Ang “Software is eating the world” ay naging ONE sa mga iconic na parirala ng huling dekada ng software industry. Sinipi noong 2011 ng software legend at venture capitalist na si Marc Andreessen, na-synthesize nito ang ideya na ang mga kumpanyang karamihan ay nagpapatakbo sa pisikal na mundo ay lumilipat sa digital na ekonomiya sa isang trend na mahalagang ibahin ang anyo ng bawat kumpanya sa isang kumpanya ng software.

Si Jesus Rodriguez ay CEO ng IntoTheBlock, isang blockchain at Cryptocurrency market analysis firm. Ang artikulong ito ay isang preview ng isang talumpating ibibigay niya ngayong linggo sa Big Ideas stage sa Pinagkasunduan 2022 sa Austin, Texas.

Sa nakalipas na mga taon, ang ebolusyon ng machine learning (ML) at artificial intelligence (AI) ay tumagos sa lahat ng bahagi ng industriya ng software, na humantong sa maraming eksperto na sabihin na "ang machine learning ay kumakain ng software." Ang mga Crypto at digital na asset ay nakaugat sa pundasyon ng code at programmability at, dahil dito, malamang na maimpluwensyahan ng mga trend ng ML-AI. Ang intersection ng ML-AI na may mga digital na asset ay malamang na maghahatid sa isang bagong panahon kung saan ang intelligence ay nagiging isang katutubong bahagi ng mga Crypto asset.

Ang ideya ng matalinong mga asset ng Crypto ay hindi mahalaga sa konsepto ngunit puno ng mga praktikal na hamon. Ano ang ilan sa mga pangunahing trend ng ML na maaaring mabilis na makaapekto sa susunod na henerasyon ng mga asset ng Crypto ? Ano ang mga pangunahing senaryo na maaaring makinabang mula sa mga kakayahan ng katalinuhan sa Crypto o ilan sa mga pangunahing teknikal na hamon na kailangang malampasan para maging matalino ang Crypto ? Sinasaliksik ng sanaysay na ito ang ilan sa mga ideyang ito at bumuo ng tesis tungkol sa potensyal ng intersection ng Crypto at ML.

Ang Crypto lang ang maaaring maging natively intelligent

Isang mahalagang punto na dapat matanto kapag nag-iisip tungkol sa AI-ML sa konteksto ng mga asset ng Crypto ay ang Crypto ay ang tanging klase ng asset sa kasaysayan na may potensyal na maging natively intelligent. Ang mga kakayahan ng AI-ML sa mga tradisyonal na klase ng asset, tulad ng mga kalakal o equities, ay ipinapatupad sa mga sasakyan tulad ng mga robo-advisors o Quant mga diskarte na nabubuhay sa labas ng asset mismo. Kahit na may malinaw na papel para sa mga sasakyang iyon sa Crypto space, maaaring native na i-embed ng mga asset ng Crypto ang mga kakayahan ng AI-ML na iyon sa mga asset. Ang benepisyong ito ay, malinaw naman, isang side effect ng programmable at digital na mga kakayahan ng Crypto. Ang mga asset ng Crypto ay nakabatay sa code at ang code na iyon ay maaaring nasa anyo ng mga modelong AI-ML.

Kakainin ng machine learning ang Crypto, ngunit paano?

Ang AI-ML ay malamang na may mahalagang papel sa susunod na dekada ng Crypto market. Habang ang mga unang yugto ng Crypto ay nakasentro sa digitalization at automation, ang susunod na pag-ulit ay tila nakalaan na nakatuon sa katalinuhan. Maraming mga application ng AI-ML sa Crypto ngayon, ngunit T namin masasabi na ang mga asset ng Crypto ay likas na matalino. Sa NEAR na hinaharap, dapat nating asahan na makita ang mga asset at protocol ng Crypto na magsisimulang isama ang AI-ML bilang mga katutubong kakayahan na magbibigay-daan sa kanila na Learn at maiangkop ang kanilang pag-uugali batay sa kanilang kapaligiran o mga Markets.

