Vorwort:

Mit der rasanten Entwicklung der digitalen Technologie sind KI und Krypto zu den beiden heißesten Themen geworden. Als technologische Revolution stellt KI die fortschrittlichste Produktivität dar; Krypto basiert auf Blockchain-Technologie und stellt die fairste Produktionsbeziehung dar. KI und Krypto verändern ständig die Art und Weise, wie wir leben und arbeiten. In diesem Artikel wird die Konvergenz von KI und Krypto untersucht und wie sie gemeinsam unsere Zukunft gestalten werden.

KI: Produktivität auf dem neuesten Stand der Technik

KI (Künstliche Intelligenz) ist eine Technologie, die es Computersystemen ermöglicht, die menschliche Intelligenz zu imitieren und intelligente Aufgaben auszuführen. Es deckt mehrere Teilbereiche ab, darunter:

1. Maschinelles Lernen: Maschinelles Lernen ist die Grundlage der KI und beinhaltet das Training von Computersystemen, um die Leistung durch Daten und Erfahrung zu verbessern. Einschließlich verschiedener Arten wie überwachtes Lernen, unüberwachtes Lernen und verstärkendes Lernen;

2. Deep Learning: Deep Learning ist ein Zweig des maschinellen Lernens, der die Funktionsweise des neuronalen Netzwerks des menschlichen Gehirns simuliert. Es nutzt mehrschichtige neuronale Netze zur Verarbeitung komplexer Daten und hat große Durchbrüche in Bereichen wie Computer Vision und Verarbeitung natürlicher Sprache erzielt;

3. Verarbeitung natürlicher Sprache (NLP): Bei NLP geht es darum, Computer in die Lage zu versetzen, menschliche Sprache zu verstehen und zu verarbeiten. Es umfasst Textanalyse, Stimmungsanalyse, Spracherkennung, maschinelle Übersetzung und andere Technologien.

4. Computer Vision: Computer Vision zielt darauf ab, Computersysteme in die Lage zu versetzen, Bilder und Videos zu „sehen“ und zu verstehen. Dabei handelt es sich um Technologien zur Bilderkennung, Zielerkennung, Gesichtserkennung, Bilderzeugung usw.

Der zugrunde liegenden Logik zufolge besteht der Kern der KI darin, Computern „Wahrnehmung“, „Erkenntnis“, „Kreativität“ und „Intelligenz“ zu ermöglichen. Die konkrete Erklärung besteht darin, Computer in die Lage zu versetzen, wie Menschen zu denken, wie Menschen zu handeln, rational zu denken und rationale Entscheidungen zu treffen.

Mit der Entwicklung der KI-Technologie gibt es viele Anwendungsszenarien, die durch den Einsatz von KI Kostensenkung, Effizienzsteigerung und Sicherheit erreichen können. Kurz gesagt, es kann der Menschheit besser dienen. Zum Beispiel:

  • Autonomes Fahren: KI-Technologie wird zur Entwicklung autonomer Fahrzeuge eingesetzt, um die Verkehrssicherheit und Fahreffizienz zu verbessern, indem die Umgebung erfasst, Entscheidungen getroffen und das Fahrzeug gesteuert wird.

  • Gesundheitswesen: KI spielt eine wichtige Rolle bei der medizinischen Bilderkennung, Krankheitsdiagnose und Behandlungsplanung und hilft Ärzten, genauere Diagnosen und personalisierte Behandlungspläne zu erstellen.

  • Finanzdienstleistungen: KI wird im Finanzbereich häufig eingesetzt, einschließlich Risikobewertung, Kreditbewertung, Anlagestrategien und Betrugsbekämpfung, um die Effizienz und Genauigkeit von Finanzinstituten zu verbessern.

  • Smart Home: KI wird auf Smart-Home-Geräte angewendet und ermöglicht die Steuerung von Heimgeräten über Sprache oder Gesten, wodurch der Komfort und die Bequemlichkeit zu Hause verbessert werden.

  • Verarbeitung natürlicher Sprache: KI-Technologie ermöglicht es Maschinen, menschliche Sprache zu verstehen und zu verarbeiten, einschließlich Spracherkennung, semantischem Verständnis und automatischer Übersetzung. Sie wird häufig in intelligenten Assistenten (wie Siri, Alexa, Google Assistant) und virtuellen Robotern (wie Robot Customer) eingesetzt Service) durch Sprach- und Textinteraktion, um personalisierten Service und Support bereitzustellen.

  • Unterhaltung und Spiele: KI spielt eine wichtige Rolle in der Spieleentwicklung, einschließlich der Gestaltung intelligenter Feinde, adaptiver Spielschwierigkeiten und realistischer Grafikeffekte.

