AI+Crypto
作者：0xCousin，IOBC Capital
封面： Photo by DeepMind on Unsplash
導言：
隨著數位技術的飛速發展，AI 和 Crypto 已經成為最熱門的兩個話題。 AI 作為一項技術革命，代表了最先進的生產力; Crypto 基於區塊鏈技術，代表著最公平的生產關係。 AI 和 Crypto 正在不斷地改變我們的生活和工作方式。 本文將探討 AI 和 Crypto 的融合，以及它們如何共同塑造我們的未來。
AI：最先進的生產力
AI（Artificial Intelligence，人工智慧）是一項涉及使計算機系統能夠模仿人類智慧和執行智慧任務的技術。 它涵蓋了多個子領域，包括：
1、機器學習：機器學習是 AI 的基礎，涉及訓練計算機系統通過數據和經驗改進性能。 包括監督學習、無監督學習和強化學習等不同類型;
2、深度學習：深度學習是機器學習的一個分支，類比人腦神經網路的工作方式。 它利用多層神經網路處理複雜數據，並在計算機視覺、自然語言處理等領域取得了重大突破;
3、自然語言處理（NLP）：NLP 涉及使計算機能夠理解和處理人類語言。 它包括文本分析、情感分析、語音辨識、機器翻譯等技術。
4、計算機視覺：計算機視覺旨在使計算機系統能夠「看」和理解圖像和視頻。 它涉及圖像識別、目標檢測、人臉識別、圖像生成等方面的技術。
從底層邏輯來看，AI 的核心是要使計算機具有「感知能力」、「認知能力」、“創造力” 和「智慧」。。 具象地解釋就是——要讓計算機能夠像人一樣思考、像人一樣行動、理性地思考、理性地決策。
隨著 AI 技術的發展，有很多應用場景可以通過使用 AI，實現降本、提效、安全。 總之，可以更好的服務人類。 比如：
- 自動駕駛：AI 技術被用於開發自動駕駛汽車，通過感知環境、做出決策和控制車輛，提高道路安全性和駕駛效率。
- 醫療保健：AI 在醫學圖像識別、疾病診斷和治療計劃方面發揮重要作用，幫助醫生提供更準確的診斷和個人化的治療方案。
- 金融服務：AI 被廣泛應用於金融領域，包括風險評估、信用評分、投資策略和反欺詐等方面，提高金融機構的效率和準確性。
- 智能家居：AI 被应用于智能家居设备，使得家居设备能够通过语音或手势控制，提高家居的便利性和舒适度。
- 自然语言处理：AI 技术使得机器能够理解和处理人类语言，包括语音识别、语义理解和自动翻译等，广泛应用于智能助理（如 Siri、Alexa、Google Assistant）和虚拟机器人（如机器人客服）通过语音和文字交互提供个性化的服务和支持。
- 娱乐与游戏：AI 在游戏开发中发挥重要作用，包括智能敌人的设计、游戏难度的自适应和逼真的图形效果等。
今年最火的 ChatGPT 是一个基于 Generative Pre-trained Transformer 的聊天机器人模型。GPT 是由 OpenAI 开发的一种基于 Transformer 架构的语言模型。ChatGPT 的目标是通过对大量文本数据进行预训练，学习语言的统计规律和语义理解，以生成人类类似的自然语言响应。
GPT 的底层设计逻辑主要包括两个关键组件：Transformer 架构和预训练-微调的方法。
Transformer 架构：Transformer 是一种基于自注意力机制（self-attention）的神经网络架构，它在处理序列数据时能够建立长距离的依赖关系。Transformer 由多个编码器-解码器层（encoder-decoder layers）组成，每个层都由多头注意力机制和前馈神经网络组成。注意力机制允许模型在生成输出时聚焦于输入序列中的不同位置，从而更好地理解上下文信息。
预训练-微调方法：ChatGPT 使用了大规模的无监督预训练来学习语言的模式和知识。预训练阶段，模型通过对海量文本数据进行自监督学习，尝试预测输入序列中缺失的部分。这使得模型能够学习到语法、语义和常识等知识。然后，在微调阶段，使用特定任务的有标签数据对模型进行有监督的微调，以使其适应特定的任务，例如聊天机器人。
