Всі говорять про штучний інтелект в DeFi - адаптивні системи, нові стратегії та великі ідеї, що змінюють простір. Хочете бути частиною цього тренду або тільки спостерігати за цим? Натисніть, щоб зануритися!

Вступ

Штучний інтелект перетворює додатки DeFi прямо перед нашими очима, обіцяючи досягнення в угодах, управлінні, безпеці та персоналізації користувачів. У цій статті досліджується, як штучний інтелект переосмислює взаємодії користувачів з протоколами в DeFi шляхом інтеграції інтелектуальних систем, залишаючись вірними децентралізованим цінностям крипто.

Перетин штучного інтелекту та технологій блокчейну встановлює нові стандарти у всіх галузях, з DeFi на передньому краї. Шляхом поєднання аналітичних здібностей штучного інтелекту з прозорістю блокчейну виникають рішення для давніх проблем у криптосистемі. Це включає підвищення безпеки, поліпшення користувацького досвіду та адаптивні моделі управління.

Платформи на основі штучного інтелекту використовують автоматизацію та інтелект для створення адаптивних систем, які оптимізують продуктивність. Як припускає Віталік Бутерін, «агенти штучного інтелекту можуть стати активними учасниками децентралізованих систем», автономно керуючи транзакціями, вдосконалюючи торгові стратегії та захищаючи конфіденційність. Впровадження штучного інтелекту в прикладний рівень DeFi відкриває двері до більш ефективної та орієнтованої на користувача фінансової системи.

Нижче ми розглянемо, як штучний інтелект може трансформувати DeFi, зосереджуючись на аспектах торгівлі, управління, безпеки та персоналізації.

Розуміння AI Агентів в DeFi

AI агенти - це автономні програмні сутності, призначені для виконання конкретних завдань у децентралізованих екосистемах.

У відміну від традиційних ботів, штучні інтелектуальні агенти активно співпрацюють з мережами блокчейну, смарт-контрактами та обліковими записами користувачів, часто працюючи незалежно для вирішення складних завдань, таких як торгівля, управління активами та аналіз даних протоколу. Багато з цих агентів використовують великі мовні моделі (LLM), що дозволяє їм робити виклики API, взаємодіяти безпосередньо з блокчейн середовищами та обробляти величезні обсяги інформації без нагляду людини.

У DeFi, AI-агенти можуть фундаментально перетворити взаємодії користувачів і протоколів, діючи як автономні посередники, приймачі рішень і обробники даних у фінансових додатках, все це без постійної людської участі.

Боти проти AI Агентів: Які різниці?

У той час як боти є простими програмами, агенти штучного інтелекту функціонують більше як економічні агенти. Боти дотримуються певного програмування, але агенти штучного інтелекту — часто без коду або з низьким кодом — не вимагають особливого налаштування і можуть орієнтуватися в невизначеному та динамічному середовищі. Ця гнучкість дозволяє їм адаптуватися непередбачуваними, але цілеспрямованими способами, що робить їх більш пристосованими до реальних викликів DeFi. Це також означає, що їхня конкурентна перевага часто полягає в унікальних налаштуваннях і конфігураціях, оскільки багато передових моделей штучного інтелекту є загальнодоступними. Тонко налаштувавши ці конфігурації, агенти штучного інтелекту можуть досягти спеціалізованої продуктивності, навіть при використанні широко доступних моделей.

Можливості та автономність

Штучні інтелектуальні агенти в галузі DeFi можуть автономно:

• Взаємодія з протоколами: Вони можуть керувати транзакціями на ланцюжку, оптимізувати торговельні позиції та виконувати багатоетапні фінансові операції на основі програмованих цілей.
• Приймайте рішення: за допомогою напівавтономних фреймворків агенти можуть аналізувати дані в реальному часі, оцінювати ринкові умови та відповідно коригувати свої дії.
• Виконання складних завдань: Залежно від типу автоматизації, агенти можуть виконувати все: від простих робочих процесів на основі правил до складного автономного прийняття рішень.

Три типи автоматизації наразі визначають роль штучних інтелектуальних агентів:

1. Автоматичні робочі процеси: це прості, правило-засновані системи (наприклад, боти Telegram), які слідують заздалегідь визначеному набору інструкцій. Вони обмежені у гнучкості, але ефективні для рутинних завдань.
2. Робочі процеси агентів: у цих багатоагентних фреймворках кілька штучних інтелектуальних агентів співпрацюють для вирішення складних задач. Вони мають ступінь автономності, що дозволяє напівавтоматизовані операції, такі як взаємодія з кількома DeFi протоколами для максимізації доходу або перебалансування портфеля.
3. Автономні агенти: Повністю незалежні агенти здатні приймати рішення на високому рівні, працюючи з мінімальним зовнішнім впливом. Вони можуть аналізувати умови та вносити корективи в стратегії в реальному часі.

Як насправді працюють AI-агенти?

AI агенти працюють, спрощуючи та автоматизуючи складні завдання. Більшість автономних агентів дотримуються певної робочої процедури при виконанні призначених завдань.

Основні механізми

Збір даних

Для ефективної роботи AI-агенти покладаються на високочастотні потоки даних з різних джерел, щоб отримати розуміння їхнього операційного середовища. Зазвичай їх вхідні дані включають різні джерела даних, такі як:

• Дані в ланцюжку: пряма взаємодія з реєстрами блокчейну для отримання історії транзакцій, станів протоколу та ринкових умов у реальному часі. Це передбачає інтеграцію з такими інструментами, як індексери та оракули.
• Off-Chain Market Feeds: Агреговані курсові стрічки, торгові обсяги та аналіз настроїв з бірж та соціальних платформ через API.

