Zavedení:

S rychlým rozvojem digitální technologie se AI a kryptoměny staly dvěma nejžhavějšími tématy. Jako technologická revoluce představuje AI nejpokročilejší produktivitu; Umělá inteligence a kryptoměny neustále mění způsob, jakým žijeme a pracujeme. Tento článek prozkoumá konvergenci umělé inteligence a kryptoměny a jak budou společně utvářet naši budoucnost.

AI: špičková produktivita

AI (Artificial Intelligence) je technologie, která umožňuje počítačovým systémům napodobovat lidskou inteligenci a provádět inteligentní úkoly. Pokrývá několik dílčích oblastí, včetně:

1. Strojové učení: Strojové učení je základem umělé inteligence a zahrnuje školení počítačových systémů za účelem zlepšení výkonu prostřednictvím dat a zkušeností. Včetně různých typů, jako je učení pod dohledem, učení bez dozoru a posilování;

2. Hluboké učení: Hluboké učení je odvětví strojového učení, které simuluje pracovní způsob neuronové sítě lidského mozku. Ke zpracování složitých dat využívá vícevrstvé neuronové sítě a učinila zásadní průlom v oblastech, jako je počítačové vidění a zpracování přirozeného jazyka;

3. Zpracování přirozeného jazyka (NLP): NLP zahrnuje umožnění počítačům porozumět a zpracovat lidský jazyk. Zahrnuje analýzu textu, analýzu sentimentu, rozpoznávání řeči, strojový překlad a další technologie.

4. Počítačové vidění: Počítačové vidění má za cíl umožnit počítačovým systémům „vidět“ obrázky a videa a rozumět jim. Zahrnuje technologie v rozpoznávání obrazu, detekci cíle, rozpoznávání obličeje, generování obrazu atd.

Ze základní logiky je jádrem umělé inteligence umožnit počítačům „vnímání“, „poznávání“, „kreativitu“ a „inteligenci“. Konkrétním vysvětlením je umožnit počítačům myslet jako lidé, jednat jako lidé, myslet racionálně a činit racionální rozhodnutí.

S rozvojem technologie AI existuje mnoho aplikačních scénářů, které mohou pomocí AI dosáhnout snížení nákladů, zvýšení efektivity a bezpečnosti. Zkrátka může lépe sloužit lidstvu. například:

• Autonomní řízení: Technologie AI se používá k vývoji autonomních vozidel za účelem zlepšení bezpečnosti silničního provozu a efektivity jízdy pomocí snímání prostředí, rozhodování a ovládání vozidla.

• Zdravotní péče: Umělá inteligence hraje důležitou roli při rozpoznávání lékařských obrazů, diagnostice nemocí a plánování léčby, pomáhá lékařům poskytovat přesnější diagnostiku a personalizované léčebné plány.

• Finanční služby: Umělá inteligence je široce používána ve finanční oblasti, včetně hodnocení rizik, úvěrového hodnocení, investičních strategií a boje proti podvodům, s cílem zlepšit efektivitu a přesnost finančních institucí.

• Inteligentní domácnost: Umělá inteligence je aplikována na zařízení pro chytrou domácnost, což umožňuje ovládat domácí zařízení hlasem nebo gesty, čímž se zlepšuje domácí pohodlí a komfort.

• Zpracování přirozeného jazyka: Technologie AI umožňuje strojům porozumět a zpracovat lidský jazyk, včetně rozpoznávání řeči, sémantického porozumění a automatického překladu. Je široce používána v inteligentních asistentech (jako je Siri, Alexa, Google Assistant) a virtuálních robotech (jako je robot zákazník). služby) prostřednictvím hlasové a textové interakce za účelem poskytování personalizovaných služeb a podpory.

• Zábava a hry: Umělá inteligence hraje důležitou roli při vývoji her, včetně návrhu inteligentních nepřátel, adaptivní obtížnosti hry a realistických grafických efektů.

Letošním nejoblíbenějším ChatGPT je model chatbota založený na Generative Pre-trained Transformer. GPT je jazykový model založený na architektuře Transformer vyvinuté OpenAI. Cílem ChatGPT je naučit se statistické zákony a sémantické chápání jazyka prostřednictvím předběžného školení na velkém množství textových dat, aby se vytvořily reakce přirozeného jazyka podobné lidskému.

Základní logika návrhu GPT zahrnuje především dvě klíčové komponenty: architekturu transformátoru a metodu předběžného školení a jemného ladění.

Architektura transformátoru: Transformátor je architektura neuronové sítě založená na mechanismu sebepozorování, který může vytvářet závislosti na dlouhé vzdálenosti při zpracování sekvenčních dat. Transformátor se skládá z několika vrstev kodér-dekodér, z nichž každá se skládá z mechanismu vícehlavé pozornosti a dopředné neuronové sítě. Mechanismus pozornosti umožňuje modelu zaměřit se při generování výstupu na různé pozice ve vstupní sekvenci, a tím lépe porozumět kontextovým informacím.

