موارد استفاده واقعی از هوش مصنوعی در کریپتو: بازارهای هوش مصنوعی مبتنی بر رمزگذاری و تجزیه و تحلیل مالی هوش مصنوعی

تعداد فزاینده‌ای از بازارهای بلاک چین داده‌های جمع‌سپاری و محاسباتی را برای مدل‌های هوش مصنوعی ارائه می‌دهند، و آیا تحلیل هوش مصنوعی می‌تواند بازده صندوق را افزایش دهد؟

این هفته هر روز موارد استفاده واقعی را برای هوش مصنوعی و رمزنگاری ارائه می‌کنیم، از جمله دلایلی که چرا نباید تبلیغات تبلیغاتی را باور کنید. امروز دو عدد را به قیمت یکی دریافت کنید: بازارهای هوش مصنوعی مبتنی بر بلاک چین و تحلیل مالی.

ممکن است به نظر هیجان انگیزترین مورد استفاده از ترکیب هوش مصنوعی و رمزنگاری نباشد، اما هر دو ایلیا پولوسوکین، یکی از بنیانگذاران نزدیک و ونس اسپنسر، بنیانگذار Framework Ventures، از بازارهای مبتنی بر بلاک چین که داده ها و محاسبات برای هوش مصنوعی را ارائه می دهند، به عنوان برترین انتخاب های خود نام می برند.

هوش مصنوعی یک صنعت فوق العاده سریع در حال رشد است که به مقادیر روزافزونی از قدرت محاسباتی نیاز دارد. فقط مایکروسافت گزارش شده است برای سرمایه گذاری 50 میلیارد دلار در سال 2024 فقط برای پاسخگویی به تقاضا در زیرساخت های مرکز داده سرمایه گذاری خواهد شد. هوش مصنوعی همچنین به حجم عظیمی از داده های خام و آموزشی نیاز دارد که توسط انسان ها طبقه بندی شده اند.

پولوسوکین معتقد است که بازارهای غیرمتمرکز مبتنی بر بلاک چین راه حل ایده آلی برای کمک به جمع سپاری سخت افزار و داده های لازم هستند.

شما می توانید استفاده کنید [blockchain] او به مجله توضیح می‌دهد که برای ایجاد بازارهای برابرتر و مؤثرتر، پروژه‌های هوش مصنوعی در حال حاضر نیاز به مذاکره با یک یا دو ارائه‌دهنده بزرگ ابری مانند خدمات وب آمازون دارند. اما دستیابی به ظرفیت مورد نیاز به دلیل کمبود واحدهای پردازش گرافیکی A100 انویدیا دشوار است.

اسپنسر همچنین از بازارهای مبتنی بر بلاک چین برای منابع هوش مصنوعی به عنوان اولین مورد استفاده فعلی یاد می کند.

او می‌گوید اولین مورد، تهیه تراشه‌های GPU واقعی است. در جایی که کمبود تراشه‌های GPU وجود دارد، چگونه آنها را تهیه می‌کنید؟ [without] آیا واقعاً شبکه‌ای دارید که بازار را منبع، ارائه و راه‌اندازی می‌کند؟

اسپنسر شبکه Akash را که یک بازار غیرمتمرکز از منابع محاسباتی در Cosmos ارائه می‌کند و شبکه Render که رندر GPU توزیع شده را ارائه می‌دهد، برجسته می‌کند.

در این مرحله برخی از شرکت‌های بسیار موفق این کار را از طریق پروتکل انجام می‌دهند.

نمونه دیگری از یک بازار غیرمتمرکز که محاسبات ابری را برای هوش مصنوعی ارائه می دهد، Aleph.im است. دارندگان توکن در پروژه می توانند به منابع محاسباتی و ذخیره سازی برای اجرای پروژه ها دسترسی داشته باشند.

