اقتصاد ایجنت‌ها: مشوق‌های توکنی، تخصیص سهم شاپلی و سیستم‌های اعتباری

وقتی چند ایجنت هوش مصنوعی به‌صورت گروهی وظیفه‌ای را پیش می‌برند و به نتیجه می‌رسند، یک چالش اساسی بروز می‌کند: پاداش یا ارزش ایجادشده چگونه باید بین آن‌ها تقسیم شود؟ روش‌های سنتی مثل تقسیم مساوی یا دادن پاداش به آخرین ایجنت، فضایی ناعادلانه ایجاد می‌کنند و راه را برای دور زدن سیستم باز می‌گذارند. در شبکه‌های باز و تعاملی، بدون یک سازوکار منصفانه و اقتصادی برای تخصیص سهم و سنجش اعتبار، همکاری بلندمدت پایدار نخواهد بود.

در این درس یاد می‌گیرید که چگونه با تکیه بر اصول نظریه‌ی بازی‌ها، یک اقتصاد حداقلی برای ایجنت‌ها پیاده کنید. روش محاسبه و تقریب «ارزش شاپلی» (Shapley Value) را برای تقسیم دقیق ارزش کار گروهی بررسی می‌کنیم، با اجرای حراج قیمت دوم (Second-Price Auction) ایجنت‌ها را به رفتار صادقانه سوق می‌دهیم و سیستمی برای انباشت و زوال اعتبار مستقل از پلتفرم پیاده‌سازی می‌کنیم تا مسیریابی وظایف بهینه شود.

ایجنت‌های خودمختار با افق بلندمدت (منحنی کار 1 تا 8 ساعته‌ی METR) به عاملیت اقتصادی نیاز دارند. استک نوظهور 5 لایه‌ای به این صورت است: DePIN (توان پردازشی فیزیکی) ← هویت (W3C DIDها + سرمایه‌ی اعتباری) ← شناخت (RAG + MCP) ← تسویه‌حساب (تجرید حساب یا Account Abstraction) ← حکمرانی (DAOهای ایجنتی). شبکه‌های انگیزه‌بخشی فعال در محیط عملیاتی (پروداکشن) عبارت‌اند از: Bittensor (ساب‌نت‌های TAO که به مدل‌های تخصصیِ هر وظیفه پاداش می‌دهند)، Fetch.ai / ASI Alliance (مدل زبانی ASI-1 Mini LLM + توکن FET)، و Gonka (اثبات کار مبتنی بر ترنسفورمر که توان پردازشی را به وظایف مفید هوش مصنوعی تخصیص می‌دهد). در حوزه‌ی پژوهش‌های دانشگاهی: مقاله‌ی LaMAS غیرمتمرکز در AAMAS 2025 از تخصیص سهم با ارزش شاپلی (Shapley-value credit attribution) برای پاداش‌دهی منصفانه به ایجنت‌های همکار استفاده می‌کند؛ مقاله‌ی Google Research با عنوان «طراحی سازوکار برای مدل‌های زبانی بزرگ» حراج‌های توکن با پرداخت قیمت دوم تحت تجمیع یکنواخت (monotone aggregation) را پیشنهاد می‌دهد. در این درس، یک بازارگاه ایجنتی مینیمال می‌سازیم، تخصیص سهم به روش ارزش شاپلی را روی یک پایپ‌لاین چندایجنت پیاده می‌کنیم، و یک حراج قیمت دوم راه می‌اندازیم تا سازوکار نظریه‌ی بازی‌ها به‌صورت کاملاً ملموس جا بیفتد.

