L'évolution de la capacité prédictive humaine et l'application de l'IA dans la Finance décentralisée
La prévision a toujours été une capacité clé dans le processus d'évolution humaine. Depuis l'Antiquité, nous avons compté sur nos sens et notre instinct pour prédire les menaces et les opportunités dans notre environnement, comme reconnaître les schémas d'activité des prédateurs, le moment où les proies apparaissent et la disponibilité saisonnière des aliments, qui sont tous cruciaux pour la survie.
Avec le temps, ce modèle de prévision a progressivement évolué vers l'utilisation d'outils et des capacités de planification, tels que l'estimation des besoins en culture, en abattage et en conservation de la viande, etc. Les humains ont également développé la capacité de prédire des indices sociaux, y compris la compréhension des intentions, des émotions et des comportements des autres. De plus, nous avons créé des systèmes de connaissances tels que l'écriture, la science, les mathématiques, ainsi que des outils modernes comme la statistique, l'informatique, l'apprentissage automatique et l'intelligence artificielle, qui sont tous destinés à renforcer les capacités de prévision de l'homme.
Les marchés de prévision sont devenus un outil économique important, utilisant la capacité de prévision humaine pour anticiper les résultats dans les domaines économique, politique et culturel. Contrairement aux sondages d'opinion traditionnels, les marchés de prévision obtiennent des prévisions précises grâce à des incitations économiques, car les participants parient avec de l'argent réel.
Dans le marché des élections américaines de 2024, une plateforme de prévision a attiré près de 4 milliards de dollars de paris, et sa prédiction de la victoire de Trump a même dépassé la précision des sondages, ce qui illustre pleinement la valeur économique des prévisions participatives.
Une évolution similaire s'est également produite dans le domaine des échanges au comptant et des contrats perpétuels. De l'essor des échanges centralisés, répondant à la demande croissante de cryptomonnaies dans le monde entier, aux récents développements disruptifs de certaines plateformes, offrant des services d'auto-gestion et sans KYC, tout en préservant une expérience de trading similaire à celle des échanges centralisés.
Avec l'émergence des modèles de prédiction basés sur l'intelligence artificielle et l'apprentissage automatique, la capacité à prédire des événements, des prix d'actifs et des volatilités s'améliore considérablement. Cela conduit l'humanité dans la prochaine étape de son évolution.
Finance décentralisée 3.0
La Finance décentralisée 1.0 a introduit des contrats intelligents et des applications décentralisées, permettant aux utilisateurs d'effectuer des transferts, des transactions, du staking, des prêts et du mining de rendement à tout moment et en tout lieu. Cela consiste essentiellement à mettre des actifs cryptographiques en opération sur la chaîne pour créer de la valeur économique.
La Finance décentralisée 2.0 s'est développée sur la base de la 1.0, introduisant une économie de jetons innovante et des mécanismes de répartition des incitations, dans le but de coordonner les intérêts des différentes parties prenantes au sein du protocole et de favoriser l'émergence de nouveaux marchés offrant des sources de revenus alternatives.
La Finance décentralisée 3.0 introduit l'intelligence artificielle dans le domaine de la Finance décentralisée. Certains l'appellent DeFAI ou AiFi, et son cœur réside dans l'intégration de modèles de langage de grande taille (LLM) et/ou de modèles d'apprentissage automatique (ML) dans les produits de Finance décentralisée.
Cela inclut l'intégration simple des LLM (comme agir en tant que support client ou aider les utilisateurs à naviguer dans les protocoles), jusqu'aux systèmes multi-agents complexes et aux systèmes d'apprentissage automatique, améliorant fondamentalement les performances des produits (comme l'augmentation des bénéfices de trading, la réduction des pertes impermanentes, l'amélioration des rendements LP, la réduction des risques de liquidation des transactions perpétuelles, etc.).
En plus de la couche d'abstraction DeFAI et des agents financiers entièrement autonomes, les systèmes d'intelligence artificielle et d'apprentissage automatique ainsi que les modèles prédictifs jouent un rôle important dans la transformation de la Finance décentralisée et d'autres domaines verticaux.
Développement des systèmes de prévision
Les réseaux de neurones et les arbres de décision sont apparus depuis les années 2000, ces systèmes ont été utilisés par des fonds spéculatifs pour prédire les prix des actions et des marchandises. Les résultats des premières prévisions boursières étaient assez pertinents, avec un taux de précision des prévisions à court terme atteignant 50%-60%, mais en raison du surapprentissage et de la limitation des données, leur champ d'application a été restreint.
Ensuite, l'émergence de l'apprentissage profond et des grandes données a permis aux modèles de traiter des ensembles de données plus importants, y compris des données non structurées telles que les séries temporelles, les nouvelles et les médias sociaux, permettant ainsi des prévisions plus précises et des applications plus larges.
