prefácio:

Com o rápido desenvolvimento da tecnologia digital, IA e criptografia tornaram-se os dois tópicos mais quentes. Como uma revolução tecnológica, a IA representa a produtividade mais avançada. A criptografia é baseada na tecnologia blockchain e representa a relação de produção mais justa. A IA e a criptografia estão mudando constantemente a maneira como vivemos e trabalhamos. Este artigo explorará a convergência de IA e criptografia e como juntas elas podem moldar nosso futuro.

IA: produtividade de última geração

AI (Inteligência Artificial) é uma tecnologia que permite que sistemas de computador imitem a inteligência humana e executem tarefas inteligentes. Abrange vários subcampos, incluindo:

1. Aprendizado de máquina: O aprendizado de máquina é a base da IA ​​e envolve o treinamento de sistemas computacionais para melhorar o desempenho por meio de dados e experiência. Incluindo diferentes tipos, como aprendizagem supervisionada, aprendizagem não supervisionada e aprendizagem por reforço;

2. Aprendizado profundo: O aprendizado profundo é um ramo do aprendizado de máquina que simula o funcionamento da rede neural do cérebro humano. Ele usa redes neurais multicamadas para processar dados complexos e fez grandes avanços em áreas como visão computacional e processamento de linguagem natural;

3. Processamento de Linguagem Natural (PNL): A PNL envolve permitir que os computadores entendam e processem a linguagem humana. Inclui análise de texto, análise de sentimento, reconhecimento de fala, tradução automática e outras tecnologias.

4. Visão computacional: A visão computacional visa permitir que os sistemas computacionais “vejam” e compreendam imagens e vídeos. Envolve tecnologias de reconhecimento de imagem, detecção de alvos, reconhecimento facial, geração de imagens, etc.

A partir da lógica subjacente, o núcleo da IA ​​é permitir que os computadores tenham “percepção”, “cognição”, “criatividade” e “inteligência”. A explicação concreta é permitir que os computadores pensem como humanos, ajam como humanos, pensem racionalmente e tomem decisões racionais.

Com o desenvolvimento da tecnologia de IA, existem muitos cenários de aplicação que podem alcançar redução de custos, melhoria de eficiência e segurança através do uso de IA. Em suma, pode servir melhor a humanidade. por exemplo:

• Condução autônoma: A tecnologia de IA é usada para desenvolver veículos autônomos para melhorar a segurança rodoviária e a eficiência de direção, detectando o ambiente, tomando decisões e controlando o veículo.

• Cuidados de saúde: a IA desempenha um papel importante no reconhecimento de imagens médicas, diagnóstico de doenças e planeamento de tratamento, ajudando os médicos a fornecer diagnósticos mais precisos e planos de tratamento personalizados.

• Serviços financeiros: A IA é amplamente utilizada no domínio financeiro, incluindo avaliação de risco, pontuação de crédito, estratégias de investimento e combate à fraude, para melhorar a eficiência e a precisão das instituições financeiras.

• Casa inteligente: a IA é aplicada a dispositivos domésticos inteligentes, permitindo que os dispositivos domésticos sejam controlados por voz ou gestos, melhorando a conveniência e o conforto da casa.

• Processamento de linguagem natural: a tecnologia de IA permite que as máquinas entendam e processem a linguagem humana, incluindo reconhecimento de fala, compreensão semântica e tradução automática. É amplamente utilizada em assistentes inteligentes (como Siri, Alexa, Google Assistant) e robôs virtuais (como robôs clientes). serviço) por meio de interação de voz e texto para fornecer atendimento e suporte personalizados.

• Entretenimento e Jogos: A IA desempenha um papel importante no desenvolvimento de jogos, incluindo o design de inimigos inteligentes, dificuldade adaptativa do jogo e efeitos gráficos realistas.

O ChatGPT mais popular deste ano é um modelo de chatbot baseado no transformador generativo pré-treinado. GPT é um modelo de linguagem baseado na arquitetura Transformer desenvolvida pela OpenAI. O objetivo do ChatGPT é aprender as leis estatísticas e a compreensão semântica da linguagem por meio de pré-treinamento em grandes quantidades de dados de texto para gerar respostas de linguagem natural semelhantes às humanas.

A lógica de design subjacente do GPT inclui principalmente dois componentes principais: arquitetura do transformador e método de ajuste fino de pré-treinamento.

Arquitetura do Transformer: Transformer é uma arquitetura de rede neural baseada no mecanismo de autoatenção, que pode estabelecer dependências de longa distância ao processar dados de sequência. O transformador consiste em múltiplas camadas codificador-decodificador, cada uma das quais consiste em um mecanismo de atenção com múltiplas cabeças e uma rede neural feed-forward. O mecanismo de atenção permite que o modelo se concentre em diferentes posições na sequência de entrada ao gerar a saída, compreendendo melhor as informações contextuais.