صورت مسئله

سیستم‌های چندایجنت زمانی پیچیده می‌شوند که ایجنت‌ها ارزش را به‌طور مشترک تولید می‌کنند، اما پاداش باید به‌صورت انفرادی پرداخت شود. سازوکارهای سنتی — مثل تقسیم مساوی یا «بردن همه‌چیز توسط آخرین مشارکت‌کننده» — ناعادلانه هستند یا به‌راحتی بازی داده می‌شوند. پاداش‌دهی مبتنی بر ائتلاف از طریق ارزش شاپلی ماهیتاً منصفانه است، اما هزینه‌ی محاسباتی بسیار بالایی دارد. ادبیات علمی سال‌های 2025 و 2026 به سمت تقریب‌های کاربردی حرکت کرده است: نمونه‌برداری شاپلی، حراج‌های تجمیع یکنواخت، و اعتبار درون‌زنجیره‌ای (on-chain) که از مشارکت‌های تأییدشده انباشته می‌شود.

فراتر از بحث تخصیص سهم، این حوزه به سمت ایجنت‌های اقتصادی واقعی رفته است: Bittensor TAO برای فاین‌تیون مدل‌های ویژه‌ی ساب‌نت به ماینرها پاداش محاسباتی می‌دهد، Fetch.ai/ASI استفاده از ASI-1 Mini LLM را با توکن‌های FET جبران می‌کند، و Gonka اثبات کار مبتنی بر ترنسفورمر را به وظایف کاربردی هوش مصنوعی اختصاص می‌دهد. امروزه ایجنت‌هایی که به‌صورت خودکار تراکنش انجام می‌دهند واقعاً وجود دارند؛ مسئله‌ی اصلی نحوه‌ی هم‌راستاسازی انگیزه‌ها است.

در این درس به اقتصاد ایجنت‌ها به‌عنوان یک خانواده‌ی مسئله‌ی مشخص نگاه می‌کنیم — تخصیص سهم، طراحی سازوکار، و اعتبار — و هر کدام را با حداقل ریاضیات پیاده می‌کنیم تا مفاهیم به‌خوبی جا بیفتند.

مفاهیم پایه

استک 5 لایه‌ای اقتصاد ایجنت‌ها

1. شبکه‌ی DePIN (توان پردازشی فیزیکی). زیرساخت غیرمتمرکزی که GPU، فضای ذخیره‌سازی و پهنای باند اجاره می‌دهد؛ مانند ساب‌نت‌های Bittensor، Render Network و Akash. این لایه مختص ایجنت‌ها نیست، بلکه ایجنت‌ها از آن استفاده می‌کنند.
2. هویت. شناسه‌های غیرمتمرکز کنسرسیوم وب (W3C DIDs) به هر ایجنت یک شناسه‌ی پایدار و مستقل از پلتفرم می‌دهند. اعتبار به‌دست‌آمده به این DID متصل می‌شود. پروتکل شبکه‌ی ایجنت (ANP) از DID به‌عنوان لایه‌ی کشف (discovery) استفاده می‌کند.
3. شناخت. چرخه‌ی استدلال ایجنت: ترکیب LLM + RAG + MCP. این همان بخشی است که در مراحل دیگر ساخته می‌شود.
4. تسویه‌حساب. تجرید حساب (ERC-4337) به ایجنت‌ها امکان می‌دهد هزینه‌ی گس (gas) را از موجودی خودشان پرداخت کنند، بدون آن‌که نیازی به نگهداری مستقیم ETH داشته باشند. ایجنت‌ها می‌توانند هزینه‌ی خدمات، تعامل با یکدیگر، یا توان پردازشی را تسویه کنند.
5. حکمرانی. DAOهای ایجنتی: ساختارهای حاکمیتی که در آن‌ها انسان‌ها و ایجنت‌ها روی تغییرات پروتکل رأی می‌دهند و قدرت رأی به اعتبارشان وابسته است.

قرار نیست هر سیستم عملیاتی از هر پنج لایه استفاده کند. Bittensor از لایه‌های 1، 2، بخشی از 3 و بخشی از 4 استفاده می‌کند و لایه‌ی 5 را اصلاً ندارد. ایجنت‌های OpenAI به‌جز لایه‌ی 3 از هیچ‌کدام استفاده نمی‌کنند. این استک صرفاً یک نقشه‌ی مرجع است، نه یک الزام.

