prefazione:

Con il rapido sviluppo della tecnologia digitale, l’intelligenza artificiale e le criptovalute sono diventati i due argomenti più caldi. In quanto rivoluzione tecnologica, l’intelligenza artificiale rappresenta la produttività più avanzata; le criptovalute si basano sulla tecnologia blockchain e rappresentano il rapporto di produzione più equo. L’intelligenza artificiale e le criptovalute cambiano costantemente il modo in cui viviamo e lavoriamo. Questo articolo esplorerà la convergenza di AI e Crypto e come insieme possono plasmare il nostro futuro.

AI: produttività all’avanguardia

L’AI (Intelligenza Artificiale) è una tecnologia che consente ai sistemi informatici di imitare l’intelligenza umana ed eseguire compiti intelligenti. Copre diversi sottocampi tra cui:

1. Apprendimento automatico: l’apprendimento automatico è la base dell’intelligenza artificiale e prevede l’addestramento dei sistemi informatici per migliorare le prestazioni attraverso dati ed esperienza. Compresi diversi tipi come l'apprendimento supervisionato, l'apprendimento non supervisionato e l'apprendimento per rinforzo;

2. Apprendimento profondo: l'apprendimento profondo è un ramo dell'apprendimento automatico che simula il modo di lavorare della rete neurale del cervello umano. Utilizza reti neurali multistrato per elaborare dati complessi e ha fatto importanti passi avanti in campi come la visione artificiale e l'elaborazione del linguaggio naturale;

3. Elaborazione del linguaggio naturale (NLP): la PNL implica consentire ai computer di comprendere ed elaborare il linguaggio umano. Include analisi del testo, analisi dei sentimenti, riconoscimento vocale, traduzione automatica e altre tecnologie.

4. Visione artificiale: la visione artificiale mira a consentire ai sistemi informatici di "vedere" e comprendere immagini e video. Implica tecnologie di riconoscimento delle immagini, rilevamento del bersaglio, riconoscimento dei volti, generazione di immagini, ecc.

Dalla logica di fondo, il nucleo dell’intelligenza artificiale è consentire ai computer di avere “percezione”, “cognizione”, “creatività” e “intelligenza”. La spiegazione concreta è consentire ai computer di pensare come gli esseri umani, agire come gli esseri umani, pensare razionalmente e prendere decisioni razionali.

Con lo sviluppo della tecnologia AI, ci sono molti scenari applicativi che possono ottenere riduzione dei costi, miglioramento dell’efficienza e della sicurezza attraverso l’uso dell’IA. In breve, può servire meglio l’umanità. Per esempio:

• Guida autonoma: la tecnologia AI viene utilizzata per sviluppare veicoli autonomi per migliorare la sicurezza stradale e l’efficienza di guida rilevando l’ambiente, prendendo decisioni e controllando il veicolo.

• Sanità: l’intelligenza artificiale svolge un ruolo importante nel riconoscimento delle immagini mediche, nella diagnosi delle malattie e nella pianificazione del trattamento, aiutando i medici a fornire diagnosi più accurate e piani di trattamento personalizzati.

• Servizi finanziari: l’intelligenza artificiale è ampiamente utilizzata in campo finanziario, compresa la valutazione del rischio, il credit scoring, le strategie di investimento e l’antifrode, per migliorare l’efficienza e l’accuratezza degli istituti finanziari.

• Casa intelligente: l'intelligenza artificiale viene applicata ai dispositivi domestici intelligenti, consentendo di controllare i dispositivi domestici tramite voce o gesti, migliorando la comodità e il comfort domestico.

• Elaborazione del linguaggio naturale: la tecnologia AI consente alle macchine di comprendere ed elaborare il linguaggio umano, compreso il riconoscimento vocale, la comprensione semantica e la traduzione automatica. È ampiamente utilizzata negli assistenti intelligenti (come Siri, Alexa, Google Assistant) e nei robot virtuali (come Robot Customer servizio) attraverso l'interazione vocale e testuale per fornire un servizio e un supporto personalizzati.

• Intrattenimento e giochi: l'intelligenza artificiale svolge un ruolo importante nello sviluppo dei giochi, inclusa la progettazione di nemici intelligenti, difficoltà di gioco adattiva ed effetti grafici realistici.

