prefaţă:

Odată cu dezvoltarea rapidă a tehnologiei digitale, AI și Crypto au devenit cele mai fierbinți două subiecte. Ca o revoluție tehnologică, AI reprezintă cea mai avansată productivitate Crypto se bazează pe tehnologia blockchain și reprezintă cea mai corectă relație de producție. AI și Crypto schimbă în mod constant modul în care trăim și lucrăm. Acest articol va explora convergența AI și Crypto și modul în care împreună ne pot modela viitorul.

AI: productivitate de ultimă generație

AI (Inteligenta Artificiala) este o tehnologie care permite sistemelor informatice sa imite inteligenta umana si sa realizeze sarcini inteligente. Acesta acoperă mai multe subdomenii, inclusiv:

1. Învățarea automată: Învățarea automată este baza AI și implică antrenarea sistemelor informatice pentru a îmbunătăți performanța prin date și experiență. Includerea diferitelor tipuri, cum ar fi învățarea supravegheată, învățarea nesupravegheată și învățarea prin întărire;

2. Învățare profundă: Învățarea profundă este o ramură a învățării automate care simulează modul de lucru al rețelei neuronale a creierului uman. Utilizează rețele neuronale cu mai multe straturi pentru a procesa date complexe și a făcut progrese majore în domenii precum viziunea computerizată și procesarea limbajului natural;

3. Procesarea limbajului natural (NLP): NLP implică permiterea computerelor să înțeleagă și să proceseze limbajul uman. Include analiza textului, analiza sentimentelor, recunoașterea vorbirii, traducerea automată și alte tehnologii.

4. Viziunea computerizată: Viziunea computerizată își propune să permită sistemelor informatice să „vadă” și să înțeleagă imagini și videoclipuri. Implică tehnologii în recunoașterea imaginilor, detectarea țintei, recunoașterea feței, generarea de imagini etc.

Din logica de bază, nucleul AI este acela de a permite computerelor să aibă „percepție”, „cogniție”, „creativitate” și „inteligență”. Explicația concretă este aceea de a permite computerelor să gândească ca oamenii, să se comporte ca oamenii, să gândească rațional și să ia decizii raționale.

Odată cu dezvoltarea tehnologiei AI, există multe scenarii de aplicații care pot obține reducerea costurilor, îmbunătățirea eficienței și siguranța prin utilizarea AI. Pe scurt, poate servi mai bine omenirii. de exemplu:

• Conducere autonomă: tehnologia AI este utilizată pentru a dezvolta vehicule autonome pentru a îmbunătăți siguranța rutieră și eficiența conducerii prin detectarea mediului, luarea deciziilor și controlul vehiculului.

• Asistență medicală: AI joacă un rol important în recunoașterea imaginii medicale, diagnosticarea bolii și planificarea tratamentului, ajutând medicii să ofere un diagnostic mai precis și planuri de tratament personalizate.

• Servicii financiare: AI este utilizat pe scară largă în domeniul financiar, inclusiv evaluarea riscurilor, scoring credit, strategii de investiții și antifraudă, pentru a îmbunătăți eficiența și acuratețea instituțiilor financiare.

• Casă inteligentă: AI este aplicată dispozitivelor inteligente de acasă, permițând controlului dispozitivelor de acasă prin voce sau gesturi, îmbunătățind confortul și confortul casei.

• Procesarea limbajului natural: tehnologia AI permite mașinilor să înțeleagă și să proceseze limbajul uman, inclusiv recunoașterea vorbirii, înțelegerea semantică și traducerea automată. Este utilizată pe scară largă în asistenții inteligenți (cum ar fi Siri, Alexa, Asistentul Google) și roboții virtuali (cum ar fi clientul robot). serviciu) prin interacțiune vocală și text pentru a oferi servicii și asistență personalizate.

• Divertisment și jocuri: AI joacă un rol important în dezvoltarea jocului, inclusiv în proiectarea inamicilor inteligenți, dificultatea jocului adaptiv și efectele grafice realiste.