Bittensor، Fetch.ai و Gonka — بررسی سیستم‌های فعال

بیت‌تنسور (Bittensor / TAO). ساب‌نت‌ها وظایف تخصصی هستند (مدل‌سازی زبان، تولید تصویر، پیش‌بینی). ماینرها خروجی مدل‌ها را ارسال می‌کنند. اعتبارسنج‌ها آن‌ها را رتبه‌بندی می‌کنند؛ امتیازدهی بر اساس وزن سهام (stake-weighted) پاداش‌های TAO را تقسیم می‌کند. هر ساب‌نت روش ارزیابی خاص خودش را دارد. درس اقتصادی این سیستم: پاداش را بر اساس کیفیت خروجی برای یک وظیفه‌ی خاص بدهید، نه بر اساس میزان توان پردازشی مصرف‌شده.

فچ‌دات‌ای‌آی / ائتلاف ای‌اس‌آی (Fetch.ai / ASI Alliance). مدل ASI-1 Mini LLM روی شبکه‌ی Fetch.ai اجرا می‌شود؛ کاربران برای استنتاج، توکن‌های FET پرداخت می‌کنند. رویکرد «ایجنت‌ها به‌عنوان طرف ارتباط (Peer)» در این‌جا پررنگ‌تر است: یک ایجنت روی Fetch می‌تواند ایجنت دیگری را برای انجام یک وظیفه فراخوانی کند و هزینه‌اش را با FET بپردازد.

گونکا (Gonka). اثبات کار با ترنسفورمر: در این سیستم، «کار» انجام‌شده همان گذرهای رو به جلو (forward passes) یک ترنسفورمر است. ماینرها با اجرای وظایف استنتاجی که پاسخ صحیح مشخصی دارند (از داده‌های آموزشی) پاداش می‌گیرند؛ اثبات کاری با بهره‌وری واقعی از منابع، به‌جای PoW مبتنی بر هش.

هر سه پلتفرم تا آوریل 2026 در سطح عملیاتی فعال هستند. نحوه‌ی توزیع عایدی در آن‌ها متفاوت است: Bittensor به کیفیت نسبت به اعتبارسنج‌های ساب‌نت پاداش می‌دهد؛ Fetch به کارایی سنجیده‌شده توسط کاربران پرداخت‌کننده بها می‌دهد؛ Gonka نیز کار استنتاجی قابل‌راستی‌آزمایی را تشویق می‌کند.

تخصیص سهم با ارزش شاپلی

فرض کنید سه ایجنت روی یک وظیفه همکاری می‌کنند. امتیاز خروجی نهایی 0.8 می‌شود. سهم هر ایجنت از این نتیجه چقدر بوده است؟

ارزش شاپلی: تنها روش تخصیص سهم که چهار اصل موضوعه (کارایی، تقارن، خطی بودن و عضو پوچ) را برآورده می‌کند. برای ایجنت i:

shapley(i) = (1/N!) * sum over all orderings O of (v(S_i_O ∪ {i}) - v(S_i_O))

که در آن S_i_O مجموعه‌ی ایجنت‌های قبل از i در جایگشت O است. در عمل: همه‌ی جایگشت‌ها را برمی‌شماریم، سهم نهایی هر ایجنت را در هر جایگشت ثبت می‌کنیم و میانگین می‌گیریم.

برای 3=N ایجنت، 6 جایگشت وجود دارد. برای 10=N، تعداد جایگشت‌ها به 3.6 میلیون می‌رسد — بنابراین در عمل به‌جای شمارش کامل، از جایگشت‌ها نمونه‌برداری می‌کنیم.

