Wstęp:

Wraz z szybkim rozwojem technologii cyfrowej, sztuczna inteligencja i kryptowaluty stały się dwoma najgorętszymi tematami. Jako rewolucja technologiczna sztuczna inteligencja reprezentuje najbardziej zaawansowaną produktywność; Crypto opiera się na technologii blockchain i reprezentuje najbardziej uczciwe relacje produkcyjne. Sztuczna inteligencja i kryptowaluty stale zmieniają sposób, w jaki żyjemy i pracujemy. W tym artykule zbadamy konwergencję sztucznej inteligencji i kryptowalut oraz to, jak razem mogą kształtować naszą przyszłość.

AI: najnowocześniejsza produktywność

AI (sztuczna inteligencja) to technologia, która umożliwia systemom komputerowym naśladowanie ludzkiej inteligencji i wykonywanie inteligentnych zadań. Obejmuje kilka poddziedzin, w tym:

1. Uczenie maszynowe: Uczenie maszynowe stanowi podstawę sztucznej inteligencji i obejmuje szkolenie systemów komputerowych w celu poprawy wydajności za pomocą danych i doświadczenia. Obejmuje różne typy, takie jak uczenie się pod nadzorem, uczenie się bez nadzoru i uczenie się przez wzmacnianie;

2. Uczenie głębokie: Uczenie głębokie to gałąź uczenia maszynowego, która symuluje sposób działania sieci neuronowej ludzkiego mózgu. Wykorzystuje wielowarstwowe sieci neuronowe do przetwarzania złożonych danych i dokonał znaczących przełomów w takich dziedzinach, jak widzenie komputerowe i przetwarzanie języka naturalnego;

3. Przetwarzanie języka naturalnego (NLP): NLP polega na umożliwianiu komputerom rozumienia i przetwarzania ludzkiego języka. Obejmuje analizę tekstu, analizę nastrojów, rozpoznawanie mowy, tłumaczenie maszynowe i inne technologie.

4. Widzenie komputerowe: Celem widzenia komputerowego jest umożliwienie systemom komputerowym „widzenia” i rozumienia obrazów i filmów. Obejmuje technologie rozpoznawania obrazu, wykrywania celów, rozpoznawania twarzy, generowania obrazu itp.

Z logiki wynika, że ​​rdzeniem sztucznej inteligencji jest umożliwienie komputerom „percepcji”, „poznania”, „kreatywności” i „inteligencji”. Konkretne wyjaśnienie polega na umożliwieniu komputerom myślenia jak ludzie, działania jak ludzie, racjonalnego myślenia i podejmowania racjonalnych decyzji.

Wraz z rozwojem technologii sztucznej inteligencji istnieje wiele scenariuszy zastosowań, które dzięki zastosowaniu sztucznej inteligencji mogą osiągnąć redukcję kosztów, poprawę wydajności i bezpieczeństwa. Krótko mówiąc, może lepiej służyć ludzkości. Na przykład:

  • Jazda autonomiczna: technologię sztucznej inteligencji wykorzystuje się do opracowywania pojazdów autonomicznych w celu poprawy bezpieczeństwa na drogach i efektywności jazdy poprzez wykrywanie otoczenia, podejmowanie decyzji i kontrolowanie pojazdu.

  • Opieka zdrowotna: sztuczna inteligencja odgrywa ważną rolę w rozpoznawaniu obrazów medycznych, diagnozowaniu chorób i planowaniu leczenia, pomagając lekarzom w zapewnianiu dokładniejszej diagnozy i spersonalizowanych planów leczenia.

  • Usługi finansowe: sztuczna inteligencja jest szeroko stosowana w dziedzinie finansów, w tym w ocenie ryzyka, scoringu kredytowym, strategiach inwestycyjnych i zwalczaniu nadużyć finansowych, w celu poprawy wydajności i dokładności instytucji finansowych.

  • Inteligentny dom: sztuczna inteligencja jest stosowana w inteligentnych urządzeniach domowych, umożliwiając sterowanie urządzeniami domowymi za pomocą głosu lub gestów, poprawiając wygodę i komfort domu.

  • Przetwarzanie języka naturalnego: technologia AI umożliwia maszynom rozumienie i przetwarzanie języka ludzkiego, w tym rozpoznawanie mowy, rozumienie semantyczne i automatyczne tłumaczenie. Jest szeroko stosowana w inteligentnych asystentach (takich jak Siri, Alexa, Asystent Google) i robotach wirtualnych (takich jak robot-klient). usługi) poprzez interakcję głosową i tekstową w celu zapewnienia spersonalizowanej obsługi i wsparcia.

