“Software está comendo o mundo” se tornou uma das frases icônicas da última década da indústria de software. Citada em 2011 pela lenda do software e capitalista de risco Marc Andreessen, ela sintetizou a ideia de que empresas que operavam principalmente no mundo físico estavam em transição para a economia digital em uma tendência que essencialmente transformará todas as empresas em empresas de software.

Jesus Rodriguez é CEO da IntoTheBlock, uma empresa de análise de mercado de blockchain e Criptomoeda . Este artigo é uma prévia de uma palestra que ele daráesta semana no palco das Grandes Ideias emConsenso 2022em Austin, Texas.

Nos últimos anos, a evolução do aprendizado de máquina (ML) e da inteligência artificial (IA) permeou todas as áreas da indústria de software, levando muitos especialistas a afirmar que “o aprendizado de máquina está comendo software”. Cripto e ativos digitais estão enraizados na fundação de código e programabilidade e, consequentemente, provavelmente serão influenciados pelas tendências de ML-AI. A intersecção de ML-AI com ativos digitais provavelmente inaugurará uma nova era na qual a inteligência se tornará um componente nativo dos Cripto .

A ideia de Cripto inteligentes é conceitualmente trivial, mas cheia de desafios práticos. Quais são algumas das tendências fundamentais de ML que podem impactar rapidamente a próxima geração de Cripto ? Quais são os principais cenários que podem se beneficiar de recursos de inteligência em Cripto ou alguns dos principais desafios técnicos que precisam ser superados para que a Cripto se torne inteligente? Este ensaio explora algumas dessas ideias e desenvolve uma tese sobre o potencial da intersecção de Cripto e ML.

Somente a Cripto pode ser nativamente inteligente

Um ponto importante a ser percebido ao pensar sobre AI-ML no contexto de Cripto é que a Cripto é a única classe de ativos na história que tem o potencial de se tornar nativamente inteligente. Os recursos de AI-ML em classes de ativos tradicionais, como commodities ou ações, são implementados em veículos como robo-consultores ou Quant estratégias que vivem fora do próprio ativo. Embora haja um papel óbvio para esses veículos no espaço Cripto , os ativos Cripto podem incorporar nativamente essas capacidades de IA-ML nos ativos. Esse benefício é, obviamente, um efeito colateral das capacidades programáveis ​​e digitais da Cripto. Os ativos Cripto são baseados em código e esse código pode assumir a forma de modelos de IA-ML.

O aprendizado de máquina vai devorar as Cripto, mas como?

É provável que o AI-ML desempenhe um papel importante na próxima década do mercado de Cripto . Enquanto as fases iniciais da Cripto se concentraram em digitalização e automação, a próxima iteração parece destinada a se concentrar na inteligência. Existem muitas aplicações de AI-ML em Cripto hoje, mas T podemos afirmar que os ativos de Cripto são inerentemente inteligentes. Em um futuro NEAR , devemos esperar ver ativos de Cripto e protocolos começarem a incorporar AI-ML como recursos nativos que permitirão que eles Aprenda e adaptem seu comportamento com base em seu ambiente ou Mercados circundantes.

A inevitabilidade de ativos digitais se tornarem inteligentes é parcialmente ditada pela evolução surpreendente das tecnologias de IA-ML nos últimos anos. No contexto de Cripto, T devemos pensar em IA-ML como algo genérico, mas sim como um grupo de tipos de métodos inter-relacionados. Dessa perspectiva, há um pequeno número de escolas de IA-ML que parecem particularmente adequadas para aplicações no espaço Cripto . Vamos explorar algumas das técnicas mais populares através das lentes de seu potencial dentro das tecnologias Cripto .

