区块链:人工智能可以为加密市场带来什么？

作者：

时间：1900/1/1 0:00:00

来源：CoinDesk

编译：Dali/img/2023525222027/0.jpg" />

仔细想想，微软最终可能凭借人工智能终结谷歌在搜索引擎领域的霸主地位。OpenAI预测，ChatGPT将在2023年实现2亿美元的创收，而到2024年底这一数值将达10亿美元。到2030年，人工智能很有可能成为创收和市值最高的行业。

信实集团的Jio平台向人工智能初创公司Glance投资2亿美元:金色财经报道，印度亿万富翁穆克什安巴尼的Jio Platforms（信实集团下属部门），已经向跨国科技公司InMobi的移动内容创业公司Glance投资了2亿美元。Glance得到了谷歌和PayPal联合创始人彼得-泰尔的硅谷风险基金Mithril Capital等的支持，它使用一种算法向智能手机锁屏提供个性化的新闻、娱乐内容、游戏和实时视频。这家初创企业在2020年12月获得了独角兽地位，现在的估值达18亿美元。（forbes）[2022/2/15 9:53:11]

未来，人工智能将无处不在并取代许多人类工作。在此背景之下，考虑如何使用这种强大的计算形式来使加密行业的机遇最大化是很有趣的。AI可以提高加密效率，区块链技术反过来也可以帮助解决机器学习特有的问题。

由于加密市场出现黑天鹅事件（具有潜在严重后果的不可预测的事件）的频率越来越高，传统的评估交易头寸风险的方法已经过时。在加密领域，分析师需要评估与跨协议的流动性变动有关的风险，鉴于需要分析的数据量很大，这几乎是人工不可能完成的。

声音 | 中科院自动化研究所袁勇：区块链与人工智能相辅相成:5月15日，WIC全球区块链科技创新峰会在天津蓟州举办，中科院自动化研究所副研究员、青年科学家奖获得者袁勇在分享中表示，区块链与人工智能相辅相成，区块链为人工智能奠定了可信、可靠、可用和高效的数据基础，将大数据提炼为“真”数据，区块链和人工智能的结合能够带来分布式智能生态系统，激发社会智能，构成智慧社会的核心基础设施。[2019/5/15]

人工智能可以再一次扩展人类的决策范围。结合其他一些常用的方法，人工智能可以监控所有协议中链上头寸的健康状况，并通过易于解读的信号针对潜在的风险进行提示。

此外，因为加密行业的协议越来越多，这使得分析工作变得愈加复杂，而人工智能可以给人类分析师提供了大量的帮助以减轻工作的难度。

在Celsius和FTX事件之后，加密行业急需制定相关方法以监测可能导致类似情况的事件和因素。为此，加密分析师和数据科学家探索了一系列方法，如代表性的基于钱包和实体的alerting signals，以及基于AI的资本流动汇总。

动态 | 中国工业报刊文：重视区块链、物联网、大数据、人工智能第四次工业革命:昨日，中国工业报刊文指出，人工智能（AI），区块链和物联网（IoT）以及大数据，未来的“四大”技术已经脱颖而出。区块链建设者和实施者可能是时候停止担心使用单一区块链破坏当前和过去的部门，而是考虑如何使用区块链与物联网、大数据、人工智能等联盟，建立第四次工业革命。[2018/12/19]

此外，AI技术还可以用于识别链上恶意操作。

情绪分析是一种技术，其中自然语言处理（NLP）能够分析文本并赋予其意义，从而帮助人类了解他们对某一特定资产类别是否存在积极或消极情绪。

传统金融领域通常根据新闻报道来分析金融市场情绪。但这在加密行业是行不通的，如果投资者等新闻出来再去投资，时机就已经晚了。这或许可以解释“谣言时买入,新闻时卖出”（buy the rumor, sell the news）这句谚语的含义，即任何一个新的市场趋势都是需要提前预期的。

动态 | 王欣成立的人工智能和区块链公司“云歌智能”获3000万美元融资:据亿邦动力网获悉，王欣成立的人工智能和区块链公司云歌智能融资3000万美元。本轮融资资本方分别为贝塔斯曼亚洲投资基金、IDG资本。[2018/9/5]

众所周知，加密市场因其变幻莫测而充满吸引力。加密市场不可预测的走势是推动其发展的重要动力。因此，有必要进一步开发人工智能和数据框架，以推动价格预测研究和应用。

人工智能和数据框架需要具备这些功能：能够从各种渠道收集情绪数据（无论它们是否与加密相关），并且通过一个AI分析框架来整合情感分析研究的最新发展。此外，它还要能够区分真人和机器人、真实对话和精心编排的对话。

除了这些，这些AI将能够检测社交媒体上所谓的认知扭曲，例如夸大负面事件的影响、认为自己可以预测未来、觉得自己掌握读心术。

几十年来，人工智能一直通过预测市场动态来助力传统金融的发展。以往，这是通过情绪分析实现的。但在加密货币领域，我们可以根据主要币种或币种类别之间的统计相关性来完成市场走势的预测。例如，在拥有多种代币的去中心化交易所Curve和以人工智能为重点的SingularityNET等本地化生态系统中，我们能够看到滞后和相关联的交易模式出现。

由于用来保护和挖掘去中心化网络的硬件技术快速发展（即基于GPU的计算的兴起），就理解价格波动而言，大规模使用深度学习模型变得越来越有必要。扩展传统金融所使用的机器学习和深度学习方法来预测价格波动或识别市场机制（即我们是否处于熊市或牛市），会是人工智能在加密领域的关键用例。

另外还有强化学习的应用，这是一种人工智能技术，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。不同于监督学习和非监督学习，强化学习不要求预先给定任何数据，而是通过接收环境对动作的奖励（反馈）获得学习信息并更新模型参数。强化学习可以应用于预测资产交易时的滑点（滑点是指成交价与下单时的预期价不同）和价格冲击。