Cel mai popular ChatGPT din acest an este un model de chatbot bazat pe Generative Pre-Trained Transformer. GPT este un model de limbaj bazat pe arhitectura Transformer dezvoltată de OpenAI. Scopul ChatGPT este de a învăța legile statistice și înțelegerea semantică a limbajului prin pre-instruire pe cantități mari de date text pentru a genera răspunsuri în limbaj natural asemănătoare omului.

Logica de proiectare de bază a GPT include în principal două componente cheie: arhitectura transformatorului și metoda de reglare fină pre-antrenament.

Arhitectura transformatorului: Transformerul este o arhitectură de rețea neuronală bazată pe un mecanism de auto-atenție, care poate stabili dependențe pe distanțe lungi atunci când procesează datele secvenței. Transformerul este format din mai multe straturi de codificator-decodor, fiecare dintre ele constând dintr-un mecanism de atenție cu mai multe capete și o rețea neuronală feed-forward. Mecanismul de atenție permite modelului să se concentreze pe diferite poziții din secvența de intrare atunci când generează rezultate, înțelegând astfel mai bine informațiile contextuale.

Abordare pre-antrenament-reglare fină: ChatGPT utilizează pre-instruire nesupravegheată pe scară largă pentru a învăța modele și cunoștințe de limbă. În etapa de pre-antrenament, modelul încearcă să prezică părțile lipsă ale secvenței de intrare prin efectuarea de învățare auto-supravegheată pe date de text masive. Acest lucru permite modelului să învețe cunoștințe precum gramatica, semantica și bunul simț. Apoi, în faza de reglare fină, modelul este supravegheat și ajustat folosind date etichetate specifice sarcinii pentru a-l adapta la o anumită sarcină, cum ar fi un chatbot.

Procesul de generare a ChatGPT include două etape: etapa de intrare a codificatorului și etapa de generare a decodorului. În etapa de intrare a codificatorului, modelul primește intrarea utilizatorului și o transformă într-o reprezentare ascunsă pentru a capta informațiile semantice ale intrării. În timpul etapei de generare a decodorului, modelul utilizează reprezentarea ascunsă a codificatorului și jetoanele generate anterior pentru a genera următorul jeton de răspuns până când este atinsă o anumită condiție de oprire.

Crypto: Blockchain este cea mai corectă relație de producție

Nu este nevoie să intrăm în detalii. Practic, motivul principal pentru care Crypto se poate dezvolta la scara actuală este că blockchain-ul poate îmbunătăți echitatea socială și poate reprezenta cele mai echitabile relații de producție. Desigur, în primul rând, corectitudinea trebuie discutată într-un cadru de valori relativ universal pentru a avea sens.

Luați ca exemple Bitcoin și Ethereum, care au în prezent cea mai mare capitalizare de piață. În cadrul valorii „obții mai mult pentru munca ta, cu cât lucrezi mai mult, cu atât lucrezi mai mult”, mecanismul de consens PoW al Bitcoin este foarte corect, în cadrul valorii „câștigurilor de capital”, Ethereum este încă foarte corect; trecerea de la PoW la PoS.

Pe scurt, Crypto bazat pe tehnologia blockchain poate optimiza alocarea resurselor, poate atinge autonomia comunității și reprezintă cele mai corecte relații sociale de producție.

Integrarea AI și Crypto

Integrarea AI și Crypto poate duce la câteva explorări interesante de aplicații.

1、Crypto AI Trading Bot

Deoarece AI s-a dezvoltat relativ matur în analiza și procesarea datelor, formarea modelelor etc., există deja precedente pentru investițiile în IA:

Renaissance Technologies, un fond speculativ care se bazează 100% pe învățarea automată a analizei datelor la scară largă și a modelelor matematice, utilizează tranzacții de înaltă frecvență, arbitraj statistic și strategii neutre pentru piață pentru a investi, câștigând 100 de miliarde de dolari în timpul existenței sale. Renaissance Hedge Fund poate fi privit ca o versiune financiară a inteligenței artificiale care utilizează învățarea automată și analiza datelor.

