Introducción:

Con el rápido desarrollo de la tecnología digital, la IA y las criptomonedas se han convertido en los dos temas más candentes. Como revolución tecnológica, la IA representa la productividad más avanzada; Crypto se basa en la tecnología blockchain y representa la relación de producción más justa. La IA y las criptomonedas cambian constantemente la forma en que vivimos y trabajamos. Este artículo explorará la convergencia de la IA y las criptomonedas y cómo juntas darán forma a nuestro futuro.

IA: productividad de última generación

La IA (Inteligencia Artificial) es una tecnología que implica permitir que los sistemas informáticos imiten la inteligencia humana y realicen tareas inteligentes. Cubre varios subcampos que incluyen:

1. Aprendizaje automático: El aprendizaje automático es la base de la IA e implica entrenar sistemas informáticos para mejorar el rendimiento a través de datos y experiencia. Incluyendo diferentes tipos como aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo;

2. Aprendizaje profundo: el aprendizaje profundo es una rama del aprendizaje automático que simula el funcionamiento de la red neuronal del cerebro humano. Utiliza redes neuronales multicapa para procesar datos complejos y ha logrado importantes avances en campos como la visión por computadora y el procesamiento del lenguaje natural;

3. Procesamiento del lenguaje natural (PNL): el PNL implica permitir que las computadoras comprendan y procesen el lenguaje humano. Incluye análisis de texto, análisis de sentimientos, reconocimiento de voz, traducción automática y otras tecnologías.

4. Visión por computadora: La visión por computadora tiene como objetivo permitir que los sistemas informáticos "vean" y comprendan imágenes y videos. Se trata de tecnologías de reconocimiento de imágenes, detección de objetivos, reconocimiento de rostros, generación de imágenes, etc.

Desde la lógica subyacente, el núcleo de la IA es permitir que las computadoras tengan "percepción", "cognición", "creatividad" e "inteligencia". La explicación concreta es hacer computadoras capaces de pensar como humanos, actuar como humanos, pensar racionalmente y tomar decisiones racionalmente.

Con el desarrollo de la tecnología de IA, existen muchos escenarios de aplicación que pueden lograr una reducción de costos, una mejora de la eficiencia y la seguridad mediante el uso de la IA. En resumen, puede servir mejor a la humanidad. Por ejemplo:

• Conducción autónoma: la tecnología de inteligencia artificial se utiliza para desarrollar vehículos autónomos para mejorar la seguridad vial y la eficiencia de la conducción al detectar el entorno, tomar decisiones y controlar el vehículo.

• Atención sanitaria: la IA desempeña un papel importante en el reconocimiento de imágenes médicas, el diagnóstico de enfermedades y la planificación del tratamiento, ayudando a los médicos a proporcionar diagnósticos más precisos y planes de tratamiento personalizados.

• Servicios financieros: la IA se utiliza ampliamente en el campo financiero, incluida la evaluación de riesgos, la calificación crediticia, las estrategias de inversión y la lucha contra el fraude, para mejorar la eficiencia y precisión de las instituciones financieras.

• Hogar inteligente: la IA se aplica a dispositivos domésticos inteligentes, lo que permite controlar los dispositivos domésticos mediante voz o gestos, mejorando la comodidad y el confort del hogar.

• Procesamiento del lenguaje natural: la tecnología de inteligencia artificial permite que las máquinas comprendan y procesen el lenguaje humano, incluido el reconocimiento de voz, la comprensión semántica y la traducción automática. Se usa ampliamente en asistentes inteligentes (como Siri, Alexa, Google Assistant) y robots virtuales (como el robot cliente). servicio) a través de interacción de voz y texto para brindar servicio y soporte personalizados.

• Entretenimiento y juegos: la IA juega un papel importante en el desarrollo de juegos, incluido el diseño de enemigos inteligentes, la dificultad adaptable del juego y los efectos gráficos realistas.

