«Программное обеспечение пожирает мир» стало ONE из знаковых фраз последнего десятилетия индустрии программного обеспечения. Процитированная в 2011 году легендой программного обеспечения и венчурным капиталистом Марком Андрессеном, она синтезировала идею о том, что компании, работавшие в основном в физическом мире, переходят к цифровой экономике в тенденции, которая по сути превратит каждую компанию в компанию-разработчика программного обеспечения.

Jesus Rodriguez — генеральный директор IntoTheBlock, компании по анализу рынка блокчейна и Криптовалюта . Эта статья — предварительный просмотр речь, которую он выступитна этой неделе на сцене Больших Идей вКонсенсус 2022в Остине, штат Техас.

В последние годы развитие машинного обучения (МО) и искусственного интеллекта (ИИ) проникло во все сферы индустрии программного обеспечения, что привело многих экспертов к утверждению, что «машинное обучение пожирает программное обеспечение». Криптo и цифровые активы основаны на коде и программируемости и, следовательно, вероятно, будут подвержены влиянию тенденций ML-AI. Пересечение ML-AI с цифровыми активами, вероятно, откроет новую эру, в которой интеллект станет неотъемлемым компонентом Криптo .

Идея интеллектуальных Криптo концептуально тривиальна, но полна практических проблем. Каковы некоторые из фундаментальных тенденций МО, которые могут быстро повлиять на следующее поколение Криптo ? Каковы основные сценарии, которые могут выиграть от интеллектуальных возможностей в Криптo , или некоторые из ключевых технических проблем, которые необходимо преодолеть, чтобы Криптo стало интеллектуальным? В этом эссе рассматриваются некоторые из этих идей и развивается тезис о потенциале пересечения Криптo и МО.

Только Криптo может быть изначально интеллектуальной

Важно понимать, когда думаешь об AI-ML в контексте Криптo , что Криптo — единственный класс активов в истории, который имеет потенциал стать изначально интеллектуальным. Возможности AI-ML в традиционных классах активов, таких как товары или акции, реализованы в таких транспортных средствах, как робо-советники или Quant стратегии, которые живут вне самого актива. Несмотря на то, что существует очевидная роль для этих транспортных средств в Криптo , Криптo могут изначально встраивать эти возможности AI-ML в активы. Это преимущество, очевидно, является побочным эффектом программируемых и цифровых возможностей Криптo. Криптo основаны на коде, и этот код может принимать форму моделей AI-ML.

Машинное обучение поглотит Криптo, но как?

AI-ML, вероятно, сыграет важную роль в следующем десятилетии Криптo . В то время как начальные фазы Криптo были сосредоточены вокруг оцифровки и автоматизации, следующая итерация, похоже, будет сосредоточена на интеллекте. Сегодня существует множество приложений AI-ML в Криптo , но мы T можем утверждать, что Криптo по своей сути интеллектуальны. В NEAR будущем мы должны ожидать, что Криптo и протоколы начнут включать AI-ML в качестве собственных возможностей, которые позволят им Словарь и адаптировать свое поведение в зависимости от окружающей среды или Рынки.

Неизбежность того, что цифровые активы станут интеллектуальными, отчасти продиктована поразительной эволюцией технологий AI-ML за последние несколько лет. В контексте Криптo мы T должны думать об AI-ML как о чем-то общем, а скорее как о группе взаимосвязанных типов методов. С этой точки зрения существует небольшое количество школ AI-ML, которые кажутся особенно хорошо подходящими для приложений в Криптo . Давайте рассмотрим некоторые из самых популярных методов через призму их потенциала в Криптo .

Трансформеры

Многие считают, что это самая важная эволюция последнего десятилетия AI-ML, трансформаторы стоят за революцией в понимании естественного языка (NLU) и проникают в другие области, такие как компьютерное зрение. Такие модели, какGPT-3 от OpenAI или Мегатрон от Nvidiaспособны генерировать синтетические тексты, неотличимые от написанных людьми, участвовать в очень сложных вопросно-ответных взаимодействиях или даже проявлять способности к рассуждению над текстовыми формами. Такие модели, какDALL-E 2 от OpenAI или Imagen от Googleспособны создавать художественные образы из текстовых форм, объединяя интеллектуальные возможности различных областей.

Понимая, какое влияние трансформаторы оказали на области NLU и компьютерного зрения, нетрудно представить, какое влияние они, вероятно, окажут в таких областях, как NFT, которые опираются на визуальные представления и текстовые взаимодействия.

Самостоятельное обучение

Meta (Facebook) AI Research недавно назвала самообучение (SSL) «темной материей ИИ» в качестве аналогии о основополагающей роли, которую этот новый тип техники может играть в следующем поколении моделей ИИ. Концептуально SSL пытается обеспечить интеллектуальные возможности, которые напоминают то, как дети Словарь путем наблюдения и взаимодействия. SSL пытается преодолеть некоторые ограничения традиционных методов контролируемого обучения, которые необходимо обучать с помощью больших объемов маркированных данных. Такие модели, как Мета ДИНОспособны классифицировать объекты на изображениях без предварительной подготовки.