Das beliebteste ChatGPT dieses Jahres ist ein Chatbot-Modell, das auf Generative Pre-trained Transformer basiert. GPT ist ein Sprachmodell, das auf der von OpenAI entwickelten Transformer-Architektur basiert. Das Ziel von ChatGPT besteht darin, die statistischen Gesetze und das semantische Verständnis von Sprache durch Vortraining an großen Textdatenmengen zu erlernen, um menschenähnliche Antworten in natürlicher Sprache zu generieren.

Die zugrunde liegende Entwurfslogik von GPT umfasst hauptsächlich zwei Schlüsselkomponenten: die Transformatorarchitektur und die Methode zur Feinabstimmung vor dem Training.

Transformer-Architektur: Transformer ist eine neuronale Netzwerkarchitektur, die auf einem Selbstaufmerksamkeitsmechanismus basiert und bei der Verarbeitung von Sequenzdaten Abhängigkeiten über große Entfernungen herstellen kann. Transformer besteht aus mehreren Encoder-Decoder-Schichten, von denen jede aus einem Mehrkopf-Aufmerksamkeitsmechanismus und einem vorwärtsgerichteten neuronalen Netzwerk besteht. Der Aufmerksamkeitsmechanismus ermöglicht es dem Modell, sich beim Generieren der Ausgabe auf verschiedene Positionen in der Eingabesequenz zu konzentrieren und so Kontextinformationen besser zu verstehen.

Ansatz zur Feinabstimmung vor dem Training: ChatGPT nutzt umfangreiches, unbeaufsichtigtes Vortraining, um Sprachmuster und Wissen zu erlernen. In der Vortrainingsphase versucht das Modell, die fehlenden Teile der Eingabesequenz vorherzusagen, indem es selbstüberwachtes Lernen an umfangreichen Textdaten durchführt. Dadurch kann das Modell Kenntnisse wie Grammatik, Semantik und gesunden Menschenverstand erlernen. Anschließend wird das Modell in der Feinabstimmungsphase überwacht und mithilfe aufgabenspezifisch gekennzeichneter Daten feinabgestimmt, um es an eine bestimmte Aufgabe, beispielsweise einen Chatbot, anzupassen.

Der Generierungsprozess von ChatGPT umfasst zwei Phasen: die Encoder-Eingangsphase und die Decoder-Generierungsphase. In der Encoder-Eingabephase empfängt das Modell Benutzereingaben und wandelt sie in eine versteckte Darstellung um, um die semantischen Informationen der Eingabe zu erfassen. Während der Decoder-Generierungsphase nutzt das Modell die verborgene Darstellung des Encoders und zuvor generierte Token, um das nächste Antwort-Token zu generieren, bis eine bestimmte Stoppbedingung erreicht ist.

Krypto: Blockchain ist die fairste Produktionsbeziehung

Es besteht keine Notwendigkeit, auf Details einzugehen. Der Hauptgrund dafür, dass sich Crypto zu seinem aktuellen Ausmaß entwickeln kann, ist, dass Blockchain die soziale Gerechtigkeit verbessern und die fairsten Produktionsbeziehungen darstellen kann. Natürlich muss Fairness zunächst in einem relativ universellen Werterahmen diskutiert werden, um sinnvoll zu sein.

Nehmen Sie als Beispiel Bitcoin und Ethereum, die derzeit die größte Marktkapitalisierung aufweisen. Im Werterahmen „Du bekommst mehr für deine Arbeit, je mehr du arbeitest, desto mehr arbeitest du“ ist der PoW-Konsensmechanismus von Bitcoin sehr fair; im Wertrahmen von „Kapitalgewinnen“ ist Ethereum auch danach immer noch sehr fair Wechsel von PoW zu PoS.

Kurz gesagt: Auf der Blockchain-Technologie basierende Kryptowährungen können die Ressourcenzuteilung optimieren, die Autonomie der Gemeinschaft erreichen und die fairsten sozialen Produktionsbeziehungen darstellen.

Die Integration von KI und Krypto

Die Integration von KI und Krypto könnte zu einigen interessanten Anwendungserkundungen führen.

1. Krypto-KI-Handelsbot

Da sich die KI in den Bereichen Datenanalyse und -verarbeitung, Modelltraining usw. relativ ausgereift entwickelt hat, gibt es bereits Präzedenzfälle für KI-Investitionen:

Renaissance Technologies, ein Hedgefonds, der zu 100 % auf maschinelles Lernen für groß angelegte Datenanalysen und mathematische Modelle setzt, nutzt Hochfrequenzhandel, statistische Arbitrage und marktneutrale Strategien für Investitionen und hat während seines Bestehens 100 Milliarden US-Dollar verdient. Der Renaissance Hedge Fund kann als Finanzversion der KI betrachtet werden, die maschinelles Lernen und Datenanalyse nutzt.

