Еволюція людської здатності до прогнозування та застосування ШІ в Децентралізованих фінансах
Прогнозування завжди було ключовою здатністю в еволюційному процесі людства. Починаючи з давніх часів, ми покладалися на наші сенси та інстинкти для прогнозування загроз і можливостей в навколишньому середовищі, таких як розпізнавання закономірностей активності хижаків, час появи здобичі та сезонні постачання їжі, які є критично важливими для виживання.
З часом ця модель прогнозування поступово розвинулася в здатність використовувати інструменти та планувати, наприклад, оцінювати потребу в вирощуванні культур, забої та зберіганні м'яса тощо. Люди також розвинули здатність прогнозувати соціальні підказки, включаючи розуміння намірів, емоцій та поведінки інших. Крім того, ми створили системи знань, такі як писемність, наука, математика, а також сучасні інструменти, такі як статистика, комп'ютери, машинне навчання та штучний інтелект, усе це для підвищення прогнозувальних можливостей людини.
Прогнозні ринки стали важливим економічним інструментом, який використовує людську здатність прогнозувати результати в економічній, політичній та культурній сферах. На відміну від традиційних опитувань громадської думки, прогнозні ринки отримують точні прогнози завдяки економічним стимулюванням, оскільки учасники роблять ставки реальними коштами.
На ринку президентських виборів у США 2024 року одна з платформ прогнозування залучила майже 4 мільярди доларів ставок, а її прогнози щодо перемоги Трампа навіть перевищили точність опитувань громадської думки, що повністю відображає економічну цінність краудсорсингового прогнозування.
Схожі еволюції також спостерігаються у сфері спотової та безстрокової торгівлі. Від зростання централізованих бірж, що задовольняють зростаючий світовий попит на криптовалюти, до нещодавніх руйнівних змін на деяких платформах, які пропонують самостійне зберігання та послуги без KYC, при цьому зберігаючи досвід торгівлі, подібний до централізованих бірж.
З появою моделей прогнозування на основі штучного інтелекту та машинного навчання можливості прогнозувати події, ціни активів і волатильність значно зросли. Це вводить людство в наступний етап еволюції.
Децентралізовані фінанси 3.0
Децентралізовані фінанси 1.0 ввели смарт-контракти та децентралізовані додатки, що дозволяють користувачам здійснювати перекази, торгівлю, стейкінг, позики та дохідне видобування в будь-який час і в будь-якому місці. Це, по суті, впровадження криптоактивів в роботу мережі для створення економічної вартості.
Децентралізовані фінанси 2.0 на базі 1.0 розширилися, впровадивши інноваційну токеноміку та механізми розподілу стимулів, які мають на меті узгодження інтересів різних учасників у протоколі та сприяння виникненню нових ринків, що пропонують альтернативні джерела доходу.
Децентралізовані фінанси 3.0 ж вводить штучний інтелект у сферу Децентралізованих фінансів. Дехто називає це DeFAI або AiFi, його основою є інтеграція великих мовних моделей (LLM) і/або моделей машинного навчання (ML) у продукти Децентралізованих фінансів.
Це включає в себе від простих інтеграцій LLM (наприклад, виконання ролі підтримки клієнтів або допомога користувачам у навігації протоколами) до складних багатокористувацьких систем і систем машинного навчання, які фундаментально покращують продуктивність продукту (наприклад, збільшення прибутку від торгівлі, зменшення непостійних збитків, підвищення доходу від LP, зниження ризику ліквідації у постійних торгах тощо).
Окрім абстрактного рівня DeFAI та повністю автономних фінансових агентів, штучний інтелект і системи машинного навчання, а також прогностичні моделі відіграють важливу роль у трансформації Децентралізованих фінансів та інших вертикальних областей.
Розвиток системи 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 корисними, точність короткострокових прогнозів досягала 50%-60%, але через надмірне підстроювання та обмежені дані їх застосування було обмежене.
Потім виникнення глибокого навчання та великих даних дозволило моделям обробляти більші набори даних, включаючи неструктуровані дані, такі як часові ряди, новини та соціальні мережі, що забезпечило більш точні прогнози та більш широке застосування.