حراج قیمت دوم برای تجمیع

گوگل ریسرچ در مقاله‌ی «طراحی سازوکار برای مدل‌های زبانی بزرگ» حراج توکن قیمت دوم را برای تجمیع خروجی‌های LLM پیشنهاد داده است. ساختار کار: N ایجنت هر کدام متنی را تکمیل و پیشنهاد می‌کنند؛ هر کدام یک ارزش خصوصی برای انتخاب شدن دارند. برگزارکننده‌ی حراج پیشنهادی با بالاترین ارزش را انتخاب می‌کند و مبلغ پیشنهادیِ دومین نفر را می‌پردازد. تحت تجمیع یکنواخت (زمانی که ارزش نهایی به پیشنهاد انتخابی بستگی دارد، نه به تعداد پیشنهادهای ارائه‌شده)، این سازوکار ترغیب‌کننده‌ی راست‌گویی (truthful) است — یعنی ایجنت‌ها ارزش واقعی خود را اعلام می‌کنند.

چرا این موضوع برای سیستم‌های مبتنی بر LLM مهم است: می‌توانید وظایف تکمیل متن را به چندین ایجنت با قیمت‌گذاری‌های مختلف برون‌سپاری کنید؛ حراج بهترین گزینه را انتخاب می‌کند و هزینه‌ی منصفانه‌ای می‌پردازد، و ایجنت‌ها هیچ انگیزه‌ای برای گزارش خلاف واقع ندارند.

سرمایه‌ی اعتباری

امتیاز اعتباری متصل به DID از طریق مشارکت‌های تأییدشده انباشته می‌شود. یک قاعده‌ی ساده برای به‌روزرسانی امتیاز:

$$\text{rep}(i, t+1) = \alpha \cdot \text{rep}(i, t) + (1 - \alpha) \cdot \text{contribution\_quality}(i, t)$$

که در آن ضریب زوال alpha نزدیک به 1 است. ویژگی‌های این اعتبار:

• خواندن آن برای تصمیم‌های مسیریابی ارزان است («ارسال وظایف سخت به ایجنت‌های با اعتبار بالا»).
• جعل کردن آن گران تمام می‌شود (در طول زمان جمع شده و به یک DID گره خورده است).
• قابلیت جریمه و کاهش (slash) دارد: مشارکت‌هایی که در راستی‌آزمایی رد شوند، از امتیاز کم می‌کنند.

سیستم LaMAS غیرمتمرکز در AAMAS 2025

طرح پیشنهادی LaMAS (در کنفرانس AAMAS 2025) این موارد را با هم ترکیب می‌کند: هویت مبتنی بر DID، تخصیص سهم با ارزش شاپلی، و یک سازوکار حراج ساده. ادعای کلیدی مقاله این است: غیرمتمرکز کردن مرحله‌ی تخصیص سهم، سیستم را قابل‌حسابرسی کرده و در برابر دستکاری از یک نقطه‌ی مرکزی ایمن می‌سازد.

نقاط شکست اقتصاد ایجنت‌ها

• دستکاری مرجع حقیقت (اوراکل) قیمت. اگر بتوان تابع ارزیابی سهم را دور زد، ایجنت‌ها حتماً این کار را می‌کنند. هر سازوکاری نیاز به آزمون خصمانه دارد.
• حملات سیبیل (Sybil Attacks). یک اپراتور N ایجنت فیک راه می‌اندازد تا سهم مشارکت خودش را باد کند. شناسه‌های DID این فرایند را کُند می‌کنند اما جلوی آن را نمی‌گیرند؛ راه‌حل اصلی بالا بردن هزینه‌ی جعل اعتبار است.
• هزینه‌ی اعتبارسنجی. عدالت تخصیص سهم دقیقاً به اندازه‌ی دقت مدل اعتبارسنج (Verifier) است. اگر اعتبارسنجی ارزان باشد (مثلاً یک LLM کوچک)، فریب می‌خورد؛ اگر گران باشد (مثلاً پنل ارزیابی انسانی)، سیستم مقیاس‌پذیر نخواهد بود.
• سایه‌ی سنگین رگولاتوری. اقتصاد ایجنت‌ها با قوانین مالی تلاقی پیدا می‌کند. Bittensor، Fetch و Gonka تا سال 2026 همگی در حوزه‌های قضایی متعددی در محدوده‌ی خاکستری قانونی فعالیت می‌کنند.