Der Kryptomarkt bietet einzigartige Vorteile bei der Unterstützung von KI-Interventionsinvestitionen: reibungsloser 24-Stunden-Betrieb, Anonymität, kein KYC, vollständig geschlossener Kreislauf in der Kette und kein physischer Kontakt. Wenn ein KI-Händler für den Krypto-Markt entwickelt wird, können Absicherungsstrategien wie Arbitrage, Quantifizierung und Trendanalyse in der Betriebskette des Krypto-Marktes eingesetzt werden, und einige Modelle für maschinelles Lernen und Datenanalyse können so konzipiert werden, dass dieser KI-Händler kontinuierlich funktioniert Wenn wir dies wissen, können wir möglicherweise einen KI-Händler entwickeln, der nachhaltige Gewinne erzielen kann.

Verwenden Sie KI, um Krypto-Markttrends vorherzusagen: Preisschwankungen auf dem Kryptowährungsmarkt sind sehr heftig, und KI kann Markttrends und Preisschwankungen vorhersagen, indem sie eine große Menge an Marktdaten und historischen Preistrends analysiert. Algorithmen für maschinelles Lernen können verborgene Muster und Trends erkennen und Investoren dabei helfen, fundiertere Entscheidungen zu treffen. Beispielsweise kann KI die Marktstimmung mithilfe von Deep-Learning-Modellen analysieren, um Aufwärts- oder Abwärtstrends bei den Kryptowährungspreisen vorherzusagen.

Automatisierter Handel mit KI: Die automatisierten Handelsalgorithmen von KI sind eines der wichtigen Werkzeuge für den Handel mit Kryptowährungen. Der automatisierte Handel mit Kryptowährungen kann durch das Schreiben intelligenter Verträge und Handelsroboter erreicht werden. Diese Roboter können Transaktionen nach voreingestellten Regeln und Strategien ausführen, wodurch Störungen durch menschliche Faktoren reduziert und die Effizienz und Genauigkeit der Transaktionen verbessert werden. Mithilfe von KI-Algorithmen können Handelsroboter beispielsweise automatisch Kauf- oder Verkaufsvorgänge basierend auf den Marktbedingungen durchführen, um die besten Handelsergebnisse zu erzielen.

In diese Richtung sehen wir derzeit Rockybot. Hierbei handelt es sich um einen vollständig auf der Kette basierenden KI-Handelsbot, der mithilfe von KI-Modellen auf der Kette ETH-Preise vorhersagen und eigenständig Investitionsentscheidungen ohne zentrale Genehmigung treffen kann. Rockybot verlässt sich auf StarkNet und wurde anhand historischer Preis-/Kursdaten für das Handelspaar WETH:USDC geschult. Architektonisch ist Rocky ein einfaches dreischichtiges Feedforward-Neuronales Netzwerk, das auf der Grundlage historischer Marktpreisdaten vorhersagt, ob der Preis von WETH steigen oder fallen wird. Aber Rockybot hat noch nicht damit begonnen, Geld zu verdienen ... Möglicherweise ist noch mehr Schulung erforderlich (aber das Projekt nimmt keine Spenden mehr an) ... Es kann auch sein, dass die höllische Aufgabe, auf dem Bärenmarkt von Crypto Geld zu verdienen, auch peinlich ist KI.

2. Datenbeitrag und Datenschutz

Nutzen Sie Krypto, um mehr Menschen zu motivieren, Daten zu KI-Algorithmen beizutragen: KI-Algorithmen haben einen hohen Bedarf an großen Mengen hochwertiger Daten, und Kryptowährungen können Benutzer durch Anreizmechanismen dazu ermutigen, ihre Daten zu teilen. Kryptowährungen können Datenanbietern bestimmte wirtschaftliche Erträge bringen und so den Austausch und die Verbreitung von Daten fördern. Dieser Anreizmechanismus kann mehr Benutzer dazu ermutigen, Daten beizutragen, wodurch die Trainingsbeispiele des KI-Algorithmus erhöht und seine Genauigkeit und Intelligenz verbessert werden.

Schutz der Privatsphäre von KI-Datenlieferanten mithilfe von Crypto: Die Verschlüsselungs- und Anonymitätseigenschaften der Blockchain tragen auch zum Schutz der Privatsphäre der Benutzer bei. Der Datenaustausch- und Datenschutzmechanismus der Kryptowährung stellt mehr Datenressourcen für KI-Algorithmen bereit und gewährleistet gleichzeitig die Sicherheit der persönlichen Daten der Benutzer.

