«Програмне забезпечення з’їдає світ» стало ONE з культових фраз останнього десятиліття індустрії програмного забезпечення. Процитований у 2011 році легендою програмного забезпечення та венчурним капіталістом Марком Андріссеном, він синтезував ідею про те, що компанії, які працюють переважно у фізичному світі, переходять до цифрової економіки в тенденції, яка по суті перетворить кожну компанію на компанію програмного забезпечення.

Хесус Родрігес є генеральним директором компанії IntoTheBlock, яка займається аналізом ринку блокчейнів і Криптовалюта . Ця стаття є попереднім переглядом доповідь, яку він виступить цього тижня на сцені Big Ideas at Консенсус 2022 в Остіні, Техас.

В останні роки еволюція машинного навчання (ML) і штучного інтелекту (AI) пронизала всі сфери індустрії програмного забезпечення, що змусило багатьох експертів стверджувати, що «машинне навчання з’їдає програмне забезпечення». Крипто та цифрові активи базуються на основі коду та програмованості, а отже, ймовірно, підпадають під вплив тенденцій ML-AI. Перетин ML-AI з цифровими активами, ймовірно, започаткує нову еру, в якій інтелект стане рідним компонентом Крипто .

Ідея інтелектуальних Крипто концептуально тривіальна, але повна практичних проблем. Які основні тренди машинного навчання можуть швидко вплинути на наступне покоління Крипто ? Які основні сценарії можуть виграти від інтелектуальних можливостей у Крипто чи деякі ключові технічні проблеми, які необхідно подолати, щоб Крипто стала інтелектуальною? У цьому есе досліджуються деякі з цих ідей і розвивається теза про потенціал перетину Крипто та машинного навчання.

Лише Крипто може бути природно розумною

Роздумуючи про AI-ML у контексті Крипто , важливо усвідомити те, що Крипто є єдиним класом активів в історії, який має потенціал стати природно інтелектуальним. Можливості AI-ML у традиційних класах активів, таких як товари чи акції, реалізовано в транспортних засобах, як робо-консультанти або Quant стратегії, які живуть за межами самого активу. Незважаючи на очевидну роль цих транспортних засобів у Крипто просторі, Крипто можуть нативно вбудовувати ці можливості AI-ML в активи. Ця перевага, очевидно, є побічним ефектом програмованих і цифрових можливостей Крипто. Крипто базуються на коді, і цей код може приймати форму моделей AI-ML.

Машинне навчання з’їсть Крипто, але як?

AI-ML, ймовірно, відіграватиме важливу роль у наступному десятилітті Крипто . У той час як початкові етапи Крипто були зосереджені навколо оцифрування та автоматизації, наступна ітерація, здається, буде зосереджена на інтелекті. Сьогодні існує багато застосувань AI-ML у Крипто , але ми T можемо стверджувати, що Крипто за своєю суттю є інтелектуальними. У NEAR майбутньому ми повинні очікувати, що Крипто та протоколи почнуть включати AI-ML як власні можливості, які дозволять їм Навчання та адаптувати свою поведінку на основі навколишнього середовища чи Ринки.

Неминучість того, що цифрові активи стають інтелектуальними, частково продиктована дивовижною еволюцією технологій AI-ML за останні кілька років. У контексті Крипто ми T повинні думати про AI-ML як про загальну річ, а радше як про групу взаємопов’язаних типів методів. З цієї точки зору існує невелика кількість шкіл AI-ML, які здаються особливо добре підходящими для додатків у Крипто . Давайте розглянемо деякі з найпопулярніших методів через призму їх потенціалу в Крипто .

трансформери

Трансформери, які багато хто вважає найважливішою еволюцією AI-ML за останнє десятиліття, стали основою революції в розумінні природної мови (NLU) і просуваються в інших сферах, таких як комп’ютерне бачення. Моделі подобаються GPT-3 від OpenAI або Мегатрон від Nvidia здатні генерувати синтетичні тексти, які неможливо відрізнити від текстів, написаних людьми, брати участь у дуже складних питаннях-відповідях або навіть демонструвати здатність міркувати над текстовими формами. Моделі подобаються DALL-E 2 від OpenAI або Imagen від Google здатні створювати художні образи з текстових форм, поєднуючи інтелект між кількома доменами.

Розуміючи вплив трансформаторів на NLU та простір комп’ютерного бачення, неважко уявити, який вплив вони, ймовірно, справлятимуть на такі сфери, як NFT, які покладаються на візуальне представлення та текстові взаємодії.

Самоконтрольоване навчання

Meta (Facebook) дослідження штучного інтелекту нещодавно назвало самоконтрольоване навчання (SSL) «темною матерією ШІ» як аналогію щодо основоположної ролі, яку цей новий тип техніки може відігравати в моделях ШІ наступного покоління. Концептуально SSL намагається ввімкнути інтелектуальні можливості, які нагадують те, як немовлята Навчання шляхом спостереження та взаємодії. SSL намагається подолати деякі обмеження традиційних методів навчання під наглядом, які потребують навчання з великими обсягами позначених даних. Моделі подобаються DINO від Мети здатні класифікувати об’єкти на зображеннях без попереднього навчання.