چه زمانی اقتصاد ایجنت‌ها منطقی است؟

• شبکه‌های باز با اپراتورهای ناهمگن. هیچ تیم واحدی تمام ایجنت‌ها را کنترل نمی‌کند.
• خروجی‌های قابل‌راستی‌آزمایی. بدون امکان ارزیابی و راستی‌آزمایی، تخصیص سهم صرفاً یک حدس و گمان است.
• جریان‌های کاری با افق زمانی بلند. وظایف یک‌باره سودی از انباشت اعتبار نمی‌برند.
• پرداخت‌های توکنیزه از نظر قانونی امکان‌پذیر باشند. این موضوع باید در حوزه‌ی قضایی شما مجاز باشد.

در سیستم‌های شرکتی و بسته، سازوکارهای اقتصادی جای خود را به تخصیص ساده‌تر منابع می‌دهند (مدیران کارها را تعیین می‌کنند و سنجه‌ها داخلی هستند). مباحث اقتصاد بیشتر برای شبکه‌های باز کاربرد دارد.

پیاده‌سازی از صفر

فایل code/main.py این بخش‌ها را پیاده‌سازی می‌کند:

• shapley(value_fn, agents) — محاسبه‌ی دقیق ارزش شاپلی با شمارش کامل برای Nهای کوچک.
• second_price_auction(bids) — سازوکار صادقانه؛ برنده‌ی حراج، قیمت دوم را می‌پردازد.
• Reputation — اعتبار متصل به DID با زوال نمایی و قابلیت جریمه (slashing).
• دموی 1: همکاری سه ایجنت با یکدیگر و تخصیص دقیق سهم با ارزش شاپلی.
• دموی 2: پیشنهاد قیمت پنج ایجنت برای گرفتن یک وظیفه؛ حراج قیمت دوم برنده و مبلغ پرداختی را تعیین می‌کند.
• دموی 3: 100 دور تخصیص وظیفه به ایجنت‌هایی با اعتبارهای مختلف؛ مسیریابی بر اساس وزن اعتبار نسبت به حالت تصادفی عملکرد بهتری نشان می‌دهد.

اجرا:

python3 code/main.py

خروجی مورد انتظار: مقادیر ارزش شاپلی برای هر ایجنت؛ نتیجه‌ی حراج که تعادل پیشنهادهای صادقانه را نشان می‌دهد؛ و مسیریابی وزن‌دار با اعتبار که پس از دوره‌ی وارم‌آپ (پیش‌گرمایش) بهبودی 10 تا 20 درصدی در کیفیت نسبت به تخصیص تصادفی ثبت می‌کند.

استفاده از ابزارهای واقعی

فایل outputs/skill-economy-designer.md ساختار یک اقتصاد ایجنتی مینیمال را طراحی می‌کند: انتخاب لایه‌ی هویت، سازوکار تخصیص سهم، سازوکار پرداخت، و قوانین امتیازدهی به اعتبار.

