หัวหน้าฝ่ายผลิตภัณฑ์ FIS AI: การรวมบล็อกเชนและปัญญาประดิษฐ์จะช่วยส่งเสริมนวัตกรรมเทคโนโลยี

白泽研究院

特邀专栏作者

2022-06-07 08:48

บทความนี้มีประมาณ 3778 คำ การอ่านทั้งหมดใช้เวลาประมาณ 6 นาที

แม้ว่าบล็อกเชนปัจจุบันจะประสบความสำเร็จในการทำงานร่วมกันที่มีประสิทธิภาพบางส่วนและระ

สรุปโดย AI

ขยาย

แปลโดย Google: black rice@白泽研究院

ข้อความ

Blockchain และปัญญาประดิษฐ์ (AI) เป็นสองเทคโนโลยีที่มีการปฏิวัติมากที่สุดในศตวรรษที่ 21 เป็นที่เชื่อกันอย่างกว้างขวางว่าการบรรจบกันของเมกะเทรนด์ทั้งสองนี้อาจนำมาซึ่ง "การปฏิวัติอุตสาหกรรมครั้งที่สี่" ตามรายงานของบริษัทวิจัยเทคโนโลยี Gartner มูลค่าธุรกิจที่เกิดจาก blockchain และปัญญาประดิษฐ์เพียงอย่างเดียวจะเติบโตอย่างรวดเร็ว พวกเขาคาดการณ์ว่าตลาดบล็อกเชนจะมีมูลค่า 176 พันล้านดอลลาร์ในปี 2568 และ 3.1 ล้านล้านดอลลาร์ในปี 2573 นอกจากนี้ ขนาดตลาดซอฟต์แวร์ AI จะสูงถึงเกือบ 134.8 พันล้านดอลลาร์ภายในปี 2568

Blockchain และปัญญาประดิษฐ์มีการใช้งานจำนวนมากในด้านต่างๆ ในบทความนี้ เราจะแนะนำฟินเทคในฐานะสาขาหนึ่ง และการรวมเทคโนโลยีทั้งสองนี้เข้าด้วยกันจะช่วยส่งเสริมนวัตกรรมได้อย่างไร

Blockchain สามารถสร้างระบบนิเวศแบบกระจายอำนาจซึ่งไม่จำเป็นต้องมีหน่วยงานควบคุมจากส่วนกลาง สถาปัตยกรรม AI สามารถสร้างขึ้นบนระบบนิเวศแบบกระจายอำนาจนี้ได้

ชื่อเรื่องรอง

บล็อกเชนคืออะไร?

เราทุกคนรู้จักสินทรัพย์เข้ารหัสยอดนิยม เช่น Bitcoin, Ethereum เป็นต้น สิ่งเหล่านี้เป็นโทเค็นที่ใช้บล็อกเชน แต่บล็อกเชนไม่ได้เป็นเพียงสินทรัพย์เข้ารหัส

Blockchain เป็นบัญชีแยกประเภทข้อมูลที่ปลอดภัยและใช้ร่วมกัน

เทคโนโลยี Blockchain ช่วยให้กลุ่มบุคคลเฉพาะเจาะจงสามารถแบ่งปันข้อมูลได้ สามารถรวบรวมและแบ่งปันข้อมูลการทำธุรกรรมจากหลายแหล่ง แบ่งย่อยข้อมูลเป็นบล็อกที่ใช้ร่วมกันซึ่งเชื่อมโยงเข้าด้วยกันด้วยตัวระบุที่ไม่ซ้ำกันในรูปแบบของแฮชการเข้ารหัส และรับประกันความสมบูรณ์ของข้อมูลผ่านแหล่งข้อมูลเดียว ขจัดความซ้ำซ้อนของข้อมูลและปรับปรุงความปลอดภัยของข้อมูล

ในระบบบล็อกเชน ข้อมูลไม่สามารถเปลี่ยนแปลงได้หากไม่ได้รับอนุญาตจากองค์ประชุม ซึ่งเป็นคุณสมบัติที่ช่วยป้องกันการฉ้อโกงและการปลอมแปลงข้อมูล กล่าวอีกนัยหนึ่ง บัญชีแยกประเภท blockchain สามารถแบ่งปันได้ แต่ไม่สามารถเปลี่ยนแปลงได้ หากฝ่ายใดฝ่ายหนึ่งพยายามแก้ไขข้อมูล ทุกฝ่ายที่เกี่ยวข้องกับบล็อกเชนจะได้รับการแจ้งเตือนว่าฝ่ายใดพยายามแก้ไขข้อมูล

