предисловие:

С быстрым развитием цифровых технологий искусственный интеллект и криптография стали двумя самыми горячими темами. Будучи технологической революцией, ИИ представляет собой самую передовую производительность; Криптовалюта основана на технологии блокчейна и представляет собой самые справедливые производственные отношения. Искусственный интеллект и криптовалюта постоянно меняют наш образ жизни и работы. В этой статье мы рассмотрим конвергенцию искусственного интеллекта и криптовалюты и то, как вместе они будут формировать наше будущее.

ИИ: высочайшая производительность

ИИ (искусственный интеллект) — это технология, позволяющая компьютерным системам имитировать человеческий интеллект и выполнять интеллектуальные задачи. Он охватывает несколько подполей, в том числе:

1. Машинное обучение. Машинное обучение является основой ИИ и включает в себя обучение компьютерных систем повышению производительности с помощью данных и опыта. Включая различные типы, такие как обучение с учителем, обучение без учителя и обучение с подкреплением;

2. Глубокое обучение. Глубокое обучение — это отрасль машинного обучения, которая имитирует работу нейронной сети человеческого мозга. Он использует многослойные нейронные сети для обработки сложных данных и добился крупных прорывов в таких областях, как компьютерное зрение и обработка естественного языка;

3. Обработка естественного языка (НЛП). НЛП позволяет компьютерам понимать и обрабатывать человеческий язык. Он включает в себя анализ текста, анализ настроений, распознавание речи, машинный перевод и другие технологии.

4. Компьютерное зрение. Цель компьютерного зрения — дать возможность компьютерным системам «видеть» и понимать изображения и видео. Он включает в себя технологии распознавания изображений, обнаружения целей, распознавания лиц, генерации изображений и т. д.

Согласно базовой логике, суть ИИ заключается в том, чтобы дать компьютерам возможность обладать «восприятием», «познанием», «творчеством» и «интеллектом». Конкретное объяснение состоит в том, чтобы позволить компьютерам думать как люди, действовать как люди, мыслить рационально и принимать рациональные решения.

С развитием технологии искусственного интеллекта существует множество сценариев применения, которые позволяют добиться снижения затрат, повышения эффективности и безопасности за счет использования искусственного интеллекта. Короче говоря, оно может лучше служить человечеству. например:

  • Автономное вождение: технология искусственного интеллекта используется для разработки автономных транспортных средств для повышения безопасности дорожного движения и эффективности вождения за счет измерения окружающей среды, принятия решений и управления транспортным средством.

  • Здравоохранение: ИИ играет важную роль в распознавании медицинских изображений, диагностике заболеваний и планировании лечения, помогая врачам ставить более точный диагноз и разрабатывать персонализированные планы лечения.

  • Финансовые услуги: ИИ широко используется в финансовой сфере, включая оценку рисков, кредитный скоринг, инвестиционные стратегии и борьбу с мошенничеством, для повышения эффективности и точности финансовых учреждений.

  • Умный дом: искусственный интеллект применяется к устройствам умного дома, позволяя управлять домашними устройствами с помощью голоса или жестов, повышая удобство и комфорт дома.

  • Обработка естественного языка: технология искусственного интеллекта позволяет машинам понимать и обрабатывать человеческую речь, включая распознавание речи, семантическое понимание и автоматический перевод. Она широко используется в интеллектуальных помощниках (таких как Siri, Alexa, Google Assistant) и виртуальных роботах (например, роботах-клиентах). сервис) посредством голосового и текстового взаимодействия для предоставления персонализированного обслуживания и поддержки.

  • Развлечения и игры: искусственный интеллект играет важную роль в разработке игр, включая создание умных врагов, адаптивную сложность игры и реалистичные графические эффекты.

Самый популярный ChatGPT в этом году — это модель чат-бота, основанная на генеративном предварительно обученном трансформаторе. GPT — это языковая модель, основанная на архитектуре Transformer, разработанная OpenAI. Цель ChatGPT — изучить статистические законы и семантическое понимание языка посредством предварительного обучения на больших объемах текстовых данных для генерации ответов на естественном языке, подобных человеческим.

Базовая логика проектирования GPT в основном включает в себя два ключевых компонента: архитектуру трансформатора и метод предварительной настройки.

Архитектура трансформатора: Трансформатор — это архитектура нейронной сети, основанная на механизме самообслуживания, которая может устанавливать зависимости на больших расстояниях при обработке данных последовательности. Трансформатор состоит из нескольких слоев кодера-декодера, каждый из которых состоит из многоголовочного механизма внимания и нейронной сети прямой связи. Механизм внимания позволяет модели фокусироваться на различных позициях во входной последовательности при генерации выходных данных, тем самым лучше понимая контекстную информацию.

