Прогнозування можливостей та застосування ШІ в Децентралізованих фінансах
Прогнозування завжди було ключовою здатністю в еволюції людини. Починаючи з давніх часів, люди покладалися на свої органи чуття та інстинкти, щоб передбачити загрози та можливості в навколишньому середовищі, такі як виявлення моделей активності хижаків, можливостей появи здобичі та сезонних постачань їжі, які є життєво важливими для виживання.
З часом ця прогностична модель поступово розвинулася в інструменти використання та планування (, такі як прогнозування потреб у вирощуванні культур, забої та зберіганні м'яса ), прогнозування соціальних підказок ( намірів, емоцій, поведінки ), а також розвиток письма, науки, математики, а також сучасних інструментів, таких як статистика, комп'ютерні технології, машинне навчання та штучний інтелект, які використовуються для підвищення людських прогностичних можливостей.
Прогнозні ринки еволюціонували в економічний інструмент, який використовує людські прогностичні здібності для передбачення економічних, політичних і культурних результатів. На відміну від традиційних опитувань громадської думки, деякі прогнозні ринки використовують економічні стимули для отримання точних прогнозів, оскільки учасники роблять ставки реальними грошима.
На ринку виборів у США 2024 року одна платформа прогнозування залучила майже 4 мільярди доларів ставок, а в прогнозах перемоги Трампа її показники навіть перевершили результати опитувань, що відображає економічну цінність краудсорсингового прогнозування.
Та ж еволюція відбулася і в торгівлі спотами та безстроковими контрактами: від зростання централізованих бірж, що задовольняють зростаючий попит на криптовалюти по всьому світу, до нещодавніх революційних розробок деяких децентралізованих платформ, які пропонують самостійне зберігання та послуги без KYC, при цьому забезпечуючи торгівельний досвід, подібний до централізованих бірж.
Прогнозування є основною здатністю людської еволюції. З появою моделей прогнозування на основі штучного інтелекту/машинного навчання, здатність прогнозувати події, ціни активів і волатильність суттєво зростає. Це переносить людство в наступний етап еволюції.
Децентралізовані фінанси 3.0
Децентралізовані фінанси 1.0 впровадили смарт-контракти та децентралізовані додатки, що дозволяє будь-кому в будь-який час і в будь-якому місці здійснювати перекази, купівлю та продаж, стейкінг, кредитування, отримання прибутку від майнінгу. По суті, це означає, що криптоактиви вносяться в ланцюг для створення економічної вартості, наприклад, деякі відомі децентралізовані біржі, платформи кредитування тощо.
Децентралізовані фінанси 2.0 на основі 1.0 було розширено, введено новітню токеноміку та механізми розподілу стимулів, що має на меті узгодження інтересів різних зацікавлених сторін у протоколі та сприяння виникненню нових ринків, які пропонують альтернативні джерела доходу.
Децентралізовані фінанси 3.0 вводять штучний інтелект у Децентралізовані фінанси. Дехто називає це DeFAI, інші - AiFi. Це означає інтеграцію великих мовних моделей (LLM) та/або моделей машинного навчання (ML) у продукти Децентралізованих фінансів.
Від простого інтегрування LLM ( для виконання функцій підтримки клієнтів/допоміжного пілота, що допомагає користувачам орієнтуватися в протоколах ), до багатокористувацьких/кластери та систем машинного навчання, які в корені покращують продукти (, збільшуючи прибуток від торгівлі, зменшуючи непостійні втрати, підвищуючи доходи LP, знижуючи ризик ліквідації в угодах з постійною ставкою тощо ).
Окрім абстрактного рівня DeFAI та повністю автономних фінансових агентів, далі буде обговорено роль систем штучного інтелекту/машинного навчання та прогнозних моделей у трансформації Децентралізованих фінансів та інших вертикальних секторів.
Система прогнозування
Нейронні мережі та дерева рішень з'явилися з 2000-х років, ці системи використовувалися хедж-фондами для прогнозування цін на акції та товари. Ранні результати прогнозування акцій були досить інформативними, точність короткострокових прогнозів досягала 50%-60%, але через перенавчання та обмеженість даних їхнє застосування було обмежене.
