"Il software sta divorando il mondo" è diventata ONE delle frasi iconiche dell'ultimo decennio dell'industria del software. Citata nel 2011 dalla leggenda del software e capitalista di rischio Marc Andreessen, sintetizzava l'idea che le aziende che operavano principalmente nel mondo fisico stavano passando all'economia digitale in una tendenza che trasformerà essenzialmente ogni azienda in un'azienda di software.

Jesus Rodriguez è CEO di IntoTheBlock, una società di analisi di mercato blockchain e Criptovaluta . Questo articolo è un'anteprima di un discorso che faràquesta settimana sul palco Big Ideas aConsenso 2022ad Austin, Texas.

Negli ultimi anni, l'evoluzione del machine learning (ML) e dell'intelligenza artificiale (AI) ha permeato tutti i settori dell'industria del software, portando molti esperti ad affermare che "il machine learning sta mangiando il software". Le Cripto e gli asset digitali sono radicati sulle fondamenta del codice e della programmabilità e, di conseguenza, sono suscettibili di essere influenzati dalle tendenze ML-AI. L'intersezione di ML-AI con gli asset digitali probabilmente inaugurerà una nuova era in cui l'intelligenza diventa una componente nativa degli asset Cripto .

L'idea di Cripto asset intelligenti è concettualmente banale ma piena di sfide pratiche. Quali sono alcune delle tendenze fondamentali del ML che possono avere un impatto rapido sulla prossima generazione di Cripto asset? Quali sono i principali scenari che possono trarre vantaggio dalle capacità di intelligence nelle Cripto o alcune delle principali sfide tecniche che devono essere superate affinché le Cripto diventino intelligenti? Questo saggio esplora alcune di queste idee e sviluppa una tesi sul potenziale dell'intersezione tra Cripto e ML.

Solo la Cripto può essere nativamente intelligente

Un punto importante da comprendere quando si pensa all'AI-ML nel contesto delle Cripto è che la Cripto è l'unica classe di attività nella storia che ha il potenziale per diventare nativamente intelligente. Le capacità dell'AI-ML nelle classi di attività tradizionali, come materie prime o azioni, sono implementate in veicoli come robo-advisor O Quant strategie che vivono al di fuori dell'asset stesso. Sebbene esista un ruolo ovvio per quei veicoli nello spazio Cripto , gli asset Cripto possono incorporare nativamente quelle capacità AI-ML negli asset. Questo vantaggio è, ovviamente, un effetto collaterale delle capacità programmabili e digitali delle Cripto. Gli asset Cripto sono basati sul codice e quel codice potrebbe assumere la forma di modelli AI-ML.

L'apprendimento automatico divorerà le Cripto, ma come?

È probabile che AI-ML svolga un ruolo importante nel prossimo decennio del mercato Cripto . Mentre le fasi iniziali delle Cripto si sono concentrate sulla digitalizzazione e l'automazione, la prossima iterazione sembra destinata a concentrarsi sull'intelligenza. Oggi ci sono molte applicazioni di AI-ML nelle Cripto , ma T possiamo affermare che le Cripto siano intrinsecamente intelligenti. Nel NEAR futuro, dovremmo aspettarci di vedere le Cripto e i protocolli iniziare a incorporare AI-ML come capacità native che consentiranno loro di Imparare e adattare il loro comportamento in base all'ambiente circostante o Mercati.

L'inevitabilità che le risorse digitali diventino intelligenti è in parte dettata dalla sorprendente evoluzione delle tecnologie AI-ML negli ultimi anni. Nel contesto della Cripto, T dovremmo pensare all'AI-ML come a una cosa generica, ma piuttosto come a un gruppo di tipi di metodi interconnessi. Da questa prospettiva, c'è un piccolo numero di scuole AI-ML che sembrano particolarmente adatte per applicazioni nello spazio Cripto . Esploriamo alcune delle tecniche più popolari attraverso la lente del loro potenziale all'interno delle tecnologie Cripto .