Подход предварительной подготовки и точной настройки: ChatGPT использует крупномасштабное предварительное обучение без присмотра для изучения языковых моделей и знаний. На этапе предварительного обучения модель пытается предсказать недостающие части входной последовательности, выполняя самоконтролируемое обучение на больших текстовых данных. Это позволяет модели изучать такие знания, как грамматика, семантика и здравый смысл. Затем, на этапе тонкой настройки, модель контролируется с использованием помеченных данных для конкретной задачи, чтобы адаптировать ее к конкретной задаче, например, к чат-боту.

Процесс генерации ChatGPT включает в себя два этапа: этап ввода кодера и этап генерации декодера. На этапе ввода кодировщика модель получает пользовательский ввод и преобразует его в скрытое представление для захвата семантической информации ввода. На этапе генерации декодера модель использует скрытое представление кодера и ранее сгенерированные токены для генерации следующего токена ответа до тех пор, пока не будет достигнуто определенное условие остановки.

Крипто: Блокчейн — самые справедливые производственные отношения

Нет необходимости вдаваться в подробности. По сути, основная причина, по которой Crypto может развиваться до нынешних масштабов, заключается в том, что блокчейн может повысить социальную справедливость и представить самые справедливые производственные отношения. Конечно, прежде всего, чтобы справедливость имела смысл, ее необходимо обсуждать в рамках относительно универсальных ценностей.

В качестве примера возьмем Биткойн и Эфириум, которые в настоящее время имеют наибольшую рыночную капитализацию. В рамках ценностной схемы «вы получаете больше за свою работу, чем больше вы работаете, тем больше вы работаете» механизм консенсуса Биткойна PoW очень справедлив, аналогично, в ценностной структуре «прироста капитала» Эфириум все еще очень справедлив; переход с PoW на PoS.

Короче говоря, криптовалюта, основанная на технологии блокчейна, может оптимизировать распределение ресурсов, достичь автономии сообщества и представляет собой самые справедливые общественные производственные отношения.

Интеграция искусственного интеллекта и криптовалюты

Интеграция искусственного интеллекта и криптовалюты может привести к некоторым интересным исследованиям приложений.

1. Криптовалютный торговый бот с искусственным интеллектом

Поскольку ИИ относительно зрело развился в области анализа и обработки данных, обучения моделей и т. д., уже существуют прецеденты инвестиций в ИИ:

Renaissance Technologies, хедж-фонд, который на 100% полагается на машинное обучение крупномасштабного анализа данных и математические модели, использует высокочастотную торговлю, статистический арбитраж и рыночно-нейтральные стратегии для инвестирования, заработав за время своего существования 100 миллиардов долларов США. Renaissance Hedge Fund можно рассматривать как финансовую версию искусственного интеллекта, использующую машинное обучение и анализ данных.

Рынок криптовалют обладает уникальными преимуществами в поддержке инвестиций в вмешательство искусственного интеллекта: круглосуточная бесперебойная работа, анонимность, отсутствие KYC, полностью замкнутый цикл в цепочке и отсутствие физического контакта. Если для рынка криптовалют разработан ИИ-трейдер, в цепочке операций на рынке криптографии можно использовать такие стратегии хеджирования, как арбитраж, количественная оценка и анализ тенденций, а также можно разработать некоторые модели машинного обучения и анализа данных, позволяющие этому ИИ-трейдеру работать непрерывно; улучшить понимание рынка криптовалют. Зная это, мы сможем создать AI-трейдера, который сможет стабильно получать прибыль.

Используйте ИИ для прогнозирования тенденций рынка криптовалют. Колебания цен на рынке криптовалют очень резкие, и ИИ может предсказывать рыночные тенденции и колебания цен, анализируя большой объем рыночных данных и исторических тенденций цен. Алгоритмы машинного обучения могут выявлять скрытые закономерности и тенденции, помогая инвесторам принимать более обоснованные решения. Например, ИИ может анализировать настроения рынка с помощью моделей глубокого обучения, чтобы прогнозировать тенденции роста или снижения цен на криптовалюту.

Автоматическая торговля с использованием ИИ. Алгоритмы автоматической торговли ИИ являются одним из важных инструментов для торговли криптовалютой. Автоматизированную торговлю криптовалютой можно достичь путем написания смарт-контрактов и торговых ботов. Эти роботы могут выполнять транзакции в соответствии с заданными правилами и стратегиями, уменьшая влияние человеческого фактора и повышая эффективность и точность транзакций. Например, используя алгоритмы искусственного интеллекта, торговые роботы могут автоматически выполнять операции покупки или продажи в зависимости от рыночных условий для получения наилучших результатов торговли.

В этом направлении мы сейчас видим Rockybot. Это полностью бот-бот для торговли на базе искусственного интеллекта, который может использовать модели искусственного интеллекта для прогнозирования цен на ETH и самостоятельно принимать инвестиционные решения без центрального разрешения. Rockybot полагается на StarkNet и прошел обучение на исторических данных о цене/курсе для торговой пары WETH:USDC. С архитектурной точки зрения Rocky представляет собой простую трехслойную нейронную сеть прямого распространения, которая предсказывает, будет ли цена WETH расти или падать, на основе исторических данных о рыночных ценах. Но Rockybot еще не начал зарабатывать деньги... Возможно, ему потребуется дополнительное обучение (но проект перестал принимать пожертвования)... Возможно также, что адская задача зарабатывания денег на медвежьем рынке Crypto также является позором для ИИ. .