  • Rozrywka i gry: Sztuczna inteligencja odgrywa ważną rolę w tworzeniu gier, w tym w projektowaniu inteligentnych wrogów, dostosowywaniu poziomu trudności gry i realistycznych efektach graficznych.

Najpopularniejszym w tym roku ChatGPT jest model chatbota oparty na generatywnym wstępnie wyszkolonym transformatorze. GPT to model językowy oparty na architekturze Transformer opracowanej przez OpenAI. Celem ChatGPT jest poznanie praw statystycznych i semantycznego rozumienia języka poprzez wstępne szkolenie na dużych ilościach danych tekstowych w celu wygenerowania odpowiedzi w języku naturalnym przypominających ludzkie.

Podstawowa logika projektowania GPT obejmuje głównie dwa kluczowe elementy: architekturę transformatora i metodę dostrajania przed szkoleniem.

Architektura transformatorowa: Transformator to architektura sieci neuronowej oparta na mechanizmie samouważności, która podczas przetwarzania danych sekwencyjnych może ustanawiać zależności na duże odległości. Transformator składa się z wielu warstw kodera-dekodera, z których każda składa się z wielogłowicowego mechanizmu uwagi i sieci neuronowej ze sprzężeniem zwrotnym. Mechanizm uwagi umożliwia modelowi skupienie się na różnych pozycjach sekwencji wejściowej podczas generowania wyników, dzięki czemu lepiej rozumie się informacje kontekstowe.

Podejście przed szkoleniem i dostrajaniem: ChatGPT wykorzystuje zakrojone na szeroką skalę szkolenia wstępne bez nadzoru, aby nauczyć się wzorców językowych i wiedzy. Na etapie przedtreningowym model próbuje przewidzieć brakujące części sekwencji wejściowej, przeprowadzając samonadzorowane uczenie się na ogromnych danych tekstowych. Dzięki temu model może uczyć się wiedzy, takiej jak gramatyka, semantyka i zdrowy rozsądek. Następnie, w fazie dostrajania, model jest nadzorowany i dopracowywany przy użyciu danych oznaczonych etykietami specyficznymi dla zadania, aby dostosować go do konkretnego zadania, np. chatbota.

Proces generowania ChatGPT obejmuje dwa etapy: etap wejściowy kodera i etap generowania dekodera. Na etapie wejściowym kodera model otrzymuje dane wejściowe od użytkownika i przekształca je w ukrytą reprezentację w celu uchwycenia informacji semantycznych z danych wejściowych. Na etapie generowania dekodera model wykorzystuje ukrytą reprezentację kodera i wcześniej wygenerowane tokeny w celu wygenerowania kolejnego tokena odpowiedzi, aż do osiągnięcia określonego warunku zatrzymania.

Crypto: Blockchain to najuczciwsza relacja produkcyjna

Zasadniczo nie ma potrzeby wchodzenia w szczegóły, głównym powodem, dla którego Crypto może rozwinąć się na obecną skalę, jest to, że blockchain może zwiększyć sprawiedliwość społeczną i reprezentować najuczciwsze relacje produkcyjne. Oczywiście, aby sprawiedliwość miała znaczenie, należy ją przede wszystkim omówić w ramach stosunkowo uniwersalnych ram wartości.

Jako przykłady weźmy Bitcoin i Ethereum, które obecnie mają największą kapitalizację rynkową. W ramach wartości „dostajesz więcej za swoją pracę, im więcej pracujesz, tym więcej pracujesz”, mechanizm konsensusu PoW Bitcoina jest bardzo sprawiedliwy, podobnie w ramach wartości „zysków kapitałowych”, Ethereum jest nadal bardzo sprawiedliwe zmiana z PoW na PoS.

Krótko mówiąc, Crypto oparte na technologii blockchain może zoptymalizować alokację zasobów, osiągnąć autonomię społeczności i reprezentuje najuczciwsze społeczne relacje produkcyjne.

Integracja sztucznej inteligencji i kryptowalut

Integracja sztucznej inteligencji i kryptowalut może prowadzić do interesujących eksploracji zastosowań.

1、Bot do handlu kryptowalutami AI

Ponieważ sztuczna inteligencja rozwinęła się stosunkowo dojrzało w zakresie analizy i przetwarzania danych, szkolenia modeli itp., istnieją już precedensy w zakresie inwestycji w sztuczną inteligencję:

Renaissance Technologies, fundusz hedgingowy, który w 100% opiera się na uczeniu maszynowym, wielkoskalowej analizie danych i modelach matematycznych, wykorzystuje do inwestowania transakcje o wysokiej częstotliwości, arbitraż statystyczny i strategie neutralne rynkowo, zarabiając w trakcie swojego istnienia 100 miliardów dolarów. Renaissance Hedge Fund można uznać za finansową wersję sztucznej inteligencji wykorzystującą uczenie maszynowe i analizę danych.