Trasformatori

Considerati da molti l'evoluzione più importante dell'ultimo decennio di AI-ML, i trasformatori sono alla base della rivoluzione nella comprensione del linguaggio naturale (NLU) e stanno facendo breccia in altri settori, come la visione artificiale. Modelli comeGPT-3 di OpenAI O Megatron di Nvidiasono in grado di generare testi sintetici indistinguibili da quelli scritti da esseri umani, impegnarsi in interazioni domanda-risposta altamente complesse o persino esibire capacità di ragionamento su forme testuali. Modelli comeDALL-E 2 di OpenAI O Immagine di Googlesono in grado di generare immagini artistiche da forme testuali, creando un ponte tra l'intelligenza di più domini.

Una volta compreso l'impatto che i trasformatori hanno avuto nell'ambito dell'NLU e della visione artificiale, non è difficile immaginare l'influenza che probabilmente eserciteranno in settori come gli NFT che si basano su rappresentazioni visive e interazioni testuali.

Apprendimento auto-supervisionato

Meta (Facebook) AI Research ha recentemente definito l'apprendimento auto-supervisionato (SSL) come la "materia oscura dell'IA" come un'analogia sul ruolo fondamentale che questo nuovo tipo di tecnica può avere nella prossima generazione di modelli di IA. Concettualmente, SSL cerca di abilitare capacità intelligenti che assomigliano a come i bambini Imparare tramite osservazione e interazione. SSL cerca di superare alcune delle limitazioni dei tradizionali metodi di apprendimento supervisionato che devono essere addestrati con grandi volumi di dati etichettati. Modelli come DINO di Metasono in grado di classificare gli oggetti nelle immagini senza una formazione precedente.

Le applicazioni dell'apprendimento senza enormi quantità di dati etichettati sembrano perfette per la Cripto. Finanza decentralizzata (DeFi) potrebbero essere i beneficiari immediati di questi metodi.

Reti neurali grafiche

I set di dati blockchain rappresentano la più grande fonte di dati in Cripto. Da un punto di vista strutturale, i set di dati blockchain sono nativamente gerarchici in quanto modellano relazioni tra indirizzi, transazioni o blocchi. Le reti neurali grafiche (GNN) sono la disciplina AI-ML specializzata nell'apprendimento su set di dati gerarchici. Aziende come DeepMind di Google utilizza GNN per prevedere il traffico su Google Maps O anche capire la struttura del vetro.

Le GNN sembrano una tecnica AI-ML perfetta per le Cripto . Se le blockchain dovessero mai diventare intelligenti, è probabile che le GNN svolgano un ruolo chiave nello sviluppo della conoscenza dai loro dataset nativi.

Apprendimento tramite rinforzo

L'apprendimento con rinforzo profondo (DRL) è diventato una specie di cultura pop dopoAlphaGo di DeepMind ha sconfitto il campione mondiale di Go Lee Sedol. AlphaGo ha padroneggiato Go giocando un numero incredibilmente grande di partite contro se stesso e correggendo i propri errori. Questa forma di tentativi ed errori, apprendimento tramite interazione è l'essenza di DRL.

A partire da AlphaGo, DRL è stata al centro di notevoli successi in ambito AI-ML.AlphaFold di DeepMind ha scioccato la comunità scientifica perché è riuscito a predire la struttura delle proteine da una sequenza di amminoacidi, una Da scoprire che può aprire una nuova era nella medicina. Un altro modello DRL di spicco di DeepMind è MuZero, che è in grado di padroneggiare giochi come Go, scacchi o giochi Atari, senza nemmeno conoscerne le regole.

I principi di apprendimento per tentativi ed errori di DRL sembrano rilevanti per molte aree della Cripto, come DeFi o NFT, in cui le condizioni cambiano continuamente. Dopotutto, la maggior parte dei protocolli Cripto si basa su forti regole di teoria dei giochi e DRL ha eccelso nei giochi.

Il percorso verso l'intelligenza nelle Cripto

La leggenda del cyberpunk e scrittore di fantascienza William Gibson una volta disse: "Il futuro è già qui, solo che non è distribuito in modo uniforme". Questa citazione potrebbe servirci come linea guida filosofica mentre pensiamo al percorso verso asset Cripto intelligenti. La creazione delle Cripto ha coinciso con l'epoca d'oro della ricerca AI-ML e degli sviluppi Tecnologie . Oggi, le tecnologie AI-ML stanno rapidamente diventando mainstream ed è solo questione di tempo prima che diventino cittadini di prima classe nello spazio Cripto . I casi d'uso sembrano essere ovunque. Esploriamo alcuni dei più ovvi.

