برای دسترسی به یک API پرداخت انجام دهد، هیچ انسانی برای مطلع شدن وجود ندارد. الزام افشاسازی معنای خود را از دست می‌دهد. زیرساخت «مشتری خود را بشناسید» (KYC) که صرافی‌ها سال‌ها برای ساخت آن زحمت کشیده‌اند، بر پایه مشتری با مدارک شناسایی معتبر کار می‌کند. هیچ‌کدام از این‌ها به‌راحتی با تجارت ماشین‌به‌ماشین همخوانی ندارد.

پرسش‌های حقوقی برآمده از این مسئله بی‌اهمیت نیستند:

1. هنگامی که عامل یک خریدار و فروشنده به صورت خودکار معامله می‌کنند، طرف قرارداد قانونی کیست؟

2. اگر یک عامل باعث زیان مالی شود چه کسی مسئول است — کاربری که آن را مستقر کرده، شرکتی که آن را ساخته یا پلتفرمی که میزبان آن بوده است؟

3. آیا یک الگوریتم می‌تواند همانند طرف‌های تجاری در مقررات مالی مورد «احراز هویت» قرار گیرد؟

4. الزامات ضدپول‌شویی (AML) برای کارمزدهای USDT که از سوی یک عامل فاقد شخصیت حقوقی و بدون حوزه قضایی مشخص ایجاد می‌شود، چیست؟

این‌ها پرسش‌های حل‌نشده پیرامون تجارت ماشینی هستند و زیرساخت‌های جدید پیش از پاسخ به آن‌ها در حال شکل‌گیری است. قانون GENIUS Act بدون بررسی عواقب وضعیتی که در آن کاربر نهایی اصلاً انسان نیست، الزاماتی را برای ناشران استیبل‌کوین تعیین کرد. تعهدات شفافیت EU AI Act وابسته به وجود انسانی است که بتوان به او اطلاع داد، نه پروتکلی که درکی از آن ندارد. مقررات امروز برای دنیایی تدوین شده‌اند که به‌سرعت در حال منسوخ شدن است.

لودیت‌ها هم مخالفت می‌کردند

مخالفت‌ها علیه همگرایی هوش مصنوعی و کریپتو الگویی آشنا را دنبال می‌کند؛ الگویی که با عقب رفتن و نگریستن از دریچه تاریخ، وضوح بیشتری می‌یابد.

شکاکان حوزه کریپتو همواره مدعی بودند که این بستر در درجه اول ابزاری برای سفته‌بازی، کلاهبرداری و فعالیت‌های مجرمانه است. منتقدان هوش مصنوعی نیز انتقاد کرده‌اند که این فناوری فرصت‌های شغلی را از بین می‌برد، قدرت را در دستان چند شرکت مسلط متمرکز می‌کند، اطلاعات نادرست را در مقیاس وسیع انتشار می‌دهد و خطراتی به همراه دارد که سازندگانش با جدیت با آن‌ها برخورد نمی‌کنند. هیچ‌یک از این نگرانی‌ها بی‌اساس نیستند — آسیب‌های اثبات‌شده هر دو فناوری کاملاً ملموس و قابل‌توجه است. اما ادغام این دو صرفاً نگرانی‌ها را دوبرابر نمی‌کند، بلکه دسته نوینی از مخالفت‌ها را پدید می‌آورد: نوعی هراس اخلاقی، که در آن همگرایی دو پدیده که پیش‌تر نیز مشکوک تلقی می‌شدند، نشانه‌ای از حرکت قطعی همه‌چیز به سمت هرج‌ومرج کامل تفسیر می‌شود.

برخی از ترس‌های مشخص پیرامون پیوند هوش مصنوعی و کریپتو موجه است. این خطر که سیستم‌های هوش مصنوعی ممکن است بازارهای کریپتو را دستکاری کنند — از طریق اجرای پامپ و دامپ‌های هماهنگ، فرانت‌رانینگ معاملات، ایجاد تقاضای کاذب با ثبت سفارش‌هایی که پیش از انجام لغو می‌شوند، یا تحریک رفتارهای گله‌ای برای ایجاد سقوط‌های ناگهانی قیمت — یک واقعیت مستند است، نه فرضیه‌بافی. چه رخ می‌دهد وقتی بازاری 24/7 و بدون محدودیت نوسان (circuit breakers) با عامل‌های هوش مصنوعی که با سرعت ماشین عمل می‌کنند در یک بستر قرار گیرند؟ نهادهای ناظری که برای معاملات با سرعت انسانی طراحی شده‌اند، ابزاری برای مدیریت چنین رخدادهایی ندارند. تمرکز زیرساخت‌های پرداخت هوش مصنوعی در دستان چند پلتفرم بزرگ — Coinbase، Cloudflare، Google، Microsoft و Amazon — پرسش‌های به‌حقی درباره مالکیت واقعی بسترهای تجارت ماشینی و معنای آن برای سایرین ایجاد می‌کند.

