- Back to menu
- Back to menuMga presyo
- Back to menuPananaliksik
- Back to menuPinagkasunduan
- Back to menu
- Back to menu
- Back to menu
- Back to menu
- Back to menuMga Webinars at Events
Maaaring Tumulong ang AI na Bumuo ng Mas Mahusay na Mga Crypto Markets
Ang artificial intelligence, na dating teknolohikal na tundra, ay ONE na ngayon sa pinakamainit na lugar ng paglago para sa Web3, isinulat ni Marcello Mari at Rafe Tariq ng SingularityDAO.

Ang artificial intelligence (AI) ay nakakuha ng napakalaking traksyon sa nakalipas na ilang buwan. Mula noong katapusan ng 2022, naging paksa ng sambahayan ang AI dahil sa pangunahing pag-aampon ng chatbot ng OpenAI na "ChatGPT" at ang agarang epekto nito sa buong mundo sa mga industriya at buhay ng mga tao.
Noong 2022, ang mga consultant sa McKinsey natagpuan na Ang pag-ampon ng AI ay tumitigil sa nakalipas na ilang taon. Gayunpaman, sa pagdating ng ChatGPT, ang pag-aampon ay tumaas nang malaki. Ayon sa tagapagtatag ng OpenAI, si Sam Altman, ang ChatGPT ay tumawid sa mahigit 100 milyong user sa loob lamang ng dalawang buwan, isang milestone na inabot ng Facebook ng 4.5 taon, Instagram 2.5 taon at Twitter ng limang taon upang makamit.
Ang artikulong ito ay bahagi ng CoinDesk “BUIDL Week.” Si Marcello Mari ay punong ehekutibong opisyal ng SingularityDAO at si Rafe Tariq ay isang senior Quant researcher sa SingularityDAO Labs.
Sa pagsisimula namin sa 2023, nakikita namin na ang Microsoft at Google ay nakikibahagi sa isang matinding labanan para sa pangingibabaw ng AI. Nakikipagkumpitensya sila sa mga karibal na chatbots, pag-optimize ng paghahanap at higit pa – at mukhang nangunguna ang Microsoft. Binigyan ng software giant ang OpenAI ng $1 bilyon sa mga unang yugto ng pag-unlad ng ChatGPT, kumuha ng 46% stake sa kumpanya, at planong isama ang ChatGPT sa web browser nitong Edge at search engine na Bing, na parehong malamang na baguhin ang paghahanap at pag-browse sa internet .
Kapag iniisip mo ito, maaaring sa wakas ay payagan ng AI ang Microsoft na malampasan ang Google sa isang puwang na pinangungunahan ng huli sa loob ng maraming taon. Ang OpenAI ay hinuhulaan na ang ChatGPT ay bubuo ng kita na $200 milyon sa pagtatapos ng 2023 at $1 bilyon sa pagtatapos ng 2024. Ito ay lubos na posible na sa 2030 AI ay magiging numero ONE industriya sa mga tuntunin ng pagbuo ng kita at market cap.
Tingnan din ang: Kailangan ng Crypto AI ng Showcase para Malaman Kung Ano ang Totoo | Opinyon
Habang tayo ay patungo sa isang hinaharap kung saan ang AI ay nasa lahat ng dako, na hindi maiiwasang papalitan ang maraming trabaho ng Human , ito ay kagiliw-giliw na isaalang-alang kung paano magagamit ang makapangyarihang paraan ng computing na ito upang mapakinabangan ang mga pagkakataon sa industriya ng Crypto . Maaaring ilapat ang AI upang gawing mas mahusay ang Crypto , at magagamit din ang mga teknolohiya ng blockchain upang malutas ang mga problemang natatangi sa machine learning.
Inilapat ang mga tradisyonal na pamamaraan ng AI sa Crypto
Pagsusuri ng damdamin at pagtukoy ng cognitive distortion sa social media
Ang Pagsusuri ng Sentiment ay isang pamamaraan kung saan nasusuri ng mga natural na language processing algorithm (NLP) ang teksto at ipatungkol ang kahulugan nito, na tumutulong sa mga tao na maunawaan kung may positibo o negatibong damdamin tungkol sa isang partikular na uri ng asset.
Sa tradisyunal Finance, ang pagsusuri ng damdamin ay karaniwang ginagawa sa media ng balita. Gayunpaman, sa merkado ng Crypto , sa oras na maabot ng isang update ang balita, kadalasan ay huli na para kumita ng pera mula sa pangangalakal. Maaaring ipaliwanag nito ang kasabihang "buy the rumor, sell the news," ibig sabihin, isang bagong market trend ang dapat makita sa social media habang nangyayari ito o bago pa man ito mangyari.