Також користувачі можуть надавати передвстановлені конфігурації, такі як рівні толерантності до ризику або пороги торгівлі, що додає персоналізований шар інформації для агентів.

Модельні висновки

Інференція моделі штучного інтелекту означає процес, в якому навчена модель застосовує свої знання до нових даних для прогнозування або прийняття рішень. Агенти зазвичай працюють з одним з таких типів моделей:

• Моделі, засновані на правилах: Простіші агенти, які спираються на попередньо визначену логіку, наприклад, «якщо ціна токену >$X, потім продавати.
• Наглядові моделі машинного навчання: Моделі, навчені на історичних наборах даних, передбачають результати, такі як напрямок ціни або оцінки ризику для пропозицій управління.
• Навчання з підкріпленням: Просунуті агенти з часом адаптують стратегії, оптимізуючись для кумулятивних винагород, таких як максимізація прибутковості в пулах ліквідності.
• Natural Language Processing (NLP): Для агентів управління та настроїв NLP-моделі аналізують форуми обговорень, пропозиції та активність у соціальних медіа для визначення змін настрою.

Прийняття рішень

Прийняття рішень – це фаза, на якій агенти інтегрують вхідні дані з моделями висновків для створення дієвих стратегій, перетворюючи аналітичні ідеї на автономні дії, які адаптуються до мінливого середовища. На цьому етапі реалізується здатність агента штучного інтелекту інтерпретувати та реагувати на складні ринкові сигнали, що дозволяє йому швидко виконувати рішення.

Оптимізаційні двигуни дозволяють агентам розрахувати оптимальний шлях дій, збалансувавши кілька факторів, таких як очікувані прибутки, ризики та витрати на виконання.

Агенти також використовують алгоритми самообучення, що дозволяє їм перекалібрувати стратегії залежно від еволюції ринкових умов. Під час процесу прийняття рішень деякі завдання можуть бути занадто складними для оптимального вирішення одним агентом. Тому багато агентів працюють в системах з багатьма агентами (MAS), координуючи завдання по різних протоколах DeFi для оптимізації розподілу ресурсів (наприклад, збалансування ліквідності в різних пулах).

Автоматизація та виконання

Ці агенти особливі не лише через переваги, які забезпечує технологія штучного інтелекту, але й через їх автономну роботу, яка включає виконання розумних контрактів і безпосередню взаємодію з контрактами на рівні протоколу для виконання; багатокрокові транзакції, які дозволяють згортати кілька кроків в атомарні транзакції з умовою виконання або невиконання всіх кроків; та обробку помилок, з вбудованими механізмами резервного варіанту для управління невдалими транзакціями.

Хостинг та експлуатація

Нижче ми маємо більше інформації про те, як можуть працювати агенти штучного інтелекту:

Моделі штучного інтелекту поза ланцюжком

AI агенти виконують обчислювально важкі завдання, використовуючи ресурси поза ланцюжком. Ці завдання часто базуються на хмарних інфраструктурах, таких як AWS, Google Cloud або Azure, для масштабованої обчислювальної потужності. Агенти можуть використовувати децентралізовані платформи інфраструктури, такі як Akash Network для обчислювальних послуг або використовувати IPFS і Arweave для зберігання даних.

Для додатків, які чутливі до затримок, таких як торгівля високої частоти, агенти можуть використовувати розподілене обчислення для зменшення затримок за допомогою обробки даних ближче до їх джерела. Це гарантує швидші часи відповіді, критичні для завдань, які потребують вчасності.

Взаємодія в ланцюжку та поза ланцюжком

Агенти штучного інтелекту взаємодіють між офчейн-системами та он-чейн. У той час як інтенсивні обчислювальні процеси та складні міркування відбуваються поза мережею, агенти взаємодіють з ончейн-протоколами, щоб реєструвати дії, виконувати функції смарт-контрактів та автономно керувати активами. Вони покладаються на безпечні конфігурації, такі як гаманці смарт-контрактів і налаштування мультипідпису.

Для децентралізованого управління агенти залежать від протоколів з мінімальним довір'ям, які запобігають будь-якій окремій сутності перевищувати їх дії, забезпечуючи прозорість та децентралізацію.

Зовнішні взаємодії доповнюють активності на ланцюжку, часто здійснюються за допомогою зовнішніх платформ, таких як Twitter або Discord, де агенти можуть працювати з використанням API для спілкування з користувачами або іншими агентами в реальному часі.

Сумісність

Інтероперабельність є ключовою для того, щоб агенти працювали в різних системах та протоколах. Багато агентів виступають посередниками, використовуючи мости API для отримання зовнішніх даних або виклику конкретних функцій. Синхронізація в реальному часі досягається за допомогою механізмів, таких як вебхуки або децентралізовані протоколи обміну повідомленнями, наприклад Whisper або IPFS PubSub, що дозволяє агентам залишатися оновленими з останніми станами та діями протоколу.

Огляд: ai16z, інвестиційний DAO зі штучним інтелектом

ai16z — це інвестиційна DAO на основі штучного інтелекту, яка нещодавно була запущена і вже привернула значну увагу завдяки інноваційному використанню агентів у криптовалюті. Протокол функціонує як «Віртуальний ринок довіри», використовуючи агентів штучного інтелекту для збору ринкової інформації, аналізу консенсусу спільноти та здійснення торгівлі токенами як у мережі, так і поза мережею. Вивчаючи інвестиційну інформацію учасників і винагороджуючи тих, хто робить свій внесок, ai16z створив оптимізований інвестиційний фонд (наразі зосереджений на мемкоїнах) із сильними функціями децентралізації.