Потім виникли глибоке навчання та великі дані, які дозволили моделям обробляти більші набори даних (, такі як часові ряди, новини та неструктуровані дані з соціальних мереж ), що забезпечує більш точні прогнози та ширше застосування.
Проривний розвиток відбувся за останні п'ять років, коли моделі Transformer та мультимодальний ШІ інтегрували більш різноманітні набори даних, такі як емоції в соціальних мережах, блокчейн-транзакції, оракули, новини в реальному часі, краудсорсингові прогнози та інші джерела. Це дозволило деяким моделям ШІ досягти точності 80%-90% у прогнозуванні результатів подій та цін на активи.
Зі зростанням удосконалення цих моделей значно зросла потреба в інтеграції прогнозувальних можливостей у системи Децентралізовані фінанси. Наразі ми знаходимося на ранній стадії DeFi 3.0 і в реальному часі спостерігаємо, як деякі учасники ринку поєднують системи штучного інтелекту/машинного навчання з застосунками Web3.
Децентралізовані фінанси x AI/ML систем
Тоді
Allora, можливо, є найбільш поширеною мережею децентралізованих моделей прогнозування на сьогодні. Allora вже реалізувала численні інтеграції з Децентралізованими фінансами (DeFi) протоколами та командами AI-агентів, що надає їй прогностичні можливості (, з основною увагою на прогнозування цін на криптовалюти, такі як BTC, ETH, SOL ).
Його точність прогнозу цін на криптовалюту в короткостроковій перспективі, як стверджують, становить близько 80%.
Деякі основні застосування включають:
Деякий AI-орієнтований трест на основі USDC, який використовує технологію інтерпретації Allora для максимізації прибутку від торгівлі SOL. З 23 квітня його накопичена дохідність становить 2,4%, річна процентна ставка приблизно 10%.
Певний AI LP-скарбничка, використовуючи прогнозні цінові дані Allora, краще розміщує ліквідність до коливань цін, щоб уникнути непостійних збитків.
Allora співпрацює з кількома командами для підтримки торгових стратегій та виконання для AI-агентів.
Bittensor підмережа
Оскільки механізм розподілу винагород dTAO Bittensor може допомогти стартапам ( підмережі ) компенсувати витрати на розробку, команда використовує Bittensor для запуску розробки продукту, передаючи велику частину розробницької роботи майнерам; чим вища винагорода, тим кращою є якість майнерів.
Оскільки моделі машинного навчання та системи прогнозування є одними з найбільш легкої кількості завдань, ( створення моделей, які можуть точно прогнозувати певні речі, ) це одна з вертикальних областей, на якій найбільше зосереджуються підмережі.
Підмережі, зосереджені на прогнозуванні, включають SN6, SN8, SN18, SN41, SN44 та SN50.
Слід зазначити, що:
AI-агент/хедж-фонд SN6 незабаром запустить DeFi сховище, яке автоматично розподілятиме депозити користувачів на події/ринках з високою достовірністю для ставок. Це сховище незабаром з'явиться, а APY ранніх тестів, за повідомленнями, перевищує чотири цифри.
SN44 продовжує покращувати сигнали у футболі/англійському футболі. Останні результати на клубному чемпіонаті світу показують, що агресивні ставки принесли 232% інвестиційного доходу. Команда також працює над розробкою продукту DeFi, який буде використовувати більш орієнтований на ризик підхід.
SN50 Synth особливо цікавий. Ця підмережа побудована навколо високоефективної моделі прогнозування волатильності. Вона може бути використана для охоплення різних ймовірностей, які можуть виникнути у ціні (, а не лише для прогнозування майбутньої ціни ), наприклад, для прогнозування ймовірності ліквідації, часу існування/ліквідації безперервних позицій, встановлення діапазону LP децентралізованих бірж та прогнозування непостійних втрат, прогнозування страйкової ціни опціонів та терміна їх дії тощо.
Синтетичний, як стверджують, показує на 25%-30% кращі результати, ніж традиційна базова модель ( геометричний броунівський рух ).
Для L1/L2 екосистем, які хочуть інтегрувати такі рушії у свою Децентралізовані фінанси екосистему, попит є величезним.