คำจำกัดความต่อไปนี้ช่วยให้คุณเข้าใจเพิ่มเติมเกี่ยวกับบล็อกเชนและเทคโนโลยีพื้นฐานและสถานการณ์การใช้งาน

ความไว้วางใจแบบกระจายอำนาจ: เหตุผลหลักที่หลายบริษัทนำเทคโนโลยีบล็อกเชนมาใช้แทนเทคโนโลยีการจัดเก็บข้อมูลอื่นๆ คือ บล็อกเชนสามารถรับประกันความสมบูรณ์ของข้อมูลโดยไม่ต้องพึ่งพาอำนาจส่วนกลาง กล่าวคือ เพื่อให้เกิดความไว้วางใจแบบกระจายอำนาจจากข้อมูลที่เชื่อถือได้

บล็อก: ตามชื่อที่แนะนำ บล็อกเชนจะเก็บข้อมูลในบล็อก และแต่ละบล็อกจะเชื่อมต่อกับบล็อกก่อนหน้าเพื่อสร้างโครงสร้างลูกโซ่ รองรับการเพิ่มบล็อกใหม่เท่านั้น เมื่อเพิ่มแล้วจะไม่สามารถแก้ไขหรือลบได้

· อัลกอริธึมฉันทามติ: อัลกอริทึมฉันทามติมีหน้าที่รับผิดชอบในการดำเนินการตามกฎภายในระบบบล็อกเชน หลังจากที่หลายฝ่ายตั้งกฎสำหรับ blockchain อัลกอริทึมที่เป็นเอกฉันท์จะทำให้แน่ใจว่าทุกฝ่ายปฏิบัติตามกฎเหล่านี้

ชื่อเรื่องรอง

ปัญญาประดิษฐ์คืออะไร?

Alan Turing (นักคณิตศาสตร์ชาวอังกฤษและบิดาแห่งปัญญาประดิษฐ์) เคยถามคำถามสำคัญว่า "เครื่องจักรคิดได้หรือไม่" เขาตีพิมพ์บทความสำคัญในปี 1950 เรื่อง "คอมพิวเตอร์และปัญญา" ซึ่งนำไปสู่การสร้าง "เครื่องคิด" หรือที่เรียกว่าปัญญาประดิษฐ์ ปัญญาประดิษฐ์ใช้คอมพิวเตอร์และเครื่องจักรเพื่อเลียนแบบความสามารถในการแก้ปัญหาและการตัดสินใจของจิตใจมนุษย์

ชื่อระดับแรก

Fintech การประยุกต์ใช้ปัญญาประดิษฐ์ใน Blockchain

1. ปริมาณที่เข้ารหัสและการซื้อขายอัลกอริทึม:

แมชชีนเลิร์นนิงมีผลในทางปฏิบัติในระบบนิเวศของการเข้ารหัสลับ ให้ข้อมูลเชิงลึกเชิงคาดการณ์แก่เทรดเดอร์เกี่ยวกับสินทรัพย์ crypto ผ่านแนวโน้มในอดีต ตัวบ่งชี้ทางเทคนิค และความเชื่อมั่นของตลาด

ตัวอย่างเช่น บอทที่เข้ารหัสผ่าน API สามารถรวบรวมข้อมูลแบบเรียลไทม์ บอทสามารถให้ตัวบ่งชี้หรือข้อสรุปที่สามารถดำเนินการได้ผ่านการเรียนรู้ของเครื่อง ซึ่งเรียกว่าสัญญาณการซื้อขาย บอทสามารถทำงานแบบสแตนด์อโลนหรือรวมเข้ากับแพลตฟอร์มการซื้อขาย crypto บอทเหล่านี้ไม่เพียงแต่ทำนายราคาในอนาคตเท่านั้น แต่ยังทำการซื้อขายโดยอัตโนมัติอีกด้วย ตามความแม่นยำของการคาดการณ์ ผู้ใช้สามารถรับรู้ผลกำไรที่แน่นอนได้

