Kryptoyritykset ja tekoäly yhdistyvät haasteista huolimatta

Monet kryptoyritykset ovat lähteneet mukaan tekoälyn kelkkaan, vaikka näiden kahden sektorin yhteen tuominen ei olekaan ihan helppoa.

Kiinnostus on kuitenkin luonnollista, sillä tuoreet tilastot osoittavat, että tekoälymarkkinoiden koon odotetaan ylittävän 3 miljardia dollaria tänä vuonna. Siksi ei pitäisi tulla yllätyksenä, että useat krypto-painotteiset yritykset ovat alkaneet sisällyttää tekoälyä tuotteisiinsa.

Miksi kryptoyritykset yhdistävät palveluihinsa tekoälyä?

Jacqueline Burns-Koven, joka on lohkoketju-analyysiyrityksen Chainalysisin kyberuhkien tiedustelupäällikkö, kertoi Cryptonewsille, että Chainalysis on alkanut miettiä tapoja käyttää tekoälyä toiminnoissaan.

Tarkemmin sanottuna tekoälyä käytettäisiin parantamaan palveluiden vaatimustenmukaisuutta, riskien tunnistamista, tutkimusta ja kasvutuotteita asiakkaille.

”Kuten mikä tahansa yritys, mekin hyödymme tekoälyn avulla parantamaan työskentelyämme koko liiketoiminnassa. tekemällä toiminnoista nopeampia ja tehokkaampia”, Burns-Koven kommentoi.

Myös muut kryptoyritykset seuraavat kasvavaa trendiä. Kryptovero-ohjelmistojen toimittaja ZenLedger ilmoitti äskettäin myös yhteistyöstä Aprillin – tekoälyllä toimivan rahoitusyhtiön – kanssa. Tämä kryptoyritys käyttää tekoälyä käyttäjien veroilmoitusprosessin yksinkertaistamiseksi.

Pat Larsen, yksi ZenLedgerin perustajista ja toimitusjohtaja, kertoi Cryptonewsille, että ZenLedgerin uusi tuote hyödyntää Aprillin teknologiaa reitittääkseen veronmaksajat yhden polun läpi. Lisäksi se yhdistäisi liittovaltion ja osavaltion ja päättää sitten, minkä kysymyksen esittää seuraavaksi.

“Tämä toimii toisin kuin perinteinen veroilmoitusohjelmisto, joka kysyy käyttäjältä kysymyksiä lomakkeiden täyttöjärjestyksessä ja jäsentää sitten liittovaltion ja osavaltion lomakkeet erillisiin osiin, usein toistaen samat kysymykset uudestaan ja uudestaan”, Larsen sanoi.

Daniel Marcous, teknologiajohtaja ja yksi Aprillin perustajista, kertoi Cryptonewsille, että tekoäly on auttanut Aprillia sen kyvyssä rakentaa verotuote, joka kattaa monia yleisiä veroskenaarioita, mukaan lukien tulot krypto- ja digitaalisista varoista.

Marcousin mukaan Aprillissa käytetään prosessia nimeltä “tax-to-code”, jossa suuria kielimalleja (LLM) on koulutettu lukemaan veroasiakirjoja ja muuttamaan ne sitten ohjelmistokoodiksi, jonka veroinsinööritiimi tarkistaa ja muokkaa.

Tekoäly auttaa myös tehostamaan useita hajautetun rahoituksen (DeFi) käyttötapauksia

Tekoälyinfrastruktuuriyritys Upshotin perustaja ja toimitusjohtaja Nick Emmons kertoi Cryptonewsille, että Upshot rakentaa hajautettua verkkoa, jossa eri tekoälymallit voivat oppia toisiltaan.

Emmonsin mukaan mallien oppiminen ja erottaminen toisistaan luo metaälyn tekoälyllä toimivaan verkkoon. Tämä puolestaan tekee verkoista tehokkaampia ja älykkäämpiä verrattuna yksittäisiin käytettyihin malleihin.

Emmons lisäsi, että Upshotin tekoälymalli toimii useissa DeFi-käyttötapauksissa. Hän esimerkiksi kertoi, että tekoäly voi lisätä hintasyötteitä tietynlaisille krypto-omaisuuksille tai digitaalisille resursseille, jotka eivät usein käy kauppaa, mutta ovat olemassa nestemäisissä olosuhteissa.

”Tekoälystä tulee hyödyllinen työkalu, jonka avulla voidaan tuottaa useammin hintapäivityksiä erilaisiin tietoihin perustuen, ei vain omaisuuden vaihtamiseen. Tämä tarkoittaa, että voimme nyt alkaa tuoda paljon laajempaa omaisuutta DeFi-palveluiden ääreen.

Jotta tämä voitaisiin laittaa oikeanlaiseen perspektiiviin, Emmons selitti, että Upshot esittelee pian tekoälyn tukemien kellosyötteiden luomat “kellohenkilöt”. Hän kertoo:

”Yksittäinen kello ei pysty tuottamaan tarpeeksi todellista aikasyötettä rakentaakseen sen ympärille markkinoita. Tekoälymallit voivat käsitellä paljon tietoa kerralla, joten voit alkaa tuottaa erittäin tarkkoja ja korkeataajuisia hintasyötteitä muuttaaksesi digitaaliset resurssit ketjussa oleviksi tokenisoiduiksi esityksiksi. Tämä laajentaa digitaalisen omaisuuden universumia.”

DeFi-holvit ovat jo todellisuutta

Lisäksi Emmons huomautti, että tekoälyllä toimivat DeFi-holvit ovat jo toteutumassa. DeFi-holvi toimii varojen poolina, jolla on automaattinen yhdistämisstrategia. Se hallitsee ja suorittaa tehtäviä ennalta määritettyjen ketjun olosuhteiden perusteella.