До цього часу Synth інтегрувався з кількома платформами, включаючи:
Arbitrum, підтримує змагання для AI трейдерів
Chainrisk, зрозуміти волатильність, щоб партнерські угоди могли краще впоратися з різкими змінами волатильності
Основний ліквідний стейкинговий протокол на Solana, призначений для невідомого випадку використання (, за словами команди, офіційне оголошення буде опубліковано протягом 1-2 днів )
Ця команда позиціонує Mode L2( як рівень застосунків, поєднуючи Synth-інтерфейси з продуктами Mode AI Terminal + Mode Perp, що дозволяє трейдерам використовувати прогнозування Synth для оцінки цін на активи та покращення торгівлі.
SN6, SN44, SN50 та багато інших підмереж привертають увагу, оскільки щороку вони надають від 2 до 10 мільйонів доларів США у токенах dTAO як стимул для залучення майнерів до постійного вдосконалення їхніх моделей прогнозування.
Їхня мета полягає в тому, щоб використовувати dTAO як стимул для капітальних витрат, щоб спрямувати розробку продукту та якомога швидше реалізувати комерціалізацію/продуктізацію, заробляючи реальний прибуток та компенсуючи тиск на продаж dTAO. Деякі з цих підмереж вже почали переходити до стадії комерціалізації.
Майбутні тенденції розвитку
Пошук вищих доходів і нижчих ризиків продовжиться, спонукаючи будівельників вводити більше RWAs на блокчейн. Існуючі джерела доходу DeFi продовжать оптимізуватися і стануть все більш доступними.
Прогнозні ринки стануть основним джерелом інформації, штучний інтелект виступатиме в ролі маркет-мейкера, а досвідчені учасники ще більше активізують колективний розум. Інструменти стають все більш розумними, моделі стають все більш точними, і вже можна побачити часткові результати.
Ці системи, чим більше вони вчаться, тим більшу цінність вони отримують. І чим більше вони взаємодіють з іншими частинами Web3, тим більш незворотнім стає весь тренд.
Врешті-решт, усе в криптоіндустрії є ставкою на майбутнє.
Отже, інфраструктура та програми/агенти, які можуть хоч трохи ясніше передбачити майбутнє — чи то через колективний розум, якісніші дані, чи точніші моделі — матимуть значні переваги.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
13 лайків
Нагородити
13
5
Поділіться
Прокоментувати
0/400
ResearchChadButBroke
· 07-24 22:04
Ага, штучний інтелект передбачає що завгодно.
Переглянути оригіналвідповісти на0
Ser_APY_2000
· 07-24 16:10
Еволюція є істинним богом у блокчейні розуму
Переглянути оригіналвідповісти на0
GmGnSleeper
· 07-22 00:26
Коли я зможу передбачити, коли я стану багатим і успішним?
Переглянути оригіналвідповісти на0
LightningClicker
· 07-22 00:16
Все вже передбачено, тільки ціну монети не можна передбачити?
AI прогнозні моделі ведуть Децентралізовані фінанси 3.0 нову еру
Прогнозування можливостей та застосування ШІ в Децентралізованих фінансах
Прогнозування завжди було ключовою здатністю в еволюції людини. Починаючи з давніх часів, люди покладалися на свої органи чуття та інстинкти, щоб передбачити загрози та можливості в навколишньому середовищі, такі як виявлення моделей активності хижаків, можливостей появи здобичі та сезонних постачань їжі, які є життєво важливими для виживання.
З часом ця прогностична модель поступово розвинулася в інструменти використання та планування (, такі як прогнозування потреб у вирощуванні культур, забої та зберіганні м'яса ), прогнозування соціальних підказок ( намірів, емоцій, поведінки ), а також розвиток письма, науки, математики, а також сучасних інструментів, таких як статистика, комп'ютерні технології, машинне навчання та штучний інтелект, які використовуються для підвищення людських прогностичних можливостей.
Прогнозні ринки еволюціонували в економічний інструмент, який використовує людські прогностичні здібності для передбачення економічних, політичних і культурних результатів. На відміну від традиційних опитувань громадської думки, деякі прогнозні ринки використовують економічні стимули для отримання точних прогнозів, оскільки учасники роблять ставки реальними грошима.
