« Le logiciel dévore le monde » est devenue ONEune des phrases emblématiques de la dernière décennie dans l'industrie du logiciel. Citée en 2011 par Marc Andreessen, légende du logiciel et investisseur en capital-risque, elle synthétisait l'idée que les entreprises qui opéraient principalement dans le monde physique étaient en train de migrer vers l'économie numérique, une tendance qui transformera fondamentalement chaque entreprise en éditeur de logiciels.

Jesus Rodriguez est PDG d'IntoTheBlock, une société d'analyse du marché de la blockchain et des Cryptomonnaie . Cet article est un aperçu de une conférence qu'il donneracette semaine sur la scène Big Ideas àConsensus 2022à Austin, Texas.

Ces dernières années, l'évolution de l'apprentissage automatique (ML) et de l'intelligence artificielle (IA) a touché tous les secteurs de l'industrie du logiciel, poussant de nombreux experts à affirmer que « l'apprentissage automatique dévore les logiciels ». Les Crypto et les actifs numériques reposent sur le code et la programmabilité et sont donc susceptibles d'être influencés par les tendances ML-IA. L'intersection de l'apprentissage automatique et de l'IA avec les actifs numériques devrait ouvrir une nouvelle ère où l'intelligence deviendra une composante native des Crypto .

L'idée d'actifs Crypto intelligents est conceptuellement triviale, mais elle présente de nombreux défis pratiques. Quelles sont les tendances fondamentales du Machine Learning susceptibles d'impacter rapidement la prochaine génération d'actifs Crypto ? Quels sont les principaux scénarios susceptibles de bénéficier des capacités d'intelligence des Crypto , ou quels sont les principaux défis techniques à relever pour que les Crypto deviennent intelligentes ? Cet essai explore certaines de ces idées et développe une thèse sur le potentiel de l'intersection entre Crypto et Machine Learning.

Seule la Crypto peut être nativement intelligente

Un point important à prendre en compte lorsqu'on envisage l'IA-ML dans le contexte des Crypto actifs est que les Crypto sont la seule classe d'actifs historiquement dotée du potentiel de devenir nativement intelligente. Les capacités d'IA-ML des classes d'actifs traditionnelles, telles que les matières premières ou les actions, sont mises en œuvre dans des véhicules comme robo-conseillers ou Quant Des stratégies qui existent en dehors de l'actif lui-même. Même si ces véhicules jouent un rôle évident dans l'univers des Crypto , les Crypto peuvent intégrer nativement ces capacités d'IA-ML. Cet avantage est, bien entendu, un effet secondaire des capacités programmables et numériques des Crypto. Les Crypto reposent sur du code, et ce code pourrait prendre la forme de modèles d'IA-ML.

L’apprentissage automatique va dévorer la Crypto, mais comment ?

L'IA-ML est susceptible de jouer un rôle important au cours de la prochaine décennie sur le marché des Crypto . Si les premières phases de la Crypto se sont concentrées sur la numérisation et l'automatisation, la prochaine itération semble vouée à se concentrer sur l'intelligence. Les applications de l'IA-ML dans les Crypto sont nombreuses aujourd'hui, mais on ne peut T affirmer que les Crypto sont intrinsèquement intelligents. Dans un avenir NEAR , nous devrions nous attendre à voir les Crypto et les protocoles commencer à intégrer l'IA-ML comme des fonctionnalités natives qui leur permettront d' Guides et d'adapter leur comportement en fonction de leur environnement ou des Marchés.

L'inévitable transformation des actifs numériques en intelligence artificielle (IA) s'explique en partie par l'évolution spectaculaire des technologies d'IA-ML ces dernières années. Dans le contexte des Crypto, il ne faut T considérer l'IA-ML comme un concept générique, mais plutôt comme un ensemble de méthodes interdépendantes. De ce point de vue, quelques écoles d'IA-ML semblent particulièrement adaptées aux applications dans le domaine des Crypto . Explorons quelques-unes des techniques les plus populaires à travers leur potentiel au sein des Crypto .