NFT intelligenti

Sono state riscontrate alcune applicazioni dell'utilizzo di metodi generativi AI-ML per creare token non fungibili (NFT). Tuttavia, l'influenza di AI-ML dovrebbe estendersi a tutte le aree dello spazio NFT. Immaginiamo NFT che incorporino capacità linguistiche e vocali per stabilire un dialogo con gli utenti, rispondere a domande sul suo significato o interagire con un ambiente specifico. Proprio come interagisci con il tuo assistente digitale preferito, immagina di avere una conversazione con un NFT visivo che può cambiare il suo aspetto in base alla natura del dialogo. Allo stesso modo, pensa di utilizzare modelli di trasformatori AI-ML che sono stati pre-addestrati con milioni di dipinti per generare NFT unici che catturano aspetti unici degli stili dei maestri.

Protocolli DeFi intelligenti

Finanza decentralizzata (DeFi) i protocolli riguardano tutti l'automazione, ma non sono esattamente intelligenti. L'integrazione delle capacità AI-ML nei protocolli DeFi sembra inevitabile. Possiamo immaginare una nuova generazione di market Maker automatizzati (AMM) protocolli che possono regolare i saldi nei pool utilizzando modelli predittivi in tempo reale basati sulle condizioni di mercato esistenti. Allo stesso modo, possiamo pensare a protocolli di prestito che regolano l'entità dei prestiti in base a un profilo intelligente degli indirizzi che li richiedono.

Blockchain intelligenti L1-L2

L'AI-ML sta influenzando tutti gli aspetti dell'infrastruttura software, come networking, elaborazione e archiviazione, e le blockchain difficilmente faranno eccezione. Non è inverosimile pensare a protocolli di consenso intelligenti che migliorano le prestazioni in base a modelli predittivi. Allo stesso modo, possiamo pensare a blockchain che sviluppano economie intelligenti per controllare il costo di elaborazione sotto forma di "GAS" o altri equivalenti.

App e dapps Cripto intelligenti

L'esperienza utente sembra essere ONE delle aree più ovvie in cui introdurre funzionalità AI-ML. È questione di tempo prima che i portafogli o gli exchange inizino a incorporare funzionalità di intelligence native che aiutano a migliorare le decisioni di investimento e trading che oggi dipendono completamente dalla soggettività Human .

Stablecoin programmabili intelligenti

Il tema del programmabilemonete stabilisembra molto importante in questi giorni dopo ilCrollo di Terra UST. E se, invece di pensare a questa forma di stablecoin come programmabile, potessimo pensare a forme che non sono solo programmabili ma anche intelligenti? Invece di stablecoin programmabili che regolano il peg in base a ginnastiche economiche definite staticamente, e se potessero fare affidamento su algoritmi AI-ML che Imparare organicamente dalle condizioni di mercato. Una combinazione di AI-ML con supervisione Human sembra essere un approccio interessante da esplorare in quest'area.

L'AI-ML sta influenzando la Cripto, ma la Cripto può anche contribuire all'AI-ML

La relazione tra Cripto e AI-ML è più bidirezionale di quanto la maggior parte delle persone pensi. Mentre gli scenari in cui AI-ML può influenzare la prossima generazione di Cripto asset e infrastrutture sono abbastanza chiari, ci sono alcune aree non ovvie in cui la Cripto può influenzare le tecnologie AI-ML.

L'intelligenza artificiale decentralizzata è un movimento Tecnologie emergente che LOOKS a sfruttare il calcolo della decentralizzazione e i meccanismi di tokenizzazione per mitigare alcune delle crescenti sfide di centralizzazione delle tecnologie AI-ML. Un sottodominio dell'approccio generale all'intelligenza artificiale decentralizzata sono i meccanismi che sfruttano le Cripto per creare economie in cui aziende e individui sono incentivati ​​a condividere dati e modelli AI-ML.