ณ เดือนมีนาคม 2565 มีสินทรัพย์ที่เข้ารหัสเกือบ 18,000 รายการในตลาดที่เข้ารหัส ซึ่งมากกว่า 10,000 รายการยังคงเปิดใช้งานอยู่ บอทเหล่านี้เหมาะสำหรับสินทรัพย์ crypto ที่มีระบบนิเวศของผู้ใช้ขนาดใหญ่และมีความผันผวนมากกว่า

2. การแบ่งปันข้อมูล/แบบจำลองที่มีประสิทธิภาพ:

ข้อมูลเป็นทรัพยากรที่สำคัญที่สุดสำหรับโมเดลปัญญาประดิษฐ์หรือแมชชีนเลิร์นนิง คุณภาพและปริมาณของข้อมูลมีผลโดยตรงต่อความถูกต้องของทั้งสองอย่าง แต่กระบวนการแชร์ข้อมูลในปัจจุบันไม่มีประสิทธิภาพ เนื่องจากผู้ให้บริการข้อมูลไม่ไว้วางใจซึ่งกันและกัน จึงเป็นเรื่องยากที่จะอนุญาตหรือตรวจสอบข้อมูลโดยใช้วิธีการแบบดั้งเดิม แต่กลับกลายเป็นว่าโซลูชันที่ใช้บล็อกเชนบางตัวสามารถใช้การดำเนินการข้อมูลแบบกระจายอำนาจเพื่อแก้ปัญหานี้ได้

โซลูชันดังกล่าวมุ่งเน้นไปที่การพัฒนาตลาดบนบล็อกเชน ซึ่งผู้ให้บริการข้อมูลและโมเดล AI/ML จะสามารถทำงานร่วมกันและทำธุรกรรมระหว่างกันได้โดยใช้สัญญาอัจฉริยะของบล็อกเชน

สถาบันการเงินสามารถแบ่งปันข้อมูล อัลกอริทึม และการคำนวณได้อย่างปลอดภัยผ่านบล็อกเชน

ผู้ให้บริการแพลตฟอร์มเช่น Ocean Protocol และ NUMERAI เป็นผู้มีบทบาทสำคัญในพื้นที่นี้

ตัวอย่างเช่น ใน NUMERAI พวกเขายังมีบทบาทในด้านเศรษฐกิจ/อุตสาหกรรมการเงิน โดยเฉพาะอย่างยิ่งในด้านกองทุนเฮดจ์ฟันด์ เป้าหมายของ NUMERAI คือการสร้างกองทุนป้องกันความเสี่ยงแบบฝูงชนที่ใหญ่ที่สุดในโลกที่ขับเคลื่อนโดยปัญญาประดิษฐ์ ด้วยการอัปโหลดข้อมูลกองทุนเฮดจ์ฟันด์ไปยังตลาดข้อมูล นักวิทยาศาสตร์ข้อมูลหลายพันคนทำงานร่วมกันและทดสอบแบบจำลองเพื่อทำนายตลาดหุ้น

3. สร้างธนาคารแบบเปิดผ่านการเรียนรู้แบบสมาพันธรัฐ:

โดยทั่วไป ข้อมูลทางการเงินของคุณเป็นของธนาคาร/สถาบันการเงินและเก็บไว้ในฐานข้อมูลบันทึก แต่แนวคิดธนาคารแบบเปิดช่วยให้ผู้ใช้สามารถเป็นเจ้าของข้อมูลธนาคารของตนได้

เป็นที่คาดการณ์ได้ว่าด้วย Federated Learning เราจะมีความเป็นเจ้าของข้อมูลแบบกระจายอำนาจ (ไม่มีเจ้าของ) ในสถาบันการเงิน

การเรียนรู้แบบรวมศูนย์นั้นเป็นเทคโนโลยีแมชชีนเลิร์นนิงแบบกระจาย โดยมีจุดประสงค์เพื่อให้เกิดการสร้างแบบจำลองทั่วไปและปรับปรุงผลกระทบของปัญญาประดิษฐ์บนพื้นฐานของการรับรองความปลอดภัยความเป็นส่วนตัวของข้อมูลและการปฏิบัติตามกฎหมาย