Libertai.io، یک مدل زبان بزرگ غیرمتمرکز (LLM)، در Aleph.im اجرا می شود. موشه مالاواچ، بنیانگذار Aleph.im توضیح می دهد که ممکن است فکر کنید که تمرکززدایی باعث کاهش هوش مصنوعی می شود تا جایی که نمی تواند کار کند، اما اینطور نیست:

نکته اینجاست: همه استنتاج‌ها برای یک کاربر (زمانی که داده‌ها را با استفاده از یک مدل تولید می‌کنید) روی یک رایانه اجرا می‌شود. عدم تمرکز به دلیل هک کردن کامپیوترهای تصادفی در شبکه است. با این حال، در طول درخواست شما متمرکز است. بنابراین می تواند سریع باشد.”

یکی دیگر از بازارهای هوش مصنوعی مبتنی بر بلاک چین SingularityNET است که انواع خدمات هوش مصنوعی را ارائه می دهد، از ایجاد تصاویر گرفته تا رنگ آمیزی تصاویر قدیمی که کاربران می توانند به مدل ها یا وب سایت ها اضافه کنند.

بازار نوظهور هوش مصنوعی مبتنی بر بلاک چین که اسپنسر از آن بسیار هیجان زده است، توکن سازی و تجارت مدل های هوش مصنوعی است. Framework روی AI Arena سرمایه گذاری کرده است، یک بازی مبارزه ای شبیه به Super Smash Brothers که در آن کاربران مدل های هوش مصنوعی را برای مبارزه با یکدیگر آموزش می دهند. مدل‌ها به‌عنوان توکن‌های غیرقابل تعویض توکن‌سازی می‌شوند و قابل خرید، فروش یا اجاره هستند. او می‌گوید: «فکر می‌کنم واقعاً عالی است. وجود این مدل ها و همچنین کسب درآمد بومی کریپتو جالب است.

من فکر می‌کنم روزی احتمالاً برخی از با ارزش‌ترین مدل‌ها، برخی از با ارزش‌ترین دارایی‌های زنجیره، مدل‌های هوش مصنوعی توکن‌شده خواهند بود. حداقل این نظریه من است.

تبلیغات تبلیغاتی را باور نکنید: در حال حاضر، می‌توانید اجزا، داده‌ها و محاسبات را از طریق بازارهای سنتی Web2 تهیه کنید.

وضعیت استفاده از پاداش: آنالیز مالی

هر کسی که سعی کرده اقیانوس داده‌های تولید شده توسط تراکنش‌های مالی زنجیره‌ای را تفسیر کند، می‌داند که اگرچه داشتن سابقه تغییرناپذیر و شفاف یک چیز است، اما توانایی تجزیه و تحلیل و درک آن چیز دیگری است.

ابزارهای تجزیه و تحلیل هوش مصنوعی برای خلاصه کردن و تفسیر الگوها، روندها و ناهنجاری‌ها در داده‌ها کاملاً مناسب هستند و به طور بالقوه می‌توانند استراتژی‌ها و بینش‌هایی را به فعالان بازار پیشنهاد دهند.

به عنوان مثال، پلتفرم CipherTrace Armada Mastercard اخیراً با شرکت هوش مصنوعی Feedzai برای استفاده از فناوری برای تجزیه و تحلیل، شناسایی و مسدود کردن تراکنش‌های رمزنگاری مرتبط با کلاهبرداری یا پولشویی در 6000 صرافی همکاری کرد.

در جای دیگر، ابزار یادگیری ماشینی GNY.ios تلاش می‌کند تا نوسانات ۱۲ ارز دیجیتال برتر را پیش‌بینی کند و گزارش دسامبر از ChatGPT-4 برای تحلیل روندها و تجزیه و تحلیل سیگنال‌های خرید/فروش استفاده می‌کند.

بنابراین آیا هوش مصنوعی می تواند به بازارهای سنتی نیز کمک کند؟ این امید Bridgewater است که در سال آینده صندوقی را از آزمایشگاه جدید سرمایه گذاری مصنوعی (AIA) راه اندازی خواهد کرد که هدف آن تجزیه و تحلیل الگوهای بازارهای مالی برای پیش بینی هایی است که سرمایه گذاران می توانند از آن سود ببرند.

تلاش‌های قبلی برای انجام این کار نتایج ضعیفی را به همراه داشت، به طوری که شاخص Eurekahedge از ده‌ها صندوق متمرکز بر هوش مصنوعی تقریباً 14 درصد در پنج سال منتهی به 2022 عملکرد کمتری نسبت به شاخص گسترده‌تر صندوق تامینی داشت.