Piața Crypto are avantaje unice în sprijinirea investițiilor de intervenție AI: funcționare fără probleme 24 de ore din 24, anonimat, fără KYC, buclă complet închisă pe lanț și fără contact fizic. Dacă un AI Trader este dezvoltat pentru piața Crypto, strategiile de acoperire precum arbitrajul, cuantificarea și analiza tendințelor pot fi utilizate pe lanțul operațional al pieței Crypto, iar unele modele de învățare automată și de analiză a datelor pot fi concepute pentru a permite acestui Trader AI să funcționeze în mod continuu Îmbunătățiți înțelegerea pieței Crypto Dacă o cunoașteți, este posibil să puteți crea un AI Trader care poate obține profituri durabile.

Folosiți inteligența artificială pentru a prezice tendințele pieței criptomonede: fluctuațiile prețurilor de pe piața criptomonedelor sunt foarte violente, iar inteligența artificială poate prezice tendințele pieței și fluctuațiile prețurilor analizând o cantitate mare de date ale pieței și tendințele istorice ale prețurilor. Algoritmii de învățare automată pot identifica modele și tendințe ascunse, ajutând investitorii să ia decizii mai informate. De exemplu, inteligența artificială poate analiza sentimentul pieței prin modele de învățare profundă pentru a prezice tendințele de creștere sau scădere a prețurilor criptomonedelor.

Tranzacționare automată folosind AI: algoritmii de tranzacționare automatizat ai AI sunt unul dintre instrumentele importante pentru tranzacționarea cu criptomonede. Tranzacționarea automată a criptomonedei poate fi realizată prin scrierea de contracte inteligente și boți de tranzacționare. Acești roboți pot executa tranzacții conform regulilor și strategiilor prestabilite, reducând interferența factorilor umani și îmbunătățind eficiența și acuratețea tranzacțiilor. De exemplu, folosind algoritmi AI, roboții de tranzacționare pot efectua automat operațiuni de cumpărare sau vânzare în funcție de condițiile pieței pentru a obține cele mai bune rezultate de tranzacționare.

În această direcție vedem în prezent Rockybot. Acesta este un bot de tranzacționare AI complet onchain care poate folosi modele AI în lanț pentru a prezice prețurile ETH și pentru a lua singur decizii de investiții fără autorizație centrală. Rockybot se bazează pe StarkNet și a fost instruit pe datele istorice preț/rata pentru perechea de tranzacționare WETH:USDC. Din punct de vedere arhitectural, Rocky este o simplă rețea neuronală feedforward cu trei straturi care prezice dacă prețul WETH va crește sau va scădea pe baza datelor istorice ale prețurilor pieței. Dar Rockybot nu a început încă să câștige bani... Poate că are nevoie de mai multă pregătire (dar proiectul a încetat să accepte donații)... Se poate și ca sarcina infernală de a face bani pe piața urs a Crypto să fie și o jenă pentru AI .

2. Contribuția datelor și protecția vieții private

Utilizați Crypto pentru a motiva mai mulți oameni să contribuie cu date la algoritmii AI: algoritmii AI au o cerere mare pentru cantități mari de date de înaltă calitate, iar criptomonedele pot încuraja utilizatorii să-și partajeze datele prin mecanisme de stimulare. Criptomoneda poate oferi anumite profituri economice furnizorilor de date, promovând astfel partajarea și circulația datelor. Acest mecanism de stimulare poate încuraja mai mulți utilizatori să contribuie cu date, crescând astfel eșantioanele de antrenament ale algoritmului AI și îmbunătățind acuratețea și inteligența acestuia.

Protejarea confidențialității colaboratorilor de date AI folosind Crypto: Proprietățile de criptare și anonimat ale blockchain-ului ajută, de asemenea, la protejarea confidențialității utilizatorilor. Mecanismul de partajare a datelor și de protecție a confidențialității criptomonedei oferă mai multe resurse de date pentru algoritmii AI, asigurând în același timp securitatea informațiilor personale ale utilizatorilor.