Abordagem de ajuste fino de pré-treinamento: ChatGPT usa pré-treinamento não supervisionado em grande escala para aprender padrões e conhecimentos de linguagem. No estágio de pré-treinamento, o modelo tenta prever as partes que faltam na sequência de entrada, realizando aprendizagem auto-supervisionada em dados de texto massivos. Isso permite que o modelo aprenda conhecimentos como gramática, semântica e bom senso. Então, na fase de ajuste fino, o modelo é supervisionado e ajustado usando dados rotulados específicos da tarefa para adaptá-lo a uma tarefa específica, como um chatbot.

O processo de geração do ChatGPT inclui dois estágios: o estágio de entrada do codificador e o estágio de geração do decodificador. Na etapa de entrada do codificador, o modelo recebe a entrada do usuário e a transforma em uma representação oculta para capturar a informação semântica da entrada. Durante o estágio de geração do decodificador, o modelo utiliza a representação oculta do codificador e tokens gerados anteriormente para gerar o próximo token de resposta até que uma condição de parada específica seja atingida.

Cripto: Blockchain é a relação de produção mais justa

Não há necessidade de entrar em detalhes. Basicamente, a principal razão pela qual a Crypto pode se desenvolver em sua escala atual é que o blockchain pode aumentar a justiça social e representar as relações de produção mais justas. É claro que, em primeiro lugar, a justiça precisa de ser discutida dentro de um quadro de valores relativamente universal para ser significativa.

Veja o Bitcoin e o Ethereum, que atualmente possuem a maior capitalização de mercado, como exemplos. Na estrutura de valor de “você ganha mais pelo seu trabalho, quanto mais você trabalha, mais você trabalha”, o mecanismo de consenso PoW do Bitcoin é muito justo, da mesma forma, na estrutura de valor de “ganhos de capital”, o Ethereum ainda é muito justo; mudando de PoW para PoS.

Em suma, a criptografia baseada na tecnologia blockchain pode otimizar a alocação de recursos, alcançar a autonomia da comunidade e representar as relações de produção social mais justas.

A integração de IA e criptografia

A integração de IA e criptografia pode levar a algumas explorações interessantes de aplicativos.

1、Bot de negociação de criptomoeda AI

Como a IA se desenvolveu de forma relativamente madura na análise e processamento de dados, treinamento de modelos, etc., já existem precedentes para investimento em IA:

Renaissance Technologies, um fundo de hedge que depende 100% do aprendizado de máquina de análise de dados em grande escala e modelos matemáticos, utiliza negociação de alta frequência, arbitragem estatística e estratégias neutras de mercado para investir, ganhando US$ 100 bilhões durante sua existência. O Renaissance Hedge Fund pode ser considerado uma versão financeira da IA ​​usando aprendizado de máquina e análise de dados.

O mercado de criptografia tem vantagens únicas no apoio a investimentos de intervenção em IA: operação contínua 24 horas por dia, anonimato, sem KYC, circuito completamente fechado na cadeia e sem contato físico. Se um AI Trader for desenvolvido para o mercado Crypto, estratégias de hedge como arbitragem, quantificação e análise de tendências podem ser usadas na cadeia de operação do mercado Crypto e alguns modelos de aprendizado de máquina e análise de dados podem ser projetados para permitir que este AI Trader trabalhe continuamente; melhorar sua compreensão do mercado de criptografia. Sabendo disso, poderemos criar um AI Trader que possa obter lucros de forma sustentável.

Use IA para prever tendências de mercado de criptografia: As flutuações de preços no mercado de criptomoedas são muito violentas e a IA pode prever tendências de mercado e flutuações de preços analisando uma grande quantidade de dados de mercado e tendências históricas de preços. Algoritmos de aprendizado de máquina podem identificar padrões e tendências ocultos, ajudando os investidores a tomar decisões mais informadas. Por exemplo, a IA pode analisar o sentimento do mercado através de modelos de aprendizagem profunda para prever tendências ascendentes ou descendentes nos preços das criptomoedas.

Negociação automatizada usando IA: Os algoritmos de negociação automatizados da IA ​​são uma das ferramentas importantes para a negociação de criptomoedas. A negociação automatizada de criptomoedas pode ser alcançada escrevendo contratos inteligentes e bots de negociação. Esses robôs podem executar transações de acordo com regras e estratégias predefinidas, reduzindo a interferência de fatores humanos e melhorando a eficiência e a precisão das transações. Por exemplo, utilizando algoritmos de IA, os robôs de negociação podem realizar automaticamente operações de compra ou venda com base nas condições de mercado para obter os melhores resultados de negociação.

Nesta direção vemos atualmente o Rockybot. Este é um bot de negociação de IA totalmente on-chain que pode usar modelos de IA on-chain para prever preços de ETH e tomar decisões de investimento por conta própria, sem autorização central. Rockybot depende da StarkNet e foi treinado em dados históricos de preços/taxas para o par de negociação WETH:USDC. Arquitetonicamente, Rocky é uma rede neural feedforward simples de três camadas que prevê se o preço do WETH aumentará ou diminuirá com base em dados históricos de preços de mercado. Mas o Rockybot ainda não começou a ganhar dinheiro... Pode precisar de mais treinamento (mas o projeto parou de aceitar doações)... Também pode ser que a tarefa infernal de ganhar dinheiro no mercado baixista da Crypto também seja uma vergonha para a IA .

