تقدم Crypto.com تحليلًا دقيقًا للمشاعر في ثانية واحدة باستخدام الذكاء الاصطناعي المولّد على AWS

تأسست Crypto.com في عام 2016 بمهمة جريئة: جلب العملات المشفرة إلى كل محفظة. وتميز الشركة نفسها عن غيرها من منصات التداول الأخرى من خلال تركيزها القوي على دفع اعتماد المستخدمين، وذلك من خلال شبكة واسعة من الشركاء بما في ذلك التجار وبوابات الدفع. تخدم Crypto.com حاليًا حوالي 100 مليون مستخدم في 90 دولة.

في ظل هذا النمو السريع وتنوّع قاعدة العملاء - كل ذلك في صناعة متطورة وتنافسية - اعتمدت Crypto.com على الذكاء الاصطناعي (AI) المولّد لتقديم تجارب عملاء محسّنة بسرعة. تشمل "حالات استخدام الذكاء الاصطناعي لدى الشركة" أدوات مساعدة تحاورية تختص بعملية التأهيل واستفسارات العملاء، بالإضافة إلى معالجات لإنشاء حملات تسويقية عبر وسائل التواصل الاجتماعي.

في تطبيقات الذكاء الاصطناعي المولّد، تزايدت أهمية تحليل المشاعر وتصنيف سرديات الأخبار؛ ولا سيما في مجال العملات المشفرة حيث يحتاج المستثمرون إلى معلومات دقيقة حول السوق في الوقت المناسب لاتخاذ قرارات واعية مستنيرة. توفر Crypto.com خدمةً تقدم "إحصائيات السوق"، حيث يُمكن للمستخدمين من خلالها الوصول إلى أحدث الأخبار والمعلومات من كل من مصادر الأخبار المشفرة والتقليدية للحصول على رؤى من محركات الذكاء لدى الشركة. تم إعداد كل اشتراك وفقًا لمستوى تداول المستخدم والعملات المعدنية الموجودة في محفظته.

تستخدم Crypto.com في تحليل المشاعر مجموعةً من نماذج تعلّم الآلة (ML) الجاهزة بجانب نماذجها المخصصة. ومع ذلك، واجه المطورون تحدياتٍ تتعلق بقيود النماذج مفتوحة المصدر والتكلفة العالية المتعلقة بالاستضافة الذاتية لنماذج اللغة الكبيرة (LLMs). كما واجهوا مشكلاتٍ تتعلق بالدقة في المخرجات الناتجة عن النماذج مفتوحة المصدر، وخاصةً عند التعامل مع المواقع الإخبارية متعددة اللغات. وبالتالي، سعت Crypto.com إلى حل أكثر فعالية لدمج المخرجات من نماذج تعلّم الآلة المتعددة وتجميعها سواءً النماذج مسبقة التدريب أو النماذج المخصصة لتوفير رؤى دقيقة وموثوقة وشاملة في سوق العملات المشفرة.

تعمل Crypto.com على Amazon Web Services ‏(AWS) منذ إطلاقها، ولذلك عندما سعت إلى الحصول على نماذج لغة كبيرة (LLMs) جديدة لتحليل المشاعر، كان Anthropic Claude 3 على Amazon Bedrock خيارًا منطقيًا. نماذج اللغة الكبيرة (LLMs) هذه هي نماذج قابلة للتوسّع بدرجة كبيرة وتعالج كمياتٍ هائلةً من البيانات في الوقت الفعلي، ما يُسهّل أبحاث السوق الشاملة. أظهرت النتائج الأولية أن نماذج اللغة الكبيرة (LLMs) على Amazon Bedrock تقدم النتائج بسرعة كبيرة، عادةً في غضون ثانية واحدة.

أدى دمج Amazon Bedrock إلى التخلص من الجهد اليدوي والتكلفة الإضافية والقيود الحوسبية المتعلقة بالاستضافة الذاتية لنماذج اللغة الكبيرة (LLMs). في غضون شهر واحد، نفذت Crypto.com نماذج Anthropic Claude 3 Haiku على Amazon Bedrock لتحليل المشاعر وجمع الأخبار حول العملات المشفرة وتحليلها بأكثر من 25 لغة. تستخدم الشركة أيضًا Amazon Bedrock في مواصلة عمليات إثبات المفهوم (POCs) والتطوير. يقول Sunny Fok، رئيس الذكاء الاصطناعي وتكنولوجيا الابتكار في Crypto.com: "ساهم الذكاء الاصطناعي المولّد على خدمات AWS مثل Amazon SageMaker وAmazon Bedrock في تبسيط اعتمادنا لأحدث نماذج اللغة الكبيرة (LLMs) وأحدث تقنيات الذكاء الاصطناعي. يُمكننا الآن نقل الأفكار المبتكرة من مرحلة إثبات المفهوم (POC) إلى الإنتاج الكامل في غضون أسابيع."

لضمان تطبيق المعرفة المتخصصة في مخرجات النماذج، استخدمت Crypto.com بياناتها في ضبط النماذج مفتوحة المصدر بما في ذلك Mistral AI وMeta Llama على Amazon Elastic Compute Cloud (Amazon EC2). يُعد هذا النهج أمرًا بالغ الأهمية عند ظهور عملة جديدة في السوق، حيث غالبًا ما تحقق النماذج الجاهزة نتائج دون المستوى. ثم بدأت Crypto.com في استخدام Amazon SageMaker كمنصة تطوير تعلم الآلة حسب الطلب وشاملة لضبط نماذجها المخصصة.

يقول Raymond Lam، كبير مهندسين في Crypto.com، "يوفر Amazon SageMaker الأدوات وواجهات برمجة التطبيقات (APIs) لتكييف نماذجنا بسهولة باستخدام واجهة سهلة الاستخدام. وعلى غرار Amazon Bedrock، نحتاج فقط إلى تشغيل وظائف تعلّم الآلة حسب الحاجة، كما أن إدارة النمذجة المخصصة أسهل بكثير مما لو كنا نقوم بذلك بمفردنا."

تلقت Crypto.com دعمًا مكثفًا من AWS طوال مراحل توليد الأفكار وإثبات المفهوم (POC) والإنتاج للنشر متعدد الوكلاء. يقول Lam "لقد أجرينا العديد من المناقشات حول الأدوات أو الأطر التي يجب نشرها لحالات الاستخدام المختلفة." "شارك فريق AWS حالات استخدام حالية، وقدّم عينةً من التعليمات البرمجية، وشرح كل خطوة. عندما ظهرت المشكلات الفنية، ساعد مهندسو حلول AWS في استكشاف الأخطاء وإصلاحها وقدموا اقتراحات، ما أدى إلى تسريع عملية التأهيل للذكاء الاصطناعي المولّد على خدمات AWS."