Протягом останніх п'яти років прориви у розвитку моделей Transformer і мультимодального ШІ дозволили системам ШІ інтегрувати більш різноманітні набори даних, такі як емоції в соціальних мережах, блокчейн-транзакції, дані оракулів, новини в реальному часі, краудсорсингові прогнози та більше джерел інформації. Це дозволило деяким моделям ШІ досягти точності 80%-90% у прогнозуванні результатів подій та цін на активи.
Зі збільшенням удосконалення цих моделей попит на інтеграцію прогнозуючих можливостей у системи Децентралізованих фінансів різко зріс. Наразі ми перебуваємо на ранній стадії DeFi 3.0, свідками того, як деякі учасники ринку поєднують системи штучного інтелекту/машинного навчання з додатками Web3.
Децентралізовані фінанси x AI/ML системи застосування
Деяка децентралізована мережа прогнозних моделей вже реалізувала широке інтегрування з кількома Децентралізовані фінанси протоколами та AI агентськими командами, надавши їй прогностичні можливості (головна увага на прогнозуванні цін на криптовалюту). Її короткострокова точність прогнозування цін на криптовалюту нібито становить близько 80%.
Деякі основні застосування включають:
AI-керований трежер на основі USDC, що використовує технології інференції для максимізації прибутку від торгівлі SOL. З 23 квітня його накопичена прибутковість становить 2,4%, річна процентна ставка приблизно 10%.
AI LP-скарбниця, використовуючи прогнозні дані про ціни, краще розміщує ліквідність перед коливаннями цін, щоб уникнути непостійних втрат.
Співпраця з кількома командами для підтримки торгових стратегій та виконання для AI-агентів.
Інша важлива платформа з підмережами також досягла значного прогресу в сфері прогнозування:
Один з підмереж незабаром представить Децентралізовані фінанси сховище, яке автоматично розподіляє внески користувачів на ставки в події/ринках з високою надійністю. Згідно з повідомленнями, APY ранніх тестів перевищила чотири цифри.
Інший підмережа в футбольній сфері сигналізує про постійне покращення. Недавні виступи на клубному чемпіонаті світу показали, що агресивні ставки принесли 232% інвестиційної віддачі. Команда також розробляє продукт DeFi-скарбниці, що більше фокусується на ризиковій віддачі.
Є ще одна підмережа, яка побудована навколо високоефективної моделі прогнозування волатильності. Вона може бути використана для прогнозування різних ймовірностей змін цін, таких як ймовірність ліквідації, тривалість існування безперервних позицій, встановлення діапазону LP та прогнозування непостійних втрат, прогнозування цін виконання опціонів та термінів їх дії тощо. Згідно з повідомленнями, ця модель перевершує традиційні базові моделі на 25%-30%.
Ці підмережі щороку використовують токени на суму від 2 до понад 10 мільйонів доларів США як стимул, щоб залучити майнерів до постійного вдосконалення своїх прогнозних моделей. Мета полягає в тому, щоб використовувати ці стимули як капітальні витрати для спрямування розробки продукту та якомога швидшої реалізації комерційної діяльності для отримання реального прибутку.
Майбутні тенденції розвитку
Прагнення до вищих доходів і нижчих ризиків триватиме, спонукаючи будівельників вводити більше фізичних активів у блокчейн. Існуючі джерела доходу DeFi продовжать оптимізуватися, і їх буде все легше отримати.
Прогнозні ринки стануть основним джерелом інформації, AI буде виконувати роль маркет-мейкера, а досвідчені учасники ще більше активізують колективну мудрість. Інструменти стають все більш розумними, моделі стають все більш точними.
Ці системи, чим більше вони навчаються, тим більше їхня цінність. І чим сильнішою є їхня комбінація з іншими частинами Web3, тим менш стриманим стає весь тренд.
Врешті-решт, все в криптосфері є ставкою на майбутнє. Тому можливість ясніше передбачити інфраструктуру і програми майбутнього, будь то через колективний розум, якісніші дані або точніші моделі, матиме істотні 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.
8 лайків
Нагородити
8
2
Поділіться
Прокоментувати
0/400
FOMOmonster
· 08-01 06:29
Штучний інтелект пасток занадто багато, все можна передбачити.