2. Contribuição de dados e proteção da privacidade

Use a criptografia para motivar mais pessoas a contribuir com dados para algoritmos de IA: Os algoritmos de IA têm uma alta demanda por grandes quantidades de dados de alta qualidade, e as criptomoedas podem encorajar os usuários a compartilhar seus dados por meio de mecanismos de incentivo. A criptomoeda pode proporcionar certos retornos económicos aos fornecedores de dados, promovendo assim a partilha e a circulação de dados. Este mecanismo de incentivo pode incentivar mais usuários a contribuir com dados, aumentando assim as amostras de treinamento do algoritmo de IA e melhorando sua precisão e inteligência.

Protegendo a privacidade dos contribuidores de dados de IA usando criptografia: as propriedades de criptografia e anonimato do blockchain também ajudam a proteger a privacidade do usuário. O mecanismo de compartilhamento de dados e proteção de privacidade da criptomoeda fornece mais recursos de dados para algoritmos de IA, garantindo ao mesmo tempo a segurança das informações pessoais dos usuários.

3. ZKML: Garantir a privacidade e autenticidade dos modelos de aprendizado de máquina

ZKML (aprendizado de máquina com conhecimento zero) é uma tecnologia que usa prova de conhecimento zero para aprendizado de máquina. ZKML pode resolver o problema de proteção da privacidade de modelos/entradas de IA e o problema do processo de raciocínio verificável, usando zkSNARK para provar a correção do raciocínio de aprendizado de máquina.

O ZKML pode ser usado para treinar e avaliar modelos de aprendizado de máquina em dados confidenciais, sem revelar os dados a ninguém. ZKML pode ser usado para garantir a consistência dos modelos de aprendizado de máquina. Isso é muito importante para os usuários porque os modelos são essenciais para os resultados do aprendizado de máquina.

Já existem algumas explorações de aplicativos em torno do ZKML. Na direção DeFi, foi lançado o bot-Rockybot de negociação de IA totalmente on-chain, que pode usar modelos de IA on-chain para prever preços de ETH e tomar decisões de investimento por conta própria, sem autorização central na direção dos Jogos, Modulus Labs lançou um; Baseado em ZKML O jogo de xadrez Leela, onde todos os usuários podem jogar contra um robô movido por modelos de IA verificados por ZK, e o jogo de luta de plataforma AI Arena na direção da Economia do Criador, a comunidade enviou um EIP chamado zkML AIGC-NFTs#; Proposta 7007 (este EIP ainda não foi aprovado), propõe-se o uso de ZKML para verificar se o NFT é gerado por IA, o que introduzirá a categoria de NFT criado por IA na direção DID, Wordcoin está explorando o uso de ZKML; para permitir que os usuários gerem códigos IRIS sem permissão Ao gerar IRIS Após a atualização do algoritmo do código, os usuários podem baixar o modelo e gerar provas por conta própria sem ir à estação Orb, além disso, há também uma reputação-; plataforma de distribuição de token baseada Astraly construída em StarkNet, que está criando um sistema de reputação baseado em IA (em Use modelos de cluster para identificar características de usuário/item, emblemas e comportamento histórico antes de calcular classificações de reputação sem confiança).

4. AI+Blockchain: protocolo blockchain de autoaperfeiçoamento

Por meio do aprendizado de máquina de IA transparente, os protocolos DeFi podem se otimizar sem confiança, como usar o aprendizado de máquina para ajustar a taxa de câmbio/taxa de juros de stablecoins. Ao usar biometria/autenticação multimodal, os dApps podem autogerenciar a conformidade/segurança. Mesmo o processo de geração de ZKP do ZK Rollup também pode criar um sistema de prova focado na construção para aprendizado de máquina, construindo assim o zk-AI Prover mais rápido do mundo, melhorando ainda mais o desempenho do ZK Rollup.

É claro que ainda existem muitos desafios no caminho para a integração de IA e criptografia. Por exemplo, até agora ninguém fez a portabilidade das operações de IA existentes para essas linguagens de prova geradas automaticamente, embora Giza esteja trabalhando na portabilidade de modelos ONNX pré-treinados para Cario para inferência verificável.

Resumir

A fusão de IA e criptografia pode trazer mudanças inteligentes à digitalização. A aplicação da IA ​​torna a Crypto mais inteligente e eficiente e, com base na Crypto, pode fornecer dados mais reais e abrangentes e um ambiente operacional confiável para algoritmos de IA.

Apesar de enfrentarmos muitos desafios, podemos esperar uma integração mais profunda da IA ​​e da criptografia para promover conjuntamente o desenvolvimento da economia digital e criar um futuro melhor para toda a humanidade.

Documentação de referência:

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

https://www.rockybot.app/

https://www.leelavstheworld.xyz/