Transformadores

Considerados por muitos a evolução mais importante da última década de IA-ML, os transformadores estão por trás da revolução na compreensão da linguagem natural (NLU) e estão fazendo incursões em outras áreas, como a visão computacional. Modelos comoGPT-3 da OpenAI ou Megatron da Nvidiasão capazes de gerar textos sintéticos indistinguíveis daqueles escritos por humanos, envolver-se em interações de perguntas e respostas altamente complexas ou mesmo exibir capacidades de raciocínio sobre formas textuais. Modelos comoDALL-E 2 da OpenAI ou Imagem do Googlesão capazes de gerar imagens artísticas a partir de formas textuais, unindo inteligência entre múltiplos domínios.

Compreendendo o impacto que os transformadores tiveram no espaço da NLU e da visão computacional, não é difícil imaginar a influência que eles provavelmente exercerão em áreas como NFTs, que dependem de representações visuais e interações textuais.

Aprendizagem auto-supervisionada

A Meta (Facebook) AI Research recentemente se referiu ao aprendizado autossupervisionado (SSL) como a “matéria escura da IA” como uma analogia sobre o papel fundamental que esse novo tipo de técnica pode ter na próxima geração de modelos de IA. Conceitualmente, o SSL tenta habilitar capacidades inteligentes que se assemelham a como os bebês Aprenda por observação e interação. O SSL tenta superar algumas das limitações dos métodos tradicionais de aprendizado supervisionado que precisam ser treinados com grandes volumes de dados rotulados. Modelos como DINO de Metasão capazes de classificar objetos em imagens sem treinamento prévio.

As aplicações de aprendizagem sem grandes quantidades de dados rotulados parecem perfeitas para Cripto. Finanças descentralizadas (DeFi) poderia ser um beneficiário imediato desses métodos.

Redes neurais de grafos

Os conjuntos de dados de blockchain representam a maior fonte de dados em Cripto. De um ponto de vista estrutural, os conjuntos de dados de blockchain são nativamente hierárquicos, pois modelam relacionamentos entre endereços, transações ou blocos. Redes neurais de grafos (GNNs) são a disciplina de IA-ML especializada em aprendizado sobre conjuntos de dados hierárquicos. Empresas como O DeepMind do Google está usando GNNs para prever o tráfego no Google Maps ou até mesmo entender a estrutura do vidro.

GNNs parecem uma técnica perfeita de AI-ML para Cripto . Se os blockchains algum dia se tornarem inteligentes, os GNNs provavelmente desempenharão um papel fundamental no desenvolvimento de conhecimento a partir de seus conjuntos de dados nativos.

Aprendizagem por reforço

O aprendizado por reforço profundo (DRL) se tornou uma espécie de cultura pop depoisAlphaGo da DeepMind derrotou o campeão mundial de Go Lee Sedol. AlphaGo dominou o Go jogando um número incomensuravelmente grande de partidas contra si mesmo e corrigindo seus próprios erros. Essa forma de tentativa e erro, aprendizado por interação, é a essência do DRL.

Desde o AlphaGo, o DRL tem estado no centro de conquistas notáveis de IA-ML.O AlphaFold da DeepMind chocou a comunidade científica ao ser capaz de prever a estrutura de proteínas a partir de uma sequência de aminoácidos, uma Confira que pode abrir uma nova era na medicina. Outro modelo DRL de destaque da DeepMind é MuZero, que é capaz de dominar jogos como Go, xadrez ou jogos de Atari, sem nem mesmo conhecer as regras.

Os princípios do DRL de aprendizado por tentativa e erro parecem relevantes para muitas áreas de Cripto, como DeFi ou NFTs, nas quais as condições mudam o tempo todo. Afinal, a maioria dos protocolos de Cripto são baseados em fortes regras teóricas de jogos e o DRL se destacou em jogos.