El ChatGPT más popular de este año es un modelo de chatbot basado en un transformador generativo preentrenado. GPT es un modelo de lenguaje basado en la arquitectura Transformer desarrollada por OpenAI. El objetivo de ChatGPT es aprender las leyes estadísticas y la comprensión semántica del lenguaje mediante un entrenamiento previo con grandes cantidades de datos de texto para generar respuestas en lenguaje natural similares a las de los humanos.

La lógica de diseño subyacente de GPT incluye principalmente dos componentes clave: la arquitectura del transformador y el método de ajuste previo al entrenamiento.

Arquitectura de transformador: Transformer es una arquitectura de red neuronal basada en un mecanismo de autoatención, que puede establecer dependencias a larga distancia al procesar datos de secuencia. Transformer consta de múltiples capas de codificador-decodificador, cada una de las cuales consta de un mecanismo de atención de múltiples cabezales y una red neuronal de retroalimentación. El mecanismo de atención permite que el modelo se centre en diferentes posiciones en la secuencia de entrada al generar resultados, comprendiendo así mejor la información contextual.

Enfoque de ajuste previo al entrenamiento: ChatGPT utiliza un entrenamiento previo no supervisado a gran escala para aprender patrones y conocimientos del lenguaje. En la etapa de preentrenamiento, el modelo intenta predecir las partes faltantes de la secuencia de entrada realizando un aprendizaje autosupervisado sobre datos de texto masivos. Esto permite que el modelo aprenda conocimientos como gramática, semántica y sentido común. Luego, en la fase de ajuste, el modelo se supervisa y ajusta utilizando datos etiquetados específicos de la tarea para adaptarlo a una tarea específica, como un chatbot.

El proceso de generación de ChatGPT incluye dos etapas: la etapa de entrada del codificador y la etapa de generación del decodificador. En la etapa de entrada del codificador, el modelo recibe la entrada del usuario y la transforma en una representación oculta para capturar la información semántica de la entrada. En la etapa de generación del decodificador, el modelo utiliza la representación oculta del codificador y tokens generados previamente para generar el siguiente token de respuesta hasta que se alcanza una condición de parada específica.

Cripto: Blockchain es la relación de producción más justa

No es necesario entrar en detalles. Básicamente, la razón principal por la que Crypto puede desarrollarse a su escala actual es que blockchain puede mejorar la justicia social y representar las relaciones de producción más justas. Por supuesto, en primer lugar, para que la justicia tenga sentido, es necesario discutirla dentro de un marco de valores relativamente universal.

Tomemos como ejemplos Bitcoin y Ethereum, que actualmente tienen la mayor capitalización de mercado. En el marco de valor de "obtienes más por tu trabajo, cuanto más trabajas, más trabajas", el mecanismo de consenso PoW de Bitcoin es muy justo; de manera similar, en el marco de valor de "ganancias de capital", Ethereum sigue siendo muy justo; cambiando de PoW a PoS.

En resumen, las criptomonedas basadas en la tecnología blockchain pueden optimizar la asignación de recursos, lograr la autonomía de la comunidad y representar las relaciones de producción social más justas.

La integración de AI y Crypto

La integración de AI y Crypto puede conducir a algunas exploraciones de aplicaciones interesantes.

1. Bot de comercio de criptomonedas con inteligencia artificial

Debido a que la IA se ha desarrollado de manera relativamente madura en el análisis y procesamiento de datos, el entrenamiento de modelos, etc., ya existen precedentes para la inversión en IA:

Renaissance Technologies, un fondo de cobertura que se basa 100% en el aprendizaje automático de análisis de datos a gran escala y modelos matemáticos, utiliza operaciones de alta frecuencia, arbitraje estadístico y estrategias neutrales al mercado para invertir, ganando 100 mil millones de dólares durante su existencia. Renaissance Hedge Fund puede considerarse como una versión financiera de la IA que utiliza aprendizaje automático y análisis de datos.

