- Tema
38k Popularidad
4k Popularidad
5k Popularidad
39k Popularidad
17k Popularidad
31k Popularidad
31k Popularidad
3k Popularidad
95k Popularidad
27k Popularidad
- Anclado
38k Popularidad
4k Popularidad
5k Popularidad
39k Popularidad
17k Popularidad
31k Popularidad
31k Popularidad
3k Popularidad
95k Popularidad
27k Popularidad
DeFAI: ¿Cómo los agentes de IA optimizan la experiencia de Finanzas descentralizadas y la dirección futura de su desarrollo?
DeFAI: ¿Cómo puede la IA liberar el potencial de las Finanzas descentralizadas?
Las Finanzas descentralizadas ( DeFi ) han sido un pilar importante del ecosistema cripto desde su rápido desarrollo en 2020. A pesar de la creación de muchos protocolos innovadores, la complejidad y el grado de fragmentación de DeFi también han aumentado, lo que dificulta que incluso los usuarios experimentados manejen la multitud de cadenas, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (AI) ha pasado de la narrativa macro de 2023 a un enfoque más especializado y orientado a agentes para 2024. Esta transformación ha dado lugar al nuevo campo de DeFi AI(DeFAI), donde la IA mejora las Finanzas descentralizadas a través de la automatización, la gestión de riesgos y la optimización de capital.
Las Finanzas descentralizadas (DeFi) atraviesan múltiples niveles. La cadena de bloques es el nivel base, y los agentes de IA necesitan interactuar con cadenas específicas para ejecutar transacciones y contratos inteligentes. Los niveles de datos y computación superiores proporcionan la infraestructura necesaria para entrenar modelos de IA, que se basan en datos históricos de precios, sentimientos del mercado y análisis en cadena. Los niveles de privacidad y verificación aseguran que los datos financieros sensibles se mantengan seguros mientras se ejecutan de manera sin confianza. Por último, el marco de agentes permite a los desarrolladores construir aplicaciones impulsadas por IA especializadas, como robots de trading autónomos, evaluadores de riesgo crediticio y optimizadores de gobernanza en cadena.
Con la expansión continua del ecosistema DeFAI, los proyectos más destacados se pueden clasificar en tres categorías principales:
1. Capa de abstracción
Este tipo de protocolos actúan como una interfaz amigable para el usuario similar a ChatGPT en Finanzas descentralizadas, permitiendo a los usuarios ingresar comandos que se ejecutan en la cadena. A menudo se integran con múltiples cadenas y dApps, ejecutando la intención del usuario mientras simplifican los pasos manuales en transacciones complejas.
Algunas de las funciones que estos protocolos pueden ejecutar incluyen:
Por ejemplo, no es necesario extraer manualmente ETH de la plataforma de préstamos, cruzarlo a Solana, intercambiarlo por otros tokens y proporcionar liquidez en DEX: el protocolo de capa de abstracción puede completar la operación en un solo paso.
2. Agente de negociación autónomo
A diferencia de los robots de trading tradicionales que siguen reglas predefinidas, los agentes de trading autónomos pueden aprender y adaptarse a las condiciones del mercado, y ajustar sus estrategias según nueva información. Estos agentes pueden:
3. DApps impulsados por IA
Las dApps de Finanzas descentralizadas ofrecen funciones como préstamos, intercambios y farming de rendimiento. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Principales desafíos
Los principales protocolos construidos sobre estos niveles enfrentan algunos desafíos:
Estos protocolos dependen de flujos de datos en tiempo real para lograr una ejecución óptima de las transacciones. Una mala calidad de los datos puede resultar en una baja eficiencia de ruta, fallos en las transacciones o transacciones sin beneficios.
Los modelos de IA dependen de datos históricos, pero el mercado de criptomonedas tiene una gran volatilidad. Los agentes deben ser entrenados con conjuntos de datos diversificados y de alta calidad para mantener su efectividad.
Es necesario comprender completamente la correlación de activos, los cambios en la liquidez y el sentimiento del mercado para entender el estado general del mercado.
Los protocolos basados en estas categorías han sido bien recibidos en el mercado. Sin embargo, para ofrecer mejores productos y resultados óptimos, deberían considerar integrar diferentes conjuntos de datos de diversas calidades para llevar sus productos a un nuevo nivel.
Capa de datos: potencia para la inteligencia DeFAI
La calidad de la IA depende de los datos en los que se basa. Para que los agentes de IA trabajen de manera efectiva en DeFAI, necesitan datos en tiempo real, estructurados y verificables. Por ejemplo, la capa de abstracción necesita acceder a los datos en la cadena a través de RPC y API de redes sociales, mientras que los agentes de optimización de transacciones y ganancias requieren datos para perfeccionar aún más sus estrategias de negociación y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar análisis predictivos sobre el comportamiento futuro de los precios, proporcionando recomendaciones de trading que se adapten a sus preferencias por posiciones largas o cortas en ciertos activos.
Los principales proveedores de datos de DeFAI incluyen:
Modo Synth: datos sintéticos para previsión financiera, capturando la distribución completa de los cambios de precios, utilizados para la predicción de modelos de IA.
Chainbase: conjunto de datos estructurados de cadena completa, que proporciona datos mejorados por IA, para comercio, predicción y obtención de alpha.
sqd.ai: Lago de datos descentralizado orientado a agentes de IA, acceso a datos multichain escalable y personalizable, con seguridad de prueba de conocimiento cero.