Переглянути оригіналвідповісти на0
NftBankruptcyClub
· 08-01 06:26
Молоді люди, не поспішайте обдурювати людей, як лохів.
Децентралізовані фінанси 3.0: AI прогнозна система веде шифрування прибутків нової ери
Еволюція людської здатності до прогнозування та застосування ШІ в Децентралізованих фінансах
Прогнозування завжди було ключовою здатністю в еволюційному процесі людства. Починаючи з давніх часів, ми покладалися на наші сенси та інстинкти для прогнозування загроз і можливостей в навколишньому середовищі, таких як розпізнавання закономірностей активності хижаків, час появи здобичі та сезонні постачання їжі, які є критично важливими для виживання.
З часом ця модель прогнозування поступово розвинулася в здатність використовувати інструменти та планувати, наприклад, оцінювати потребу в вирощуванні культур, забої та зберіганні м'яса тощо. Люди також розвинули здатність прогнозувати соціальні підказки, включаючи розуміння намірів, емоцій та поведінки інших. Крім того, ми створили системи знань, такі як писемність, наука, математика, а також сучасні інструменти, такі як статистика, комп'ютери, машинне навчання та штучний інтелект, усе це для підвищення прогнозувальних можливостей людини.
Прогнозні ринки стали важливим економічним інструментом, який використовує людську здатність прогнозувати результати в економічній, політичній та культурній сферах. На відміну від традиційних опитувань громадської думки, прогнозні ринки отримують точні прогнози завдяки економічним стимулюванням, оскільки учасники роблять ставки реальними коштами.
На ринку президентських виборів у США 2024 року одна з платформ прогнозування залучила майже 4 мільярди доларів ставок, а її прогнози щодо перемоги Трампа навіть перевищили точність опитувань громадської думки, що повністю відображає економічну цінність краудсорсингового прогнозування.
Схожі еволюції також спостерігаються у сфері спотової та безстрокової торгівлі. Від зростання централізованих бірж, що задовольняють зростаючий світовий попит на криптовалюти, до нещодавніх руйнівних змін на деяких платформах, які пропонують самостійне зберігання та послуги без KYC, при цьому зберігаючи досвід торгівлі, подібний до централізованих бірж.
З появою моделей прогнозування на основі штучного інтелекту та машинного навчання можливості прогнозувати події, ціни активів і волатильність значно зросли. Це вводить людство в наступний етап еволюції.
Децентралізовані фінанси 3.0
Децентралізовані фінанси 1.0 ввели смарт-контракти та децентралізовані додатки, що дозволяють користувачам здійснювати перекази, торгівлю, стейкінг, позики та дохідне видобування в будь-який час і в будь-якому місці. Це, по суті, впровадження криптоактивів в роботу мережі для створення економічної вартості.
Децентралізовані фінанси 2.0 на базі 1.0 розширилися, впровадивши інноваційну токеноміку та механізми розподілу стимулів, які мають на меті узгодження інтересів різних учасників у протоколі та сприяння виникненню нових ринків, що пропонують альтернативні джерела доходу.
Децентралізовані фінанси 3.0 ж вводить штучний інтелект у сферу Децентралізованих фінансів. Дехто називає це DeFAI або AiFi, його основою є інтеграція великих мовних моделей (LLM) і/або моделей машинного навчання (ML) у продукти Децентралізованих фінансів.
Це включає в себе від простих інтеграцій LLM (наприклад, виконання ролі підтримки клієнтів або допомога користувачам у навігації протоколами) до складних багатокористувацьких систем і систем машинного навчання, які фундаментально покращують продуктивність продукту (наприклад, збільшення прибутку від торгівлі, зменшення непостійних збитків, підвищення доходу від LP, зниження ризику ліквідації у постійних торгах тощо).
Окрім абстрактного рівня DeFAI та повністю автономних фінансових агентів, штучний інтелект і системи машинного навчання, а також прогностичні моделі відіграють важливу роль у трансформації Децентралізованих фінансів та інших вертикальних областей.
Розвиток системи 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 корисними, точність короткострокових прогнозів досягала 50%-60%, але через надмірне підстроювання та обмежені дані їх застосування було обмежене.