Předtréninkový přístup – jemné ladění: ChatGPT využívá rozsáhlé předškolení bez dozoru k učení jazykových vzorců a znalostí. V předškolní fázi se model pokouší předpovědět chybějící části vstupní sekvence prováděním samokontrolovaného učení na masivních textových datech. To umožňuje modelu naučit se znalosti, jako je gramatika, sémantika a zdravý rozum. Poté, ve fázi jemného ladění, je model pod dohledem a jemně vyladěn pomocí dat označených pro konkrétní úkol, aby se přizpůsobil konkrétní úloze, jako je chatbot.

Proces generování ChatGPT zahrnuje dvě fáze: fázi vstupu kodéru a fázi generování dekodéru. Ve fázi vstupu kodéru model přijímá uživatelský vstup a transformuje jej do skryté reprezentace, aby zachytil sémantické informace vstupu. Ve fázi generování dekodéru model využívá skrytou reprezentaci kodéru a dříve vygenerované tokeny ke generování dalšího tokenu odezvy, dokud není dosaženo konkrétní podmínky zastavení.

Crypto: Blockchain je nejférovější produkční vztah

Není třeba zacházet do detailů V zásadě je hlavním důvodem, proč se Crypto může vyvinout do současného rozsahu, to, že blockchain může zlepšit sociální spravedlnost a reprezentovat nejspravedlivější produkční vztahy. Samozřejmě, v první řadě je třeba diskutovat o spravedlnosti v relativně univerzálním hodnotovém rámci, aby měla smysl.

Vezměte si jako příklad Bitcoin a Ethereum, které mají v současnosti největší tržní kapitalizaci. V hodnotovém rámci „za svou práci dostanete více, čím více pracujete, tím více pracujete“, je mechanismus konsenzu Bitcoinu PoW velmi spravedlivý, v hodnotovém rámci „kapitálových zisků“ je Ethereum stále velmi spravedlivé přechod z PoW na PoS.

Stručně řečeno, kryptoměny založené na technologii blockchain mohou optimalizovat alokaci zdrojů, dosáhnout autonomie komunity a představují nejspravedlivější společenské produkční vztahy.

Integrace AI a kryptoměn

Integrace AI a Crypto může vést k zajímavým průzkumům aplikací.

1、Crypto AI Trading Bot

Protože se umělá inteligence vyvíjela poměrně vyspěle v oblasti analýzy a zpracování dat, školení modelů atd., existují již precedenty pro investice do umělé inteligence:

Renaissance Technologies, hedgeový fond, který se 100% spoléhá na strojové učení rozsáhlé analýzy dat a matematických modelů, využívá k investování vysokofrekvenční obchodování, statistickou arbitráž a tržně neutrální strategie a za dobu své existence vydělal 100 miliard USD. Renaissance Hedge Fund lze považovat za finanční verzi AI využívající strojové učení a analýzu dat.

Krypto trh má jedinečné výhody v podpoře investic do intervence AI: 24hodinový bezproblémový provoz, anonymita, žádné KYC, zcela uzavřená smyčka v řetězci a žádný fyzický kontakt. Pokud je AI Trader vyvinut pro trh kryptoměn, lze v řetězci operací kryptotrhu použít zajišťovací strategie, jako je arbitráž, kvantifikace a analýza trendů, a lze navrhnout některé modely strojového učení a analýzy dat, které tomuto AI obchodníkovi umožní nepřetržitě zlepšit jeho chápání krypto trhu S tímto vědomím můžeme vytvořit AI obchodníka, který dokáže trvale vydělávat.

Použijte AI k předpovídání trendů na trhu s kryptoměnami: Kolísání cen na trhu s kryptoměnami je velmi prudké a AI dokáže předpovídat trendy na trhu a kolísání cen analýzou velkého množství tržních dat a historických cenových trendů. Algoritmy strojového učení dokážou identifikovat skryté vzorce a trendy a pomáhají investorům činit informovanější rozhodnutí. Umělá inteligence může například analyzovat tržní sentiment prostřednictvím modelů hlubokého učení a předvídat vzestupné nebo sestupné trendy cen kryptoměn.

Automatizované obchodování pomocí AI: Automatizované obchodní algoritmy AI jsou jedním z důležitých nástrojů pro obchodování s kryptoměnami. Automatizovaného obchodování s kryptoměnami lze dosáhnout psaním chytrých smluv a obchodními roboty. Tito roboti dokážou provádět transakce podle předem nastavených pravidel a strategií, čímž snižují rušení způsobené lidskými faktory a zlepšují efektivitu a přesnost transakcí. Například pomocí algoritmů AI mohou obchodní roboti automaticky provádět operace nákupu nebo prodeje na základě tržních podmínek, aby dosáhli nejlepších obchodních výsledků.

V tomto směru aktuálně vidíme Rockybota. Jedná se o plně onchain AI Trading bota, který může používat on-chain AI modely k předvídání cen ETH a činit investiční rozhodnutí samostatně bez centrální autorizace. Rockybot spoléhá na StarkNet a byl trénován na historických datech cena/sazba pro obchodní pár WETH:USDC. Architektonicky je Rocky jednoduchá třívrstvá dopředná neuronová síť, která předpovídá, zda cena WETH poroste nebo klesne na základě historických údajů o tržních cenách. Rockybot ale ještě nezačal vydělávat peníze... Možná by to chtělo další školení (ale projekt přestal přijímat dary)... Může to být také tím, že pekelný úkol vydělávat peníze na medvědím trhu Crypto je pro AI také ostudou .