Transformateurs

Considérés par beaucoup comme l'évolution la plus importante de la dernière décennie en IA-ML, les transformateurs sont à l'origine de la révolution de la compréhension du langage naturel (NLU) et font des percées dans d'autres domaines, comme la vision par ordinateur. Des modèles commeGPT-3 d'OpenAI ou Le Megatron de Nvidiasont capables de générer des textes synthétiques indiscernables de ceux écrits par des humains, de s'engager dans des interactions questions-réponses extrêmement complexes ou même de faire preuve de capacités de raisonnement sur des formes textuelles. Des modèles commeDALL-E 2 d'OpenAI ou Les images de Googlesont capables de générer des images artistiques à partir de formes textuelles, reliant l'intelligence à travers de multiples domaines.

En comprenant l’impact que les transformateurs ont eu dans l’espace NLU et de la vision par ordinateur, il n’est pas difficile d’imaginer l’influence qu’ils sont susceptibles d’exercer dans des domaines comme les NFT qui s’appuient sur des représentations visuelles et des interactions textuelles.

Apprentissage auto-supervisé

Meta (Facebook) AI Research a récemment qualifié l'apprentissage auto-supervisé (SSL) de « matière noire de l'IA », par analogie avec le rôle fondamental que ce nouveau type de technique pourrait jouer dans la prochaine génération de modèles d'IA. Conceptuellement, SSL vise à développer des capacités intelligentes comparables à celles des bébés Guides par l'observation et l'interaction. SSL tente de surmonter certaines limites des méthodes traditionnelles d'apprentissage supervisé, qui nécessitent un entraînement avec de grands volumes de données étiquetées. Des modèles comme Le DINO de Metasont capables de classer des objets dans des images sans formation préalable.

Les applications de l'apprentissage sans quantités massives de données étiquetées semblent parfaites pour la Crypto. La Finance décentralisée (DeFi) pourrait être un bénéficiaire immédiat de ces méthodes.

Réseaux neuronaux graphiques

Les ensembles de données blockchain représentent la plus grande source de données en Crypto. D'un point de vue structurel, les ensembles de données blockchain sont intrinsèquement hiérarchiques, car ils modélisent les relations entre adresses, transactions ou blocs. Les réseaux de neurones graphes (GNN) constituent la discipline d'IA-ML spécialisée dans l'apprentissage sur des ensembles de données hiérarchiques. Des entreprises comme DeepMind de Google utilise les GNN pour prédire le trafic dans Google Maps ou même comprendre la structure du verre.

Les GNN semblent être une technique d'IA-ML idéale pour les Crypto . Si les blockchains deviennent un jour intelligentes, les GNN joueront probablement un rôle clé dans le développement des connaissances à partir de leurs bases de données natives.

Apprentissage par renforcement

L'apprentissage par renforcement profond (DRL) est devenu une sorte de culture populaire aprèsAlphaGo de DeepMind a battu le champion du monde de Go Lee SedolAlphaGo a maîtrisé le jeu de Go en jouant un nombre incroyable de parties contre lui-même et en corrigeant ses propres erreurs. Cette méthode d'apprentissage par essais-erreurs et par interaction est l'essence même du DRL.

Depuis AlphaGo, DRL est au centre de réalisations remarquables en matière d’IA-ML.AlphaFold, développé par DeepMind, a choqué la communauté scientifique en étant capable de prédire la structure des protéines à partir d'une séquence d'acides aminés., une À découvrir qui pourrait ouvrir une nouvelle ère en médecine. Un autre modèle DRL phare de DeepMind est MuZero, qui est capable de maîtriser des jeux, tels que le Go, les échecs ou les jeux Atari, sans même en connaître les règles.

Les principes d'apprentissage par essais et erreurs du DRL semblent pertinents pour de nombreux domaines de la Crypto, tels que la DeFi ou les NFT, où les conditions évoluent constamment. Après tout, la plupart des protocoles Crypto reposent sur des règles de théorie des jeux solides, et le DRL a excellé dans ce domaine.