Cookie: mentalidad de redes sociales orientada a agentes de IA y capa de datos en cadena, utilizando 18 agentes de IA especializados para procesar más de 7 TB de datos de agentes en más de 20 cadenas.
La subred Mode Synth, como la quincuagésima subred de Bittensor, crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de los cambios de precios y sus probabilidades asociadas, construyendo así los datos sintéticos más precisos del mundo, apoyando a los agentes y a los LLM.
Proporcionar más conjuntos de datos de alta calidad puede permitir que los agentes de IA tomen mejores decisiones direccionales en el comercio, al mismo tiempo que predicen la volatilidad del APY bajo diferentes condiciones de mercado, para que los fondos de liquidez puedan redistribuir o retirar liquidez cuando sea necesario.
La blockchain de agentes de IA más destacada
Además de construir una capa de datos para IA y agentes, cierta blockchain también se posiciona como una plataforma de pila completa para construir el futuro de Finanzas descentralizadas e IA. Recientemente, desplegaron un co-piloto de Finanzas descentralizadas e IA para ejecutar transacciones en cadena a través de los mensajes de los usuarios, que pronto estará abierto a los stakers de tokens.
Además, esta blockchain también admite muchos equipos basados en IA y agentes. Han hecho un gran esfuerzo para integrar múltiples protocolos en su ecosistema, y a medida que se desarrollan más agentes y se ejecutan transacciones, esta blockchain está evolucionando rápidamente.
Estas medidas se implementan mientras actualizan la red con IA, siendo lo más notable la incorporación de un clasificador de IA para su blockchain. Al utilizar simulaciones y análisis de IA antes de la ejecución de las transacciones, se pueden bloquear y revisar transacciones de alto riesgo antes de su procesamiento, para garantizar la seguridad en la cadena.
Comparación de las principales blockchains en las que se basan los agentes de IA
Solana y Base son sin duda las dos principales cadenas para la construcción y publicación de la mayoría de los marcos y tokens de agentes de IA. Los agentes de IA utilizan la alta capacidad de procesamiento y la baja latencia de la red de Solana, así como un sistema operativo de código abierto, para desplegar tokens de agentes, mientras que cierta plataforma actúa como un launchpad para el despliegue de agentes en Base. Aunque ambos tienen hackathons e incentivos financieros, en cuanto a sus planes de IA como cadenas, aún no han alcanzado el nivel de ciertas blockchains.
NEAR se definió anteriormente como una blockchain L1 centrada en la IA, cuyas funciones incluyen un mercado de tareas de IA, un centro de investigación con un marco de agentes de IA de código abierto y un asistente de IA. Recientemente anunciaron un fondo de agentes de IA de 20 millones de dólares para expandir agentes completamente autónomos y verificables en NEAR.
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en las Finanzas descentralizadas enfrentan importantes limitaciones para lograr la plena autonomía. Por ejemplo:
La capa abstracta convierte la intención del usuario en ejecución, pero a menudo carece de capacidad predictiva.
Los agentes de IA pueden generar alpha mediante el análisis, pero carecen de ejecución de operaciones independiente.
Las dApps impulsadas por IA pueden manejar bóvedas o transacciones, pero son pasivas en lugar de activas.
La próxima etapa de DeFAI podría centrarse en la integración de una capa de datos útil para desarrollar la mejor plataforma o agente de intermediación. Esto requerirá datos en cadena profundos sobre la actividad de los grandes poseedores, los cambios en la liquidez, etc., mientras se genera datos sintéticos útiles para un mejor análisis predictivo, combinando además el análisis de sentimientos del mercado en general, ya sea sobre la volatilidad de tokens de categorías específicas o la volatilidad de tokens en redes sociales.
El objetivo final es que los agentes de IA puedan generar y ejecutar estrategias de trading sin problemas desde una única interfaz. A medida que estos sistemas maduren, es posible que veamos en el futuro a los traders de Finanzas descentralizadas confiar en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de forma autónoma con la mínima intervención humana.
Conclusión
Dado el gran descalabro de los tokens y marcos de agentes de IA, algunas personas pueden pensar que DeFAI es solo una moda pasajera. Sin embargo, DeFAI todavía se encuentra en una etapa temprana, y el potencial de los agentes de IA para mejorar la usabilidad y el rendimiento de las Finanzas descentralizadas es innegable.
La clave para liberar este potencial radica en obtener datos en tiempo real de alta calidad, lo que mejorará las predicciones y ejecuciones de trading impulsadas por IA. Cada vez más protocolos integran diferentes capas de datos, y los protocolos de datos construyen complementos para el marco, lo que destaca la importancia de los datos en la toma de decisiones de los agentes.
Mirando hacia el futuro, la verificabilidad y la privacidad se convertirán en desafíos clave que los protocolos deberán resolver. Actualmente, la mayoría de las operaciones de los agentes de IA siguen siendo una caja negra, y los usuarios deben confiar sus fondos a ella. Por lo tanto, el desarrollo de decisiones de IA verificables ayudará a garantizar la transparencia y la responsabilidad en los procesos de los agentes. La integración de protocolos basados en TEE, FHE e incluso zk-proofs puede mejorar la verificabilidad del comportamiento de los agentes de IA, logrando así la confianza en la autonomía.
Solo combinando con éxito datos de alta calidad, modelos robustos y procesos de toma de decisiones transparentes, los agentes DeFAI podrán obtener una amplia aplicación.