Ang hindi maiiwasang pagiging matalino ng mga digital na asset ay bahagyang idinidikta mula sa kahanga-hangang ebolusyon ng mga teknolohiya ng AI-ML sa nakalipas na ilang taon. Sa konteksto ng Crypto, T natin dapat isipin ang AI-ML bilang isang pangkaraniwang bagay kundi bilang isang pangkat ng magkakaugnay na uri ng mga pamamaraan. Mula sa pananaw na iyon, mayroong isang maliit na bilang ng mga paaralan ng AI-ML na mukhang partikular na angkop para sa mga aplikasyon sa espasyo ng Crypto . Tuklasin natin ang ilan sa mga pinakasikat na diskarte sa pamamagitan ng lens ng kanilang potensyal sa loob ng mga teknolohiyang Crypto .

Mga transformer

Itinuturing ng marami ang pinakamahalagang ebolusyon ng huling dekada ng AI-ML, ang mga transformer ang nasa likod ng rebolusyon sa natural na pag-unawa sa wika (NLU) at pumapasok sa ibang mga lugar, gaya ng computer vision. Tulad ng mga modelo GPT-3 ng OpenAI o Megatron ng Nvidia ay nakakagawa ng mga sintetikong teksto na hindi naiiba sa mga isinulat ng mga tao, nakikibahagi sa napakasalimuot na mga interaksyon ng tanong-sagot o kahit na nagpapakita ng mga kakayahan sa pangangatwiran sa mga tekstong anyo. Tulad ng mga modelo DALL-E 2 ng OpenAI o Larawan ng Google ay nakakagawa ng mga masining na larawan mula sa mga textual na anyo na nagtutulungan ng katalinuhan sa maraming domain.

Ang pag-unawa sa epekto ng mga transformer sa espasyo ng NLU at computer vision, hindi mahirap isipin ang impluwensyang malamang na ibigay ng mga ito sa mga lugar tulad ng mga NFT na umaasa sa mga visual na representasyon at textual na pakikipag-ugnayan.

Self-supervised learning

Tinukoy kamakailan ng Meta (Facebook) AI Research ang self-supervised learning (SSL) bilang "dark matter of AI" bilang isang pagkakatulad tungkol sa pangunahing tungkulin na maaaring magkaroon ng bagong uri ng diskarteng ito sa susunod na henerasyon ng mga modelo ng AI. Sa konsepto, sinusubukan ng SSL na paganahin ang mga matatalinong kakayahan na katulad kung paano Learn ang mga sanggol sa pamamagitan ng pagmamasid at pakikipag-ugnayan. Sinusubukan ng SSL na malampasan ang ilan sa mga limitasyon ng tradisyonal na pinangangasiwaang pamamaraan ng pag-aaral na kailangang sanayin sa malalaking volume ng may label na data. Tulad ng mga modelo Ang DINO ni Meta ay nakakapag-uri-uri ng mga bagay sa mga larawan nang walang nakaraang pagsasanay.

Ang mga aplikasyon ng pag-aaral na walang napakalaking halaga ng may label na data ay mukhang perpekto para sa Crypto. Desentralisadong Finance (DeFi) ay maaaring maging isang agarang benepisyaryo ng mga pamamaraang ito.

I-graph ang mga neural network

Ang mga dataset ng Blockchain ay kumakatawan sa pinakamalaking pinagmumulan ng data sa Crypto. Mula sa isang istrukturang pananaw, ang mga dataset ng blockchain ay katutubong hierarchical habang nagmomodelo ang mga ito ng mga ugnayan sa pagitan ng mga address, transaksyon o block. Ang mga graph neural network (GNNs) ay ang disiplina ng AI-ML na dalubhasa sa pag-aaral sa mga hierarchical na dataset. Gusto ng mga kumpanya Gumagamit ang DeepMind ng Google ng mga GNN upang mahulaan ang trapiko sa Google Maps o kahit na maunawaan ang istraktura ng salamin.

Ang mga GNN ay tila isang perpektong pamamaraan ng AI-ML para sa mga Crypto asset. Kung ang mga blockchain ay magiging matalino, ang mga GNN ay malamang na gumanap ng isang mahalagang papel sa pagbuo ng kaalaman mula sa kanilang mga katutubong dataset.