Au cours des cinq dernières années, les avancées révolutionnaires des modèles Transformer et de l'IA multimodale ont permis aux systèmes d'IA d'intégrer des ensembles de données plus diversifiés, tels que les émotions des médias sociaux, les transactions sur la blockchain, les données des oracles, les actualités en temps réel, les prévisions participatives et d'autres sources d'information. Cela a permis à certains modèles d'IA d'atteindre une précision de 80 % à 90 % dans la prédiction des résultats d'événements et des prix des actifs.
Avec l'amélioration continue de ces modèles, la demande d'intégration des capacités prédictives dans les systèmes de Finance décentralisée a considérablement augmenté. Nous sommes actuellement au début de la phase DeFi 3.0, témoignant de la combinaison de certains acteurs du marché des systèmes d'IA/apprentissage automatique avec des scénarios d'application Web3.
Application des systèmes DeFi x AI/ML
Un réseau de modèle de prédiction décentralisé a déjà réalisé une large intégration avec plusieurs protocoles de Finance décentralisée et équipes d'agents IA, lui conférant des capacités de prédiction (principalement axées sur la prévision des prix des cryptomonnaies). Son taux de précision pour les prévisions de prix des cryptomonnaies à court terme serait d'environ 80 %.
Certaines applications principales incluent :
Un coffre-fort alimenté par l'IA basé sur USDC, utilisant des techniques de raisonnement pour maximiser les rendements des transactions SOL. Depuis le 23 avril, son taux de retour cumulé est de 2,4%, avec un taux d'intérêt annuel d'environ 10%.
AI LP coffre, utilisant des données de prix prévisionnels, positionne mieux la liquidité avant les fluctuations de prix, évitant ainsi les pertes impermanentes.
Collaborer avec plusieurs équipes pour soutenir les stratégies de trading et l'exécution des agents IA.
Un autre sous-réseau d'une plateforme importante a également réalisé des progrès significatifs dans le domaine de la prévision :
Un sous-réseau va lancer un coffre DeFi, allouant automatiquement les dépôts des utilisateurs à des événements/marchés de haute crédibilité pour parier. Le rendement annuel en pourcentage (APY) des tests préliminaires serait supérieur à quatre chiffres.
Un autre sous-réseau dans le domaine du football montre une amélioration continue des signaux. La récente performance lors de la Coupe du Monde des Clubs indique qu'une mise agressive a généré un retour sur investissement de 232 %. L'équipe est également en train de développer un produit de coffre-fort DeFi davantage axé sur l'ajustement des risques.
Il existe également un sous-réseau construit autour d'un modèle de prévision de volatilité hautement général. Il peut être utilisé pour prédire diverses probabilités de variation des prix, telles que la probabilité de liquidation, la durée de vie des positions perpétuelles, la configuration de la plage LP et la prédiction des pertes impermanentes, ainsi que la prédiction des prix d'exercice et des dates d'expiration des options. Ce modèle serait prétendument supérieur de 25 % à 30 % par rapport aux modèles de référence traditionnels.
Ces sous-réseaux offrent chaque année des incitations en jetons allant de 2 millions à plus de 10 millions de dollars, attirant les mineurs à améliorer continuellement leurs modèles de prévision. L'objectif est d'utiliser ces incitations comme dépenses d'exploitation pour orienter le développement des produits et atteindre la commercialisation le plus rapidement possible, afin de générer des bénéfices réels.
Tendances de développement futur
La quête de rendements plus élevés et de risques plus faibles se poursuivra, incitant les bâtisseurs à intégrer davantage d'actifs réels sur la chaîne. Les sources de revenus DeFi existantes continueront à être optimisées et deviendront de plus en plus accessibles.
Les marchés prédictifs deviendront une source d'information majeure, l'IA agissant en tant que teneur de marché, tandis que des participants expérimentés stimuleront davantage l'intelligence collective. Les outils deviennent de plus en plus intelligents et les modèles de plus en plus précis.
Plus ces systèmes apprennent, plus leur valeur augmente. De plus, plus ils sont combinables avec d'autres parties du Web3, plus la tendance globale devient irrésistible.
En fin de compte, tout dans le domaine de la cryptographie est un pari sur l'avenir. Par conséquent, être capable de mieux anticiper les infrastructures et les applications futures, que ce soit par l'intelligence collective, des données de meilleure qualité ou des modèles plus précis, aura un avantage significatif.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
8 J'aime
Récompense
8
2
Partager
Commentaire
0/400
FOMOmonster
· 08-01 06:29
L'IA a trop de pièges, elle peut prédire n'importe quoi.
