DeFAI: Як ШІ може звільнити потенціал Децентралізованих фінансів?
Децентралізовані фінанси (DeFi) швидко розвиваються з 2020 року і залишаються основною опорою криптоекосистеми. Незважаючи на появу багатьох інноваційних протоколів, це також призвело до збільшення складності та фрагментації, і навіть досвідченим користувачам важко орієнтуватися у безлічі ланцюгів, активів та протоколів.
Водночас, штучний інтелект (AI) розвивався з широкого базового наративу 2023 року до більш професійного, орієнтованого на агентів фокусу 2024 року. Ця зміна сприяла виникненню DeFi AI (DeFAI) - нової галузі, в якій штучний інтелект покращує DeFi через автоматизацію, управління ризиками та оптимізацію капіталу.
Децентралізовані фінанси DeFAI охоплюють кілька рівнів. Блокчейн є базовим рівнем, AI-агенти повинні взаємодіяти з конкретним ланцюгом для виконання транзакцій та смарт-контрактів. Дані та обчислювальний рівні забезпечують інфраструктуру, необхідну для навчання AI-моделей, які спираються на історичні дані про ціни, ринкові настрої та аналіз на ланцюзі. Рівень конфіденційності та верифікації забезпечує безпеку чутливих фінансових даних, зберігаючи при цьому бездоверчеве виконання. Рамки агентів дозволяють розробникам створювати спеціалізовані програми на основі AI, такі як автономні торгові роботи, оцінювачі кредитних ризиків та оптимізатори управління на ланцюзі.
З розширенням екосистеми DeFAI найвпливовіші проекти можна розділити на три основні категорії:
1. Абстрактний рівень
Протоколи, що базуються на цій категорії, виконують роль дружнього інтерфейсу, подібного до ChatGPT, для Децентралізованих фінансів, що дозволяє користувачам вводити підказки для виконання в ланцюзі. Вони зазвичай інтегруються з кількома ланцюгами та dApp, і реалізують наміри користувачів, одночасно усуваючи ручні етапи в складних угодах.
Ці протоколи можуть виконувати деякі функції, включаючи:
Обмін, крос-чейн, позика/зняття, крос-чейн виконання угод
Гаманець для копіювання торгів або профіль у соціальних мережах
Автоматичне виконанняTake Profit/Stop Loss тощо залежно від відсотка обсягу позиції
Наприклад, не потрібно вручну витягувати ETH з платформи кредитування, переносити його на Solana, обмінювати на SOL і надавати ліквідність на DEX - протокол абстрактного рівня може виконати цю операцію всього за один крок.
2. Автономні торгові агенти
На відміну від традиційних торгових роботів, які дотримуються заздалегідь визначених правил, автономні торгові агенти можуть навчатися та адаптуватися до умов ринку, а також коригувати свої стратегії на основі нової інформації. Ці агенти можуть:
Аналізувати дані для постійного вдосконалення стратегії
Прогнозуйте ринкові тренди, щоб приймати кращі рішення щодо довгих/коротких позицій
Виконувати складні стратегії Децентралізовані фінанси, як базову торгівлю
3. DApps на базі штучного інтелекту
Децентралізовані фінанси dApp надають можливості позики, обміну, дохідного фермерства тощо. Штучний інтелект та агентів ШІ можуть покращити ці послуги таким чином:
Оптимізація постачання ліквідності через ребалансування позицій LP для отримання кращого APY
Сканування токенів для виявлення ризиків шляхом виявлення потенційних rug або honeypot
Основні виклики
Топові протоколи, побудовані на цих рівнях, стикаються з деякими викликами:
Ці протоколи залежать від потоків даних у реальному часі для досягнення оптимального виконання угод. Погана якість даних може призвести до неефективності маршрутів, провалу угод або до того, що угоди будуть збитковими.
Моделі штучного інтелекту залежать від історичних даних, але ринок криптовалют має високу волатильність. Агент повинен пройти навчання на різноманітних, високоякісних наборах даних, щоб зберегти свою ефективність.
Потрібно всебічно розуміти кореляцію активів, зміни ліквідності та ринкові настрої, щоб зрозуміти загальний стан ринку.
Протоколи на основі цих категорій стали популярними на ринку. Однак, щоб запропонувати кращі продукти та досягти найкращих результатів, вони повинні розглянути можливість інтеграції різноманітних наборів даних різної якості, щоб підняти свої продукти на новий рівень.