Pagpapatibay ng pag-aaral

Ang deep reinforcement learning (DRL) ay naging uri ng pop culture pagkatapos Tinalo ng AlphaGo ng DeepMind ang Go world champion na si Lee Sedol. Pinagkadalubhasaan ng AlphaGo ang Go sa pamamagitan ng paglalaro ng hindi matukoy na malaking bilang ng mga laro laban sa sarili nito at pagwawasto sa sarili nitong mga pagkakamali. Ang trial-error na ito, ang pag-aaral sa pamamagitan ng form sa pakikipag-ugnayan ay ang esensya ng DRL.

Mula noong AlphaGo, ang DRL ay nasa gitna ng mga kahanga-hangang tagumpay ng AI-ML. Ang sariling AlphaFold ng DeepMind ay nagulat sa siyentipikong komunidad sa pamamagitan ng kakayahang mahulaan ang istraktura ng mga protina mula sa isang pagkakasunud-sunod ng mga amino acid, isang Discovery na maaaring magbukas ng bagong panahon sa medisina. Ang isa pang marquee DRL model mula sa DeepMind ay Ang MuZero, na nakakabisa sa mga laro, tulad ng mga larong Go, chess o Atari, nang hindi alam ang mga patakaran.

Ang mga prinsipyo ng DRL ng pag-aaral sa pamamagitan ng pagsubok at error ay tila may kaugnayan sa maraming bahagi ng Crypto, gaya ng DeFi o NFTs, kung saan nagbabago ang mga kondisyon sa lahat ng oras. Pagkatapos ng lahat, karamihan sa mga Crypto protocol ay nakabatay sa matibay na mga panuntunan sa teorya ng laro at ang DRL ay napakahusay sa mga laro.

Ang landas patungo sa katalinuhan sa Crypto

Ang alamat ng Cyberpunk at manunulat ng science fiction na si William Gibson ay minsang nagsabi, "Narito na ang hinaharap - hindi ito pantay na ipinamamahagi." Ang quote na iyon ay maaaring magsilbi sa amin bilang isang pilosopikal na patnubay habang iniisip namin ang landas patungo sa matalinong mga asset ng Crypto . Ang paglikha ng Crypto ay kasabay ng ginintuang panahon ng pananaliksik at pag-unlad ng Technology ng AI-ML. Ngayon, ang mga teknolohiya ng AI-ML ay mabilis na nagiging mainstream at ito ay isang oras bago sila maging isang first-class na mamamayan sa Crypto space. Ang mga kaso ng paggamit ay tila nasa lahat ng dako. Tuklasin natin ang ilan sa mga pinaka-halata.

Mga matalinong NFT

Nagkaroon ng ilang mga aplikasyon ng paggamit ng AI-ML generative na mga pamamaraan upang lumikha ng mga non-fungible na token (Mga NFT). Gayunpaman, ang impluwensya ng AI-ML ay dapat lumawak sa lahat ng lugar ng espasyo ng NFT. Isipin natin ang mga NFT na nagsasama ng mga kakayahan sa wika at pagsasalita upang magtatag ng isang dialog sa mga user, sagutin ang mga tanong tungkol sa kahulugan nito o makipag-ugnayan sa isang partikular na kapaligiran. Tulad ng pakikipag-ugnayan mo sa iyong paboritong digital assistant, isipin ang pakikipag-usap sa isang visual na NFT na maaaring magbago ng hitsura nito batay sa likas na katangian ng dialog. Katulad nito, isipin ang tungkol sa paggamit ng mga modelo ng transpormer ng AI-ML na na-pretrained sa milyun-milyong painting para makabuo ng mga natatanging NFT na kumukuha ng mga natatanging aspeto ng mga istilo ng mga master.

Mga protocol ng Intelligent DeFi

Desentralisadong Finance (DeFi) ang mga protocol ay tungkol sa automation, ngunit hindi sila eksaktong matalino. Ang pagsasama ng mga kakayahan ng AI-ML sa mga DeFi protocol ay tila hindi maiiwasan. Maaari nating isipin ang isang bagong henerasyon ng automated market Maker (AMM) mga protocol na maaaring ayusin ang mga balanse sa mga pool gamit ang real-time na predictive na mga modelo batay sa mga kasalukuyang kondisyon ng merkado. Katulad nito, maaari tayong mag-isip ng mga protocol sa pagpapahiram na nagsasaayos sa laki ng mga pautang batay sa isang matalinong profile ng mga address na humihiling nito.