Il ChatGPT più popolare di quest'anno è un modello di chatbot basato su Transformer generativo pre-addestrato. GPT è un modello linguistico basato sull'architettura Transformer sviluppata da OpenAI. L'obiettivo di ChatGPT è apprendere le leggi statistiche e la comprensione semantica del linguaggio attraverso la formazione preliminare su grandi quantità di dati di testo per generare risposte in linguaggio naturale simili a quelle umane.

La logica di progettazione sottostante di GPT comprende principalmente due componenti chiave: l'architettura del trasformatore e il metodo di pre-addestramento e messa a punto.

Architettura Transformer: Transformer è un'architettura di rete neurale basata sul meccanismo di auto-attenzione, che può stabilire dipendenze a lunga distanza durante l'elaborazione dei dati di sequenza. Transformer è costituito da più livelli di codifica/decodificazione, ciascuno dei quali è costituito da un meccanismo di attenzione multi-testa e da una rete neurale feed-forward. Il meccanismo di attenzione consente al modello di concentrarsi su diverse posizioni nella sequenza di input durante la generazione di output, comprendendo così meglio le informazioni contestuali.

Approccio di pre-formazione-ottimizzazione: ChatGPT utilizza una pre-formazione non supervisionata su larga scala per apprendere modelli e conoscenze linguistici. Nella fase di pre-addestramento, il modello tenta di prevedere le parti mancanti della sequenza di input eseguendo un apprendimento autosupervisionato su enormi dati di testo. Ciò consente al modello di apprendere conoscenze come grammatica, semantica e buon senso. Quindi, nella fase di messa a punto, il modello viene supervisionato e messo a punto utilizzando dati etichettati specifici dell'attività per adattarlo a un compito specifico, come un chatbot.

Il processo di generazione di ChatGPT comprende due fasi: la fase di ingresso del codificatore e la fase di generazione del decodificatore. Nella fase di input del codificatore, il modello riceve l'input dell'utente e lo trasforma in una rappresentazione nascosta per catturare le informazioni semantiche dell'input. Durante la fase di generazione del decodificatore, il modello utilizza la rappresentazione nascosta del codificatore e i token precedentemente generati per generare il successivo token di risposta fino al raggiungimento di una specifica condizione di arresto.

Criptovalute: Blockchain è il rapporto di produzione più equo

Non è necessario entrare nei dettagli. Fondamentalmente, il motivo principale per cui Crypto può svilupparsi fino alla scala attuale è che la blockchain può migliorare l’equità sociale e rappresentare le relazioni di produzione più giuste. Naturalmente, prima di tutto, per essere significativa, l’equità deve essere discussa all’interno di un quadro di valori relativamente universale.

Prendiamo ad esempio Bitcoin ed Ethereum, che attualmente hanno la maggiore capitalizzazione di mercato. Nel quadro di valori "ottieni di più per il tuo lavoro, più lavori, più lavori", il meccanismo di consenso PoW di Bitcoin è molto giusto, allo stesso modo, nel quadro di valori di "plusvalenze", Ethereum è ancora molto giusto; passaggio da PoW a PoS.

In breve, le criptovalute basate sulla tecnologia blockchain possono ottimizzare l’allocazione delle risorse, raggiungere l’autonomia della comunità e rappresentare le relazioni di produzione sociale più giuste.

L'integrazione di AI e Crypto

L’integrazione di AI e Crypto potrebbe portare ad alcune interessanti esplorazioni applicative.

1、Bot di trading Cripto AI

Poiché l’intelligenza artificiale si è sviluppata in modo relativamente maturo nell’analisi e nell’elaborazione dei dati, nell’addestramento dei modelli, ecc., esistono già precedenti per gli investimenti nell’intelligenza artificiale:

Renaissance Technologies, un hedge fund che fa affidamento al 100% sull'apprendimento automatico di analisi di dati su larga scala e modelli matematici, utilizza trading ad alta frequenza, arbitraggio statistico e strategie neutrali rispetto al mercato per investire, guadagnando 100 miliardi di dollari durante la sua esistenza. Il Renaissance Hedge Fund può essere considerato una versione finanziaria dell’intelligenza artificiale che utilizza l’apprendimento automatico e l’analisi dei dati.