Дані рівень - забезпечує енергією DeFAI смарт
Якість AI залежить від даних, на яких він базується. Щоб AI-агенти могли ефективно працювати в DeFAI, їм потрібні дані в реальному часі, структуровані та перевірені. Наприклад, абстрактний рівень повинен отримувати дані з блокчейну через RPC та API соціальних мереж, тоді як агенти оптимізації торгівлі та доходів потребують даних для подальшого вдосконалення своїх торгових стратегій і перерозподілу ресурсів.
Якісні набори даних дозволяють агентам краще прогнозувати поведінку цін у майбутньому, надаючи рекомендації щодо торгівлі відповідно до їхніх уподобань щодо довгих або коротких позицій у певних активах.
Порівняння провідних блокчейнів, на яких базуються AI-агенти
Деякі публічні блокчейни безсумнівно є основними ланцюгами для побудови та випуску більшості AI-агентських фреймворків і токенів. AI-агенти використовують мережі з високою пропускною спроможністю та низькою затримкою, а також відкриті операційні системи для розгортання токенів агентів, тоді як деякі платформи виконують роль лаунчпадів для розгортання агентів. Незважаючи на те, що у них є як хакатони, так і фінансові стимули, вони ще не досягли рівня деяких нових публічних блокчейнів у своїх AI-програмах як ланцюг.
Одна з публічних блокчейн-мереж раніше визначила себе як блокчейн L1, орієнтований на ШІ, її функції включають ринок завдань ШІ, центр досліджень ШІ з відкритим кодом та помічника ШІ. Нещодавно вони оголосили про фонд агентів ШІ на суму 20 мільйонів доларів США, призначений для розширення повністю автономних і перевіряємих агентів на їхній мережі.
Наступний крок DeFAI
Наразі більшість AI-агентів у Децентралізованих фінансах стикаються з серйозними обмеженнями в реалізації повної автономії. Наприклад:
Абстрактний рівень перетворює наміри користувача в виконання, але зазвичай не має прогностичних можливостей.
AI-агенти можуть генерувати альфа через аналіз, але їм бракує незалежного виконання угод.
Додатки, керовані штучним інтелектом, можуть обробляти страхові сховища або транзакції, але вони є пасивними, а не активними.
Наступний етап DeFAI може зосередитися на інтеграції корисного рівня даних для розробки найкращої платформи або агентів. Це вимагатиме глибоких ончейн-даних про активність великих китів, зміни ліквідності тощо, одночасно генеруючи корисні синтетичні дані для кращого прогнозного аналізу, та поєднуючи його з аналізом настроїв на загальному ринку, незалежно від того, чи йдеться про коливання токенів у конкретних категоріях (таких як AI-агенти, DeSci тощо), чи про коливання токенів у соціальних мережах.
Кінцева мета полягає в тому, щоб AI-агенти могли безшовно генерувати та виконувати торгові стратегії з єдиного інтерфейсу. З розвитком цих систем ми можемо побачити в майбутньому, як трейдери DeFi покладаються на AI-агентів для самостійної оцінки, прогнозування та виконання фінансових стратегій з мінімальним людським втручанням.
Останні роздуми
З огляду на значне зменшення вартості токенів і рамок AI-агентів, деякі можуть вважати, що DeFAI – це лише короткочасне явище. Проте DeFAI все ще на ранній стадії, і потенціал AI-агентів для підвищення доступності та продуктивності Децентралізованих фінансів є незаперечним.
Ключем до розкриття цього потенціалу є отримання високоякісних даних у реальному часі, які покращать прогнози та виконання торгівлі на основі штучного інтелекту. Все більше протоколів інтегрують різні шари даних, а протоколи даних створюють плагіни для побудови рамок, що підкреслює важливість даних для агентських рішень.
Дивлячись у майбутнє, перевірка та конфіденційність стануть ключовими викликами, які протоколам необхідно буде вирішити. Наразі більшість операцій AI-агентів залишаються чорними ящиками, і користувачі повинні довіряти їм свої кошти. Тому розвиток перевірених AI-рішень допоможе забезпечити прозорість і підзвітність процесу агентів. Інтеграція протоколів на основі TEE, FHE та навіть zk-доказів може підвищити перевірність поведінки AI-агентів, що дозволить досягти довіри до автономності.
Тільки успішне поєднання якісних даних, надійних моделей та прозорих процесів прийняття рішень дозволить агентам DeFAI отримати широке застосування.