Mga matalinong L1-L2 blockchain

Naiimpluwensyahan ng AI-ML ang lahat ng aspeto ng imprastraktura ng software, tulad ng networking, compute at storage, at malamang na hindi eksepsiyon ang mga blockchain. Hindi malayong isipin ang tungkol sa mga intelligent na consensus protocol na nagpapahusay sa performance batay sa mga predictive na modelo. Katulad nito, maaari nating isipin ang mga blockchain na nagpapaunlad ng mga matatalinong ekonomiya upang kontrolin ang gastos sa pagkalkula sa anyo ng "GAS" o iba pang katumbas.

Mga matalinong Crypto app at dapps

Ang karanasan ng gumagamit ay tila ONE sa mga pinaka-halatang lugar upang ipakilala ang mga kakayahan ng AI-ML. Ito ay isang bagay ng oras bago ang mga wallet o palitan ay magsimulang magsama ng mga kakayahan ng katutubong katalinuhan na tumutulong sa pagpapabuti ng mga desisyon sa pamumuhunan at pangangalakal na ngayon ay ganap na umaasa sa pagiging subject ng Human .

Mga matalinong programmable stablecoin

Ang paksa ng programmable mga stablecoin tila napakaprominente nitong mga araw pagkatapos ng Bumagsak ang Terra UST. Paano kung, sa halip na isipin ang form na ito ng stablecoin bilang programmable, maaari nating isipin ang tungkol sa mga form na hindi lang programmable kundi matalino rin? Sa halip na mga programmable stablecoin na inaayos ang peg batay sa static na tinukoy na economic gymnastics, paano kung umasa sila sa mga algorithm ng AI-ML na organikong Learn mula sa mga kondisyon ng merkado. Ang kumbinasyon ng AI-ML na may pangangasiwa ng Human ay tila isang kawili-wiling diskarte upang galugarin sa lugar na ito.

Ang AI-ML ay nakakaimpluwensya sa Crypto, ngunit ang Crypto ay maaari ding mag-ambag sa AI-ML

Ang relasyon sa pagitan ng Crypto at AI-ML ay mas bidirectional kaysa sa iniisip ng karamihan. Bagama't medyo malinaw ang mga sitwasyon kung saan maaaring maimpluwensyahan ng AI-ML ang susunod na henerasyon ng mga asset at imprastraktura ng Crypto , may ilang hindi halatang lugar kung saan maaaring maimpluwensyahan ng Crypto ang mga teknolohiya ng AI-ML.

Ang Decentralized AI ay isang umuusbong na kilusan ng Technology na LOOKS magagamit ang decentralization compute pati na rin ang mga mekanismo ng tokenization upang mapagaan ang ilan sa mga dumaraming hamon sa sentralisasyon ng mga teknolohiya ng AI-ML. Ang isang subdomain ng pangkalahatang desentralisadong diskarte sa AI ay mga mekanismo na gumagamit ng mga asset ng Crypto upang lumikha ng mga ekonomiya kung saan ang mga kumpanya at indibidwal ay na-insentibo para sa pagbabahagi ng data at mga modelo ng AI-ML.

Ang data ay ang kuryente ng AI-ML, ngunit ito ay lubos na kinokontrol ng isang maliit na bilang ng mga nanunungkulan, at halos walang mga insentibo para sa mga kumpanya na magtulungan at magbahagi ng data upang masira ang monopolistikong cycle na iyon. Pagpapakilala ng matalino tokenomics at ang mga mekanismo ng insentibo ay maaaring organikong tumulong upang magtatag ng mga channel para sa mga kumpanya upang regular na makipagtulungan sa paglikha at pagsasanay ng mga modelo ng AI-ML para sa mga partikular na gawain at ibahagi ang mga benepisyo.

Ang bias at pagiging patas ay isa pang HOT na paksa sa AI-ML sa mga araw na ito na maaaring maimpluwensyahan nang malaki ng paggamit ng mga katutubong teknolohiya ng Crypto . Ang mga dataset na ginamit sa pagsasanay ng mga modelo ng AI-ML ay natatakpan ng mga bias, diskriminasyon at nakakalason na mga punto ng data na maaaring makaimpluwensya sa kaalaman ng mga modelo ng AI.