I dati sono l'elettricità dell'AI-ML, ma sono altamente controllati da un piccolo numero di titolari e non ci sono praticamente incentivi per le aziende a collaborare e condividere i dati per rompere quel ciclo monopolistico. Introduzione di intelligenttokenomicae meccanismi di incentivazione potrebbero aiutare organicamente a stabilire canali che consentano alle aziende di collaborare regolarmente alla creazione e alla formazione di modelli AI-ML per compiti specifici e di condividerne i benefici.

Bias e correttezza sono un altro argomento HOT in AI-ML in questi giorni che potrebbe essere enormemente influenzato dall'uso di tecnologie Cripto native. I set di dati utilizzati nella formazione dei modelli AI-ML sono permeati da bias, discriminazioni e punti dati tossici che possono influenzare la conoscenza dei modelli AI.

Sebbene siano stati fatti molti progressi nella quantificazione e nel monitoraggio dell'equità dei modelli AI-ML, non ci sono meccanismi di rendicontazione e benchmarking solidi e affidabili nell'intero settore. Immagina di usare un livello blockchain per KEEP traccia del punteggio di bias e correttezza di specifici modelli AI-ML e compensare i modelli che stanno migliorando i loro punteggi di correttezza. Questo è uno scenario a basso punto di ingresso per l'uso di tecnologie blockchain nelle infrastrutture AI-ML.

Senza dubbio, AI-ML dovrebbe essere un elemento fondamentale della prossima generazione di tecnologie di asset digitali, ma c'è anche molto valore tangibile che le Cripto e le blockchain possono offrire nel mondo di AI-ML. Fondamentalmente, le Cripto potrebbero fungere da strato economico e contabile che aiuta a costruire soluzioni AI-ML più eque e democratiche.

Dalla digitalizzazione-automazione all'intelligenza

L'AI-ML sta influenzando ogni area del mondo del software e la Cripto difficilmente farà eccezione. I principi CORE delle tecnologie delle risorse digitali sono stati incentrati sulla democratizzazione dei servizi finanziari tramite digitalizzazione e automazione. L'intelligenza è ONE delle prossime frontiere per la Cripto e probabilmente ne vedremo l'impatto in tutto lo spazio. Dagli NFT intelligenti ai protocolli DeFi alle nuove forme di Cripto , è probabile che l'incorporazione dell'AI-ML scatenerà una nuova era di innovazione nella Cripto. Le tecnologie e i casi d'uso sono già qui. È tempo di iniziare a costruire.

Sempre nella serie "Grandi idee":

La rivoluzione in arrivo in DAOdi Julie Fredrickson

Le organizzazioni autonome distribuite offrono agli esseri umani la possibilità di costruire cose più grandi e più strane in tempi radicali, proprio come l'avvento delle aziende ha aperto la strada alla Rivoluzione industriale.

Prove inaffidabili: Web 3 aiuta a documentare i crimini di guerra in Ucrainadi Jonathan Dotan

In un'epoca di disinformazione, la Tecnologie blockchain può rinnovare la nostra fede nella verità basata sulle prove, soprattutto durante l'attuale conflitto in Ucraina, afferma Jonathan Dotan, direttore fondatore di The Starling Lab.

Come il Web 3 cambia la filantropiadi Rhys Lindmark

Rhys Lindmark, relatore del talk "Big Ideas" al Consensus festival di CoinDesk, su come la generazione Cripto potrebbe riscrivere le regole della beneficenza.

Usiamo nuove forme di denaro per impegnarci nelle nostre comunitàdi Matthew Prewitt

Più denaro locale potrebbe ridurre l’incentivo a “uscire” dalle comunità che hanno bisogno di risorse, afferma Matt Prewitt, presidente della RadicalxChange Foundation.

Previsioni, Mercati di previsione e l'era delle informazioni miglioridi Clay Graubard e Andrew Eaddy

Le previsioni quantificate sono uno strumento prezioso ma sottoutilizzato, e i Mercati di previsione sembrano essere uno strumento essenziale per la sua adozione.