Розгортання агентів

Розробники створюють агентів за допомогою фреймворку Eliza від ai16z, який надає інструменти та бібліотеки для створення, тестування та розгортання агентів. Агенти можуть бути розміщені локально на сервері або в Agentverse, централізованому хабі ai16z для агентів. Для забезпечення спілкування між агентами вони повинні бути зареєстровані через Almanac і можуть використовувати Mailbox для полегшення взаємодії, навіть якщо розміщені локально.

Їхній репозиторій на Github відкритий, ви можете перевірити його тутhttps://github.com/ai16z.

Хостинг моделей штучного інтелекту

Мережа ai16z не безпосередньо господарює моделями AI. Замість цього агенти отримують доступ до зовнішніх AI-сервісів через запити API. Наприклад, фреймворк Eliza може інтегруватися з послугами, такими як OpenAI, для інтерпретації тексту, зрозумілого для людини, або виконання інших завдань, що працюють на основі штучного інтелекту. Цей підхід дозволяє агентам використовувати передові можливості штучного інтелекту без необхідності господарювання складних моделей на ланцюжку.

Інтеграція та експлуатація

Агенти в екосистемі ai16z взаємодіють за допомогою комбінації механізмів on-chain та off-chain:

• On-Chain Interactions: Агенти виконують транзакції та смарт-контракти на ланцюгу Solana.
• Off-Chain Взаємодії: Агенти спілкуються з зовнішніми службами штучного інтелекту або джерелами даних через API при роботі з обчислювально інтенсивними завданнями.

Застосунки

Проекти ai16z, такі як розмовний агент Eliza, застосовуються в різних галузях:

• Розмовні агенти: Розробка ботів для платформ, таких як Twitter та Discord, щоб забезпечити автоматизовану взаємодію.
• Agent Memory: Створення простих у використанні систем пам'яті для агентів, що працюють на базі даних ChromaDB і Postgres.
• Управління діями агента: розробка інструментів для ланцюжкового виконання дій та управління історією в агентах.

Агенти, що взаємодіють з Агентами

Штучний інтелект вже впливає на DeFi, займаючись складними завданнями самостійно. Один чудовий приклад - це $LUMбув створений токен — повністю без допомоги людей — що демонструє силу співпраці на основі штучного інтелекту.

8 листопада 2024 року два AI агенти, @aethernet та @clanker, утворили команду для створення та запуску токена $LUM («Світлий»):

• @aethernet: Зроблено @martin, цей агент працює в мережі Farcaster, щоб обмінюватися ідеями та будувати зв'язки. Це більше, ніж просто бот - він активно співпрацює з $HIGHERтокен-спільнота, яка акцентується на творчості та значущих взаємодіях.
• @clanker: Створено @dish і @proxystudio.eth, цей агент спеціалізується на запуску мем-токенів. Він автоматизує весь процес, відповідаючи безпосередньо на те, що користувачі просять його зробити.

Історія почалася, коли @nathansvanзапитав @aethernetпридумати назву, ідею та символ для токена, а потім відправити @clankerрозгорнути. @aethernet запропонував назву «Luminous» ($LUM), щоб представити геніальність людей та штучного інтелекту, які працюють разом. Після цього @clankerвзяв на себе і впровадивши токен, завершивши завдання без будь-якого людського втручання.

@itsmechasebдетально про це написавтут.

AI Agent x DeFi Пейзаж

Штучні інтелектуальні агенти готові зайняти важливу роль у стеку DeFi, працюючи на рівні додатків для автоматизації складних завдань, що базуються на даних.

Розташовані вище протокольного рівня, ці агенти взаємодіють безпосередньо з розумними контрактами, розблоковуючи розширені функціональні можливості для користувачів та протоколів. Забезпечуючи можливість адаптації додатків DeFi в реальному часі, підтримуючи новий клас автономних, багатоагентних екосистем.

Розширення поза DeFi: AI агенти у дико природі

Вплив штучних інтелектуальних агентів поширюється поза DeFi. Truth Terminal https://x.com/truth_terminal, напівавтономна велика модель мови (LLM), створена @AndyAyrey, демонструє цю універсальність. Фінансується Марком Андріессеном, співзасновником A16z, Truth Terminal публікує твіти та взаємодіє з користувачами на X.

Нещодавно вона запустила мем-монету на основі Solana, $GOAT (Goatseus Maximus), який досяг ринкової капіталізації в $1,2 мільйона менше ніж за місяць. Зростання мем-монет, таких як $GOATі $TURBO (концептуалізований ChatGPT) підкреслює появляються перехрестя штучного інтелекту та криптовалюти поза традиційної фінансової сфери.

Але є більше. Ми прийшли до висновку, що потрібно розкрити повний спектр будівельників у цьому просторі. Комплексний огляд AI-агентів, які перетворюють DeFi: від автоматизованої торгівлі та управління активами до передбачуваного аналізу та покращення безпеки. Нижче наведено огляд різноманітних способів, якими ці агенти активно розвивають DeFi.

Торгові агенти

Ці протоколи втілюють автоматизоване, даними підтримане прийняття рішень для торгівлі та управління активами, використовуючи штучний інтелект для надання сигналів торгівлі в режимі реального часу, оптимізації портфелів та оптимізації повторюваних завдань. Цей підхід забезпечує ефективність та стратегічну гнучкість на ринках DeFi.