2. Příspěvek dat a ochrana soukromí

Použijte Crypto k motivaci více lidí, aby přispívali daty do algoritmů AI: Algoritmy AI mají vysokou poptávku po velkém množství vysoce kvalitních dat a kryptoměny mohou povzbudit uživatele, aby svá data sdíleli prostřednictvím motivačních mechanismů. Kryptoměny mohou poskytovat určité ekonomické výnosy poskytovatelům dat, čímž podporují sdílení a oběh dat. Tento pobídkový mechanismus může povzbudit více uživatelů, aby přispívali daty, a tím zvýšit trénovací vzorky algoritmu AI a zlepšit jeho přesnost a inteligenci.

Ochrana soukromí přispěvatelů dat AI pomocí Crypto: Vlastnosti šifrování a anonymity blockchainu také pomáhají chránit soukromí uživatelů. Mechanismus sdílení dat a ochrany soukromí kryptoměny poskytuje více datových zdrojů pro algoritmy AI a zároveň zajišťuje bezpečnost osobních údajů uživatelů.

3. ZKML: Zajištění soukromí a autenticity modelů strojového učení

ZKML (zero knowledge machine learning) je technologie, která využívá pro strojové učení důkaz nulových znalostí. ZKML může vyřešit problém ochrany soukromí modelů/vstupů AI a problém ověřitelného procesu uvažování pomocí zkSNARK k prokázání správnosti uvažování strojového učení.

ZKML lze použít k trénování a vyhodnocování modelů strojového učení na citlivých datech, aniž by byla data odhalena komukoli jinému. ZKML lze použít k zajištění konzistence modelů strojového učení. To je pro uživatele velmi důležité, protože modely jsou rozhodující pro výsledky strojového učení.

Kolem ZKML již existuje několik průzkumů aplikací. Ve směru DeFi byl spuštěn plně onchain AI Trading bot-Rockybot, který může používat on-chain AI modely k předvídání cen ETH a samostatně přijímat investiční rozhodnutí bez centrální autorizace ve směru hry, Modulus Labs spustil a Šachová hra Leela založená na ZKML, kde všichni uživatelé mohou hrát proti robotovi poháněnému modely umělé inteligence ověřené ZK, a platformová bojová hra AI Arena ve směru Creator Economy, komunita předložila EIP s názvem zkML AIGC-NFTs#; 7007 návrh (tento EIP ještě neprošel), je navrženo použít ZKML k ověření, zda je NFT generován AI, čímž se zavádí kategorie NFT vytvořená AI ve směru DID, Wordcoin zkoumá využití ZKML; umožňují uživatelům generovat kódy IRIS bez oprávnění Při generování IRIS Po upgradu algoritmu kódu si uživatelé mohou stáhnout model a sami generovat důkazy, aniž by museli chodit na stanici Orb platforma pro distribuci tokenů Astraly postavená na StarkNet, která vytváří systém reputace založený na AI (v části Použití shlukových modelů k identifikaci charakteristik uživatele/položky, odznaků a historického chování před nedůvěryhodným výpočtem hodnocení reputace).

4. AI+Blockchain: Sebelepší blockchain protokol

Prostřednictvím transparentního strojového učení AI se protokoly DeFi mohou optimalizovat samy bez důvěry, například pomocí strojového učení upravovat směnný kurz/úrokový kurz stablecoinů. Pomocí multimodální biometrie/autentizace mohou dApps samy řídit dodržování předpisů/zabezpečení. Dokonce i proces generování ZKP ZK Rollup může dále výrazně zlepšit výkon ZK Rollup vytvořením systému důkazů zaměřeného na budování pro strojové učení, čímž vznikne nejrychlejší zk-AI Prover na světě.

Na cestě k integraci AI a kryptoměn samozřejmě stále existuje mnoho výzev. Například dosud nikdo neudělal portování stávajících operací umělé inteligence do těchto automaticky generovaných zkušebních jazyků, i když Giza pracuje na portování předtrénovaných modelů ONNX do Caria, aby bylo možné ověřit.

Shrnout

Spojení AI a kryptoměn může přinést inteligentní změny v digitalizaci. Aplikace AI dělá Crypto inteligentnější a efektivnější a na základě Crypto může poskytovat reálnější, komplexnější data a důvěryhodné operační prostředí pro algoritmy AI.

Navzdory mnoha výzvám se můžeme těšit na hlubší integraci AI a kryptoměn, abychom společně podpořili rozvoj digitální ekonomiky a vytvořili lepší budoucnost pro celé lidstvo.

Referenční dokumentace:

https://github.com/ethereum/EIPs/pull/7007/commits

https://www.rockybot.app/

https://www.leelavstheworld.xyz/