انتقال به محیط عملیاتی

برای اجرای یک اقتصاد ایجنتی در سال 2026 این اصول را به کار ببندید:

• کار را با اعتبار شروع کنید، نه توکن. پیاده‌سازی اعتبار ارزان است و به‌تنهایی ارزش زیادی ایجاد می‌کند؛ توکن‌ها پیچیدگی‌های حقوقی و اقتصادی به همراه می‌آورند.
• پیش از پاداش‌دهی، راستی‌آزمایی کنید. هرگز اعتبار یا پاداش را بدون یک مرحله‌ی راستی‌آزمایی مستقل تقسیم نکنید. اتکا به کیفیت خوداظهاری‌شده باعث شکل‌گیری بازی‌های سیبیل می‌شود.
• از نمونه‌برداری شاپلی استفاده کنید، نه محاسبه‌ی دقیق. 100 تا 1000 جایگشت را نمونه‌برداری کنید؛ شمارش دقیق مقیاس‌پذیر نیست.
• برای ضریب زوال سقف و برای اعتبار کف تعیین کنید. زوال مهارنشده اعتبار مشارکت‌کنندگان واقعی را از بین می‌برد؛ زوال بسیار کُند هم به ایجنت‌های قدیمی و غیرفعال با اعتبار بالا پاداش بی‌جا می‌دهد.
• سازوکارها را به‌صورت خصمانه ممیزی کنید. پیش از باز کردن شبکه، سناریوهای تیم قرمز را اجرا کنید. هر سازوکاری بر پایه‌ی نظریه‌ی بازی‌ها بنا شده است؛ پس بهتر است نقاط ضعف را خودتان پیدا کنید، نه مهاجمان.

تمرین‌ها

1. کد code/main.py را اجرا کنید. تأیید کنید که مجموع مقادیر شاپلی با ارزش کل برابر است (اصل موضوعه‌ی کارایی). تابع ارزش (Value Function) را تغییر دهید؛ آیا سهم‌های تخصیص‌یافته به روش شاپلی در جهت مورد انتظار تغییر می‌کنند؟
2. روش نمونه‌برداری شاپلی را پیاده کنید (مونت‌کارلو روی K جایگشت). مقدار K چه تأثیری روی دقت تقریب دارد؟ نتیجه را با مقدار دقیق برای 4=N مقایسه کنید.
3. یک مرحله‌ی تشکیل ائتلاف پیش از حراج پیاده‌سازی کنید: ایجنت‌ها بتوانند با هم تیم تشکیل دهند (merge شوند) و به‌صورت واحد پیشنهاد بدهند. چه ائتلاف‌هایی شکل می‌گیرند؟ آیا نتیجه نسبت به پیشنهاددهی انفرادی بهینه‌ی پارتو (Pareto-better) است؟
4. پست وبلاگی Google Research درباره‌ی طراحی سازوکار را بخوانید. فرض اصلی‌ای را مشخص کنید که نقض آن خاصیت راست‌گویی را از بین می‌برد. این حالت شکست در یک محیط مبتنی بر LLM چگونه ظاهر می‌شود؟
5. مقاله‌ی AAMAS 2025 درباره‌ی LaMAS غیرمتمرکز را بخوانید. مرحله‌ی شاپلی آن را برای 10 ایجنت روی یک وظیفه‌ی ساختگی پیاده کنید. محاسبه‌ی دقیق چقدر زمان می‌برد؟ تقریب حاصل از 100 نمونه‌برداری چقدر به پاسخ دقیق نزدیک است؟

اصطلاحات کلیدی

برای مطالعه‌ی بیشتر

• اقتصاد ایجنت‌ها (The Agent Economy) — مرور جامع استک 5 لایه‌ای اقتصاد ایجنت‌ها در سال 2026
• Google Research — طراحی سازوکار برای مدل‌های زبانی بزرگ — حراج‌های توکن با تجمیع یکنواخت
• AAMAS 2025 — سیستم LaMAS غیرمتمرکز — تخصیص سهم به کمک ارزش شاپلی
• مستندات Bittensor TAO — ساختار ساب‌نت‌ها و نحوه‌ی توزیع پاداش
• Fetch.ai / ASI Alliance — مدل ASI-1 Mini LLM و توکن FET
• استاندارد شناسه‌های غیرمتمرکز (DIDs) در W3C — پایه‌های احراز هویت مستقل