2. Предоставление данных и защита конфиденциальности

Используйте Crypto, чтобы мотивировать больше людей вносить данные в алгоритмы ИИ: алгоритмы ИИ имеют высокий спрос на большие объемы высококачественных данных, а криптовалюты могут побуждать пользователей делиться своими данными через механизмы стимулирования. Криптовалюта может обеспечить определенную экономическую отдачу поставщикам данных, тем самым способствуя обмену и распространению данных. Этот механизм стимулирования может побудить больше пользователей предоставлять данные, тем самым увеличивая обучающую выборку алгоритма ИИ и повышая его точность и интеллект.

Защита конфиденциальности участников данных ИИ с помощью Crypto: Свойства шифрования и анонимности блокчейна также помогают защитить конфиденциальность пользователей. Механизм обмена данными и защиты конфиденциальности криптовалюты предоставляет больше ресурсов данных для алгоритмов искусственного интеллекта, обеспечивая при этом безопасность личной информации пользователей.

3. ZKML: обеспечьте конфиденциальность и подлинность моделей машинного обучения.

ZKML (машинное обучение с нулевым разглашением) — это технология, которая использует доказательство с нулевым разглашением для машинного обучения. ZKML может решить проблему защиты конфиденциальности моделей/входных данных ИИ и проблему проверяемого процесса рассуждений, используя zkSNARK для доказательства правильности рассуждений машинного обучения.

ZKML можно использовать для обучения и оценки моделей машинного обучения на конфиденциальных данных, не раскрывая эти данные кому-либо еще. ZKML можно использовать для обеспечения согласованности моделей машинного обучения. Это очень важно для пользователей, поскольку модели имеют решающее значение для результатов машинного обучения.

Уже есть некоторые исследования приложений вокруг ZKML. В направлении DeFi был запущен полностью ончейн-бот AI Trading — Rockybot, который может использовать внутрисетевые модели искусственного интеллекта для прогнозирования цен на ETH и самостоятельно принимать инвестиционные решения без центральной авторизации в направлении игр, Modulus Labs запустила; Основанная на ZKML шахматная игра Leela, в которой все пользователи могут играть против робота, оснащенного моделями искусственного интеллекта, проверенными ZK, и платформерный файтинг AI Arena в направлении Creator Economic, сообщество представило EIP под названием zkML AIGC-NFTs#; Предложение 7007 (этот EIP еще не принят), предлагается использовать ZKML для проверки того, генерируется ли NFT ИИ, таким образом вводя категорию NFT, созданную ИИ, в направлении DID, Wordcoin изучает использование ZKML для; разрешить пользователям генерировать коды IRIS без разрешения. При создании IRIS После обновления алгоритма кода пользователи могут загрузить модель и генерировать доказательства самостоятельно, не посещая станцию ​​Orb. Кроме того, существует также функция, основанная на репутации; платформа распределения токенов Astraly, построенная на базе StarkNet, которая создает систему репутации на основе искусственного интеллекта (в разделе «Используйте модели кластеризации для определения характеристик пользователя/предмета, значков и исторического поведения перед надежным расчетом рейтингов репутации»).

4. AI+Blockchain: самоулучшающийся протокол блокчейна.

Благодаря прозрачному машинному обучению ИИ протоколы DeFi могут оптимизировать себя без доверия, например, используя машинное обучение для корректировки обменного курса/процентной ставки стейблкоинов. Используя мультимодальную биометрию/аутентификацию, децентрализованные приложения могут самостоятельно управлять соблюдением требований и безопасностью. Даже процесс генерации ZKP в ZK Rollup может еще больше повысить производительность ZK Rollup за счет создания системы доказательств, ориентированной на машинное обучение, и тем самым создать самый быстрый в мире zk-AI Prover.

Конечно, на пути интеграции искусственного интеллекта и криптовалюты еще есть много проблем. Например, до сих пор никто не сделал перенос существующих операций ИИ на эти автоматически генерируемые языки доказательств, хотя Гиза работает над переносом предварительно обученных моделей ONNX в Cario для проверяемого вывода.

Подведем итог

Слияние искусственного интеллекта и криптографии может привести к разумным изменениям в цифровизации. Применение ИИ делает Crypto более интеллектуальным и эффективным, а на основе Crypto оно может предоставлять более реальные и полные данные и надежную рабочую среду для алгоритмов ИИ.

Несмотря на множество проблем, мы можем рассчитывать на более глубокую интеграцию искусственного интеллекта и криптовалюты, чтобы совместно способствовать развитию цифровой экономики и созданию лучшего будущего для всего человечества.

Справочная документация:

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

https://www.rockybot.app/

https://www.leelavstheworld.xyz/