Tulad ng alam natin, ang mga Crypto Markets na walang volatility ay T magiging kasing kaakit-akit. Ang mga hindi mahuhulaan na paggalaw sa merkado ng Crypto ay may mahalagang papel sa dinamika nito. Samakatuwid, mayroong pangangailangan para sa karagdagang pag-unlad ng AI at mga balangkas ng data upang mapadali ang mga pag-aaral at aplikasyon ng paghula ng presyo.
Ang mga balangkas na ito ay dapat na may kakayahang mangolekta ng data ng damdamin mula sa iba't ibang mga channel, kung ang mga ito ay may kaugnayan sa crypto o hindi, at dapat magkaroon ng isang AI analytical framework na maaaring isama ang pinakabagong mga pag-unlad sa pananaliksik sa pagsusuri ng damdamin. Dapat din nitong makilala ang isang tunay na tao mula sa isang bot pati na rin ang mga tunay na pag-uusap mula sa mga naka-orkestra.
Ang mga balangkas na ito ay makaka-detect ng tinatawag na cognitive distortions sa social media, tulad ng sakuna (pagpapalaki ng kahalagahan ng isang negatibong kaganapan: "dahil dito ang lahat ay magtapon"), paghula (nagpapanggap na alam ang tungkol sa hinaharap: " tiyak na mangyayari ito") at pagbabasa ng isip (nagpapanggap na alam kung ano ang iniisip ng iba: "alam ng lahat iyon.")
Paghula sa mga paggalaw ng merkado
Ginamit ang AI sa loob ng ilang dekada sa tradisyonal Finance upang makita ang dynamics ng merkado bago ito mangyari. Ayon sa kaugalian, ito ay nakamit sa pamamagitan ng pagsusuri ng damdamin. Gayunpaman, sa larangan ng Cryptocurrency, maaari tayong umasa sa statistical correlation sa pagitan ng mga pangunahing barya o kategorya ng mga barya. Halimbawa, sa mga naka-localize na ecosystem tulad ng decentralized exchange Curve o AI-focused SingularityNET, na mayroong maraming token, nakikita natin ang mga lagging at correlative na mga pattern ng kalakalan na lumalabas.
Dahil sa mabilis na pag-unlad ng teknolohiya sa hardware na ginagamit upang ma-secure at magmina ng mga desentralisadong network (ibig sabihin, ang pagtaas ng GPU-based computation), ang paggamit ng mga malalaking modelo ng deep learning ay naging lalong mahalaga para sa pag-unawa sa mga pagbabago sa presyo. Ang pagpapalawak ng machine learning at mga deep learning na pamamaraan na ginagamit sa tradisyunal Finance upang mahulaan ang pagbabagu-bago ng presyo o pagtukoy ng mga rehimen sa merkado (ibig sabihin, kung tayo ay nasa bear o bull market) ay ONE sa mga pangunahing bahagi ng paggalugad para sa mga kaso ng paggamit ng AI sa Crypto.
Ang isang karagdagang lugar ng pananaliksik ay tungkol sa aplikasyon ng reinforcement learning, isang AI technique na natututo nang walang pangangasiwa mula sa mga tao (aka unsupervised learning) para mas maunawaan ang epekto ng mga aksyon nito. Mayroon itong mga application para sa paghula ng slippage at epekto sa presyo kapag ipinagpalit ang mga asset.
Trading bots/AI-based na paggawa ng market
Ang AI team sa SingularityDAO ay nagsagawa ng mga pag-aaral sa paggalugad sa larangan ng market simulation at backtesting upang pahusayin ang state of the art sa pagbibilang ng market dynamics. Ang ONE maaasahang Technology na aming na-explore ay ang "adaptive multi-strategy agent" (AMSA) para sa paggawa ng merkado. Ito ay karaniwang nagbibigay ng isang kapaligiran kung saan ang iba't ibang mga algorithm ng AI ay maaaring bumili at magbenta ng mga asset at i-backtest ang mga trade na iyon, habang sinusuri ang pagganap at epekto ng kalakalan sa merkado.
Ang mga self-reinforcing trading algorithm na ito ay makikita bilang ang susunod na hakbang na ebolusyon ng mga tradisyunal na trading bot na malawakang pinagtibay ng mga mangangalakal at market makers sa mga sentralisadong palitan. Sa madaling salita, ang AI ay binuo upang makatulong na lumikha ng mas sopistikadong mga automated market Maker system. Nag-aambag ito sa pagpapatibay ng mas matatag na desentralisadong sistema ng kalakalan, at makakatulong sa mga mangangalakal na muling balansehin ang kanilang mga multi-asset na portfolio.
Mga problema sa AI ng Crypto native
Epektibong pagsubaybay sa dynamic na posisyon at panganib ng entidad
Dahil sa pagtaas ng dalas sa mga Markets ng Crypto ng mga black swans (hindi mahuhulaan Events na may potensyal na malubhang kahihinatnan), ang mga tradisyonal na pamamaraan upang suriin ang panganib sa mga posisyon sa pangangalakal ay luma na. Sa Crypto, kailangang suriin ng mga analyst ang panganib na nauugnay sa mga paggalaw ng pagkatubig sa mga protocol at halos imposible itong gawin nang manu-mano dahil sa malaking halaga ng data na susuriin.