3. ZKML: Stellen Sie die Privatsphäre und Authentizität von Modellen für maschinelles Lernen sicher

ZKML (Zero Knowledge Machine Learning) ist eine Technologie, die wissensfreie Beweise für maschinelles Lernen verwendet. ZKML kann das Problem des Datenschutzes von KI-Modellen/-Eingaben und das Problem des überprüfbaren Argumentationsprozesses lösen, indem zkSNARK verwendet wird, um die Richtigkeit der Argumentation beim maschinellen Lernen zu beweisen.

Mit ZKML können maschinelle Lernmodelle für sensible Daten trainiert und ausgewertet werden, ohne dass die Daten an Dritte weitergegeben werden müssen. ZKML kann verwendet werden, um die Konsistenz von Modellen für maschinelles Lernen sicherzustellen. Dies ist für Benutzer sehr wichtig, da Modelle für die Ergebnisse des maschinellen Lernens von entscheidender Bedeutung sind.

Es gibt bereits einige Anwendungserkundungen rund um ZKML. In der DeFi-Richtung wurde der vollständig On-Chain-KI-Handelsbot Rockybot eingeführt, der On-Chain-KI-Modelle verwenden kann, um ETH-Preise vorherzusagen und Investitionsentscheidungen selbst ohne zentrale Genehmigung zu treffen. In der Spiele-Richtung hat Modulus Labs einen gestartet Für das ZKML-basierte Schachspiel Leela, bei dem alle Benutzer gegen einen Roboter spielen können, der von ZK-verifizierten KI-Modellen angetrieben wird, und das Plattform-Kampfspiel AI Arena in Richtung Creator Economy hat die Community eine EIP namens zkML AIGC-NFTs# eingereicht; 7007-Vorschlag (dieser EIP wurde noch nicht verabschiedet), es wird vorgeschlagen, ZKML zu verwenden, um zu überprüfen, ob der NFT von KI generiert wird, wodurch die Kategorie der von KI erstellten NFT in der DID-Richtung eingeführt wird. Wordcoin untersucht die Verwendung von ZKML um Benutzern das Generieren von IRIS-Codes auf erlaubnislose Weise zu ermöglichen. Nachdem der Algorithmus des Codes aktualisiert wurde, können Benutzer das Modell herunterladen und selbst Beweise generieren, ohne zur Orb-Station gehen zu müssen. Die auf StarkNet basierende Token-Verteilungsplattform Astraly erstellt ein KI-basiertes Reputationssystem (indem Clustering-Modelle verwendet werden, um Benutzer-/Artikelmerkmale, Abzeichen und historisches Verhalten zu identifizieren, bevor Reputationsbewertungen vertrauenswürdig berechnet werden).

4. AI+Blockchain: Selbstverbesserndes Blockchain-Protokoll

Durch transparentes KI-Maschinenlernen können sich DeFi-Protokolle ohne Vertrauen selbst optimieren, indem sie beispielsweise maschinelles Lernen nutzen, um den Wechselkurs/Zinssatz von Stablecoins anzupassen. Durch den Einsatz multimodaler Biometrie/Authentifizierung können dApps Compliance/Sicherheit selbst verwalten. Sogar der ZKP-Generierungsprozess von ZK Rollup kann auch ein Proof-System erstellen, das sich auf die Erstellung für maschinelles Lernen konzentriert, wodurch der weltweit schnellste zk-AI-Prover erstellt wird und dadurch die Leistung von ZK Rollup weiter erheblich verbessert wird.

Natürlich gibt es auf dem Weg zur Integration von KI und Krypto noch viele Herausforderungen. Bisher hat beispielsweise noch niemand versucht, bestehende KI-Operationen auf diese automatisch generierten Beweissprachen zu portieren, obwohl Giza daran arbeitet, vorab trainierte ONNX-Modelle für überprüfbare Schlussfolgerungen nach Cario zu portieren.

Zusammenfassen

Die Verschmelzung von KI und Krypto könnte intelligente Veränderungen in der Digitalisierung mit sich bringen. Die Anwendung von KI macht Crypto intelligenter und effizienter und kann auf Basis von Crypto realere, umfassendere Daten und eine vertrauenswürdige Betriebsumgebung für KI-Algorithmen bereitstellen.

Trotz vieler Herausforderungen können wir uns auf eine tiefergehende Integration von KI und Krypto freuen, um gemeinsam die Entwicklung der digitalen Wirtschaft voranzutreiben und eine bessere Zukunft für die gesamte Menschheit zu schaffen.

Referenzdokumentation:

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

https://www.rockybot.app/

https://www.leelavstheworld.xyz/