Автоматизація торгівлі на основі штучного інтелекту дозволяє користувачам встановлювати угоди або ребалансувати портфелі залежно від ринкових умов, зводячи до мінімуму потребу в постійних ручних коригуваннях. Для більш глибокої стратегії деякі протоколи пропонують розширену аналітику, яка перетворює великі дані в корисну інформацію, підтримуючи обґрунтовані торгові рішення та більш точні прогнози ринку.

Для управління активами інструменти оптимізації портфелю динамічно коригують портфелі з метою максимізації прибутку або ефективного управління ризиком в різних ринкових умовах.

Це можна розділити на дві групи:

Переважно фокусується на торгівлі

• @askjmmy: Платформа для створення та розгортання автономних торговельних агентів у мережі багатостратегійного хедж-фонду.
• @composertrade: Інструменти для автоматизації алгоритмічної торгівлі.
• @DAINTrader: торгові стратегії на основі штучного інтелекту.
• @DeAgentAI: AI-покерові торгові рішення, спрямовані на DeFi.
• @FastlaneSol: оптимізує торгові стратегії на основі Solana.
• @IntentTrade: Пропонує свопи, лімітні ордери, DCA, аналіз контрактів, технічний аналіз та багато іншого.
• [@mindpalaceai](https://x.com/: Автоматизація торгівлі з штучним інтелектом.
• @SpectralLabs: Огляди торгівлі DeFi та автоматизація.
• @taoshiio: Децентралізована платформа штучного інтелекту та машинного навчання для торгівельних стратегій з використанням Bittensor.
• @tryparadigm: Використовуйте рої агентів для збору, структуризації та дії з даними.

Торгівля та управління активами

• @Agent_Fi: Спеціалізується на наданні штучних інтелектуальних агентів для DeFi-операцій, таких як торгівля, снайпінг та питання ліквідації.
• @AgentNetAi: Управління активами та інтелект DeFi.
• @AuroryAI: Автономні штучні інтелектуальні агенти для поліпшення торгівлі, управління активами та прийняття рішень.
• @Cortex_Protocol: Платформа на основі штучного інтелекту, яка спрощує взаємодію DeFi, автоматизуючи складні процеси, такі як мости, обмін та оптимізація прибутковості за допомогою інтелектуальних агентів.
• @Funl_ai: Інструменти автоматизованої торгівлі DeFi штучним інтелектом, що аналізують реальні ринкові умови, виконують автоматичні угоди та надають допомогу штучного інтелекту для розширеної ручної торгівлі.
• @NetworkNoya: стратегії штучного інтелекту, включаючи надання ліквідності, управління кредитами та оптимізацію позик.
• @SingularityDAO: Некастодіальний протокол управління активами, що пропонує динамічно скориговані кошики токенів, якими керує команда трейдерів за допомогою штучного інтелекту.
• @OLAS: Платформа для розгортання AI агентів, що підтримує багатоагентні системи для прогнозування, генерації контенту та фінансових послуг.
• @Raiba_AI: Екосистема чат-ботів з інтерактивними функціями персонажів, гейміфікованим чатом і майбутніми функціями ончейн-асистента.

Агенти прогнозів

Центральна мета цих Агентів Прогнозування - це прогнозування на основі даних та управління ризиками. Завдяки використанню штучного інтелекту, кожний протокол працює над удосконаленням прогнозів ринку, надаючи підтримку платформам DeFi з інформацією про очікувані рухи, коливання цін та загальні фінансові тенденції.

Крім прогнозування аналітики, ці агенти відіграють важливу роль у покращенні прийняття рішень. За допомогою своєчасних та відповідних висновків, користувачі та платформи DeFi можуть приймати проактивні та обґрунтовані рішення, оптимізувати стратегії та знижувати ризики.

Деякі Агенти Прогнозування, такі як ReflectionAI, інтегрують аналіз настрою, додавши шар, що захоплює настрій ринку. Цей підхід дозволяє користувачам враховувати зміни настрою - важливий фактор для прогнозування поведінки користувачів та передбачення динаміки ринку.

До відомих протоколів у цій категорії належать:

• @AIVX_ai: Прогнозні моделі для фінансових ринків.
• @GnosisAI: Платежі від агента до агента та прогностичні ринки, що працюють на базі штучного інтелекту, в межах Gnosis.
• @PredictionProphet: AI агент на Gnosis для прогнозування ринків.
• @prism_tec: Прогнози ринку DeFi, що працюють на базі штучного інтелекту, на платформі Solana.
• @zenoaiofficial: Криптовалютна торгова платформа з автономними агентами штучного інтелекту, які пропонують ідеї, стратегії та прогнози ринку.

Створення Агента

Об'єднуючою метою цього типу платформи є надання користувачам можливості створювати, налаштовувати та розгортати агентів штучного інтелекту з мінімальним досвідом кодування. Вони пропонують низку інструментів, від no-code рішень до спеціалізованих фреймворків, що охоплюють кожен етап створення та управління агентами в DeFi.

Ключові особливості включають доступність і налаштування, причому багато платформ надають no-code або low-code інтерфейси, які відкривають створення агентів для користувачів без просунутих технічних навичок. Для більш комплексного досвіду кілька платформ пропонують наскрізне управління життєвим циклом агентів, що охоплює створення, навчання, розгортання та монетизацію, щоб користувачі могли контролювати весь шлях своїх агентів у DeFi.

Додатково, певні протоколи, такі як OLAS і Flock, надають пріоритет співпраці та взаємодії, дозволяючи багатоагентну співпрацю та безшовну інтеграцію між різними екосистемами DeFi.