اما بخش زیادی از این مخالفت‌ها شبیه واکنشی بسیار قدیمی‌تر و از منظر تحلیلی کم‌اهمیت‌تر است. در اوایل قرن نوزدهم، کارگران نساجی انگلیسی — لودیت‌ها (Luddites) — ماشین‌آلاتی را که می‌ترسیدند شغلشان را بگیرد در هم شکستند. مشکلات اقتصادی آن‌ها واقعی بود؛ آشفتگی ناشی از صنعتی شدن شوک عظیمی بود که به‌طور نابرابر تقسیم شد. اما جریان فناوری متوقف نشد. فناوری پابرجا ماند، گسترش یافت، اقتصاد جهان را متحول کرد و در نهایت فعالیت اقتصادی بیشتر و فرصت‌های شغلی متنوع‌تری نسبت به آنچه از بین برد خلق کرد — هرچند با تحمل سختی‌های فراوان در دوره گذار. واژه «لودیت» در زبان نه به عنوان توصیفی از یک جنبش مقاومت موفق، بلکه به عنوان نمادی از مخالفت‌های بی‌اثر در برابر پیشرفت باقی ماند.

این الگو پس از آن همواره با ثباتی تکرارپذیر ادامه یافته است. منتقدان صنعت چاپ پیش‌بینی می‌کردند که این فناوری موجب گسترش بدعت‌ها شده و سلسله‌مراتب اجتماعی را برهم می‌زند — آن‌ها درباره تغییرات حق داشتند اما اینکه گمان می‌کردند راهی برای متوقف ساختن دستگاه چاپ وجود دارد اشتباه می‌کردند. مخالفان آن نگران بودند که اطلاعات با سرعتی بالاتر از توان قضاوت انسان حرکت کند. منتقدان اتومبیل می‌گفتند این وسیله هرگز جایگزین اسب نخواهد شد. مخالفان اینترنت هشدار می‌دادند — و البته بی‌دلیل هم نبود — که این شبکه برای جنایت، تقلب و فروپاشی اجتماعی به کار گرفته خواهد شد؛ آن‌ها درباره این موارد درست می‌گفتند اما در خصوص ارزیابی تأثیر کلی آن کاملاً در اشتباه بودند. کریپتو نیز مسیر خود را داشت، همراه با سال‌ها پیش‌بینی قاطع افراد شناخته‌شده مبنی بر اینکه ممنوع خواهد شد، سقوط خواهد کرد، یک طرح پانزی است و هرگز کسی آن را جدی نخواهد گرفت. سپس BlackRock برای ETF بیت‌کوین اقدام کرد، دولت‌ها اضافه کردن آن به ذخایر ارزی خود را آغاز کردند و پنجره اورتون (Overton window) جابه‌جا شد.

همگرایی هوش مصنوعی و کریپتو نیز به احتمال زیاد همین مسیر را طی خواهد کرد. این ادغام متوقف نخواهد شد؛ نه به این دلیل که نهادهای ناظر هنوز قوانین را تدوین نکرده‌اند، نه به این خاطر که منتقدان دغدغه‌های معقولی نسبت به خطرات خاص دارند، و نه به دلیل اینکه چند شکست پر سر و صدا — مانند 45 میلیون دلار خسارت امنیتی ناشی از عامل‌ها — این فناوری را شکننده نشان می‌دهد. سرمایه‌ها در حال سرازیر شدن است، پروتکل‌ها کدنویسی می‌شوند، پلتفرم‌های اصلی همگام شده‌اند و منطق اصول اولیه به‌درستی کار می‌کند: اگر می‌خواهید سیستم‌های خودکار معامله کنند، به ابزاری برای آن نیاز دارند — و بلاک‌چین این امکان را بهتر از هر گزینه موجود دیگری ارائه می‌دهد. قوانین — هرچند به‌طور ناقص — در نهایت خود را همگام خواهند کرد. مسائل جدیدی در زمان‌های غیرمنتظره پدید خواهد آمد. و بیست سال بعد، وحشت‌های این دوره مانند هراس از اختراع تلگراف به نظر خواهد رسید.

برای کاربران شبکه TRON که پیش از این در این اکوسیستم استیبل‌کوینی فعالیت داشته‌اند، عملی‌ترین سؤال احتمالاً ساده‌تر و فوری‌تر از همه مباحث بالا است: هزینه واقعی ارسال USDT چقدر است و چگونه می‌توان این هزینه‌ها را به حداقل رساند؟ وب‌سایت Netts (netts.io) یک محاسبه‌گر انتقال USDT دارد که به طور خودکار Energy و Bandwidth دقیق مورد نیاز برای هر انتقال TRC-20 را محاسبه می‌کند — و از قبل نشان می‌دهد که آیا TRX سوزانده می‌شود یا Energy اجاره خواهد شد. نگاهی به اعداد: سوزاندن TRX به‌صورت پیش‌فرض برای انتقال به آدرسی که پیش‌تر USDT داشته به 13.84 TRX و برای انتقال به آدرسی با موجودی صفر از این ارز به 27.70 TRX نیاز دارد، در حالی که اجاره Energy این شاخص‌ها را به 2–5 TRX کاهش داده و به‌طور میانگین بیش از 80 درصد صرفه‌جویی ایجاد می‌کند. برای هر فرد یا مجموعه‌ای که تراکنش‌های USDT در حجم قابل‌توجه انجام می‌دهد، اطلاع از این موضوع پیش از انجام تراکنش، تصمیمی کاملاً هوشمندانه از منظر کسب‌وکار است.