Rynek kryptowalut ma wyjątkowe zalety we wspieraniu inwestycji interwencyjnych AI: 24-godzinne bezproblemowe działanie, anonimowość, brak KYC, całkowicie zamknięta pętla w łańcuchu i brak kontaktu fizycznego. Jeśli AI Trader zostanie opracowany dla rynku Crypto, strategie zabezpieczające, takie jak arbitraż, kwantyfikacja i analiza trendów, mogą być stosowane w łańcuchu operacyjnym rynku Crypto, a niektóre modele uczenia maszynowego i analizy danych mogą być zaprojektowane tak, aby umożliwić temu Traderowi AI ciągłe działanie poprawić zrozumienie rynku kryptowalut. Wiedząc o tym, być może będziemy w stanie stworzyć tradera AI, który będzie mógł w sposób zrównoważony generować zyski.

Użyj sztucznej inteligencji do przewidywania trendów na rynku kryptowalut: Wahania cen na rynku kryptowalut są bardzo gwałtowne, a sztuczna inteligencja może przewidywać trendy rynkowe i wahania cen, analizując dużą ilość danych rynkowych i historycznych trendów cenowych. Algorytmy uczenia maszynowego mogą identyfikować ukryte wzorce i trendy, pomagając inwestorom podejmować bardziej świadome decyzje. Na przykład sztuczna inteligencja może analizować nastroje rynkowe za pomocą modeli głębokiego uczenia się, aby przewidzieć tendencje wzrostowe lub spadkowe cen kryptowalut.

Zautomatyzowany handel z wykorzystaniem sztucznej inteligencji: Algorytmy automatycznego handlu AI są jednym z ważnych narzędzi handlu kryptowalutami. Zautomatyzowany handel kryptowalutami można osiągnąć poprzez pisanie inteligentnych kontraktów i botów handlowych. Roboty te mogą wykonywać transakcje zgodnie z ustalonymi regułami i strategiami, redukując zakłócenia ze strony czynnika ludzkiego oraz poprawiając wydajność i dokładność transakcji. Na przykład, korzystając z algorytmów AI, roboty handlowe mogą automatycznie wykonywać operacje kupna lub sprzedaży w oparciu o warunki rynkowe, aby uzyskać najlepsze wyniki handlowe.

W tym kierunku obecnie widzimy Rockybota. Jest to w pełni onchainowy bot AI Trading, który może wykorzystywać modele AI w łańcuchu do przewidywania cen ETH i samodzielnego podejmowania decyzji inwestycyjnych bez centralnej autoryzacji. Rockybot korzysta ze StarkNet i został przeszkolony w oparciu o historyczne dane dotyczące cen/stawek dla pary handlowej WETH:USDC. Architektonicznie Rocky to prosta trójwarstwowa sieć neuronowa ze sprzężeniem zwrotnym, która przewiduje, czy cena WETH wzrośnie, czy spadnie, w oparciu o historyczne dane dotyczące cen rynkowych. Ale Rockybot nie zaczął jeszcze zarabiać... Może potrzebować więcej szkoleń (ale projekt przestał przyjmować darowizny)... Może być też tak, że piekielne zadanie zarabiania pieniędzy na bessie Crypto jest również wstydem dla sztucznej inteligencji .

2. Przekazywanie danych i ochrona prywatności

Użyj Crypto, aby zmotywować więcej osób do dostarczania danych do algorytmów AI: algorytmy AI mają duże zapotrzebowanie na duże ilości danych wysokiej jakości, a kryptowaluty mogą zachęcać użytkowników do udostępniania swoich danych poprzez mechanizmy motywacyjne. Kryptowaluta może zapewnić dostawcom danych określone korzyści ekonomiczne, promując w ten sposób udostępnianie i obieg danych. Ten mechanizm motywacyjny może zachęcić więcej użytkowników do udostępniania danych, zwiększając w ten sposób próbki szkoleniowe algorytmu AI oraz poprawiając jego dokładność i inteligencję.

Ochrona prywatności dostawców danych AI za pomocą Crypto: Właściwości szyfrowania i anonimowości blockchainu również pomagają chronić prywatność użytkowników. Mechanizm udostępniania danych i ochrony prywatności kryptowalut zapewnia więcej zasobów danych dla algorytmów AI, zapewniając jednocześnie bezpieczeństwo danych osobowych użytkowników.