Il mercato delle criptovalute presenta vantaggi unici nel supportare gli investimenti nell'intervento dell'intelligenza artificiale: funzionamento continuo 24 ore su 24, anonimato, nessun KYC, circuito completamente chiuso sulla catena e nessun contatto fisico. Se un trader AI viene sviluppato per il mercato delle criptovalute, strategie di copertura come arbitraggio, quantificazione e analisi delle tendenze possono essere utilizzate sulla catena operativa del mercato delle criptovalute e alcuni modelli di apprendimento automatico e analisi dei dati possono essere progettati per consentire a questo trader di intelligenza artificiale di operare continuamente; migliorare la sua comprensione del mercato delle criptovalute. Se lo conosci, potresti essere in grado di creare un trader AI in grado di realizzare profitti in modo sostenibile.

Utilizza l'intelligenza artificiale per prevedere le tendenze del mercato delle criptovalute: le fluttuazioni dei prezzi nel mercato delle criptovalute sono molto violente e l'intelligenza artificiale può prevedere le tendenze del mercato e le fluttuazioni dei prezzi analizzando una grande quantità di dati di mercato e tendenze storiche dei prezzi. Gli algoritmi di apprendimento automatico possono identificare modelli e tendenze nascosti, aiutando gli investitori a prendere decisioni più informate. Ad esempio, l’intelligenza artificiale può analizzare il sentiment del mercato attraverso modelli di deep learning per prevedere le tendenze al rialzo o al ribasso dei prezzi delle criptovalute.

Trading automatizzato tramite l’intelligenza artificiale: gli algoritmi di trading automatizzato dell’intelligenza artificiale sono uno degli strumenti importanti per il trading di criptovalute. Il trading automatizzato di criptovaluta può essere ottenuto scrivendo contratti intelligenti e bot di trading. Questi robot possono eseguire transazioni secondo regole e strategie preimpostate, riducendo le interferenze dei fattori umani e migliorando l’efficienza e la precisione delle transazioni. Ad esempio, utilizzando algoritmi AI, i robot di trading possono eseguire automaticamente operazioni di acquisto o vendita in base alle condizioni di mercato per ottenere i migliori risultati di trading.

In questa direzione attualmente vediamo Rockybot. Si tratta di un bot di trading AI completamente onchain che può utilizzare modelli AI onchain per prevedere i prezzi degli ETH e prendere decisioni di investimento autonomamente senza l'autorizzazione centrale. Rockybot si affida a StarkNet ed è stato addestrato sui dati storici di prezzo/tasso per la coppia di trading WETH:USDC. Dal punto di vista architettonico, Rocky è una semplice rete neurale feedforward a tre strati che prevede se il prezzo di WETH aumenterà o diminuirà in base ai dati storici sui prezzi di mercato. Ma Rockybot non ha ancora iniziato a fare soldi... Potrebbe aver ancora bisogno di ulteriore formazione (ma il progetto ha smesso di accettare donazioni)... Può anche darsi che il compito infernale di fare soldi nel mercato ribassista di Crypto sia anch'esso motivo di imbarazzo per AI.

2. Conferimento dei dati e tutela della privacy

Usa Crypto per motivare più persone a fornire dati agli algoritmi di intelligenza artificiale: gli algoritmi di intelligenza artificiale hanno una forte domanda di grandi quantità di dati di alta qualità e le criptovalute possono incoraggiare gli utenti a condividere i propri dati attraverso meccanismi di incentivi. La criptovaluta può fornire determinati ritorni economici ai fornitori di dati, promuovendo così la condivisione e la circolazione dei dati. Questo meccanismo di incentivazione può incoraggiare più utenti a fornire dati, aumentando così i campioni di addestramento dell’algoritmo AI e migliorandone l’accuratezza e l’intelligenza.

Proteggere la privacy dei contributori di dati AI utilizzando Crypto: le proprietà di crittografia e anonimato della blockchain aiutano anche a proteggere la privacy degli utenti. Il meccanismo di condivisione dei dati e di protezione della privacy della criptovaluta fornisce più risorse di dati per gli algoritmi di intelligenza artificiale garantendo al tempo stesso la sicurezza delle informazioni personali degli utenti.