ChatGPT 的生成过程包括两个阶段：编码器输入阶段和解码器生成阶段。在编码器输入阶段，模型接收用户输入并将其转化为隐藏表示，以捕捉输入的语义信息。在解码器生成阶段，模型利用编码器的隐藏表示和之前生成的标记来生成下一个响应标记，直到达到特定的停止条件。
Crypto：区块链是最公平的生产关系
这个无需赘述，根本上讲 Crypto 能发展到现在的规模，核心就在于区块链能够增强社会公平性，代表着最公平的生产关系。当然，首先公平是需要放在某个相对普适的价值观框架来讨论才有意义。
以目前最大市值的 Bitcoin 和 Ethereum 为例。在 “劳有所得、多劳多得” 的价值观框架中，Bitcoin 的 PoW 共识机制就非常公平；同样的，在 “资本利得” 的价值观框架中，Ethereum 从 PoW 转变为 PoS 之后，仍然非常公平。
总之，基于区块链技术的 Crypto，能够优化资源配置、能够实现社区自治，代表着最公平的社会生产关系。
AI 与 Crypto 的融合
AI 与 Crypto 的融合，可能会出现一些很有趣的应用探索。
1、Crypto AI Trading Bot
因为 AI 在数据分析和处理、模型训练等方面已经发展得比较成熟，已经有 AI 做投资的先例：
文艺复兴对冲基金（Renaissance Technologies）就是通过 100% 依靠大规模数据分析和数学模型的机器学习，利用高频交易、统计套利和市场中性策略进行投资，在存续期间赚了 1000 亿美元。文艺复兴对冲基金可以视为一种运用机器学习和数据分析的金融版 AI。
而 Crypto 市场在支持 AI 介入投资方面有得天独厚的优势：24 小时无缝运作、匿名、无 KYC、链上完全闭环、无实体接触。如果研发一个针对 Crypto 市场的 AI Trader，完全可以在 Crypto 市场运行链上套利、量化、趋势分析这些对冲策略；再设计一些机器学习和数据分析的模型，让这个 AI Trader 不断提高对 Crypto 市场的认知，也许也能创造出一个能够持续盈利的 AI Trader。
使用 AI 预测 Crypto 市场趋势：加密货币市场的价格波动十分剧烈，而 AI 可以通过分析大量的市场数据和历史价格走势，预测市场的趋势和价格波动。机器学习算法能够识别出隐藏的模式和趋势，帮助投资者做出更明智的决策。例如，AI 可以通过深度学习模型对市场情绪进行分析，从而预测加密货币价格的上升或下降趋势。
使用 AI 进行自动化交易：AI 的自动化交易算法是加密货币交易的重要工具之一。通过编写智能合约和交易机器人，可以实现自动化的加密货币交易。这些机器人可以根据预设的规则和策略执行交易，减少人为因素的干扰，并提高交易效率和准确性。例如，利用 AI 算法，交易机器人可以根据市场条件自动执行买入或卖出操作，以获得最佳交易结果。
在这个方向，我们目前看到的是 Rockybot。这是一个 fully onchain AI Trading bot，它可以实现用链上 AI 模型来预测 ETH 价格，并且无需中央授权即可自行做出投资决策。Rockybot 依靠 StarkNet，接受过 WETH：USDC 交易对的历史价格/汇率数据的培训。在架构上，Rocky 是一个简单的三层前馈神经网络，它根据历史市场价格数据预测 WETH 的价格会上涨还是下跌。不过 Rockybot 还没开始赚钱……它可能还需要更多的训练（不过项目方已经停止了接收捐赠）……也可能在 Crypto 的熊市里赚钱这种地狱难度的任务于 AI 而言也是一种为难。
2、数据贡献和隐私保护
使用 Crypto 激励更多人为 AI 算法贡献数据：AI 算法对于大量高质量的数据的需求很高，而加密货币可以通过激励机制来鼓励用户共享自己的数据。加密货币可以为数据提供者提供一定的经济回报，从而促进数据的共享和流通。这种激励机制可以鼓励更多的用户贡献数据，进而增加 AI 算法的训练样本，提高其准确性和智能化水平。