Приложения обучения без огромных объемов маркированных данных кажутся идеальными для Криптo. Децентрализованные Финансы (ДеФи) могли бы получить непосредственную выгоду от этих методов.

Графовые нейронные сети

Наборы данных блокчейна представляют собой крупнейший источник данных в Криптo. С точки зрения структуры наборы данных блокчейна изначально иерархичны, поскольку они моделируют отношения между адресами, транзакциями или блоками. Графовые нейронные сети (GNN) — это дисциплина AI-ML, которая специализируется на обучении на иерархических наборах данных. Такие компании, как DeepMind от Google использует GNN для прогнозирования трафика в Google Maps или даже понять структуру стекла.

GNN кажутся идеальной техникой AI-ML для Криптo . Если блокчейны когда-нибудь станут интеллектуальными, GNN, скорее всего, будут играть ключевую роль в разработке знаний из их собственных наборов данных.

Обучение с подкреплением

Глубокое обучение с подкреплением (DRL) стало своего рода поп-культурой после того, какAlphaGo от DeepMind победил чемпиона мира по го Ли Седоля. AlphaGo освоил го, сыграв непостижимо большое количество игр против себя и исправив свои собственные ошибки. Эта форма проб и ошибок, обучения через взаимодействие, является сутью DRL.

Начиная с AlphaGo, DRL оказался в центре выдающихся достижений AI-ML.AlphaFold от DeepMind потряс научное сообщество, поскольку он способен предсказывать структуру белков по последовательности аминокислот., Истории , которое может открыть новую эру в медицине. Другая выдающаяся модель DRL от DeepMind — MuZero, способный освоить такие игры, как го, шахматы или игры Atari, даже не зная правил.

Принципы DRL обучения методом проб и ошибок кажутся актуальными для многих областей Криптo, таких как DeFi или NFT, в которых условия постоянно меняются. В конце концов, большинство Криптo основаны на строгих правилах теории игр, а DRL преуспел в играх.

Путь к интеллекту в Криптo

Легенда киберпанка и писатель-фантаст Уильям Гибсон однажды сказал: «Будущее уже здесь — просто оно неравномерно распределено». Эта цитата может служить нам философским руководством, когда мы думаем о пути к интеллектуальным Криптo . Создание Криптo совпало с золотой эрой исследований и разработок Технологии AI-ML. Сегодня технологии AI-ML быстро становятся мейнстримом, и это вопрос времени, когда они станут полноправными гражданами в Криптo . Случаи использования, кажется, повсюду. Давайте рассмотрим некоторые из наиболее очевидных.

Интеллектуальные NFT

Были некоторые случаи применения генеративных методов AI-ML для создания невзаимозаменяемых токенов (NFT-ы). Однако влияние AI-ML должно распространиться на все области пространства NFT. Давайте представим себе NFT, которые включают языковые и речевые возможности для установления диалога с пользователями, ответа на вопросы о его значении или взаимодействия с определенной средой. Так же, как вы взаимодействуете со своим любимым цифровым помощником, представьте себе разговор с визуальным NFT, который может менять свой внешний вид в зависимости от характера диалога. Аналогично подумайте об использовании моделей-трансформеров AI-ML, которые были предварительно обучены на миллионах картин, для создания уникальных NFT, которые фиксируют уникальные аспекты стилей мастеров.

Интеллектуальные протоколы DeFi

Децентрализованные Финансы (ДеФи) протоколы полностью посвящены автоматизации, но они не совсем интеллектуальны. Включение возможностей AI-ML в протоколы DeFi кажется неизбежным. Мы можем представить себе новое поколение автоматизированных маркет- Maker (АММ) протоколы, которые могут корректировать балансы в пулах с использованием предиктивных моделей в реальном времени на основе существующих рыночных условий. Аналогично, мы можем подумать о кредитных протоколах, которые корректируют размер кредитов на основе интеллектуального профиля адресов, запрашивающих его.

Интеллектуальные блокчейны L1-L2

AI-ML влияет на все аспекты инфраструктуры программного обеспечения, такие как сетевое взаимодействие, вычисления и хранение, и блокчейны вряд ли будут исключением. Не так уж и нелепо думать об интеллектуальных консенсусных протоколах, которые повышают производительность на основе предиктивных моделей. Аналогично мы можем думать о блокчейнах, которые разрабатывают интеллектуальную экономику для контроля стоимости вычислений в форме "GAS" или другие эквиваленты.

Интеллектуальные Криптo приложения и dapps

Пользовательский опыт, похоже, является ONE из самых очевидных областей для внедрения возможностей AI-ML. Это вопрос времени, когда кошельки или биржи начнут внедрять возможности собственного интеллекта, которые помогут улучшить инвестиционные и торговые решения, которые сегодня полностью зависят от Human субъективности.