 і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
6 лайків
Нагородити
6
4
Поділіться
Прокоментувати
0/400
BridgeNomad
· 8год тому
після вормхолу я дуже скептично ставлюсь до будь-якого штучного інтелекту, який торкається моїх дефи-стеків... безпека на першому місці сім'я
Переглянути оригіналвідповісти на0
LiquidatedAgain
· 8год тому
Наскільки надійний AI-ризик-менеджмент? Тільки що запитав про інтелектуальний механізм ліквідації.
Переглянути оригіналвідповісти на0
OnchainDetective
· 8год тому
Раніше здогадувався, що AI займеться Децентралізованими фінансами.
DeFAI: Штучний інтелект веде нову еру Децентралізованих фінансів, дані та агенти стають ключовими.
DeFAI: Як ШІ може звільнити потенціал Децентралізованих фінансів?
Децентралізовані фінанси (DeFi) швидко розвиваються з 2020 року і залишаються основною опорою криптоекосистеми. Незважаючи на появу багатьох інноваційних протоколів, це також призвело до збільшення складності та фрагментації, і навіть досвідченим користувачам важко орієнтуватися у безлічі ланцюгів, активів та протоколів.
Водночас, штучний інтелект (AI) розвивався з широкого базового наративу 2023 року до більш професійного, орієнтованого на агентів фокусу 2024 року. Ця зміна сприяла виникненню DeFi AI (DeFAI) - нової галузі, в якій штучний інтелект покращує DeFi через автоматизацію, управління ризиками та оптимізацію капіталу.
Децентралізовані фінанси DeFAI охоплюють кілька рівнів. Блокчейн є базовим рівнем, AI-агенти повинні взаємодіяти з конкретним ланцюгом для виконання транзакцій та смарт-контрактів. Дані та обчислювальний рівні забезпечують інфраструктуру, необхідну для навчання AI-моделей, які спираються на історичні дані про ціни, ринкові настрої та аналіз на ланцюзі. Рівень конфіденційності та верифікації забезпечує безпеку чутливих фінансових даних, зберігаючи при цьому бездоверчеве виконання. Рамки агентів дозволяють розробникам створювати спеціалізовані програми на основі AI, такі як автономні торгові роботи, оцінювачі кредитних ризиків та оптимізатори управління на ланцюзі.
З розширенням екосистеми DeFAI найвпливовіші проекти можна розділити на три основні категорії:
1. Абстрактний рівень
Протоколи, що базуються на цій категорії, виконують роль дружнього інтерфейсу, подібного до ChatGPT, для Децентралізованих фінансів, що дозволяє користувачам вводити підказки для виконання в ланцюзі. Вони зазвичай інтегруються з кількома ланцюгами та dApp, і реалізують наміри користувачів, одночасно усуваючи ручні етапи в складних угодах.
Ці протоколи можуть виконувати деякі функції, включаючи:
Наприклад, не потрібно вручну витягувати ETH з платформи кредитування, переносити його на Solana, обмінювати на SOL і надавати ліквідність на DEX - протокол абстрактного рівня може виконати цю операцію всього за один крок.
2. Автономні торгові агенти
На відміну від традиційних торгових роботів, які дотримуються заздалегідь визначених правил, автономні торгові агенти можуть навчатися та адаптуватися до умов ринку, а також коригувати свої стратегії на основі нової інформації. Ці агенти можуть:
3. DApps на базі штучного інтелекту
Децентралізовані фінанси dApp надають можливості позики, обміну, дохідного фермерства тощо. Штучний інтелект та агентів ШІ можуть покращити ці послуги таким чином:
Основні виклики
Топові протоколи, побудовані на цих рівнях, стикаються з деякими викликами:
Ці протоколи залежать від потоків даних у реальному часі для досягнення оптимального виконання угод. Погана якість даних може призвести до неефективності маршрутів, провалу угод або до того, що угоди будуть збитковими.
Моделі штучного інтелекту залежать від історичних даних, але ринок криптовалют має високу волатильність. Агент повинен пройти навчання на різноманітних, високоякісних наборах даних, щоб зберегти свою ефективність.
Потрібно всебічно розуміти кореляцію активів, зміни ліквідності та ринкові настрої, щоб зрозуміти загальний стан ринку.
Протоколи на основі цих категорій стали популярними на ринку. Однак, щоб запропонувати кращі продукти та досягти найкращих результатів, вони повинні розглянути можливість інтеграції різноманітних наборів даних різної якості, щоб підняти свої продукти на новий рівень.
