DeFAI: Як ШІ може розкрити потенціал Децентралізованих фінансів?
Децентралізовані фінанси(DeFi) з моменту свого швидкого розширення з 2020 року залишаються основним стовпом криптоекосистеми. Незважаючи на те, що було створено багато інноваційних протоколів, це також призвело до збільшення складності та фрагментації, і навіть досвідченим користувачам важко орієнтуватися серед численних ланцюгів, активів і протоколів.
Одночасно, штучний інтелект (AI) розвивався від широкого основного наративу 2023 року до більш професійного, орієнтованого на агентів фокусу 2024 року. Ця зміна спричинила появу DeFi AI (DeFAI) — нової перспективної сфери, в якій ШІ 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 і смарт-контрактів. Рівень даних та обчислювальний рівень надають інфраструктуру, необхідну для навчання AI-моделей, які базуються на історичних даних про ціни, ринкових настроях та аналізі на ланцюзі. Рівень конфіденційності та верифікації забезпечує безпеку чутливих фінансових даних під час збереження бездостовірного виконання. Нарешті, фреймворк агентів дозволяє розробникам створювати спеціалізовані AI-драйвові додатки, такі як автономні торгові роботи, оцінювачі кредитних ризиків та оптимізатори управління на ланцюзі.
З розширенням екосистеми DeFAI найяскравіші проекти можна розділити на три основні категорії:
1. Абстрактний рівень
Ці протоколи виконують роль дружнього інтерфейсу для користувачів DeFi, подібного до ChatGPT, дозволяючи 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 транзакціях.
Ці протоколи можуть виконувати деякі функції, які включають:
Обмін, крос-ланцюг, позика/виведення, крос-ланцюгове виконання угод
Гаманець для копіювання торгівлі або профіль у соціальних мережах
Автоматичне виконання торгівлі на основі відсотка від обсягу позиції, таких як фіксація прибутку/збитків.
Наприклад, немає необхідності вручну витягувати ETH з платформи кредитування, переносити його через ланцюг до Solana, обмінювати на SOL і надавати ліквідність на DEX — протокол абстрактного рівня може виконати операцію всього в один крок.
2. Автономний торговий агент
На відміну від традиційних торгових роботів, які дотримуються заданих правил, автономні торгові агенти можуть навчатися та адаптуватися до ринкових умов, а також коригувати свої стратегії на основі нової інформації. Ці агенти можуть:
Аналізувати дані для постійного вдосконалення стратегії
Прогнозуйте ринкові тенденції, щоб ухвалювати кращі рішення щодо довгих/коротких позицій
Виконання складних стратегій Децентралізовані фінанси так само, як базова торгівля
3. DApps на основі штучного інтелекту
Децентралізовані фінанси dApp надають можливості для кредитування, обміну, отримання прибутку від farming та інше. Штучний інтелект та AI-агенти можуть покращити ці послуги наступними способами:
Оптимізація постачання ліквідності шляхом перерозподілу позицій LP для досягнення 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 покладаються на реальні потоки даних для досягнення оптимального виконання угод. Погана якість даних може призвести до неефективності маршрутів, зриву угод або угод без прибутку.
Моделі штучного інтелекту залежать від історичних даних, але ринок криптовалют має високу волатильність. Агенти повинні проходити навчання на різноманітних, високоякісних наборах даних, щоб підтримувати ефективність.
Потрібно всебічно розуміти кореляцію активів, зміни ліквідності та ринкові настрої, щоб зрозуміти загальний стан ринку.
Протоколи на основі цих категорій користуються популярністю на ринку. Однак, щоб запропонувати кращі продукти та досягти найкращих результатів, їм слід розглянути можливість інтеграції різноманітних наборів даних різної якості, щоб підняти свої продукти на новий рівень.
Рівень даних — забезпечення потужності для DeFAI смарт-контрактів
Якість AI залежить від даних, на яких він базується. Щоб AI-агенти ефективно працювали в DeFAI, їм потрібні дані в реальному часі, структуровані та перевірені. Наприклад, абстрактний рівень повинен отримувати доступ до даних на блокчейні через RPC та API соціальних мереж, а агенти оптимізації торгівлі та прибутків потребують даних для подальшого вдосконалення своїх торгових стратегій та перерозподілу ресурсів.