Voir l'originalRépondre0
NftBankruptcyClub
· 08-01 06:26
Les jeunes ne soyez pas trop pressés de vous faire prendre pour des cons.
Finance décentralisée 3.0 : Le système de prévision AI ouvre une nouvelle ère de revenus en chiffrement
L'évolution de la capacité prédictive humaine et l'application de l'IA dans la Finance décentralisée
La prévision a toujours été une capacité clé dans le processus d'évolution humaine. Depuis l'Antiquité, nous avons compté sur nos sens et notre instinct pour prédire les menaces et les opportunités dans notre environnement, comme reconnaître les schémas d'activité des prédateurs, le moment où les proies apparaissent et la disponibilité saisonnière des aliments, qui sont tous cruciaux pour la survie.
Avec le temps, ce modèle de prévision a progressivement évolué vers l'utilisation d'outils et des capacités de planification, tels que l'estimation des besoins en culture, en abattage et en conservation de la viande, etc. Les humains ont également développé la capacité de prédire des indices sociaux, y compris la compréhension des intentions, des émotions et des comportements des autres. De plus, nous avons créé des systèmes de connaissances tels que l'écriture, la science, les mathématiques, ainsi que des outils modernes comme la statistique, l'informatique, l'apprentissage automatique et l'intelligence artificielle, qui sont tous destinés à renforcer les capacités de prévision de l'homme.
Les marchés de prévision sont devenus un outil économique important, utilisant la capacité de prévision humaine pour anticiper les résultats dans les domaines économique, politique et culturel. Contrairement aux sondages d'opinion traditionnels, les marchés de prévision obtiennent des prévisions précises grâce à des incitations économiques, car les participants parient avec de l'argent réel.
Dans le marché des élections américaines de 2024, une plateforme de prévision a attiré près de 4 milliards de dollars de paris, et sa prédiction de la victoire de Trump a même dépassé la précision des sondages, ce qui illustre pleinement la valeur économique des prévisions participatives.
Une évolution similaire s'est également produite dans le domaine des échanges au comptant et des contrats perpétuels. De l'essor des échanges centralisés, répondant à la demande croissante de cryptomonnaies dans le monde entier, aux récents développements disruptifs de certaines plateformes, offrant des services d'auto-gestion et sans KYC, tout en préservant une expérience de trading similaire à celle des échanges centralisés.
Avec l'émergence des modèles de prédiction basés sur l'intelligence artificielle et l'apprentissage automatique, la capacité à prédire des événements, des prix d'actifs et des volatilités s'améliore considérablement. Cela conduit l'humanité dans la prochaine étape de son évolution.
Finance décentralisée 3.0
La Finance décentralisée 1.0 a introduit des contrats intelligents et des applications décentralisées, permettant aux utilisateurs d'effectuer des transferts, des transactions, du staking, des prêts et du mining de rendement à tout moment et en tout lieu. Cela consiste essentiellement à mettre des actifs cryptographiques en opération sur la chaîne pour créer de la valeur économique.
La Finance décentralisée 2.0 s'est développée sur la base de la 1.0, introduisant une économie de jetons innovante et des mécanismes de répartition des incitations, dans le but de coordonner les intérêts des différentes parties prenantes au sein du protocole et de favoriser l'émergence de nouveaux marchés offrant des sources de revenus alternatives.
La Finance décentralisée 3.0 introduit l'intelligence artificielle dans le domaine de la Finance décentralisée. Certains l'appellent DeFAI ou AiFi, et son cœur réside dans l'intégration de modèles de langage de grande taille (LLM) et/ou de modèles d'apprentissage automatique (ML) dans les produits de Finance décentralisée.
Cela inclut l'intégration simple des LLM (comme agir en tant que support client ou aider les utilisateurs à naviguer dans les protocoles), jusqu'aux systèmes multi-agents complexes et aux systèmes d'apprentissage automatique, améliorant fondamentalement les performances des produits (comme l'augmentation des bénéfices de trading, la réduction des pertes impermanentes, l'amélioration des rendements LP, la réduction des risques de liquidation des transactions perpétuelles, etc.).
En plus de la couche d'abstraction DeFAI et des agents financiers entièrement autonomes, les systèmes d'intelligence artificielle et d'apprentissage automatique ainsi que les modèles prédictifs jouent un rôle important dans la transformation de la Finance décentralisée et d'autres domaines verticaux.
Développement des systèmes de prévision
Les réseaux de neurones et les arbres de décision sont apparus depuis les années 2000, ces systèmes ont été utilisés par des fonds spéculatifs pour prédire les prix des actions et des marchandises. Les résultats des premières prévisions boursières étaient assez pertinents, avec un taux de précision des prévisions à court terme atteignant 50%-60%, mais en raison du surapprentissage et de la limitation des données, leur champ d'application a été restreint.