กล่าวอีกนัยหนึ่ง การเรียนรู้แบบสมาพันธ์ช่วยให้เจ้าของข้อมูลสามารถดำเนินการฝึกอบรมแบบจำลองได้โดยไม่ต้องถ่ายโอนข้อมูลดิบไปยังเซิร์ฟเวอร์ของบริษัทอื่น กรอบการเรียนรู้แบบกระจายนี้ช่วยให้ผู้ใช้ได้รับคำแนะนำและบริการจาก AI ในขณะที่ปกป้องความเป็นส่วนตัวของพวกเขา

กล่าวโดยย่อ โมเดลแมชชีนเลิร์นนิงสามารถฝึกฝนในสถาปัตยกรรมแบบกระจายอำนาจได้ โดยปกติแล้ว เรารวบรวมข้อมูลเพื่อฝึกโมเดล แต่ในกรณีนี้ โมเดลจะถูกส่งไปยังเจ้าของข้อมูลแต่ละราย จากนั้นโมเดลจะได้รับการฝึกอบรมในแต่ละโหนดข้อมูล น้ำหนักที่อัปเดตจะถูกส่งไปยังผู้ประสานงานและหาค่าเฉลี่ยสำหรับโมเดลสุดท้าย

ดังนั้นในวิธีนี้ ข้อมูลจะไม่หลุดจากมือของเจ้าของเดิม ซึ่งทำให้วิธีนี้มีความปลอดภัยสูง นอกจากนี้ยังมีความไว้วางใจระหว่างเจ้าของข้อมูลและนักวิทยาศาสตร์ข้อมูลโดยไม่ลดทอนประสิทธิภาพของโมเดล

4. การวิเคราะห์แบบออนไลน์

เนื่องจากความโปร่งใสทั้งหมดของบล็อกเชน ผู้เข้าร่วมสามารถดูธุรกรรมและกิจกรรมทั้งหมดที่เกิดขึ้นบนบล็อกเชน รวมถึงยอดคงเหลือทั้งหมดและการถือครองกระเป๋าเงินบางประเภท การวิเคราะห์กิจกรรมและข้อมูลทั้งหมดบนบล็อกเชนเพื่อสร้างมุมมองเชิงลึกเกี่ยวกับอารมณ์ตลาดและการตัดสินใจลงทุนคือสิ่งที่เราเรียกว่าการวิเคราะห์บนเชน

เครื่องมือวิเคราะห์พื้นฐานบนเชนมากมาย เช่น EtherScan สำหรับ Ethereum blockchain หรือ SnowTrace สำหรับ Avlanche blockchain เป็นเครื่องมือสำรวจบล็อกเชนฟรีที่อนุญาตให้ติดตามธุรกรรมทั้งหมดในบล็อกเชนที่เกี่ยวข้อง หลายแพลตฟอร์มใช้ประโยชน์จากเครื่องมือเหล่านี้ในขณะที่ใช้ประโยชน์จากการเรียนรู้ของเครื่องและการรวมโหนดข้อมูลเพื่อนำเสนอแพลตฟอร์มเป็นบริการแก่ผู้บริโภค นี่คือบางส่วนที่ได้รับความนิยมมากที่สุด:

· Glassnode

· IntoTheBlock

· Nansen

· Dune Analytics

· Messari

ดังที่เราได้กล่าวไปแล้ว แพลตฟอร์มเหล่านี้จำนวนมากใช้ประโยชน์จากปัญญาประดิษฐ์และการเรียนรู้ของเครื่องเพื่อสร้างข้อมูลเชิงลึกของตลาดและให้คำแนะนำเกี่ยวกับโอกาสในการลงทุนที่อาจเกิดขึ้นจากการวิเคราะห์บนเครือข่าย ตัวอย่างเช่น พวกเขาสามารถใช้แมชชีนเลิร์นนิงเพื่อค้นหา "กระเป๋าเงินที่เคยทำงานได้ดีและดีกว่าตลาดในอดีต" และให้คำแนะนำการลงทุนใหม่ตามการเปลี่ยนแปลงในการจัดสรรสินทรัพย์ของกระเป๋าเงินเหล่านั้น