Високоякісні набори даних дозволяють агентам краще прогнозувати майбутню цінову поведінку, надаючи рекомендації щодо торгівлі, щоб відповідати їхнім уподобанням щодо довгих або коротких позицій у певних активах.
Найбільш обговорювана блокчейн-агент AI
Окрім побудови шару даних для ШІ та агентів, певний блокчейн також позиціонує себе як блокчейн для створення повного стеку для майбутнього DeFAI. Нещодавно вони розгорнули термінал, який є co-pilot для DeFAI, що використовується для виконання ончейн-транзакцій за підказками користувачів, який незабаром буде відкрито для стейкерів токенів.
Крім того, ця блокчейн-технологія підтримує багато команд, що базуються на ШІ та агентів. Вони доклали значних зусиль для інтеграції кількох протоколів у свою екосистему, і з розвитком та виконанням більшої кількості агентів ця блокчейн-технологія швидко розвивається.
Ці заходи реалізуються під час оновлення їхньої мережі за допомогою ШІ, найпомітнішим є оснащення їхньої блокчейн-системи AI-сортувальником. Використовуючи моделювання та аналіз AI перед виконанням транзакцій, можна запобігти та перевірити ризиковані транзакції перед обробкою, щоб забезпечити безпеку в мережі. Як L2 певного суперланцюга, цей блокчейн знаходиться в проміжному положенні, з'єднуючи людей та агентів з найкращою екосистемою Децентралізованих фінансів.
Наступний крок DeFAI
Наразі більшість AI-агентів у Децентралізованих фінансах стикаються з серйозними обмеженнями в досягненні повної автономії. Наприклад:
Абстрактний рівень перетворює наміри користувача в виконання, але зазвичай не має прогностичних здібностей.
AI-агенти можуть генерувати альфу шляхом аналізу, але їм не вистачає незалежного виконання угод.
Додатки на основі штучного інтелекту можуть обробляти страхові сховища або транзакції, але належать до пасивних, а не активних.
Наступний етап DeFAI, ймовірно, зосередиться на інтеграції корисного шару даних для розробки найкращої платформи або агента. Це вимагатиме глибоких ончейн-даних про активність великих гравців, зміни ліквідності тощо, одночасно генеруючи корисні синтетичні дані для кращого прогнозного аналізу, і поєднуючи їх з аналізом емоцій з загального ринку, незалежно від конкретних категорій (, таких як токенові коливання AI-агентів, DeSci та інші ), або коливання токенів в соціальних мережах.
Кінцевою метою є те, щоб AI-агенти могли безшовно генерувати та виконувати торгові стратегії з єдиного інтерфейсу. З розвитком цих систем, ймовірно, ми побачимо, як у майбутньому трейдери DeFi покладатимуться на AI-агентів для автономної оцінки, прогнозування та виконання фінансових стратегій з мінімальним людським втручанням.
Останні роздуми
З огляду на значне зниження вартості токенів і фреймворків AI-агентів, деякі можуть вважати, що DeFAI — це лише мить. Однак DeFAI все ще перебуває на ранній стадії, і потенціал AI-агентів для покращення доступності та продуктивності Децентралізованих фінансів є незаперечним.
Ключем до розкриття цього потенціалу є отримання високоякісних даних у реальному часі, що покращить прогнози та виконання торгівлі на основі ШІ. Все більше протоколів інтегрують різні рівні даних, а протоколи даних створюють плагіни для структури, що підкреслює важливість даних для рішень агентів.
Озираючись у майбутнє, перевірка та конфіденційність стануть ключовими викликами, які повинні бути вирішені протоколами. Наразі більшість операцій AI-агентів залишаються чорними ящиками, і користувачам доводиться довіряти їм свої кошти. Отже, розвиток перевірених AI-рішень допоможе забезпечити прозорість та відповідальність процесів агентів. Інтеграція протоколів на основі TEE, FHE або навіть нульових знань може посилити перевірку поведінки AI-агентів, що, в свою чергу, дозволить встановити довіру до автономності.
Тільки успішне поєднання високоякісних даних, надійних моделей та прозорих процесів ухвалення рішень дозволить DeFAI агентам 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.