El mercado de las criptomonedas tiene ventajas únicas a la hora de respaldar las inversiones en intervención de IA: funcionamiento continuo las 24 horas, anonimato, sin KYC, circuito completamente cerrado en la cadena y sin contacto físico. Si se desarrolla un AI Trader para el mercado Crypto, se pueden utilizar estrategias de cobertura como arbitraje, cuantificación y análisis de tendencias en la cadena de operación del mercado Crypto y se pueden diseñar algunos modelos de análisis de datos y aprendizaje automático para permitir que este AI Trader funcione continuamente; mejorar su comprensión del mercado de las criptomonedas. Sabiendo esto, es posible que podamos crear un comerciante de inteligencia artificial que pueda obtener ganancias de manera sostenible.

Utilice la IA para predecir las tendencias del mercado de criptomonedas: las fluctuaciones de precios en el mercado de las criptomonedas son muy violentas y la IA puede predecir las tendencias del mercado y las fluctuaciones de precios mediante el análisis de una gran cantidad de datos de mercado y tendencias históricas de precios. Los algoritmos de aprendizaje automático pueden identificar patrones y tendencias ocultos, lo que ayuda a los inversores a tomar decisiones más informadas. Por ejemplo, la IA puede analizar el sentimiento del mercado a través de modelos de aprendizaje profundo para predecir tendencias al alza o a la baja en los precios de las criptomonedas.

Comercio automatizado mediante IA: los algoritmos de comercio automatizado de la IA son una de las herramientas importantes para el comercio de criptomonedas. El comercio automatizado de criptomonedas se puede lograr escribiendo contratos inteligentes y robots comerciales. Estos robots pueden ejecutar transacciones de acuerdo con reglas y estrategias preestablecidas, reduciendo la interferencia de factores humanos y mejorando la eficiencia y precisión de las transacciones. Por ejemplo, al utilizar algoritmos de inteligencia artificial, los robots comerciales pueden realizar automáticamente operaciones de compra o venta en función de las condiciones del mercado para obtener los mejores resultados comerciales.

En esta dirección vemos actualmente a Rockybot. Se trata de un robot de comercio de IA totalmente en cadena que puede utilizar modelos de IA en cadena para predecir los precios de ETH y tomar decisiones de inversión por sí solo sin autorización central. Rockybot se basa en StarkNet y recibió capacitación sobre datos históricos de precio/tipo de cambio para el par comercial WETH:USDC. Desde el punto de vista arquitectónico, Rocky es una red neuronal simple de tres capas que predice si el precio de WETH subirá o bajará basándose en datos históricos de precios de mercado. Pero Rockybot aún no ha comenzado a ganar dinero... Puede que necesite más capacitación (pero el proyecto ha dejado de aceptar donaciones)... También puede ser que la infernal tarea de ganar dinero en el mercado bajista de Crypto también sea una vergüenza para la IA. .

2. Aportación de datos y protección de la privacidad

Utilice Crypto para motivar a más personas a contribuir con datos a los algoritmos de IA: los algoritmos de IA tienen una gran demanda de grandes cantidades de datos de alta calidad, y las criptomonedas pueden alentar a los usuarios a compartir sus datos a través de mecanismos de incentivos. Las criptomonedas pueden proporcionar ciertos beneficios económicos a los proveedores de datos, promoviendo así el intercambio y la circulación de datos. Este mecanismo de incentivo puede alentar a más usuarios a contribuir con datos, aumentando así las muestras de entrenamiento del algoritmo de IA y mejorando su precisión e inteligencia.

Proteger la privacidad de los contribuyentes de datos de IA que utilizan Crypto: las propiedades de cifrado y anonimato de blockchain también ayudan a proteger la privacidad del usuario. El mecanismo de intercambio de datos y protección de la privacidad de las criptomonedas proporciona más recursos de datos para los algoritmos de IA al tiempo que garantiza la seguridad de la información personal de los usuarios.