Le chemin vers l'intelligence dans la Crypto

William Gibson, légende du cyberpunk et auteur de science-fiction, a dit un jour : « L'avenir est déjà là, mais il n'est pas équitablement réparti. » Cette citation pourrait nous servir de fil conducteur philosophique pour réfléchir à la voie vers des Crypto intelligents. La création des Crypto a coïncidé avec l'âge d'or de la recherche et des développements Technologies en IA-ML. Aujourd'hui, les technologies IA-ML se généralisent rapidement et ce n'est qu'une question de temps avant qu'elles ne deviennent incontournables dans le monde des Crypto . Les cas d'utilisation semblent omniprésents. Explorons quelques-uns des plus évidents.

NFT intelligents

Il existe quelques applications de l'utilisation de méthodes génératives AI-ML pour créer des jetons non fongibles (NFT). Cependant, l'influence de l'IA-ML devrait s'étendre à tous les domaines de l'univers des NFT. Imaginons des NFT intégrant des capacités de langage et de parole pour établir un dialogue avec les utilisateurs, répondre à des questions sur leur signification ou interagir avec un environnement spécifique. Tout comme vous interagissez avec votre assistant numérique préféré, imaginez une conversation avec un NFT visuel capable de modifier son apparence en fonction de la nature du dialogue. De même, envisagez d'utiliser des modèles de transformation IA-ML pré-entraînés avec des millions de peintures pour générer des NFT uniques capturant des aspects uniques du style des maîtres.

Protocoles DeFi intelligents

Finance décentralisée (DeFi) Les protocoles sont axés sur l'automatisation, mais ils ne sont pas vraiment intelligents. L'intégration de capacités d'IA-ML aux protocoles DeFi semble inévitable. Nous pouvons envisager une nouvelle génération de Maker de marché automatisés (AMM) des protocoles capables d'ajuster les soldes des pools grâce à des modèles prédictifs en temps réel, basés sur les conditions de marché existantes. De même, on peut penser à des protocoles de prêt qui ajustent le montant des prêts en fonction d'un profil intelligent des adresses qui les sollicitent.

Blockchains L1-L2 intelligentes

L'IA-ML influence tous les aspects de l'infrastructure logicielle, tels que les réseaux, le calcul et le stockage, et les blockchains ne devraient pas faire exception. Il n'est pas irréaliste d'envisager des protocoles de consensus intelligents améliorant les performances grâce à des modèles prédictifs. De même, on peut envisager des blockchains développant des économies intelligentes pour contrôler les coûts de calcul sous la forme de…GAS" ou autres équivalents.

Applications et dapps Crypto intelligentes

L'expérience utilisateur semble être ONEun des domaines les plus évidents pour introduire des fonctionnalités d'IA-ML. Ce n'est qu'une question de temps avant que les portefeuilles et les plateformes d'échange n'intègrent des fonctionnalités d'intelligence native permettant d'améliorer les décisions d'investissement et de trading, aujourd'hui entièrement dépendantes de la subjectivité Human .

Stablecoins programmables intelligents

Le sujet du programmablepièces stablessemble très important ces jours-ci après laEffondrement du UST TerraEt si, au lieu de considérer cette forme de stablecoin comme programmable, nous pouvions envisager des formes non seulement programmables, mais aussi intelligentes ? Au lieu de stablecoins programmables qui ajustent leur parité en fonction de paramètres économiques définis de manière statique, pourquoi ne pas s'appuyer sur des algorithmes d'IA-ML qui Guides naturellement des conditions de marché ? Combiner IA-ML et supervision Human semble une approche intéressante à explorer dans ce domaine.

L'IA-ML influence la Crypto, mais la Crypto peut également contribuer à l'IA-ML

La relation entre Crypto et IA-ML est plus bidirectionnelle qu'on ne le pense généralement. Si les scénarios dans lesquels l'IA-ML peut influencer la prochaine génération d'actifs et d'infrastructures Crypto sont assez clairs, il existe des domaines moins évidents où la Crypto peut influencer les technologies IA-ML.

L'IA décentralisée est un mouvement Technologies émergent qui LOOKS à exploiter les mécanismes de décentralisation du calcul et de tokenisation pour atténuer les défis croissants de centralisation des technologies IA-ML. Un sous-domaine de l'approche générale de l'IA décentralisée est celui des mécanismes qui exploitent les Crypto pour créer des économies où les entreprises et les particuliers sont incités à partager des données et des modèles IA-ML.