Ang isang diskarte sa AI, sa sandaling muli, ay maaaring pahabain ang desisyon ng Human paggawa.AI maaaring gamitin ang mga algorithm kasama ng iba pang mga pamamaraan na karaniwang ginagamit upang subaybayan ang kalusugan ng mga on-chain na posisyon sa lahat ng protocol, tulad ng pagsusuri sa mga may hawak ng malalaking wallet at panganib sa pagpuksa. Sa pamamagitan ng pagkakaroon ng kadalubhasaan at karanasan sa parehong AI at decentalized Finance (DeFi), posibleng gumawa ng mga bagong sukatan na makakapagbigay ng madaling basahin na mga signal tungkol sa pagkakalantad sa panganib na kinuha sa iba't ibang protocol.
Dagdag pa, nag-aalok ang AI ng malaking halaga at suporta sa mga Human analyst habang ang industriya ng Crypto ay nagiging multiprotocol (na may pag-unlad sa mga blockchain na nangyayari kahit sa bear market), na humahantong sa isang makabuluhang pagtaas sa pagiging kumplikado. Mahalaga ang predictive at correlational risk methodologies para maiwasan ang mga Events sa hinaharap na black swan , gaya ng mga nangyari sa Crypto exchange FTX at lending platform Celsius Network.
Isang diin sa FLOW analytics, correlation at predictive analysis
Kasunod ng pagbagsak ng Celsius at FTX, nagkaroon ng mas mataas na pangangailangan na bumuo ng mga pamamaraan para sa pagsubaybay sa mga Events at salik na maaaring humantong sa mga katulad na kaso. Ang mga Crypto analyst at data scientist ay nag-explore ng isang hanay ng mga diskarte, mula sa mga klasikal na signal ng pag-aalerto batay sa mga wallet at entity hanggang sa mas advanced na AI-based na capital FLOW aggregations.
Mga vigilante sa Twitter ay gumagamit na ng mga platform ng analytics na nakabatay sa AI upang tumuklas ng mga kwento ng balita bago sila masira sa mainstream na balita sa Crypto . Gayunpaman, maraming maaaring gawin upang pasimplehin at palawakin ang mga tool na ito upang mapagtibay ng mas malawak na merkado.
Mga diskarte sa AI para sa nakakahamak na entity na pag-label at pag-detect on-chain
Sa Crypto market, mayroong patuloy na laro ng pagtukoy ng mga nakakahamak na entity na on-chain, na nangangailangan ng paggamit ng napakalaking dataset. Ang AI ay gumaganap ng isang mahalagang papel sa pagsisikap na ito ng transparency, gamit ang makabagong clustering, genetic programming at mga neural network upang matukoy ang mga nakakahamak na entity na ito sa kanilang mga alias na on-chain.
Tingnan din ang: Bakit Mahalaga ang Crypto Trading para sa Industriya ng Cryptocurrency | Opinyon
Habang nagiging mas sopistikado ang mga nakakahamak na user sa pagtatago ng kanilang obligasyon sa isang entity, umaasa kami sa mga advanced na algorithm ng AI kasama ng data ng heograpikal at asal para matukoy ang mga wallet na ito.
Malayo at narito ngayon
Bagama't malayo pa ang AGI (artificial general intelligence) o isang AI na nakakaramdam, kapansin-pansin ang pag-unlad sa larangan nitong mga nakaraang taon. Lubos akong naniniwala na sa hinaharap, pamamahalaan ng artificial intelligence ang aming mga pondo sa Crypto at titiyakin ang kaligtasan at kalusugan ng aming mga wallet.
Ang pagsasama sa malalaking modelo ng wika tulad ng ChatGPT ay makabuluhang pinabilis ang prosesong ito at gagawin itong madali at naa-access ng sinuman. Ang Crypto ay may potensyal na lumikha ng isang bagong inclusive financial ecosystem, at mayroon kaming isang beses sa isang buhay na pagkakataon na manguna dito at makipagkumpitensya sa mga kumpanya ng Big Tech.
Note: The views expressed in this column are those of the author and do not necessarily reflect those of CoinDesk, Inc. or its owners and affiliates.
Marcello Mari
Si Marcello Mari ay ang CEO at co-founder ng SingularityDAO, isang independiyenteng proyekto na incubated ng SingularityNET na idinisenyo upang pamahalaan ang mga portfolio ng mga Crypto asset na may sopistikadong artificial intelligence.

Rafe Tariq
Si Rafe Tariq ay isang senior Quant researcher sa SingularityDAO, kung saan siya ay dalubhasa sa paggamit ng on-chain na data para sa tradisyonal na quantitative practices.