使用 Crypto 保护 AI 数据贡献者的隐私：区块链的加密和匿名特性也有助于保护用户的隐私。加密货币的数据共享和隐私保护机制为 AI 算法提供了更多的数据资源，同时确保了用户个人信息的安全。
3、ZKML：确保机器学习模型的隐私性和真实性
ZKML（zero knowledge machine learning) 是将零知识证明用于机器学习的技术。ZKML 可以解决 AI 模型/ 输入的隐私保护问题和推理过程可验证的问题，使用 zkSNARK 来证明机器学习推理的正确性。
ZKML 可用于针对敏感数据训练和评估机器学习模型，而无需向其他任何人透露数据。ZKML 可用于确保机器学习模型的一致性。这对于用户而言非常重要，因为模型对机器学习的结果至关重要。
目前已经有一些围绕 ZKML 的应用探索。DeFi 方向，fully onchain AI Trading bot-Rockybot 已经推出，它可以实现用链上 AI 模型来预测 ETH 价格，并且无需中央授权即可自行做出投资决策；Games 方向，Modulus Labs 推出了一款基于 ZKML 的国际象棋游戏 Leela，所有用户都可以与一个由 ZK 验证的 AI 模型提供支持的机器人对弈，此外还有平台格斗游戏 AI Arena；Creator Economy 方向，社区提交了一个名为 zkML AIGC-NFTs#7007 的 EIP 提案（这个 EIP 尚未通过），提议使用 ZKML 来验证 NFT 是否为 AI 生成，从而将引入 AI 创造的 NFT 类别；DID 方向，Wordcoin 正在探索使用 ZKML 让用户以无需许可的方式生成 IRIS 代码，当生成 IRIS 代码的算法升级后，用户可自行下载模型并生成证明，而无需去 Orb 站；另外，还有一个建立在 StarkNet 上的基于信誉的代币分发平台 Astraly，正在创建一个基于 AI 的信誉系统（在不信任地计算信誉评级之前使用聚类模型来识别用户/项目特征、徽章和历史行为）。4、AI+Blockchain：自我完善的区块链协议
通过透明的 AI 机器学习，DeFi 协议可以无需信任地自我优化，比如使用机器学习来调整稳定币的汇率/利率。通过使用多模式生物识别/身份验证，dApps 可以进行自我管理合规性/安全性。甚至 ZK Rollup 的 ZKP 生成过程，也许也创建一种专注于为机器学习构建的证明系统，从而构建出世界上最快的 zk-AI Prover，从而进一步大幅提高 ZK Rollup 的性能。当然，在 AI 和 Crypto 的融合之路上还有很多的挑战。比如，到目前为止还没有人完成将现有 AI 操作移植到这些自动生成证明的语言中的工作，虽然 Giza 正在致力于将预训练的 ONNX 模型移植到 Cario 以进行可验证的推理。
总结
AI 和 Crypto 的融合可能會為數位化帶來智能變革。 AI 的應用使得 Crypto 更加智慧化和高效化，而基於 Crypto 則能為 AI 演算法提供更多更真實、全面的數據和可信的運行環境。
儘管面臨很多挑戰，但我們可以期待 AI 和 Crypto 的更多深度融合，共同推動數位經濟的發展，為全人類共同創造更好的未來。
參考文件：
https://github.com/ethereum/EIPs/pull/7007/commits
https://www.leelavstheworld.xyz/
免責聲明：作為區塊鏈資訊平臺，本站所發佈文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。 本文內容僅用於資訊分享，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。