Дані рівень - забезпечує енергією DeFAI смарт
Якість AI залежить від даних, на яких він базується. Щоб AI-агенти могли ефективно працювати в DeFAI, їм потрібні дані в реальному часі, структуровані та перевірені. Наприклад, абстрактний рівень повинен отримувати дані з блокчейну через RPC та API соціальних мереж, тоді як агенти оптимізації торгівлі та доходів потребують даних для подальшого вдосконалення своїх торгових стратегій і перерозподілу ресурсів.
Якісні набори даних дозволяють агентам краще прогнозувати поведінку цін у майбутньому, надаючи рекомендації щодо торгівлі відповідно до їхніх уподобань щодо довгих або коротких позицій у певних активах.
Порівняння провідних блокчейнів, на яких базуються AI-агенти
Деякі публічні блокчейни безсумнівно є основними ланцюгами для побудови та випуску більшості AI-агентських фреймворків і токенів. AI-агенти використовують мережі з високою пропускною спроможністю та низькою затримкою, а також відкриті операційні системи для розгортання токенів агентів, тоді як деякі платформи виконують роль лаунчпадів для розгортання агентів. Незважаючи на те, що у них є як хакатони, так і фінансові стимули, вони ще не досягли рівня деяких нових публічних блокчейнів у своїх AI-програмах як ланцюг.
Одна з публічних блокчейн-мереж раніше визначила себе як блокчейн L1, орієнтований на ШІ, її функції включають ринок завдань ШІ, центр досліджень ШІ з відкритим кодом та помічника ШІ. Нещодавно вони оголосили про фонд агентів ШІ на суму 20 мільйонів доларів США, призначений для розширення повністю автономних і перевіряємих агентів на їхній мережі.
Наступний крок DeFAI
Наразі більшість AI-агентів у Децентралізованих фінансах стикаються з серйозними обмеженнями в реалізації повної автономії. Наприклад:
Абстрактний рівень перетворює наміри користувача в виконання, але зазвичай не має прогностичних можливостей.
AI-агенти можуть генерувати альфа через аналіз, але їм бракує незалежного виконання угод.
Додатки, керовані штучним інтелектом, можуть обробляти страхові сховища або транзакції, але вони є пасивними, а не активними.
Наступний етап DeFAI може зосередитися на інтеграції корисного рівня даних для розробки найкращої платформи або агентів. Це вимагатиме глибоких ончейн-даних про активність великих китів, зміни ліквідності тощо, одночасно генеруючи корисні синтетичні дані для кращого прогнозного аналізу, та поєднуючи його з аналізом настроїв на загальному ринку, незалежно від того, чи йдеться про коливання токенів у конкретних категоріях (таких як AI-агенти, DeSci тощо), чи про коливання токенів у соціальних мережах.
Кінцева мета полягає в тому, щоб AI-агенти могли безшовно генерувати та виконувати торгові стратегії з єдиного інтерфейсу. З розвитком цих систем ми можемо побачити в майбутньому, як трейдери DeFi покладаються на AI-агентів для самостійної оцінки, прогнозування та виконання фінансових стратегій з мінімальним людським втручанням.
Останні роздуми
З огляду на значне зменшення вартості токенів і рамок AI-агентів, деякі можуть вважати, що DeFAI – це лише короткочасне явище. Проте DeFAI все ще на ранній стадії, і потенціал AI-агентів для підвищення доступності та продуктивності Децентралізованих фінансів є незаперечним.
Ключем до розкриття цього потенціалу є отримання високоякісних даних у реальному часі, які покращать прогнози та виконання торгівлі на основі штучного інтелекту. Все більше протоколів інтегрують різні шари даних, а протоколи даних створюють плагіни для побудови рамок, що підкреслює важливість даних для агентських рішень.
Дивлячись у майбутнє, перевірка та конфіденційність стануть ключовими викликами, які протоколам необхідно буде вирішити. Наразі більшість операцій AI-агентів залишаються чорними ящиками, і користувачі повинні довіряти їм свої кошти. Тому розвиток перевірених AI-рішень допоможе забезпечити прозорість і підзвітність процесу агентів. Інтеграція протоколів на основі TEE, FHE та навіть zk-доказів може підвищити перевірність поведінки AI-агентів, що дозволить досягти довіри до автономності.
Тільки успішне поєднання якісних даних, надійних моделей та прозорих процесів прийняття рішень дозволить агентам DeFAI отримати широке застосування.
![Децентралізовані фінанси AI: Як AI розкриває потенціал DeFi?](https://img-cdn.gateio.im/webp-social/moments-56a89e79609d8f982d5d31dadfad9205.webp01