Les données sont la force motrice de l'IA-ML, mais elles sont étroitement contrôlées par un petit nombre d'acteurs historiques, et les entreprises ne sont pratiquement pas incitées à collaborer et à partager leurs données pour briser ce cycle monopolistique. Présentation de clevertokenomiqueet les mécanismes d’incitation pourraient contribuer de manière organique à établir des canaux permettant aux entreprises de coopérer régulièrement à la création et à la formation de modèles d’IA-ML pour des tâches spécifiques et de partager les avantages.

Les biais et l'équité constituent un autre sujet HOT en IA-ML, qui pourrait être fortement influencé par l'utilisation de technologies Crypto natives. Les ensembles de données utilisés pour l'entraînement des modèles d'IA-ML sont imprégnés de biais, de discrimination et de données toxiques susceptibles d'influencer la compréhension des modèles d'IA.

Bien que de nombreuses avancées aient été réalisées dans la quantification et le suivi de l'équité des modèles d'IA-ML, il n'existe pas de mécanismes robustes de responsabilisation et d'analyse comparative reconnus dans l'ensemble du secteur. Imaginez l'utilisation d'une couche blockchain pour KEEP les biais et les scores d'équité de modèles d'IA-ML spécifiques et récompenser les modèles qui améliorent leurs scores d'équité. Il s'agit d'un scénario d'entrée de gamme pour l'utilisation des technologies blockchain dans les infrastructures d'IA-ML.

L'IA-ML devrait sans aucun doute être un élément fondamental de la prochaine génération de technologies d'actifs numériques, mais les Crypto et les blockchains peuvent également apporter une valeur tangible considérable à l'IA-ML. Fondamentalement, les Crypto pourraient servir de base économique et comptable pour construire des solutions d'IA-ML plus justes et plus démocratiques.

De la numérisation-automatisation à l'intelligence

L'IA-ML influence tous les domaines du monde du logiciel, et les Crypto ne feront probablement pas exception. Les principes CORE des technologies d'actifs numériques reposent sur la démocratisation des services financiers grâce à la numérisation et à l'automatisation. L'intelligence artificielle est ONEune des prochaines frontières des Crypto, et nous en constaterons probablement l'impact sur l'ensemble du secteur. Des NFT intelligents aux protocoles DeFi en passant par les nouvelles formes de Crypto , l'intégration de l'IA-ML devrait ouvrir une nouvelle ère d'innovation dans le Crypto. Les technologies et les cas d'usage sont déjà là. Il est temps de commencer à construire.

Également dans la série « Grandes idées » :

La révolution industrielle à venirpar Julie Fredrickson

Les organisations autonomes distribuées donnent aux humains la possibilité de construire des choses plus grandes et plus étranges selon des échéances radicales, tout comme l’avènement de l’entreprise a ouvert la voie à la révolution industrielle.

Preuves douteuses : Web 3 contribue à documenter les crimes de guerre en Ukrainepar Jonathan Dotan

À l’ère de la désinformation, la Technologies blockchain peut renouveler notre foi dans la vérité probante, notamment pendant le conflit actuel en Ukraine, déclare Jonathan Dotan, directeur fondateur de The Starling Lab.

Comment le Web 3 change la philanthropiepar Rhys Lindmark

Rhys Lindmark, intervenant « Big Ideas » au festival Consensus de CoinDesk, explique comment la génération Crypto pourrait réécrire les règles des dons de bienfaisance.

Utilisons de nouvelles formes de monnaie pour nous engager dans nos communautéspar Matthew Prewitt

Selon Matt Prewitt, président de la Fondation RadicalxChange, davantage d’argent local pourrait réduire l’incitation à « quitter » les communautés qui ont besoin de ces ressources.

Prévisions, Marchés de prédiction et l'ère de la meilleure informationpar Clay Graubard et Andrew Eaddy

La prévision quantifiée est un outil précieux et pourtant sous-utilisé, et les Marchés de prédiction semblent être un outil essentiel pour son adoption.