Потім виникнення глибокого навчання та великих даних дозволило моделям обробляти більші набори даних, включаючи неструктуровані дані, такі як часові ряди, новини та соціальні мережі, що забезпечило більш точні прогнози та більш широке застосування.
Протягом останніх п'яти років прориви у розвитку моделей Transformer і мультимодального ШІ дозволили системам ШІ інтегрувати більш різноманітні набори даних, такі як емоції в соціальних мережах, блокчейн-транзакції, дані оракулів, новини в реальному часі, краудсорсингові прогнози та більше джерел інформації. Це дозволило деяким моделям ШІ досягти точності 80%-90% у прогнозуванні результатів подій та цін на активи.
Зі збільшенням удосконалення цих моделей попит на інтеграцію прогнозуючих можливостей у системи Децентралізованих фінансів різко зріс. Наразі ми перебуваємо на ранній стадії DeFi 3.0, свідками того, як деякі учасники ринку поєднують системи штучного інтелекту/машинного навчання з додатками Web3.
Децентралізовані фінанси x AI/ML системи застосування
Деяка децентралізована мережа прогнозних моделей вже реалізувала широке інтегрування з кількома Децентралізовані фінанси протоколами та AI агентськими командами, надавши їй прогностичні можливості (головна увага на прогнозуванні цін на криптовалюту). Її короткострокова точність прогнозування цін на криптовалюту нібито становить близько 80%.
Деякі основні застосування включають:
AI-керований трежер на основі USDC, що використовує технології інференції для максимізації прибутку від торгівлі SOL. З 23 квітня його накопичена прибутковість становить 2,4%, річна процентна ставка приблизно 10%.
AI LP-скарбниця, використовуючи прогнозні дані про ціни, краще розміщує ліквідність перед коливаннями цін, щоб уникнути непостійних втрат.
Співпраця з кількома командами для підтримки торгових стратегій та виконання для AI-агентів.
Інша важлива платформа з підмережами також досягла значного прогресу в сфері прогнозування:
Один з підмереж незабаром представить Децентралізовані фінанси сховище, яке автоматично розподіляє внески користувачів на ставки в події/ринках з високою надійністю. Згідно з повідомленнями, APY ранніх тестів перевищила чотири цифри.
Інший підмережа в футбольній сфері сигналізує про постійне покращення. Недавні виступи на клубному чемпіонаті світу показали, що агресивні ставки принесли 232% інвестиційної віддачі. Команда також розробляє продукт DeFi-скарбниці, що більше фокусується на ризиковій віддачі.
Є ще одна підмережа, яка побудована навколо високоефективної моделі прогнозування волатильності. Вона може бути використана для прогнозування різних ймовірностей змін цін, таких як ймовірність ліквідації, тривалість існування безперервних позицій, встановлення діапазону LP та прогнозування непостійних втрат, прогнозування цін виконання опціонів та термінів їх дії тощо. Згідно з повідомленнями, ця модель перевершує традиційні базові моделі на 25%-30%.
Ці підмережі щороку використовують токени на суму від 2 до понад 10 мільйонів доларів США як стимул, щоб залучити майнерів до постійного вдосконалення своїх прогнозних моделей. Мета полягає в тому, щоб використовувати ці стимули як капітальні витрати для спрямування розробки продукту та якомога швидшої реалізації комерційної діяльності для отримання реального прибутку.
Майбутні тенденції розвитку
Прагнення до вищих доходів і нижчих ризиків триватиме, спонукаючи будівельників вводити більше фізичних активів у блокчейн. Існуючі джерела доходу DeFi продовжать оптимізуватися, і їх буде все легше отримати.
Прогнозні ринки стануть основним джерелом інформації, AI буде виконувати роль маркет-мейкера, а досвідчені учасники ще більше активізують колективну мудрість. Інструменти стають все більш розумними, моделі стають все більш точними.
Ці системи, чим більше вони навчаються, тим більше їхня цінність. І чим сильнішою є їхня комбінація з іншими частинами Web3, тим менш стриманим стає весь тренд.
Врешті-решт, все в криптосфері є ставкою на майбутнє. Тому можливість ясніше передбачити інфраструктуру і програми майбутнього, будь то через колективний розум, якісніші дані або точніші моделі, матиме істотні переваги.