ในทางกลับกัน ในขณะที่การไม่เปิดเผยตัวตนเป็นข้อเสนอที่มีคุณค่าอย่างยิ่งสำหรับบล็อกเชนและสินทรัพย์ดิจิทัล แต่จะเพิ่มความเสี่ยงของการฟอกเงินและกิจกรรมที่ผิดกฎหมายอื่นๆ รายงานอาชญากรรมสินทรัพย์ดิจิทัลและ AML ประจำปี 2020 ของ CipherTrace แสดงให้เห็นว่าการโจรกรรม การแฮ็ก และการฉ้อโกงสินทรัพย์ดิจิทัลมีมูลค่ารวม 1.9 พันล้านดอลลาร์ในระหว่างปี นี่คือจุดที่การวิเคราะห์บนเครือข่าย + การเรียนรู้ของเครื่องอาจเป็นประโยชน์ แมชชีนเลิร์นนิงสามารถช่วยระบุรูปแบบที่มนุษย์อาจไม่สังเกตเห็น เช่น การตรวจจับการโต้ตอบของกระเป๋าเงินคริปโตกับบัญชีอื่น หรือกระเป๋าเงินที่เชื่อมโยงกับกิจกรรมอาชญากรรมที่รู้จัก ด้วยการใช้แมชชีนเลิร์นนิงบนเครือข่าย สถาบันการเงินและการแลกเปลี่ยนจะเข้าใจความเสี่ยงที่เกี่ยวข้องกับธุรกรรมแต่ละรายการได้ดีขึ้น และนอกจากนี้ เมื่ออัตราการเกิดผลบวกลวงลดลง งานตรวจสอบด้วยตนเองที่จำเป็นก็จะลดลงอย่างมาก

โดยรวมแล้ว เราเชื่อว่ากรณีการใช้งานบนเครือข่ายสำหรับการเรียนรู้ของเครื่องนั้นยังอยู่ในช่วงเริ่มต้นเท่านั้น และจะเติบโตไปพร้อมกับอุตสาหกรรมการเข้ารหัสลับ

5. Future Web 3 และ Smart Blockchain

เช่นเดียวกับโครงสร้างพื้นฐานของซอฟต์แวร์ เช่น ระบบเครือข่าย ที่เก็บข้อมูล และระบบปฏิบัติการที่กลายเป็นอัจฉริยะ บล็อกเชน Layer 1 (ฐาน) และ Layer 2 (รองรับ) รุ่นถัดไปอาจขับเคลื่อนโดยการเรียนรู้ของเครื่องเป็นฟังก์ชันเนทีฟ

ลองนึกภาพว่าเมื่อบล็อกเชนกำลังทำงาน จะใช้การเรียนรู้ของเครื่องเพื่อทำนายการทำธุรกรรมเพื่อเปิดใช้งานโปรโตคอลฉันทามติที่ปรับขนาดได้อย่างมากในอนาคต โปรโตคอลสัญญาอัจฉริยะของ Web3 จะมีความสามารถด้านการเรียนรู้ของเครื่อง เช่น ข้อตกลงการให้ยืม ซึ่งใช้ปัญญาประดิษฐ์เพื่อสร้างความสมดุลระหว่างประเภทต่างๆ ของการยืมและให้ยืมกระเป๋าเงินต่าง ๆ แม้แต่ DApps อัจฉริยะ (แอพพลิเคชั่นกระจายอำนาจ) ก็จะกลายเป็นเทรนด์ในไม่ช้า

สรุปแล้ว มีศักยภาพมหาศาลในการบูรณาการเทคโนโลยีบล็อกเชนและ AI ในอุตสาหกรรมต่างๆ รวมถึงฟินเทค แม้ว่าบล็อกเชนปัจจุบันจะประสบความสำเร็จในการทำงานร่วมกันที่มีประสิทธิภาพบางส่วนและระบบอัตโนมัติอัจฉริยะ แต่บล็อกเชนที่ผสานรวมกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่องจะมีความชาญฉลาดมากขึ้นในอนาคต

ตาม "ประกาศเกี่ยวกับการป้องกันและจัดการกับความเสี่ยงในการทำธุรกรรมสกุลเงินเสมือนเพิ่มเติม" ที่ออกโดยธนาคารกลางและหน่วยงานอื่น ๆ เนื้อหาของบทความนี้มีไว้สำหรับการแบ่งปันข้อมูลเท่านั้น และไม่ส่งเสริมหรือสนับสนุนการดำเนินการและการลงทุนใด ๆ พฤติกรรม เข้าร่วมในการปฏิบัติทางการเงินที่ผิดกฎหมาย

การเงิน

ยินดีต้อนรับเข้าร่วมชุมชนทางการของ Odaily