DeFAI: Як ШІ може розкрити потенціал Децентралізованих фінансів?

Децентралізовані фінанси(DeFi) з 2020 року стрімко розвиваються і залишаються основною опорою криптоекосистеми. Хоча з'явилося багато інноваційних протоколів, це також призвело до збільшення складності та фрагментації, і навіть досвідченим користувачам важко впоратися з численними ланцюгами, активами та протоколами.

Одночасно штучний інтелект (AI) розвинувся з широкої основної наративу 2023 року до більш професійного, орієнтованого на агентів фокусу 2024 року. Ця трансформація сприяла появі DeFi AI (DeFAI) - нової галузі, яка покращує DeFi через автоматизацію, управління ризиками та оптимізацію капіталу.

Децентралізовані фінанси DeFAI перетворюють кілька рівнів. Блокчейн є базовим рівнем, AI-агент повинен взаємодіяти з певним ланцюгом для виконання угод і смарт-контрактів. Рівень даних і рівень обчислень забезпечують інфраструктуру, необхідну для навчання AI-моделей, які базуються на історичних даних цін, ринкових настроїв і аналізу в ланцюзі. Рівень конфіденційності та перевірки забезпечує безпеку чутливих фінансових даних, зберігаючи при цьому бездоказове виконання. Нарешті, рамки агентів дозволяють розробникам створювати спеціалізовані додатки на основі AI, такі як автономні торгові роботи, оцінювачі кредитних ризиків та оптимізатори управління в ланцюзі.

З розширенням екосистеми DeFAI найяскравіші проекти можна поділити на три основні категорії:

1. Абстрактний рівень

Ці протоколи виконують роль зручного інтерфейсу для користувачів подібно до ChatGPT у сфері Децентралізованих фінансів, дозволяючи користувачам вводити підказки для виконання на ланцюгу. Вони зазвичай інтегруються з кількома ланцюгами та dApp, реалізуючи наміри користувачів, одночасно усуваючи ручні етапи в складних транзакціях.

Деякі функції, які можуть виконувати ці протоколи, включають:

• обмін, крос-ланцюг, позика/виведення, виконання транзакцій через крос-ланцюг
• Гаманець для копіювання торгівлі або профіль у соціальних мережах
• Автоматичне виконання take profit/stop loss тощо відповідно до відсотка обсягу позиції

Наприклад, не потрібно вручну витягувати ETH з платформи кредитування, переносити його через ланцюг на Solana, обмінювати на SOL/інші токени та надавати ліквідність на DEX - протокол абстрактного рівня може виконати цю операцію в один крок.

2. Автономний торговий агент

На відміну від традиційних торгових роботів, які діють відповідно до встановлених правил, автономні торгові агенти можуть навчатися та адаптуватися до умов ринку та коригувати свої стратегії на основі нової інформації. Ці агенти можуть:

• Аналізувати дані для постійного вдосконалення стратегії
• Прогнозуйте ринкові тенденції, щоб ухвалювати кращі рішення щодо довгих/коротких позицій
• Виконувати складні стратегії Децентралізованих фінансів, як базову торгівлю

3. DApps на основі штучного інтелекту

Децентралізовані фінанси dApp пропонують можливості кредитування, обміну, доходного фермерства тощо. Штучний інтелект та агенти ШІ можуть покращити ці послуги наступними способами:

• Оптимізуйте постачання ліквідності, переважуючи позиції LP для досягнення кращої APY
• Сканування токенів для виявлення ризиків шляхом виявлення потенційних rug або пасток.

Ці провідні протоколи, побудовані на цих шарах, стикаються з деякими викликами:

1. Ці протоколи залежать від потоків даних в реальному часі для досягнення оптимального виконання угод. Погана якість даних може призвести до неефективності маршрутів, збою угод або угод без прибутку.

2. AI моделі залежать від історичних даних, але ринок криптовалют має високу волатильність. Агентам потрібно приймати навчання на різноманітних, високоякісних наборах даних, щоб підтримувати свою ефективність.