Платформи для створення агентів

Зосереджується на інструментах спеціально для створення, розгортання та налаштування AI-агентів у межах DeFi.

• @ChasmNetwork: Платформа для створення, розгортання та монетизації штучних інтелектуальних агентів.
• @CreatorBid: Маркетплейс, який дозволяє користувачам розгортати та токенізувати агентів штучного інтелекту, що спеціалізуються на агентах, призначених для творців контенту.
• @PondGNN: Pond: Платформа для створення, володіння та монетизації моделей штучного інтелекту в мережі.
• @xgurunetwork: Платформа для створення інтерактивних штучних інтелектуальних агентів.
• @myshell_ai: Платформа для створення, обміну та монетизації програм штучного інтелекту з відкритим вихідним кодом.
• @OLAS: Створення та взаємодія штучного інтелекту.
• @ReflectionAI__: Ринок для обміну та торгівлі моделями штучного інтелекту.
• @SwarmZeroAI: Платформа для створення та монетизації штучних інтелектуальних агентів.
• @TopHat_One: Відкритий ланцюжок для AI агентів.
• @virtuals_io: Інструменти створення агентів на основі штучного інтелекту. Деякі приклади агентів, створених за допомогою Virtuals, є @luna_virtuals,@aixbt_agent, та @sekoia_virtuals.
• @vvaifudotfun: Шлюз pump.funдля автономних AI агентів на Solana.

Інструменти навчання та оптимізації агента

Ці інструменти дозволяють проводити розширене навчання та налаштування агентів штучного інтелекту.

• @almanak_co: Інструменти для навчання агентів ШІ.
• @Agent_Layer: Інструменти та фреймворки для побудови власних агентів штучного інтелекту DeFi.
• @Nimble_Network: Надає можливість розробникам штучного інтелекту створювати та монетизувати штучних інтелектуальних агентів за допомогою універсальної платформи.
• @Build_Vertical: No-code платформа для налаштування моделей штучного інтелекту. Тренуйте, розгортайте та монетизуйте штучний інтелект.

Інфраструктура для штучного інтелекту в DeFi

Інфраструктурні протоколи є рушійною силою підтримки фундаментальних та операційних потреб АІ-агентів у децентралізованих середовищах. Ці системи надають доступ до обчислювальних ресурсів, відповідних даних та мереж обміну знаннями, що дозволяє АІ-агентам ефективно виконувати свої функції та операції в рамках DeFi.

Ключовим елементом цієї інфраструктури є децентралізоване управління та експлуатація. Операційні протоколи агентів встановлюють основу для розгортання та управління агентами, створюючи структуроване середовище, в якому агенти можуть працювати автономно. На додаток до можливостей управління, обчислювальні ресурси відіграють життєво важливу роль, забезпечуючи обчислювальну потужність, необхідну агентам штучного інтелекту для вирішення складних завдань, що вимагають великих обсягів даних, що має вирішальне значення в екосистемі DeFi, що швидко розвивається.

Не менш важливою є доступність даних, коли маркетплейси та мережі полегшують доступ до наборів даних, необхідних агентам для прийняття обґрунтованих рішень. Нарешті, платформи для обміну знаннями сприяють створенню середовища для співпраці, дозволяючи агентам постійно навчатися, адаптуватися та розвиватися, обмінюючись ідеями та даними.

Ця інфраструктура забезпечує спільну роботу того, що AI-агенти добре підготовлені для ефективної та розумної роботи в децентралізованій фінансовій сфері.

Протоколи роботи агента

Ці протоколи надають структуру для розгортання та управління децентралізованими штучними інтелектуальними агентами, виступаючи як основа для автономії агентів у DeFi.

• @Altera_AL: Інфраструктура для управління децентралізованими AI-агентами (спочатку геймінговими AI-агентами).
• @Fetch_ai: Децентралізована платформа для AI агентів.
• @HyperspaceAI: Забезпечує робочу інфраструктуру для AI-агентів у DeFi.
• @mor_org: Мережа, яка дозволяє персональним AI-агентам управляти задачами та взаємодіяти з криптовалютами.
• @OpenAgentsInc: Платформа автоматизації бізнесу для розгортання, налаштування та інтеграції агентів.
• @questflow: Забезпечує інфраструктуру для мультиагентних систем.
• @sebraai: Платформа без коду для створення та розгортання AI агентів.
• @ShinkaiProtocol: Платформа для управління даними та автоматизації AI-агентів.

Децентралізовані обчислювальні ресурси для агентів

Ці протоколи забезпечують необхідну обчислювальну потужність для роботи штучних інтелекту виконання операцій з великим обсягом даних, підтримку аналітики в реальному часі, прийняття рішень та виконання в екосистемі DeFi.

• @FormAI: Платформа, що забезпечує децентралізовану економіку, де користувачі можуть внести свої дані, обчислення та дослідження для навчання штучного інтелекту.
• @Gaianet_AI: Платформа для створення та монетизації штучних інтелектуальних агентів, яка пропонує обчислювальні ресурси, які допомагають їм масштабуватися та виконувати інтенсивні операції.
• @kira_infera: Децентралізована мережа обміну інтелектом штучного інтелекту, яка спрямована на обчислювальну підтримку для агентів штучного інтелекту.
• @napthaai: Модульна платформа для розгортання децентралізованих штучних інтелектуальних агентів на кількох вузлах, з гнучкою обчислювальною підтримкою.
• @NodeAIETH: Ринок прокату графічних процесорів, який дозволяє користувачам орендувати графічні процесори для своїх програм штучного інтелекту.
• @TalusNetwork: L1 блокчейн, який дозволяє розгортання та монетизацію штучного інтелекту на основі агентів, пропонуючи обчислювальні ресурси, необхідні для інтенсивних операцій.