Интеллектуальные программируемые стейблкоины

Тема программируемогостейблкоиныкажется очень заметным в эти дни послеКрах Terra UST. Что, если вместо того, чтобы думать об этой форме стейблкоина как о программируемой, мы могли бы думать о формах, которые не только программируемы, но и интеллектуальны? Вместо программируемых стейблкоинов, которые регулируют привязку на основе статически определенной экономической гимнастики, что, если бы они могли полагаться на алгоритмы AI-ML, которые органически Словарь на рыночных условиях. Сочетание AI-ML с Human надзором кажется интересным подходом для исследования в этой области.

AI-ML влияет на Криптo, но Криптo также может способствовать развитию AI-ML

Связь между Криптo и AI-ML более двунаправленная, чем думает большинство людей. Хотя сценарии, в которых AI-ML может повлиять на следующее поколение Криптo и инфраструктуры, довольно ясны, есть некоторые неочевидные области, в которых Криптo может повлиять на технологии AI-ML.

Децентрализованный ИИ — это новое Технологии движение, которое LOOKS использовать децентрализованные вычисления, а также механизмы токенизации для смягчения некоторых растущих проблем централизации технологий AI-ML. Подобласть общего подхода децентрализованного ИИ — это механизмы, которые используют Криптo для создания экономик, в которых компании и частные лица мотивированы на обмен данными и моделями AI-ML.

Данные — это электричество AI-ML, но они строго контролируются небольшим числом действующих лиц, и у компаний практически нет стимулов к сотрудничеству и обмену данными, чтобы разорвать этот монополистический цикл. Представляем умныетокеномикаи механизмы стимулирования могли бы органично помочь создать каналы, позволяющие компаниям регулярно сотрудничать в создании и обучении моделей AI-ML для конкретных задач и делиться преимуществами.

Предвзятость и справедливость — еще одна HOT тема в AI-ML в наши дни, на которую может оказать огромное влияние использование собственных Криптo . Наборы данных, используемые при обучении моделей AI-ML, пронизаны предвзятостью, дискриминацией и токсичными точками данных, которые могут повлиять на знания моделей AI.

Хотя в количественной оценке и мониторинге справедливости моделей AI-ML достигнуто много успехов, нет надежных механизмов подотчетности и сравнительного анализа, которым доверяют во всей отрасли. Представьте себе использование слоя блокчейна для KEEP предвзятости и оценки справедливости конкретных моделей AI-ML и компенсации моделей, которые улучшают свои оценки справедливости. Это сценарий с низкой точкой входа для использования технологий блокчейна в инфраструктурах AI-ML.

Без сомнения, AI-ML должен стать основополагающим элементом следующего поколения технологий цифровых активов, но есть также много ощутимой ценности, которую Криптo и блокчейны могут предоставить в мире AI-ML. По сути, Криптo может служить экономическим и бухгалтерским слоем, который помогает строить более справедливые и более демократичные решения AI-ML.

От оцифровки-автоматизации к интеллекту

AI-ML влияет на каждую область мира программного обеспечения, и Криптo вряд ли станет исключением. CORE принципы технологий цифровых активов были сосредоточены вокруг демократизации финансовых услуг с помощью оцифровки и автоматизации. Интеллект является ONE из следующих рубежей для Криптo, и мы, вероятно, увидим влияние во всем пространстве. От интеллектуальных NFT до протоколов DeFi и новых форм Криптo , включение AI-ML, вероятно, откроет новую эру инноваций в Криптo. Технологии и варианты использования уже здесь. Пора начинать строить.

Также в серии «Большие идеи»:

Грядущая InDAOреволюцияДжули Фредриксон

Распределенные автономные организации дают людям шанс создавать более масштабные и странные вещи в радикально сжатые сроки, так же как появление корпораций проложило путь промышленной революции.

Ненадежные доказательства: Web 3 помогает документировать военные преступления на УкраинеДжонатан Дотан

В эпоху дезинформации Технологии блокчейн может возродить нашу веру в доказательную истину, особенно во время нынешнего конфликта на Украине, считает Джонатан Дотан, директор-основатель The Starling Lab.

Как Web 3 меняет филантропиюРис Линдмарк

Рис Линдмарк, спикер «Больших идей» на фестивале Consensus от CoinDesk, рассказывает о том, как поколение Криптo может переписать правила благотворительности.

Давайте использовать новые формы денег для поддержки наших сообществМэтью Прюитт

По словам Мэтта Прюитта, президента RadicalxChange Foundation, большее количество местных денег может снизить стимул «уходить» из сообществ, которым нужны ресурсы.

Прогнозирование, Рынки предсказаний и век лучшей информацииКлэй Граубард и Эндрю Идди

Количественное прогнозирование — бесценный, но пока еще недостаточно используемый инструмент, и Рынки прогнозов представляются жизненно важным инструментом для его внедрения.