На ринку виборів у США 2024 року одна платформа прогнозування залучила майже 4 мільярди доларів ставок, а в прогнозах перемоги Трампа її показники навіть перевершили результати опитувань, що відображає економічну цінність краудсорсингового прогнозування.
Та ж еволюція відбулася і в торгівлі спотами та безстроковими контрактами: від зростання централізованих бірж, що задовольняють зростаючий попит на криптовалюти по всьому світу, до нещодавніх революційних розробок деяких децентралізованих платформ, які пропонують самостійне зберігання та послуги без KYC, при цьому забезпечуючи торгівельний досвід, подібний до централізованих бірж.
Прогнозування є основною здатністю людської еволюції. З появою моделей прогнозування на основі штучного інтелекту/машинного навчання, здатність прогнозувати події, ціни активів і волатильність суттєво зростає. Це переносить людство в наступний етап еволюції.
Децентралізовані фінанси 3.0
Децентралізовані фінанси 1.0 впровадили смарт-контракти та децентралізовані додатки, що дозволяє будь-кому в будь-який час і в будь-якому місці здійснювати перекази, купівлю та продаж, стейкінг, кредитування, отримання прибутку від майнінгу. По суті, це означає, що криптоактиви вносяться в ланцюг для створення економічної вартості, наприклад, деякі відомі децентралізовані біржі, платформи кредитування тощо.
Децентралізовані фінанси 2.0 на основі 1.0 було розширено, введено новітню токеноміку та механізми розподілу стимулів, що має на меті узгодження інтересів різних зацікавлених сторін у протоколі та сприяння виникненню нових ринків, які пропонують альтернативні джерела доходу.
Децентралізовані фінанси 3.0 вводять штучний інтелект у Децентралізовані фінанси. Дехто називає це DeFAI, інші - AiFi. Це означає інтеграцію великих мовних моделей (LLM) та/або моделей машинного навчання (ML) у продукти Децентралізованих фінансів.
Від простого інтегрування LLM ( для виконання функцій підтримки клієнтів/допоміжного пілота, що допомагає користувачам орієнтуватися в протоколах ), до багатокористувацьких/кластери та систем машинного навчання, які в корені покращують продукти (, збільшуючи прибуток від торгівлі, зменшуючи непостійні втрати, підвищуючи доходи LP, знижуючи ризик ліквідації в угодах з постійною ставкою тощо ).
Окрім абстрактного рівня DeFAI та повністю автономних фінансових агентів, далі буде обговорено роль систем штучного інтелекту/машинного навчання та прогнозних моделей у трансформації Децентралізованих фінансів та інших вертикальних секторів.
Система прогнозування
Нейронні мережі та дерева рішень з'явилися з 2000-х років, ці системи використовувалися хедж-фондами для прогнозування цін на акції та товари. Ранні результати прогнозування акцій були досить інформативними, точність короткострокових прогнозів досягала 50%-60%, але через перенавчання та обмеженість даних їхнє застосування було обмежене.
Потім виникли глибоке навчання та великі дані, які дозволили моделям обробляти більші набори даних (, такі як часові ряди, новини та неструктуровані дані з соціальних мереж ), що забезпечує більш точні прогнози та ширше застосування.
Проривний розвиток відбувся за останні п'ять років, коли моделі Transformer та мультимодальний ШІ інтегрували більш різноманітні набори даних, такі як емоції в соціальних мережах, блокчейн-транзакції, оракули, новини в реальному часі, краудсорсингові прогнози та інші джерела. Це дозволило деяким моделям ШІ досягти точності 80%-90% у прогнозуванні результатів подій та цін на активи.
Зі зростанням удосконалення цих моделей значно зросла потреба в інтеграції прогнозувальних можливостей у системи Децентралізовані фінанси. Наразі ми знаходимося на ранній стадії DeFi 3.0 і в реальному часі спостерігаємо, як деякі учасники ринку поєднують системи штучного інтелекту/машинного навчання з застосунками Web3.
Децентралізовані фінанси x AI/ML систем
Тоді
Allora, можливо, є найбільш поширеною мережею децентралізованих моделей прогнозування на сьогодні. Allora вже реалізувала численні інтеграції з Децентралізованими фінансами (DeFi) протоколами та командами AI-агентів, що надає їй прогностичні можливості (, з основною увагою на прогнозування цін на криптовалюти, такі як BTC, ETH, SOL ).