Emmons lisäsi tähän, että tämä on kuitenkin ongelmallista, koska suurin osa lohkoketjun toiminnasta on rajoitettua laskentatehon suhteen. “Sellaisenaan käyttäjän tuotto on rajoitettu”, hän sanoi.

Tämän ongelman ratkaisemiseksi Emmons huomautti, että kryptoyritykset voivat hyödyntää tekoälymalleja tiedon ymmärtämiseen tehokkaammin.

”Tekoälyä voidaan käyttää strategioiden kodifiointiin, jotka voidaan tuoda ketjuun holvien muodossa. Tätä voidaan sitten käyttää markkinatakaukseen ja muuhun.”

Vaikka tämä käyttötapaus on vielä lapsenkengissään, RoboNet on tekoälyllä toimiva DeFi-protokolla pitkän pyrstön ja vaihdettavien omaisuuserien markkinoille.

RoboNet on Upshotin tehostama, ja se mahdollistaa koneoppimismallien hallinnoimien lohkoketjujen välisten varastojen luomisen, jotka tuottavat tuottoa automaattisten likviditeetin optimointistrategioiden avulla.

Kryptoyritykset ja tekoäly: niiden yhdistäminen on haasteellista

Vaikka tekoäly voi auttaa kryptotuotteita toimimaan tehokkaammin, on kuitenkin otettava huomioon niiden useat haasteet. Esimerkiksi Emmons huomautti, että kun tekoälyä hyödynnetään DeFi-protokollien rakentamisessa, näiden mallien taustalla oleviin tekijöihin on luotettava, sillä muuten saattaa ilmetä useita ongelmia. Hän tarkensi:

“Voi syntyä harhaa ja manipulointia, minkä vuoksi on tärkeää kuvitella tekoälypino uudelleen hajautetuissa muodoissa. Eri mallit voivat pitää muut mallit kurissa, jolloin saadaan vähemmän harhaa ja läpinäkyvämpi tietolähde.”

Emmons selitti, että ZK-todistukset voivat myös auttaa varmistamaan koneoppimismalleja. “Upshot julkaisi äskettäin tällaisen tuotteen, jossa vahvistimme hinnanennustusmallimme tuotoksen ZK-piirissä. Tämä tarjoaa varmuuden ja laskennallisen eheyden luvattomille protokollille.”

Marcous lisäsi uskovansa, että generatiivinen tekoäly, joka työskentelee veroasiantuntijoiden ja insinöörien kanssa, vähentää riskejä, koska mukana on ihminen.

“Huhtikuussa suoritamme tiukan testausprosessin koko tuotteelle ja meidän on läpäistävä testit Verohallinnon ja valtion viranomaisten kanssa ennen lanseerausta”, hän sanoi. Muut kryptoyritykset seuraavat heidän etenemistään tekoälyn saralla mielenkiinnolla.

Tekoälyn säännösten puute hidastaa kehitystä

Vaikka nämä taktiikat voivat olla hyödyllisiä, tekoälyn käyttöä koskevien säännösten puute aiheuttaa todennäköisesti jatkuvia haasteita. Esimerkiksi sen ymmärtäminen, käytetäänkö tekoälyä käyttäjien ja sijoittajien tai koneoppimismallien luojien edun vuoksi, on edelleen vaikea määrittää.

Tämän vuoksi tietyt maat ovat alkaneet perustaa järjestöjä valvomaan tekoälymääräyksiä. Esimerkiksi Yhdistyneiden arabiemiirikuntien presidentti ja Abu Dhabin hallitsija Sheikh Mohamed bin Zayed Al Nahyan julkaisi äskettäin lain tekoälyn ja edistyneen teknologian neuvoston (AIATC) perustamisesta.

Abu Dhabin hallituksen ilmoituksessa todettiin, että “neuvosto on vastuussa politiikkojen ja strategioiden kehittämisestä ja täytäntöönpanosta, jotka liittyvät tutkimukseen, infrastruktuuriin ja investointeihin tekoälyyn ja edistyneeseen teknologiaan Abu Dhabissa.”

Yhdysvaltain arvopaperi- ja pörssikomitean (SEC) puheenjohtaja Gary Gensler varoitti myös äskettäin vaaroista, joita tekoäly voi aiheuttaa perinteiselle rahoitussektorille. Tämän vuoksi Yhdysvalloissa otetaan todennäköisesti tulevaisuudessa käyttöön enemmän tekoälyn sääntelyä, joista kryptoyritykset on pysyttävä perillä.

Kaikki nämä kehityssuunnat ovat tärkeitä, sillä Emmons uskoo, että tekoäly sisällytetään lopulta kaikkiin yhteiskunnan kriittisiin toimintoihin. Sillä välin hän huomautti, että kryptosektori tulee todennäköisesti sisällyttämään toimintoihinsa tekoälyn muotoja, jotka on jo otettu käyttöön perinteisissä rahoitusjärjestelmissä. Hän sanoi:

“Tämä johtuu siitä, että krypto on taloudellinen innovaatio, joten tämäntyyppinen tekoäly voi olla suotuisampi rahoitussovelluksissa. Myös klassiset koneoppimismallit ovat houkuttelevampia ja yhteensopivia näiden todennettavissa olevien muototekijöiden kanssa.”

“Se tarkoittaa sitä, että niiden ympärille rakennettava kryptografinen työkalu voi tulla verkkoon nopeammin kuin generatiiviset tekoälymallit.”