3. ZKML: Garantizar la privacidad y autenticidad de los modelos de aprendizaje automático

ZKML (aprendizaje automático de conocimiento cero) es una tecnología que utiliza prueba de conocimiento cero para el aprendizaje automático. ZKML puede resolver el problema de la protección de la privacidad de los modelos/entradas de IA y el problema del proceso de razonamiento verificable, utilizando zkSNARK para demostrar la exactitud del razonamiento del aprendizaje automático.

ZKML se puede utilizar para entrenar y evaluar modelos de aprendizaje automático sobre datos confidenciales sin revelar los datos a nadie más. ZKML se puede utilizar para garantizar la coherencia de los modelos de aprendizaje automático. Esto es muy importante para los usuarios porque los modelos son fundamentales para los resultados del aprendizaje automático.

Ya existen algunas exploraciones de aplicaciones en torno a ZKML. En la dirección de DeFi, se ha lanzado el robot de comercio de IA totalmente en cadena, Rockybot, que puede utilizar modelos de IA en cadena para predecir los precios de ETH y tomar decisiones de inversión por sí solo sin autorización central. En la dirección de los Juegos, Modulus Labs ha lanzado un; El juego de ajedrez Leela, basado en ZKML, donde todos los usuarios pueden jugar contra un robot impulsado por modelos de IA verificados por ZK, y el juego de lucha de plataforma AI Arena en dirección a Creator Economy, la comunidad presentó un EIP llamado zkML AIGC-NFTs#; Propuesta 7007 (este EIP aún no ha sido aprobado), se propone usar ZKML para verificar si el NFT es generado por AI, introduciendo así la categoría de NFT creado por AI en la dirección DID, Wordcoin está explorando el uso de ZKML para; permitir a los usuarios generar códigos IRIS sin permiso. Al generar IRIS. Después de actualizar el algoritmo del código, los usuarios pueden descargar el modelo y generar pruebas por sí mismos sin tener que ir a la estación Orb. Además, también hay una base de reputación. La plataforma de distribución de tokens Astraly se basó en StarkNet, que está creando un sistema de reputación basado en inteligencia artificial (en Utilice modelos de agrupación para identificar características de usuarios/elementos, insignias y comportamiento histórico antes de calcular las calificaciones de reputación de manera confiable).

4. AI+Blockchain: protocolo blockchain de mejora automática

A través del aprendizaje automático transparente de IA, los protocolos DeFi pueden optimizarse a sí mismos sin confianza, como el uso del aprendizaje automático para ajustar el tipo de cambio/tasa de interés de las monedas estables. Al utilizar biometría/autenticación multimodal, las dApps pueden autogestionar el cumplimiento/la seguridad. Incluso el proceso de generación de ZKP de ZK Rollup puede mejorar aún más significativamente el rendimiento de ZK Rollup mediante la creación de un sistema de prueba centrado en la construcción para el aprendizaje automático, construyendo así el probador zk-AI más rápido del mundo.

Por supuesto, todavía quedan muchos desafíos en el camino hacia la integración de la IA y las criptomonedas. Por ejemplo, hasta ahora nadie ha hecho portar las operaciones de IA existentes a estos lenguajes de prueba generados automáticamente, aunque Giza está trabajando para portar modelos ONNX previamente entrenados a Cario para una inferencia verificable.

Resumir

La fusión de AI y Crypto puede traer cambios inteligentes a la digitalización. La aplicación de IA hace que Crypto sea más inteligente y eficiente y, basándose en Crypto, puede proporcionar datos más reales y completos y un entorno operativo confiable para los algoritmos de IA.

A pesar de enfrentar muchos desafíos, podemos esperar una integración más profunda de la IA y las criptomonedas para promover conjuntamente el desarrollo de la economía digital y crear un futuro mejor para toda la humanidad.

Documentación de referencia:

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

https://www.rockybot.app/

https://www.leelavstheworld.xyz/