18 лайків
Нагородити
18
5
Репост
Поділіться
Прокоментувати
0/400
HypotheticalLiquidator
· 08-08 15:27
Не шукайте мене, якщо поріг ризику впав.
Переглянути оригіналвідповісти на0
MeltdownSurvivalist
· 08-07 04:38
Це все? ai може ще допомогти тобі купувати просадку?
DeFAI: Як ШІ сприяє інноваціям та підвищенню ефективності в Децентралізованих фінансах
DeFAI: Як ШІ може розкрити потенціал Децентралізованих фінансів?
Децентралізовані фінанси(DeFi) з моменту свого швидкого розширення з 2020 року залишаються основним стовпом криптоекосистеми. Незважаючи на те, що було створено багато інноваційних протоколів, це також призвело до збільшення складності та фрагментації, і навіть досвідченим користувачам важко орієнтуватися серед численних ланцюгів, активів і протоколів.
Одночасно, штучний інтелект (AI) розвивався від широкого основного наративу 2023 року до більш професійного, орієнтованого на агентів фокусу 2024 року. Ця зміна спричинила появу DeFi AI (DeFAI) — нової перспективної сфери, в якій ШІ 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 і смарт-контрактів. Рівень даних та обчислювальний рівень надають інфраструктуру, необхідну для навчання AI-моделей, які базуються на історичних даних про ціни, ринкових настроях та аналізі на ланцюзі. Рівень конфіденційності та верифікації забезпечує безпеку чутливих фінансових даних під час збереження бездостовірного виконання. Нарешті, фреймворк агентів дозволяє розробникам створювати спеціалізовані AI-драйвові додатки, такі як автономні торгові роботи, оцінювачі кредитних ризиків та оптимізатори управління на ланцюзі.
З розширенням екосистеми DeFAI найяскравіші проекти можна розділити на три основні категорії:
1. Абстрактний рівень
Ці протоколи виконують роль дружнього інтерфейсу для користувачів DeFi, подібного до ChatGPT, дозволяючи 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 транзакціях.
Ці протоколи можуть виконувати деякі функції, які включають:
Наприклад, немає необхідності вручну витягувати ETH з платформи кредитування, переносити його через ланцюг до Solana, обмінювати на SOL і надавати ліквідність на DEX — протокол абстрактного рівня може виконати операцію всього в один крок.
2. Автономний торговий агент
На відміну від традиційних торгових роботів, які дотримуються заданих правил, автономні торгові агенти можуть навчатися та адаптуватися до ринкових умов, а також коригувати свої стратегії на основі нової інформації. Ці агенти можуть:
3. DApps на основі штучного інтелекту
Децентралізовані фінанси dApp надають можливості для кредитування, обміну, отримання прибутку від farming та інше. Штучний інтелект та AI-агенти можуть покращити ці послуги наступними способами:
Основні виклики
Топові протоколи, побудовані на цих рівнях, стикаються з деякими викликами:
Ці протоколи покладаються на реальні потоки даних для досягнення оптимального виконання угод. Погана якість даних може призвести до неефективності маршрутів, зриву угод або угод без прибутку.
Моделі штучного інтелекту залежать від історичних даних, але ринок криптовалют має високу волатильність. Агенти повинні проходити навчання на різноманітних, високоякісних наборах даних, щоб підтримувати ефективність.
Потрібно всебічно розуміти кореляцію активів, зміни ліквідності та ринкові настрої, щоб зрозуміти загальний стан ринку.
Протоколи на основі цих категорій користуються популярністю на ринку. Однак, щоб запропонувати кращі продукти та досягти найкращих результатів, їм слід розглянути можливість інтеграції різноманітних наборів даних різної якості, щоб підняти свої продукти на новий рівень.
Рівень даних — забезпечення потужності для DeFAI смарт-контрактів
Якість AI залежить від даних, на яких він базується. Щоб AI-агенти ефективно працювали в DeFAI, їм потрібні дані в реальному часі, структуровані та перевірені. Наприклад, абстрактний рівень повинен отримувати доступ до даних на блокчейні через RPC та API соціальних мереж, а агенти оптимізації торгівлі та прибутків потребують даних для подальшого вдосконалення своїх торгових стратегій та перерозподілу ресурсів.