O caminho para a inteligência em Cripto

A lenda do cyberpunk e escritor de ficção científica William Gibson disse uma vez: "O futuro já está aqui - só não está distribuído uniformemente". Essa citação pode nos servir como uma diretriz filosófica ao pensarmos sobre o caminho em direção a Cripto inteligentes. A criação da Cripto coincidiu com a era de ouro da pesquisa e desenvolvimentos Tecnologia de IA-ML. Hoje, as tecnologias de IA-ML estão se tornando rapidamente populares e é uma questão de tempo até que se tornem um cidadão de primeira classe no espaço Cripto . Os casos de uso parecem estar em todos os lugares. Vamos explorar alguns dos mais óbvios.

NFTs inteligentes

Houve algumas aplicações do uso de métodos generativos de IA-ML para criar tokens não fungíveis (NFTs). No entanto, a influência do AI-ML deve se expandir para todas as áreas do espaço NFT. Vamos imaginar NFTs que incorporem recursos de linguagem e fala para estabelecer um diálogo com os usuários, responder perguntas sobre seu significado ou interagir com um ambiente específico. Assim como você interage com seu assistente digital favorito, imagine ter uma conversa com um NFT visual que pode mudar sua aparência com base na natureza do diálogo. Da mesma forma, pense em usar modelos de transformadores AI-ML que foram pré-treinados com milhões de pinturas para gerar NFTs exclusivos que capturam aspectos únicos dos estilos dos mestres.

Protocolos DeFi inteligentes

Finanças descentralizadas (DeFi) protocolos são todos sobre automação, mas não são exatamente inteligentes. Incorporar recursos de IA-ML em protocolos DeFi parece inevitável. Podemos imaginar uma nova geração de Maker de mercado automatizados (AMM) protocolos que podem ajustar os saldos em pools usando modelos preditivos em tempo real com base nas condições de mercado existentes. Da mesma forma, podemos pensar em protocolos de empréstimo que ajustam o tamanho dos empréstimos com base em um perfil inteligente dos endereços que os solicitam.

Blockchains inteligentes L1-L2

AI-ML está influenciando todos os aspectos da infraestrutura de software, como redes, computação e armazenamento, e blockchains provavelmente não serão uma exceção. Não é absurdo pensar em protocolos de consenso inteligentes que melhoram o desempenho com base em modelos preditivos. Da mesma forma, podemos pensar em blockchains que desenvolvem economias inteligentes para controlar o custo de computação na forma de "GAS" ou outros equivalentes.

Aplicativos e dapps de Cripto inteligentes

A experiência do usuário parece ser uma das áreas mais óbvias para introduzir recursos de IA-ML. É uma questão de tempo até que carteiras ou exchanges comecem a incorporar recursos de inteligência nativos que ajudem a melhorar decisões de investimento e negociação que hoje são totalmente dependentes da subjetividade Human .

Stablecoins programáveis inteligentes

O tópico programávelmoedas estáveisparece muito proeminente hoje em dia após oColapso da Terra UST. E se, em vez de pensar sobre essa forma de stablecoin como programável, pudéssemos pensar sobre formas que não são apenas programáveis, mas também inteligentes? Em vez de stablecoins programáveis ​​que ajustam o peg com base em ginástica econômica definida estaticamente, e se elas pudessem contar com algoritmos de IA-ML que Aprenda organicamente com as condições de mercado. Uma combinação de IA-ML com supervisão Human parece ser uma abordagem interessante para explorar nessa área.

AI-ML está influenciando a Cripto, mas a Cripto também pode contribuir para a AI-ML

A relação entre Cripto e AI-ML é mais bidirecional do que a maioria das pessoas pensa. Embora os cenários em que AI-ML pode influenciar a próxima geração de ativos e infraestrutura de Cripto sejam bastante claros, há algumas áreas não óbvias em que Cripto pode influenciar tecnologias de AI-ML.

A IA descentralizada é um movimento de Tecnologia emergente que LOOKS alavancar a computação de descentralização, bem como mecanismos de tokenização para mitigar alguns dos crescentes desafios de centralização das tecnologias de IA-ML. Um subdomínio da abordagem geral de IA descentralizada são mecanismos que alavancam Cripto para criar economias nas quais empresas e indivíduos são incentivados a compartilhar dados e modelos de IA-ML.