3. ZKML: Zapewnij prywatność i autentyczność modeli uczenia maszynowego

ZKML (zero Knowledge Machine Learning) to technologia wykorzystująca dowód wiedzy zerowej na potrzeby uczenia maszynowego. ZKML może rozwiązać problem ochrony prywatności modeli/wejść AI oraz problem weryfikowalnego procesu wnioskowania, wykorzystując zkSNARK do udowodnienia poprawności rozumowania uczenia maszynowego.

ZKML można używać do uczenia i oceniania modeli uczenia maszynowego na wrażliwych danych bez ujawniania danych komukolwiek innemu. ZKML można wykorzystać do zapewnienia spójności modeli uczenia maszynowego. Jest to bardzo ważne dla użytkowników, ponieważ modele mają kluczowe znaczenie dla wyników uczenia maszynowego.

Istnieją już pewne badania zastosowań wokół ZKML. W kierunku DeFi uruchomiono w pełni onchainowy bot AI Trading – Rockybot, który może wykorzystywać modele AI w łańcuchu do przewidywania cen ETH i samodzielnego podejmowania decyzji inwestycyjnych bez centralnej autoryzacji. W kierunku Games, Modulus Labs uruchomił a Oparta na ZKML gra w szachy Leela, w której wszyscy użytkownicy mogą grać przeciwko robotowi zasilanemu przez modele AI zweryfikowane przez ZK, oraz platformowa gra walki AI Arena w kierunku Creator Economy, społeczność przesłała EIP o nazwie zkML AIGC-NFTs # 7007 (ten EIP jeszcze nie został przyjęty), proponuje się użycie ZKML do sprawdzenia, czy NFT jest generowane przez sztuczną inteligencję, wprowadzając w ten sposób kategorię NFT stworzoną przez sztuczną inteligencję w kierunku DID, Wordcoin bada wykorzystanie ZKML do umożliwiają użytkownikom generowanie kodów IRIS w sposób bez uprawnień. Podczas generowania IRIS. Po aktualizacji algorytmu kodu użytkownicy mogą samodzielnie pobrać model i wygenerować dowody bez konieczności udawania się do stacji Orb platforma dystrybucji tokenów Astraly zbudowana na platformie StarkNet, która tworzy system reputacji oparty na sztucznej inteligencji (w części Używaj modeli klastrowych do identyfikacji cech użytkownika/przedmiotu, odznak i zachowań historycznych przed niezawodnym obliczeniem ocen reputacji).

4. AI+Blockchain: samodoskonalący się protokół blockchain

Dzięki przejrzystemu uczeniu maszynowemu opartemu na sztucznej inteligencji protokoły DeFi mogą optymalizować się bez zaufania, na przykład wykorzystując uczenie maszynowe do dostosowywania kursu wymiany/stopy procentowej monet stabilnych. Korzystając z wielomodalnej biometrii/uwierzytelniania, dApps może samodzielnie zarządzać zgodnością/bezpieczeństwem. Nawet proces generowania ZKP w ZK Rollup może jeszcze bardziej znacznie poprawić wydajność ZK Rollup, tworząc system sprawdzający skupiony na budowaniu pod kątem uczenia maszynowego, budując w ten sposób najszybszy na świecie moduł zk-AI Prover.

Oczywiście na drodze do integracji sztucznej inteligencji i kryptowalut nadal stoi wiele wyzwań. Na przykład nikt jak dotąd nie dokonał przeniesienia istniejących operacji sztucznej inteligencji na te automatycznie generowane języki sprawdzające, chociaż Giza pracuje nad przeniesieniem wstępnie wytrenowanych modeli ONNX do Cario w celu weryfikowalnych wnioskowań.

Streszczać

Połączenie sztucznej inteligencji i kryptowalut może przynieść inteligentne zmiany w cyfryzacji. Zastosowanie sztucznej inteligencji sprawia, że ​​Crypto jest bardziej inteligentne i wydajne, a w oparciu o Crypto może dostarczać bardziej realnych, kompleksowych danych i godnego zaufania środowiska operacyjnego dla algorytmów AI.

Pomimo wielu wyzwań możemy spodziewać się bardziej dogłębnej integracji sztucznej inteligencji i kryptowalut, aby wspólnie promować rozwój gospodarki cyfrowej i stworzyć lepszą przyszłość dla całej ludzkości.

Dokumentacja referencyjna:

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

https://www.rockybot.app/

https://www.leelavstheworld.xyz/