Його точність прогнозу цін на криптовалюту в короткостроковій перспективі, як стверджують, становить близько 80%.
Деякі основні застосування включають:
Bittensor підмережа
Оскільки механізм розподілу винагород dTAO Bittensor може допомогти стартапам ( підмережі ) компенсувати витрати на розробку, команда використовує Bittensor для запуску розробки продукту, передаючи велику частину розробницької роботи майнерам; чим вища винагорода, тим кращою є якість майнерів.
Оскільки моделі машинного навчання та системи прогнозування є одними з найбільш легкої кількості завдань, ( створення моделей, які можуть точно прогнозувати певні речі, ) це одна з вертикальних областей, на якій найбільше зосереджуються підмережі.
Підмережі, зосереджені на прогнозуванні, включають SN6, SN8, SN18, SN41, SN44 та SN50.
Слід зазначити, що:
AI-агент/хедж-фонд SN6 незабаром запустить DeFi сховище, яке автоматично розподілятиме депозити користувачів на події/ринках з високою достовірністю для ставок. Це сховище незабаром з'явиться, а APY ранніх тестів, за повідомленнями, перевищує чотири цифри.
SN44 продовжує покращувати сигнали у футболі/англійському футболі. Останні результати на клубному чемпіонаті світу показують, що агресивні ставки принесли 232% інвестиційного доходу. Команда також працює над розробкою продукту DeFi, який буде використовувати більш орієнтований на ризик підхід.
SN50 Synth особливо цікавий. Ця підмережа побудована навколо високоефективної моделі прогнозування волатильності. Вона може бути використана для охоплення різних ймовірностей, які можуть виникнути у ціні (, а не лише для прогнозування майбутньої ціни ), наприклад, для прогнозування ймовірності ліквідації, часу існування/ліквідації безперервних позицій, встановлення діапазону LP децентралізованих бірж та прогнозування непостійних втрат, прогнозування страйкової ціни опціонів та терміна їх дії тощо.
Синтетичний, як стверджують, показує на 25%-30% кращі результати, ніж традиційна базова модель ( геометричний броунівський рух ).
Для L1/L2 екосистем, які хочуть інтегрувати такі рушії у свою Децентралізовані фінанси екосистему, попит є величезним.
До цього часу Synth інтегрувався з кількома платформами, включаючи:
Ця команда позиціонує Mode L2( як рівень застосунків, поєднуючи Synth-інтерфейси з продуктами Mode AI Terminal + Mode Perp, що дозволяє трейдерам використовувати прогнозування Synth для оцінки цін на активи та покращення торгівлі.
SN6, SN44, SN50 та багато інших підмереж привертають увагу, оскільки щороку вони надають від 2 до 10 мільйонів доларів США у токенах dTAO як стимул для залучення майнерів до постійного вдосконалення їхніх моделей прогнозування.
Їхня мета полягає в тому, щоб використовувати dTAO як стимул для капітальних витрат, щоб спрямувати розробку продукту та якомога швидше реалізувати комерціалізацію/продуктізацію, заробляючи реальний прибуток та компенсуючи тиск на продаж dTAO. Деякі з цих підмереж вже почали переходити до стадії комерціалізації.
Майбутні тенденції розвитку
Пошук вищих доходів і нижчих ризиків продовжиться, спонукаючи будівельників вводити більше RWAs на блокчейн. Існуючі джерела доходу DeFi продовжать оптимізуватися і стануть все більш доступними.
Прогнозні ринки стануть основним джерелом інформації, штучний інтелект виступатиме в ролі маркет-мейкера, а досвідчені учасники ще більше активізують колективний розум. Інструменти стають все більш розумними, моделі стають все більш точними, і вже можна побачити часткові результати.
Ці системи, чим більше вони вчаться, тим більшу цінність вони отримують. І чим більше вони взаємодіють з іншими частинами Web3, тим більш незворотнім стає весь тренд.
Врешті-решт, усе в криптоіндустрії є ставкою на майбутнє.
Отже, інфраструктура та програми/агенти, які можуть хоч трохи ясніше передбачити майбутнє — чи то через колективний розум, якісніші дані, чи точніші моделі — матимуть значні переваги.