Bagama't marami nang pagsulong sa pagbibilang at pagsubaybay sa pagiging patas ng mga modelo ng AI-ML, walang matibay na pananagutan at mga mekanismo ng benchmarking na pinagkakatiwalaan sa buong industriya. Isipin ang paggamit ng isang blockchain layer upang KEEP ang bias at patas na marka ng mga partikular na modelo ng AI-ML at mabayaran ang mga modelong nagpapahusay sa kanilang mga marka ng patas. Ito ay isang low-entry point scenario para sa paggamit ng mga teknolohiyang blockchain sa mga imprastraktura ng AI-ML.

Walang alinlangan, ang AI-ML ay dapat na isang pundasyong elemento ng susunod na henerasyon ng mga digital asset na teknolohiya, ngunit mayroon ding maraming tangible value na maaaring maihatid ng Crypto at blockchain sa mundo ng AI-ML. Sa pangunahin, ang Crypto ay maaaring magsilbi bilang isang economic at accounting layer na tumutulong sa pagbuo ng mas patas at mas demokratikong mga solusyon sa AI-ML.

Mula sa digitalization-automation hanggang sa intelligence

Ang AI-ML ay naiimpluwensyahan ang bawat isa at bawat bahagi ng mundo ng software, at ang Crypto ay hindi malamang na maging isang pagbubukod. Ang mga CORE prinsipyo ng mga teknolohiya ng digital asset ay nakasentro sa demokratisasyon ng mga serbisyong pinansyal sa pamamagitan ng paggamit ng digitization at automation. Ang katalinuhan ay ONE sa mga susunod na hangganan para sa Crypto, at malamang na makikita natin ang epekto sa buong espasyo. Mula sa matatalinong NFT hanggang sa mga DeFi protocol hanggang sa mga bagong anyo ng Crypto asset, ang pagsasama ng AI-ML ay malamang na maglalabas ng bagong panahon ng pagbabago sa Crypto. Ang mga teknolohiya at mga kaso ng paggamit ay narito na. Oras na para magsimulang magtayo.

Gayundin sa seryeng 'Big Ideas':

Ang Paparating na InDAOstrial Revolution ni Julie Fredrickson

Ang mga ibinahagi na autonomous na organisasyon ay nagbibigay sa mga tao ng pagkakataon na bumuo ng mas malaki, mas kakaibang mga bagay sa mga radikal na timeline, tulad ng pagdating ng korporasyon na nagbigay daan sa Industrial Revolution.

Walang Pagtitiwalaang Ebidensya: Ang Web 3 ay Tumutulong sa Pagdokumento ng Mga Krimen sa Digmaan sa Ukraine ni Jonathan Dotan

Sa panahon ng maling impormasyon, mapapabago ng Technology ng blockchain ang ating pananampalataya sa ebidensiyang katotohanan, hindi bababa sa panahon ng kasalukuyang salungatan sa Ukraine, sabi ni Jonathan Dotan, ang founding director ng The Starling Lab.

Paano Binabago ng Web 3 ang Philanthropy ni Rhys Lindmark

Si Rhys Lindmark, isang "Malalaking Ideya" na tagapagsalita sa pagdiriwang ng Consensus ng CoinDesk, kung paano maaaring muling isulat ng henerasyon ng Crypto ang mga patakaran ng pagbibigay ng kawanggawa.

Gumamit Tayo ng Mga Bagong Uri ng Pera para Mag-commit sa Ating Mga Komunidad ni Matthew Prewitt

Maaaring bawasan ng mas maraming lokal na pera ang insentibo na "lumabas" sa mga komunidad na nangangailangan ng mga mapagkukunan, sabi ni Matt Prewitt, presidente ng RadicalxChange Foundation.

Pagtataya, Mga Prediction Markets at ang Edad ng Mas Mabuting Impormasyon ni Clay Graubard at Andrew Eaddy

Ang quantified forecasting ay isang napakahalaga at hindi gaanong ginagamit na tool, at ang mga prediction Markets ay lumilitaw na isang mahalagang tool para sa pag-aampon nito.