Застосування навчання без величезної кількості мічених даних здається ідеальним для Крипто. Децентралізовані Фінанси (DeFi) може отримати безпосередню вигоду від цих методів.

Графічні нейронні мережі

Набори даних блокчейну є найбільшим джерелом даних у Крипто. Зі структурної точки зору, набори даних блокчейну є спочатку ієрархічними, оскільки вони моделюють зв’язки між адресами, транзакціями або блоками. Графові нейронні мережі (GNN) — це дисципліна AI-ML, яка спеціалізується на вивченні ієрархічних наборів даних. Компанії, як DeepMind від Google використовує GNN для прогнозування трафіку на Картах Google або навіть зрозуміти структуру скла.

GNN здаються ідеальною технікою AI-ML для Крипто . Якщо блокчейни колись стануть інтелектуальними, GNN, ймовірно, відіграватимуть ключову роль у розвитку знань із їхніх рідних наборів даних.

Навчання з підкріпленням

Після цього глибоке навчання з підкріпленням (DRL) стало свого роду поп-культурою AlphaGo від DeepMind переміг чемпіона світу з го Лі Седола. AlphaGo освоїла Go, зігравши проти себе неймовірно велику кількість ігор і виправивши власні помилки. Ця форма пробної помилки, навчання через взаємодію, є суттю DRL.

Починаючи з AlphaGo, DRL був у центрі видатних досягнень AI-ML. Власний AlphaFold від DeepMind шокував наукову спільноту тим, що зміг передбачити структуру білків за послідовністю амінокислот., Цікаве , яке може відкрити нову еру в медицині. Ще одна шатерна модель DRL від DeepMind MuZero, який здатний освоїти ігри, такі як Go, шахи або Atari, навіть не знаючи правил.

Принципи DRL навчання методом проб і помилок здаються актуальними для багатьох сфер Крипто, таких як DeFi або NFT, умови в яких постійно змінюються. Зрештою, більшість Крипто базуються на жорстких правилах теорії ігор, і DRL досяг успіху в іграх.

Шлях до інтелекту в Крипто

Легенда кіберпанку та письменник-фантаст Вільям Ґібсон якось сказав: «Майбутнє вже тут – просто воно розподілене нерівномірно». Ця цитата може послужити нам філософським орієнтиром, коли ми думаємо про шлях до інтелектуальних Крипто . Створення Крипто збіглося із золотою ерою досліджень і Технології розробок AI-ML. Сьогодні технології AI-ML швидко стають мейнстрімом, і це питання часу, коли вони стануть першокласним громадянином у Крипто . Варіанти використання, здається, є всюди. Давайте дослідимо деякі з найбільш очевидних.

Інтелектуальні NFT

Були деякі застосування використання генеративних методів AI-ML для створення незамінних токенів (NFT). Однак вплив AI-ML має поширюватися на всі сфери простору NFT. Давайте уявимо NFT, які включають мовні та мовленнєві можливості для встановлення діалогу з користувачами, відповідей на запитання про його значення або взаємодії з певним середовищем. Так само, як ви взаємодієте зі своїм улюбленим цифровим помічником, уявіть, що ви розмовляєте з візуальним NFT, який може змінювати свій зовнішній вигляд залежно від характеру діалогу. Подібним чином подумайте про використання моделей-трансформерів AI-ML, попередньо навчених мільйонами малюнків, для створення унікальних NFT, які відображають унікальні аспекти стилів майстрів.

Інтелектуальні протоколи DeFi

Децентралізовані Фінанси (DeFi) протоколи стосуються автоматизації, але вони не зовсім розумні. Включення можливостей AI-ML у протоколи DeFi здається неминучим. Ми можемо уявити нове покоління автоматизованого маркет- Maker (AMM) протоколи, які можуть коригувати баланси в пулах за допомогою прогнозних моделей у реальному часі на основі існуючих ринкових умов. Подібним чином ми можемо подумати про протоколи кредитування, які регулюють розмір позик на основі інтелектуального профілю адрес, які їх запитують.

Інтелектуальні блокчейни L1-L2

AI-ML впливає на всі аспекти інфраструктури програмного забезпечення, такі як мережі, обчислення та зберігання, і блокчейни навряд чи будуть винятком. Думати про інтелектуальні консенсусні протоколи, які покращують продуктивність на основі прогнозних моделей, не є надуманим. Подібним чином ми можемо подумати про блокчейни, які розвивають інтелектуальну економіку для контролю вартості обчислень у формі "GAS" або інші еквіваленти.

Інтелектуальні Крипто програми та програми

Взаємодія з користувачем здається ONE з найбільш очевидних областей для впровадження можливостей AI-ML. Це питання часу, перш ніж гаманці або біржі почнуть включати в себе власні інтелектуальні можливості, які допоможуть покращити інвестиційні та торгові рішення, які сьогодні повністю залежать від суб’єктивності Human .