3. ZKML: Asigurați confidențialitatea și autenticitatea modelelor de învățare automată

ZKML (învățare automată cu cunoștințe zero) este o tehnologie care utilizează dovezi de cunoștințe zero pentru învățarea automată. ZKML poate rezolva problema protecției confidențialității modelelor/intrarilor AI și problema procesului de raționament verificabil, folosind zkSNARK pentru a demonstra corectitudinea raționamentului învățării automate.

ZKML poate fi folosit pentru a instrui și evalua modele de învățare automată pe date sensibile fără a dezvălui datele nimănui altcuiva. ZKML poate fi folosit pentru a asigura coerența modelelor de învățare automată. Acest lucru este foarte important pentru utilizatori, deoarece modelele sunt esențiale pentru rezultatele învățării automate.

Există deja câteva explorări de aplicații în jurul ZKML. În direcția DeFi, a fost lansat bot-ul Rockybot AI Trading, care poate folosi modele AI în lanț pentru a prezice prețurile ETH și a lua singur decizii de investiții fără autorizație centrală în direcția Jocuri, a lansat Modulus Labs Bazat pe ZKML Jocul de șah Leela, în care toți utilizatorii pot juca împotriva unui robot alimentat de modele AI verificate de ZK, și jocul de luptă pe platformă AI Arena în direcția Creator Economy, comunitatea a trimis un EIP numit zkML AIGC-NFTs#; 7007 (acest EIP nu a trecut încă), se propune utilizarea ZKML pentru a verifica dacă NFT-ul este generat de AI, introducând astfel categoria de NFT creată de AI în direcția DID, Wordcoin explorează utilizarea ZKML permite utilizatorilor să genereze coduri IRIS într-o manieră fără permisiune. După ce algoritmul codului este actualizat, utilizatorii pot descărca singuri modelul și pot genera dovezi fără a merge la stația Orb Platforma de distribuție de jetoane Astraly s-a construit pe StarkNet, care creează un sistem de reputație bazat pe inteligență artificială (în Utilizați modele de grupare pentru a identifica caracteristicile utilizatorului/articolului, insignele și comportamentul istoric înainte de a calcula fără încredere evaluările reputației).

4. AI+Blockchain: Protocol blockchain cu auto-îmbunătățire

Prin învățarea automată AI transparentă, protocoalele DeFi se pot optimiza fără încredere, cum ar fi folosirea învățării automate pentru a ajusta cursul de schimb/rata dobânzii a monedelor stabile. Prin utilizarea biometriei/autentificării multimodale, dApps se poate auto-gestiona conformitatea/securitatea. Chiar și procesul de generare ZKP al ZK Rollup poate îmbunătăți semnificativ performanța ZK Rollup prin crearea unui sistem de dovezi axat pe construirea pentru învățarea automată, construind astfel cel mai rapid zk-AI Prover din lume.

Desigur, există încă multe provocări pe drumul spre integrarea AI și Crypto. De exemplu, nimeni nu a făcut până acum să portați operațiunile AI existente în aceste limbaje de dovezi generate automat, deși Giza lucrează la portarea modelelor ONNX preantrenate către Cario pentru o inferență verificabilă.

Rezuma

Fuziunea dintre AI și Crypto poate aduce schimbări inteligente în digitalizare. Aplicarea AI face Crypto-ul mai inteligent și mai eficient, iar bazat pe Crypto, poate oferi date mai reale și cuprinzătoare și un mediu de operare de încredere pentru algoritmii AI.

Deși ne confruntăm cu multe provocări, putem aștepta cu nerăbdare o integrare mai aprofundată a AI și Crypto pentru a promova împreună dezvoltarea economiei digitale și a crea un viitor mai bun pentru întreaga omenire.

Documentatie de referinta:

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

https://www.rockybot.app/

https://www.leelavstheworld.xyz/