Ensuite, l'émergence de l'apprentissage profond et des grandes données a permis aux modèles de traiter des ensembles de données plus importants, y compris des données non structurées telles que les séries temporelles, les nouvelles et les médias sociaux, permettant ainsi des prévisions plus précises et des applications plus larges.
Au cours des cinq dernières années, les avancées révolutionnaires des modèles Transformer et de l'IA multimodale ont permis aux systèmes d'IA d'intégrer des ensembles de données plus diversifiés, tels que les émotions des médias sociaux, les transactions sur la blockchain, les données des oracles, les actualités en temps réel, les prévisions participatives et d'autres sources d'information. Cela a permis à certains modèles d'IA d'atteindre une précision de 80 % à 90 % dans la prédiction des résultats d'événements et des prix des actifs.
Avec l'amélioration continue de ces modèles, la demande d'intégration des capacités prédictives dans les systèmes de Finance décentralisée a considérablement augmenté. Nous sommes actuellement au début de la phase DeFi 3.0, témoignant de la combinaison de certains acteurs du marché des systèmes d'IA/apprentissage automatique avec des scénarios d'application Web3.
Application des systèmes DeFi x AI/ML
Un réseau de modèle de prédiction décentralisé a déjà réalisé une large intégration avec plusieurs protocoles de Finance décentralisée et équipes d'agents IA, lui conférant des capacités de prédiction (principalement axées sur la prévision des prix des cryptomonnaies). Son taux de précision pour les prévisions de prix des cryptomonnaies à court terme serait d'environ 80 %.
Certaines applications principales incluent :
Un coffre-fort alimenté par l'IA basé sur USDC, utilisant des techniques de raisonnement pour maximiser les rendements des transactions SOL. Depuis le 23 avril, son taux de retour cumulé est de 2,4%, avec un taux d'intérêt annuel d'environ 10%.
AI LP coffre, utilisant des données de prix prévisionnels, positionne mieux la liquidité avant les fluctuations de prix, évitant ainsi les pertes impermanentes.
Collaborer avec plusieurs équipes pour soutenir les stratégies de trading et l'exécution des agents IA.
Un autre sous-réseau d'une plateforme importante a également réalisé des progrès significatifs dans le domaine de la prévision :
Un sous-réseau va lancer un coffre DeFi, allouant automatiquement les dépôts des utilisateurs à des événements/marchés de haute crédibilité pour parier. Le rendement annuel en pourcentage (APY) des tests préliminaires serait supérieur à quatre chiffres.
Un autre sous-réseau dans le domaine du football montre une amélioration continue des signaux. La récente performance lors de la Coupe du Monde des Clubs indique qu'une mise agressive a généré un retour sur investissement de 232 %. L'équipe est également en train de développer un produit de coffre-fort DeFi davantage axé sur l'ajustement des risques.
Il existe également un sous-réseau construit autour d'un modèle de prévision de volatilité hautement général. Il peut être utilisé pour prédire diverses probabilités de variation des prix, telles que la probabilité de liquidation, la durée de vie des positions perpétuelles, la configuration de la plage LP et la prédiction des pertes impermanentes, ainsi que la prédiction des prix d'exercice et des dates d'expiration des options. Ce modèle serait prétendument supérieur de 25 % à 30 % par rapport aux modèles de référence traditionnels.
Ces sous-réseaux offrent chaque année des incitations en jetons allant de 2 millions à plus de 10 millions de dollars, attirant les mineurs à améliorer continuellement leurs modèles de prévision. L'objectif est d'utiliser ces incitations comme dépenses d'exploitation pour orienter le développement des produits et atteindre la commercialisation le plus rapidement possible, afin de générer des bénéfices réels.
Tendances de développement futur
La quête de rendements plus élevés et de risques plus faibles se poursuivra, incitant les bâtisseurs à intégrer davantage d'actifs réels sur la chaîne. Les sources de revenus DeFi existantes continueront à être optimisées et deviendront de plus en plus accessibles.
Les marchés prédictifs deviendront une source d'information majeure, l'IA agissant en tant que teneur de marché, tandis que des participants expérimentés stimuleront davantage l'intelligence collective. Les outils deviennent de plus en plus intelligents et les modèles de plus en plus précis.
Plus ces systèmes apprennent, plus leur valeur augmente. De plus, plus ils sont combinables avec d'autres parties du Web3, plus la tendance globale devient irrésistible.
En fin de compte, tout dans le domaine de la cryptographie est un pari sur l'avenir. Par conséquent, être capable de mieux anticiper les infrastructures et les applications futures, que ce soit par l'intelligence collective, des données de meilleure qualité ou des modèles plus précis, aura un avantage significatif.