Інтелектуальні програмовані стейблкойни

Тема програмованого стейблкойни здається дуже помітним у ці дні після Terra UST колапс. Що, якби замість того, щоб думати про цю форму стейблкойна як про програмовану, ми могли б подумати про форми, які є не тільки програмованими, але й інтелектуальними? Замість програмованих стейблкойнів, які регулюють прив’язку на основі статично визначеної економічної гімнастики, що, якби вони могли покладатися на алгоритми AI-ML, які органічно Навчання на ринкових умовах. Поєднання AI-ML із Human наглядом виглядає цікавим підходом для дослідження в цій галузі.

AI-ML впливає на Крипто, але Крипто також може сприяти розвитку AI-ML

Зв’язок між Крипто та AI-ML є більш двонаправленим, ніж думає більшість людей. Хоча сценарії, за якими AI-ML може вплинути на наступне покоління Крипто та інфраструктури, досить зрозумілі, існують деякі неочевидні області, в яких Крипто може вплинути на технології AI-ML.

Децентралізований штучний інтелект – це новий Технології рух, який LOOKS використовувати децентралізацію обчислень, а також механізми токенізації, щоб пом’якшити деякі зростаючі проблеми централізації технологій AI-ML. Піддоменом загального децентралізованого підходу штучного інтелекту є механізми, які використовують Крипто для створення економіки, у якій компанії та окремі особи мають стимул для обміну даними та моделями штучного інтелекту.

Дані — це електрика AI-ML, але вони сильно контролюються невеликою кількістю діючих компаній, і для компаній практично немає стимулів співпрацювати та ділитися даними, щоб розірвати це монопольне коло. Представляємо clever токеноміка і механізми заохочення могли б органічно допомогти встановити канали для компаній, щоб регулярно співпрацювати у створенні та навчанні моделей AI-ML для конкретних завдань і ділитися перевагами.

Упередженість і справедливість є ще однією HOT темою в AI-ML в наші дні, на яку може значно вплинути використання рідних Крипто . Набори даних, які використовуються для навчання моделей AI-ML, пронизані упередженнями, дискримінацією та токсичними точками даних, які можуть впливати на знання моделей AI.

Хоча було досягнуто багато успіхів у кількісній оцінці та моніторингу справедливості моделей AI-ML, не існує надійних механізмів звітності та порівняльного аналізу, яким довіряють у всій галузі. Уявіть собі використання рівня блокчейну для KEEP упередженості та оцінки справедливості конкретних моделей AI-ML і компенсації моделей, які покращують свої оцінки справедливості. Це сценарій з низькою точкою входу для використання технологій блокчейну в інфраструктурах AI-ML.

Без сумніву, AI-ML має бути основоположним елементом наступного покоління технологій цифрових активів, але є також багато відчутної цінності, яку Крипто та блокчейни можуть принести у світі AI-ML. По суті, Крипто може служити економічним і обліковим рівнем, який допомагає створювати більш справедливі та демократичні рішення AI-ML.

Від цифровізації-автоматизації до інтелекту

AI-ML впливає на кожну сферу світу програмного забезпечення, і Крипто навряд чи стане винятком. CORE принципи технологій цифрових активів зосереджені навколо демократизації фінансових послуг за допомогою оцифрування та автоматизації. Інтелект є ONE із наступних рубежів для Крипто, і ми, ймовірно, побачимо вплив на весь простір. Від інтелектуальних NFT до протоколів DeFi до нових форм Крипто , впровадження AI-ML, ймовірно, розв’яже нову еру інновацій у Крипто. Технології та випадки використання вже тут. Пора починати будівництво.

Також у серії «Великі ідеї»:

Майбутня InDAOstrial Revolution Джулі Фредріксон

Розподілені автономні організації дають людям шанс створювати більші, дивніші речі в радикальних часових рамках, подібно до того, як поява корпорацій проклала шлях до промислової революції.

Ненадійні докази: Web 3 допомагає документувати військові злочини в Україні Джонатан Дотан

В епоху дезінформації Технології блокчейн може відновити нашу віру в доказову правду, не в останню чергу під час поточного конфлікту в Україні, каже Джонатан Дотан, директор-засновник The Starling Lab.

Як Web 3 змінює філантропію Ріс Ліндмарк

Ріс Ліндмарк, спікер «Великі ідеї» на фестивалі Consensus CoinDesk, про те, як покоління Крипто може переписати правила благодійних пожертвувань.

Давайте використовувати нові форми грошей, щоб віддати перевагу нашим спільнотам Метью Превітт

Більше місцевих грошей може зменшити мотивацію «виходу» з громад, які потребують ресурсів, каже Метт Превітт, президент фонду RadicalxChange.

Прогнозування, Ринки прогнозів і епоха кращої інформації Клей Граубар та Ендрю Едді

Кількісне прогнозування є безцінним інструментом, який все ще недостатньо використовується, а Ринки прогнозів видаються життєво важливим інструментом для його впровадження.