Ринок даних для агентів

Ринки даних пропонують необхідні структуровані набори даних, які потрібні штучним інтелектом для прийняття обґрунтованих рішень, точного прогнозування та покращення навчальних можливостей у додатках DeFi.

• @AlliumLabs: Інструменти та сервіси, які дозволяють користувачам аналізувати дані блокчейну або підтримувати їх роботу в режимі реального часу та застосовувати їх у своїх додатках.
• @AlloraNetwork: Протокол для обміну даними (у формі прогнозів штучного інтелекту), який з'єднує постачальників даних, обробників та користувачів, винагороджуючи високоякісні прогнози.
• @Covalent_HQ: Модульна інфраструктура даних для штучного інтелекту.
• @getaxal: Платформа маркетплейсу оптимізує робочі процеси шляхом автоматизації та інтеграції даних та дій в мережі Web3.
• @scryptedinc: Джерела даних для моделей торгівлі AI.

Мережі знань

Мережі знань сприяють навчанню та обміну стратегіями серед штучних інтелектуальних агентів. Вони виходять за межі сирових даних, надаючи інсайти, методології та досвід, які агенти можуть використовувати для вдосконалення своїх можливостей в середовищах DeFi.

• @forgellm: AI-driven інформаційний репозиторій, що працює на основі штучного інтелекту.
• @real_alethea: Платформа, яка дозволяє децентралізоване створення, володіння та спільне використання особистостей та моделей штучного інтелекту.
• @SocietyLibrary: Децентралізована база знань для штучного інтелекту.
• @TheoriqAI: Мережа обміну знаннями для штучних інтелектуальних агентів з метою спільного створення рішень.

Дані

Ці платформи надають ресурси даних, часто шляхом збору публічних даних та стимулюючи користувачів ділитися своїми даними для тренування штучного інтелекту.

• @getgrass_ioДецентралізована платформа, яка дозволяє користувачам заробляти винагороду, ділячись своєю не використаною інтернет-пропускною здатністю, яка використовується для збору та обробки загальнодоступних веб-даних для навчальних цілей штучного інтелекту.

Інші використання

Варто відзначити деякі додаткові застосування AI-агентів, зокрема ті, які здобули багато уваги в останні тижні:

• @0xzerebroAI система автономно генерує і поширює різноманітний контент на кількох платформах, використовуючи систему Retrieval-Augmented Generation для підтримки динамічної пам'яті та запобігання занепаду моделі.
• @agent_wip: Колективно створений агент художника на ланцюжку, який використовує дані на ланцюжку для інформування про створення, розподіл та монетизацію мистецтва, досліджуючи нові форми творчої автономії та взаємодії.
• @ai16z: Децентралізована автономна організація (DAO), що працює на основі штучного інтелекту та використовує автономних агентів для прийняття інвестиційних рішень та управління активами в криптовалютному екосистемі.
• @dolos_diary: АІ-агент, який втілює персону Долоса, грецького бога підступності, надаючи гострі, витончені та безжальні взаємодії на платформах, таких як Twitter та Telegram.
• @lola_onchain: Автономний AI-агент, який використовує довготривалу і короткотривалу пам'ять для аналізу, торгівлі та оптимізації криптовалютних стратегій незалежно. Наприклад, LOLA зробила 200 угод, 6 токенів, що зросли в 20 разів або більше, 13 токенів, що зросли від 10 до 20 разів, 25 токенів, що зросли від 5 до 10 разів; решта може бути списана.
• @truth_terminal: Півавтономний штучний інтелектуальний агент, який спілкується з користувачами в соціальних мережах, генеруючи уявлення та контент, досліджуючи перетини штучного інтелекту, уваги та багатства в онлайн-просторі.

Інші застосування штучного інтелекту в DeFi

Застосування штучного інтелекту бурхливо розвиваються, знаходячи свій шлях майже в кожний куточок блокчейну з вагомими причинами для додавання оптимізацій, що працюють на основі штучного інтелекту.

Сховища та автоматизація за допомогою штучного інтелекту

Ці платформи акцентуються на оптимізації доходності та управлінні сховищами за допомогою правил заснованих на автоматизації, які призначені для максимізації прибутку та зниження участі користувача. Замість того, щоб покладатися на автономних агентів, вони використовують прості алгоритми для коригування портфелів та оптимізації доходу в сегменті DeFi.

Без агентів ці системи користуються простішою, керованішою структурою. Вони уникнуть додаткової складності та інфраструктури, необхідної для агентів, які в іншому випадку потребували б незалежно моніторити та адаптуватися до змінних умов.

Компроміс? Знижена адаптивність. Системи, засновані на правилах, менш чутливі до ринкових змін у реальному часі, ніж моделі, керовані агентами, які можуть автономно пристосовуватися до нестабільних умов. Незважаючи на те, що ці платформи надійні та ефективні, вони можуть втратити нові можливості, які міг би охопити більш динамічний підхід, заснований на агентах.