3. ZKML: garantire la privacy e l'autenticità dei modelli di machine learning

ZKML (zero knowledge machine learning) è una tecnologia che utilizza la prova a conoscenza zero per l'apprendimento automatico. ZKML può risolvere il problema della protezione della privacy dei modelli/input dell'intelligenza artificiale e il problema del processo di ragionamento verificabile, utilizzando zkSNARK per dimostrare la correttezza del ragionamento dell'apprendimento automatico.

ZKML può essere utilizzato per addestrare e valutare modelli di machine learning su dati sensibili senza rivelare i dati a nessun altro. ZKML può essere utilizzato per garantire la coerenza dei modelli di machine learning. Questo è molto importante per gli utenti perché i modelli sono fondamentali per i risultati dell'apprendimento automatico.

Esistono già alcune esplorazioni applicative attorno a ZKML. Nella direzione DeFi, è stato lanciato il bot Rockybot AI Trading completamente onchain, che può utilizzare modelli AI onchain per prevedere i prezzi degli ETH e prendere decisioni di investimento da solo senza autorizzazione centrale nella direzione dei giochi, Modulus Labs ha lanciato a Il gioco di scacchi Leela basato su ZKML, in cui tutti gli utenti possono giocare contro un robot alimentato da modelli AI verificati da ZK, e il gioco di combattimento su piattaforma AI Arena in direzione di Creator Economy, la comunità ha presentato un EIP chiamato zkML AIGC-NFTs#; Proposta 7007 (questo EIP non è ancora passato), si propone di utilizzare ZKML per verificare se l'NFT è generato dall'AI, che introdurrà la categoria di NFT creata dall'AI nella direzione DID, Wordcoin sta esplorando l'uso di ZKML; per consentire agli utenti di generare codici IRIS senza autorizzazione. Durante la generazione di IRIS Dopo che l'algoritmo del codice è stato aggiornato, gli utenti possono scaricare il modello e generare prove da soli senza andare alla stazione Orb, inoltre, c'è anche una reputazione-; piattaforma di distribuzione di token basata su Astraly costruita su StarkNet, che sta creando un sistema di reputazione basato sull'intelligenza artificiale (in Utilizzare modelli di clustering per identificare le caratteristiche dell'utente/articolo, i badge e il comportamento storico prima di calcolare in modo affidabile le valutazioni della reputazione).

4. AI+Blockchain: protocollo blockchain auto-migliorante

Attraverso l’apprendimento automatico basato sull’intelligenza artificiale trasparente, i protocolli DeFi possono ottimizzarsi senza fiducia, ad esempio utilizzando l’apprendimento automatico per regolare il tasso di cambio/tasso di interesse delle stablecoin. Utilizzando la biometria/autenticazione multimodale, le dApp possono autogestire la conformità/sicurezza. Anche il processo di generazione ZKP di ZK Rollup può migliorare ulteriormente in modo significativo le prestazioni di ZK Rollup creando un sistema di prova incentrato sulla creazione per l’apprendimento automatico, costruendo così il prover zk-AI più veloce al mondo.

Naturalmente, ci sono ancora molte sfide sulla strada verso l’integrazione di AI e Crypto. Ad esempio, nessuno ha fatto finora per trasferire le operazioni di intelligenza artificiale esistenti su questi linguaggi di prova generati automaticamente, sebbene Giza stia lavorando al trasferimento di modelli ONNX preaddestrati su Cario per un’inferenza verificabile.

Riassumere

La fusione tra AI e Crypto può apportare cambiamenti intelligenti alla digitalizzazione. L'applicazione dell'intelligenza artificiale rende Crypto più intelligente ed efficiente e, sulla base di Crypto, può fornire dati più reali e completi e un ambiente operativo affidabile per gli algoritmi AI.

Nonostante le numerose sfide da affrontare, possiamo aspettarci un’integrazione più approfondita di AI e Crypto per promuovere congiuntamente lo sviluppo dell’economia digitale e creare un futuro migliore per tutta l’umanità.

Documentazione di riferimento:

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

https://www.rockybot.app/

https://www.leelavstheworld.xyz/