Os dados são a eletricidade da IA-ML, mas são altamente controlados por um pequeno número de titulares, e não há praticamente incentivos para que as empresas colaborem e compartilhem dados para quebrar esse ciclo monopolista. Apresentando o inteligenteeconomia de tokense mecanismos de incentivo poderiam ajudar organicamente a estabelecer canais para que as empresas cooperassem regularmente na criação e no treinamento de modelos de IA-ML para tarefas específicas e compartilhassem os benefícios.

Viés e justiça são outros tópicos HOT em IA-ML atualmente que podem ser enormemente influenciados pelo uso de tecnologias Cripto nativas. Conjuntos de dados usados ​​no treinamento de modelos de IA-ML são permeados por vieses, discriminação e pontos de dados tóxicos que podem influenciar o conhecimento de modelos de IA.

Embora tenha havido muitos avanços na quantificação e monitoramento da imparcialidade dos modelos de IA-ML, não há mecanismos robustos de responsabilização e benchmarking que sejam confiáveis ​​em todo o setor. Imagine usar uma camada de blockchain para KEEP o viés e a pontuação de imparcialidade de modelos específicos de IA-ML e compensar modelos que estão melhorando suas pontuações de imparcialidade. Este é um cenário de ponto de entrada baixo para o uso de tecnologias de blockchain em infraestruturas de IA-ML.

Sem dúvida, a AI-ML deve ser um elemento fundamental da próxima geração de tecnologias de ativos digitais, mas também há muito valor tangível que as Cripto e blockchains podem entregar no mundo da AI-ML. Fundamentalmente, a Cripto pode servir como uma camada econômica e contábil que ajuda a construir soluções de AI-ML mais justas e democráticas.

Da digitalização-automação à inteligência

AI-ML está influenciando cada área do mundo do software, e a Cripto provavelmente não será uma exceção. Os princípios CORE das tecnologias de ativos digitais têm se centrado na democratização de serviços financeiros usando digitalização e automação. A inteligência é uma das próximas fronteiras para a Cripto, e provavelmente veremos o impacto em todo o espaço. De NFTs inteligentes a protocolos DeFi e novas formas de ativos Cripto , a incorporação de AI-ML provavelmente desencadeará uma nova era de inovação em Cripto. As tecnologias e os casos de uso já estão aqui. É hora de começar a construir.

Também na série 'Grandes Ideias':

A Revolução InDAOstrial que se aproximapor Julie Fredrickson

Organizações autônomas distribuídas dão aos humanos a chance de construir coisas maiores e mais estranhas em cronogramas radicais, assim como o advento das corporações abriu caminho para a Revolução Industrial.

Evidências inconfiáveis: a Web 3 está ajudando a documentar crimes de guerra na Ucrâniapor Jonathan Dotan

Em uma era de desinformação, a Tecnologia blockchain pode renovar nossa fé na verdade evidencial, principalmente durante o atual conflito na Ucrânia, diz Jonathan Dotan, diretor fundador do The Starling Lab.

Como a Web 3 muda a filantropiapor Rhys Lindmark

Rhys Lindmark, palestrante de "Grandes Ideias" no festival Consensus da CoinDesk, sobre como a geração Cripto pode reescrever as regras das doações de caridade.

Vamos usar novas formas de dinheiro para nos comprometermos com nossas comunidadespor Matthew Prewitt

Mais dinheiro local poderia diminuir o incentivo para “sair” das comunidades que precisam dos recursos, diz Matt Prewitt, presidente da RadicalxChange Foundation.

Previsão, Mercados de previsão e a era da melhor informaçãopor Clay Graubard e Andrew Eaddy

A previsão quantificada é uma ferramenta inestimável, mas subutilizada, e os Mercados de previsão parecem ser uma ferramenta vital para sua adoção.