• @AIAgentLayer: Платформа для створення токенізованих штучних інтелектуальних агентів, які інтегрують дані з X та введених користувачем даних.
• @arataagi: Децентралізована платформа AGI з багатоагентною системою, яка дозволяє штучним інтелектуальним агентам автономно співпрацювати, вчитися та еволюціонувати.
• @ApertureFinance: AI-powered DeFi доходність та управління портфелем за допомогою намірів.
• @AutoppiaAI: Розгорнути AI-агентів, що автоматизують робочі процеси бізнесу.
• @blinklabs_ai: Launchpad для on-chain активів, таких як NFT та fungible tokens, з використанням AI.
• @Mass_Build: Все в одной ОС и ИИ-помощник для беспрепятственного управления бизнесом и автоматизации.
• @Robonet: Автоматизовані стратегії доходності для валютниць DeFi, за допомогою штучного інтелекту.
• @trySkyfire: Платформа, що дозволяє штучним інтелектовим агентам мати глобальну взаємодію, фінансовий доступ, монетизацію та перевірку особи.

Аудит та безпека смарт-контрактів

Системи безпеки та аудиту розумних контрактів, що працюють на основі алгоритмів машинного навчання, виявляють уразливості у коді. Ці системи сканують розумні контракти по рядках, виявляючи шаблони та аномалії, які можуть вказувати на ризики безпеки або вразливість. Потім порівнюють код контракту з відомими уразливостями та векторами атак.

Ці інструменти також здійснюють постійний моніторинг, що дозволяє виявляти загрози в режимі реального часу при роботі з контрактами. Завдяки використанню штучного інтелекту для автоматизації цього процесу, платформи аудиту можуть швидко реагувати на потенційні проблеми безпеки, часто до того, як їх вдасться використати, тим самим підвищуючи стійкість і надійність додатків DeFi.

• @auditone_dao: Пропонує послуги аудиту штучного інтелекту для сканування вразливостей.
• @cyvers_: Cyvers використовує штучний інтелект для надання миттєвого виявлення та запобігання криптовалютним атакам, виявлення зразків та аномалій у блокчейнах для проактивного зменшення загроз.
• @HypernativeLabs: Використовує штучний інтелект для перевірки розумних контрактів, сканування на вразливості.
• @phylaxsystems: Система безпеки, приведена в дію штучним інтелектом, для сканування вразливостей та моніторингу використання.

Системи управління та голосування

Спільною темою є підтримка управління, що базується на даних. Ці протоколи використовують штучний інтелект для моделювання сценаріїв управління, дозволяючи зацікавленим сторонам зрозуміти можливі наслідки перед впровадженням змін. Аналізуючи історичні патерни голосування, метрики участі та вплив пропозицій, вони можуть виявляти тенденції та передбачати результати голосування, що допомагає організаціям приймати рішення на основі даних з більшою впевненістю.

Крім того, штучний інтелект допомагає зменшити когнітивні та рішеннями пов'язані упередження, надаючи об'єктивні дані та запускаючи симуляції, які виділяють потенційні ризики та переваги. Деякі протоколи, наприклад, спрямовані на збереження конфіденційності обміну даними, забезпечуючи захист чутливої інформації про управління, одночасно забезпечуючи доступ для аналізу.

• @mor_org: Децентралізована мережа, яка пропонує управлінські інсайти на основі штучного інтелекту.
• @QuillAI_Network: Децентралізована платформа для штучних інтелектуальних агентів, спрямована на підвищення безпеки Web3 за допомогою модульних та багатоланцюжкових можливостей.

Майбутнє додатків DeFi з штучним інтелектом

Масштабування та автоматизація

При розширенні DeFi виникають виклики масштабування та операційні затори в межах DAO, для вирішення яких потрібні рішення, на які штучний інтелект має унікальні можливості. Уявіть собі, що штучний інтелект самостійно керує скарбницею DAO, перерозподіляючи ліквідність між пулами на основі даних реального часу ринку або проводячи регулярні голосування у межах заздалегідь затверджених параметрів.

Цей рівень автоматизації може дозволити DAO масштабуватися без додаткових людських витрат, оптимізуючи процеси, такі як прийом користувачів та оновлення протоколів. З AI, яка обробляє ці рутинні функції, протоколи DeFi можуть зростати з мінімальним тертям та покращеною ефективністю.

Вирівнювання стимулів

Співставлення штучних інтелектуальних агентів з децентралізованими цілями є важливим для збереження етосу DeFi та уникнення ризиків централізації. У майбутніх рамках можуть бути розроблені стимули, які спонукають агентів надавати перевагу прозорості та інтересам спільноти. Наприклад, штучний інтелект, який управляє ліквідністю протоколу, може бути програмований зосередитися на стабільних, споживчих, довгострокових доходах, а не тільки на максимізації прибутку.

Для досягнення цієї вирівнювання потрібні прозорі протоколи, ретельні перевірки розумних контрактів та структури стимулів, які винагороджують агентів за внесок у децентралізацію. Цей підхід допоможе сформувати агентів, які діють більше як співпрацюючі суб'єкти, аніж максимізатори прибутку.

Нові використання та застосунки наступного покоління

Поза сьогоднішніми застосунками, штучний інтелект може забезпечити адаптивні, користувацько-центричні продукти DeFi, які динамічно реагують на ринкові та користувацькі умови. Уявіть собі штучний інтелектом управляний смарт-контракт, який в реальному часі коригує ризикованість портфеля користувача на основі волатильності ринку або аналізу настроїв. Або персоналізований пул кредитування, який налаштовує процентні ставки на основі репутації учасника ланцюжка, передбачуваних доходів або умов ліквідності.

Ми можемо побачити сховища, що оптимізують дохід, що автоматично перебалансовуються на основі ліквідності та тенденцій APY, або торговельні агенти, які коригують стратегії в середині торгівлі, налаштовуючи позиції з урахуванням нових даних.