Високоякісні набори даних дозволяють агентам краще прогнозувати майбутню цінову поведінку, надаючи рекомендації щодо торгівлі, щоб відповідати їхнім уподобанням щодо довгих або коротких позицій у певних активах.
Найбільш обговорювана блокчейн-агент AI
Окрім побудови шару даних для ШІ та агентів, певний блокчейн також позиціонує себе як блокчейн для створення повного стеку для майбутнього DeFAI. Нещодавно вони розгорнули термінал, який є co-pilot для DeFAI, що використовується для виконання ончейн-транзакцій за підказками користувачів, який незабаром буде відкрито для стейкерів токенів.
Крім того, ця блокчейн-технологія підтримує багато команд, що базуються на ШІ та агентів. Вони доклали значних зусиль для інтеграції кількох протоколів у свою екосистему, і з розвитком та виконанням більшої кількості агентів ця блокчейн-технологія швидко розвивається.
Ці заходи реалізуються під час оновлення їхньої мережі за допомогою ШІ, найпомітнішим є оснащення їхньої блокчейн-системи AI-сортувальником. Використовуючи моделювання та аналіз AI перед виконанням транзакцій, можна запобігти та перевірити ризиковані транзакції перед обробкою, щоб забезпечити безпеку в мережі. Як L2 певного суперланцюга, цей блокчейн знаходиться в проміжному положенні, з'єднуючи людей та агентів з найкращою екосистемою Децентралізованих фінансів.
Наступний крок DeFAI
Наразі більшість AI-агентів у Децентралізованих фінансах стикаються з серйозними обмеженнями в досягненні повної автономії. Наприклад:
Абстрактний рівень перетворює наміри користувача в виконання, але зазвичай не має прогностичних здібностей.
AI-агенти можуть генерувати альфу шляхом аналізу, але їм не вистачає незалежного виконання угод.
Додатки на основі штучного інтелекту можуть обробляти страхові сховища або транзакції, але належать до пасивних, а не активних.
Наступний етап DeFAI, ймовірно, зосередиться на інтеграції корисного шару даних для розробки найкращої платформи або агента. Це вимагатиме глибоких ончейн-даних про активність великих гравців, зміни ліквідності тощо, одночасно генеруючи корисні синтетичні дані для кращого прогнозного аналізу, і поєднуючи їх з аналізом емоцій з загального ринку, незалежно від конкретних категорій (, таких як токенові коливання AI-агентів, DeSci та інші ), або коливання токенів в соціальних мережах.
Кінцевою метою є те, щоб AI-агенти могли безшовно генерувати та виконувати торгові стратегії з єдиного інтерфейсу. З розвитком цих систем, ймовірно, ми побачимо, як у майбутньому трейдери DeFi покладатимуться на AI-агентів для автономної оцінки, прогнозування та виконання фінансових стратегій з мінімальним людським втручанням.
Останні роздуми
З огляду на значне зниження вартості токенів і фреймворків AI-агентів, деякі можуть вважати, що DeFAI — це лише мить. Однак DeFAI все ще перебуває на ранній стадії, і потенціал AI-агентів для покращення доступності та продуктивності Децентралізованих фінансів є незаперечним.
Ключем до розкриття цього потенціалу є отримання високоякісних даних у реальному часі, що покращить прогнози та виконання торгівлі на основі ШІ. Все більше протоколів інтегрують різні рівні даних, а протоколи даних створюють плагіни для структури, що підкреслює важливість даних для рішень агентів.
Озираючись у майбутнє, перевірка та конфіденційність стануть ключовими викликами, які повинні бути вирішені протоколами. Наразі більшість операцій AI-агентів залишаються чорними ящиками, і користувачам доводиться довіряти їм свої кошти. Отже, розвиток перевірених AI-рішень допоможе забезпечити прозорість та відповідальність процесів агентів. Інтеграція протоколів на основі TEE, FHE або навіть нульових знань може посилити перевірку поведінки AI-агентів, що, в свою чергу, дозволить встановити довіру до автономності.
Тільки успішне поєднання високоякісних даних, надійних моделей та прозорих процесів ухвалення рішень дозволить DeFAI агентам отримати широке застосування.
![Децентралізовані фінанси AI: Як AI звільняє потенціал DeFi?](https://img-cdn.gateio.im/webp-social/moments-56a89e79609d8f982d5d31dadfad9205.webp01