این عمدتا به دلیل مشکلات مربوط به تغذیه مقدار زیادی از اطلاعات دقیق مورد نیاز است.

رالف کوبلی، عضو هیئت مدیره انجمن کاسپر، معتقد است که هوش مصنوعی می تواند در امور مالی سنتی انقلابی ایجاد کند، اما تنها با ترکیب سوابق بلاک چین با استانداردهای سختگیرانه برای اطمینان از جامع و دقیق بودن اطلاعات ارائه شده به مدل ها.

او سال‌هاست که از صنعت مالی حمایت می‌کند تا استانداردهای جهانی برای انواع قراردادهای الگوریتمی یا ACTUS را اتخاذ کند، که در پی بحران مالی جهانی ایجاد شد، که تا حدی توسط مشتقات پیچیده هدایت می‌شد که در آن هیچ‌کس بدهی‌ها یا وجوه نقد را درک نکرد. جریان می یابد. او معتقد است که داده های استاندارد شده روی زنجیره برای اطمینان از اعتماد و شفافیت در خروجی های مدل ضروری است.

ما اساساً معتقدیم که بدون بلاک چین، هوش مصنوعی به طور کامل از بین می رود. تصور کنید در یک شرکت هوش مصنوعی سرمایه گذاری کنید و هر سه ماه یکبار از پیشرفت مدرک کارشناسی ارشد خود مطلع شوید، درست است؟ اگر نمی توانید تأیید کنید که آنها چه چیزی را به مدل اضافه می کنند، هیچ راهی برای دانستن اینکه آیا آنها در حال پیشرفت هستند وجود ندارد.

این محافظت از بلاک چین در برابر شرکت هایی که نتایج آن را تحریف می کنند توضیح می دهد و تاریخ نشان می دهد: […] آنقدر پول زیاد است که در مورد چه اتفاقی می افتد اغراق می کنند.

فکر می‌کنم هوش مصنوعی بدون این لایه اطمینان از بلاک چین، بدون توجه به اینکه چه اتفاقی افتاده، چه زمانی و کجا استفاده شده است، در آینده موثر نخواهد بود.

او می‌گوید که ترکیب این دو، قابلیت‌های پیش‌بینی جدیدی را باز می‌کند.

او با ذکر امتیازات اعتباری به عنوان مثال، می‌گوید: امید به پیشرفت هوش مصنوعی برای من این است که مدل‌های پیش‌بینی بسیار قوی‌تر شوند و رفتار را بتوان خیلی بهتر پیش‌بینی کرد.

استفاده صحیح از هوش مصنوعی به طور بالقوه می تواند به مدل های پیش بینی بسیار قدرتمندتری منجر شود. این بدان معناست که برخی از افراد دارای اعتبار که در حال حاضر نمی توانند وام دریافت کنند، ممکن است بتوانند وام دریافت کنند. این چیزی است که من خیلی به آن علاقه دارم.

تبلیغات تبلیغاتی را باور نکنید: قابلیت‌های پیش‌بینی هوش مصنوعی تاکنون در بهترین حالت ضعیف بوده است و داده‌های قابل اعتمادی که در بلاک چین ثبت نشده‌اند می‌توانند ورودی‌های مفیدی برای تحلیل هوش مصنوعی باشند.

همچنین بخوانید:

موارد استفاده واقعی از هوش مصنوعی در کریپتو، شماره 1: بهترین ارز برای هوش مصنوعی کریپتو است

موارد استفاده واقعی از هوش مصنوعی در کریپتو، خیر. 2: هوش مصنوعی می تواند DAO را اجرا کند

موارد استفاده واقعی از هوش مصنوعی در کریپتو، خیر. 3: کنترل قراردادهای هوشمند و امنیت سایبری

موارد استفاده واقعی هوش مصنوعی و رمزنگاری، شماره. 4: مبارزه با کلاهبرداری هوش مصنوعی با بلاک چین

مشترک

جالب ترین مطالب مربوط به بلاک چین. هفته ای یکبار تحویل می شود.

آدرس ایمیل

مشترک

نویسنده: Andrew Fenton