Загляд у "Агентичну мережу"

У цій уявній «Агентичній мережі» AI-агенти будуть взаємодіяти безперешкодно через протоколи, створюючи самодостатню мережу автономного інтелекту. Уявіть собі агента, який керує портфелем NFT та координує з протоколами землеробства доходів для забезпечення активів під час зниження ліквідності. Ці агенти навіть можуть переговорювати між ланцюжками, налаштовуючи розподіл ризиків між кількома додатками DeFi для оптимальних результатів користувачів. Діючи як «цифрові економісти», ці агенти постійно будуть навчатися, еволюціонувати з відгуків користувачів та співпрацювати з іншими AI-агентами.

Ця взаємопов'язана мережа перетворить DeFi на адаптивну, інтелектуальну фінансову екосистему, яка буде адаптивною, персоналізованою та динамічною.

Висновки

Інтеграція штучного інтелекту має потенціал переосмислити децентралізовану фінансову справу, перетворивши її в більш доступну та ефективну фінансову екосистему.

Наскільки сильно така інтеграція може нарушити фінансову систему? Оскільки сервіси становлять 70% глобального ВВП, еволюція AI-агентів може нарушити значну частину цього сектора, автоматизуючи традиційно ручні процеси. Автоматизація, основана на штучному інтелекті, в DeFi може перетворити до 20% економіки послуг, особливо в областях, які користуються прозорістю, відстежуваністю та децентралізацією. Ця трансформація вплине на ринок на 14 трильйонів доларів.

Однак інтеграція технологій штучного інтелекту та блокчейну не позбавлена проблем. Незважаючи на те, що блокчейн пропонує можливість перевірки, стійкість до цензури та власні платіжні рейки, йому не вистачає потужності для інтенсивних обчислень у реальному часі, які часто потрібні штучному інтелекту. Поточні блокчейни не оптимізовані для важких обчислювальних завдань, а це означає, що нативний запуск складних моделей штучного інтелекту в ланцюжку залишається непрактичним. Натомість ми, швидше за все, побачимо гібридні моделі, де штучний інтелект навчається та обробляється поза мережею, а результати інтегруються в блокчейн для прозорості, безпеки та доступності.

Поки що продовжується розвиток стеку AI x DeFi, з'являються нові шари децентралізованої інфраструктури AI та on-chain додатків. Цей перехрестя передбачає народження «Агентного Вебу», де AI-агенти стають ключовими драйверами економічної активності, автоматизуючи дії, такі як створення розумних контрактів, торгівля та інші on-chain взаємодії.

Зростаючи в розумність, ці агенти можуть проявляти динаміку, подібну до тих, що спостерігаються в стратегіях MEV, де суб'єкти, які оптимізують стратегії на основі штучного інтелекту, домінують на ринку, можливо, витісняючи менш розвинених конкурентів та централізуючи контроль серед висококваліфікованих учасників.

Щоб розкрити трансформаційний потенціал штучного інтелекту в DeFi без шкоди для децентралізації, важливо приділяти першочергову увагу безпечній та етичній інтеграції штучного інтелекту. Агенти штучного інтелекту керуються децентралізованими стимулами та працюють прозоро, що дозволяє екосистемі DeFi розвиватися без ризику централізованого контролю.

У кінцевому підсумку злиття штучного інтелекту та DeFi має на меті створити більш інклюзивний, стійкий та передбачуваний фінансовий ландшафт, який може переосмислити наші взаємодії з економічними системами.

Застереження

Three Sigma не підтримує жоден з проектів, згаданих тут. Будьте обережні і проводьте ретельне дослідження. Ми поважаємо і підтримуємо розробників, які розвивають цей простір.

Посилання

Крипто та штучний інтелект: дослідження Віталіка Бутеріна @VitalikButerin

• https://vitalik.eth.limo/general/2024/01/30/cryptoai.html

Розкриття таін крипто-Х AI стек CB Ventures @CBVentures

• https://paragraph.xyz/@cbventures/розкриття-стеку-крипто-x-штучного-інтелекту

Інсайти Юги Колера про штучний інтелект та DeFi @YugaCohler

• https://x.com/yugacohler/status/1851020728390598942

Огляд базових штучних інтелектів агентів від Мурра Лінкольна @MurrLincoln

• https://x.com/MurrLincoln/status/1853855287696134570

Думки про AI-агентів у DeFi від Prismatic @0xprismatic

• https://x.com/0xprismatic/status/1854513654156398961?s=46&t=2q9OLMlaobNlHLew

Використання агента штучного інтелекту споживача в DeFi від Джеффа @Defi0xJeff

• https://x.com/Defi0xJeff/status/1854230030769066432

Ігрові та AI агенти від Shoal Research @Shoalresearch

• https://x.com/Shoalresearch/status/1805658117004476874

AI Агенти: Дослідження та застосування (Детальний огляд дослідження на 40 сторінках про агентів, що базуються на LLM) від AccelXR @AccelXR

• https://accelxr.substack.com/p/ai-agents-research-and-applications

Погляд Chase на $LUM і AI агенти@itsmechaseb

• https://x.com/itsmechaseb/status/1857511608810901941

Відмова від відповідальності:

1. Ця стаття була роздрукована з [ X]. Усі права на авторські права належать оригінальному автору [@threesigmaxyz]. Якщо є зауваження до цього повторного видання, будь ласка, зв'яжіться з Ворота Навчаннякоманда, і вони оперативно цим займуться.
2. Відповідальність за відмову: Погляди та думки, висловлені в цій статті, є виключно тими, що належать авторові, і не становлять інвестиційні поради.
3. Команда Gate Learn перекладала статтю на інші мови. Копіювання, розповсюдження або плагіат перекладених статей заборонені, якщо не зазначено інше.