3. Потрібно всебічно зрозуміти кореляцію активів, зміни ліквідності та ринкові настрої, щоб зрозуміти загальний стан ринку.

Щоб забезпечити кращі продукти та найкращі результати, ці протоколи повинні розглянути можливість інтеграції різних наборів даних з різною якістю, щоб піднести свої продукти на новий рівень.

Дані рівень - забезпечує потужність для DeFAI смартів

Якість AI залежить від даних, на яких він базується. Щоб AI-агенти ефективно працювали в DeFAI, їм потрібні дані в реальному часі, структуровані та перевіряються. Наприклад, абстрактний рівень повинен отримувати доступ до даних на блокчейні через RPC та API соціальних мереж, тоді як агенти оптимізації торгівлі та прибутків потребують даних для подальшого вдосконалення своїх торгових стратегій та перерозподілу ресурсів.

Високоякісні набори даних дозволяють агентам краще прогнозувати поведінку цін у майбутньому, надаючи рекомендації щодо торгівлі, щоб відповідати їхнім уподобанням щодо довгих або коротких позицій у певних активах.

Основні постачальники даних DeFAI включають:

• Mode Synth: синтетичні дані для фінансового прогнозування, що захоплюють повний розподіл змін цін, використовуються для прогнозування AI моделей
• Chainbase: повноцінний структурований набір даних, що пропонує дані з підсиленням AI, для торгівлі, прогнозування та отримання альфи
• sqd.ai: Децентралізоване озеро даних для AI-агентів, розширюване, налаштовуване доступу до даних на кількох блокчейнах з безпекою нульового знання.
• Cookie: соціальні медіа свідомість і блокчейн дані шар, орієнтовані на AI-агентів, використовує 18 спеціалізованих AI-агентів для обробки понад 7 ТБ даних агентів на більш ніж 20 блокчейнах

Найбільш обговорюваний blockchain AI агентів

Окрім побудови шарів даних для AI та агентів, Mode також позиціонує себе як повноцінний блокчейн для майбутнього DeFAI. Нещодавно вони розгорнули Mode Terminal, який є co-pilot для DeFAI, що використовується для виконання ончейн-транзакцій за допомогою підказок користувача.

Mode також підтримує багато команд, заснованих на штучному інтелекті та агентів, які інтегрують кілька протоколів у свою екосистему. З розвитком більшої кількості агентів та виконанням угод Mode швидко розвивається.

Ці заходи були вжиті під час їх оновлення мережі за допомогою ШІ, найпомітнішим з яких є оснащення їхньої блокчейн-системи AI-сортувальником. Використовуючи моделювання та аналіз ШІ для торгових операцій перед виконанням, можна зупинити та перевірити високоризикові угоди перед їх обробкою, щоб забезпечити безпеку в ланцюгу. Як L2 суперланцюга Optimism, Mode знаходиться на перехресті, з'єднуючи людей та агентів користувачів з найкращими Децентралізованими фінансами екосистеми.

Наступний крок DeFAI

Наразі більшість AI-агентів у Децентралізованих фінансах стикаються з суттєвими обмеженнями у досягненні повної автономії. Наприклад:

1. Абстрактний рівень перетворює наміри користувача у виконання, але зазвичай йому не вистачає прогностичних можливостей.

2. AI-агенти можуть створювати альфа через аналіз, але їм не вистачає незалежного виконання торгівлі

3. DApp, який керується штучним інтелектом, може обробляти сховища або транзакції, але є пасивним, а не активним.

Наступний етап DeFAI, ймовірно, зосередиться на інтеграції корисного рівня даних для розробки оптимальної платформи або агента. Це вимагатиме глибоких ончейн-даних про активність великих гравців, зміни ліквідності тощо, одночасно генеруючи корисні синтетичні дані для покращення прогнозного аналізу та поєднуючи їх з аналізом настроїв з загального ринку.

Остаточною метою є те, щоб AI-агенти могли безшовно генерувати та виконувати торгові стратегії з єдиного інтерфейсу. З розвитком цих систем, ми можемо спостерігати, як у майбутньому трейдери DeFi покладатимуться на AI-агентів для автономної оцінки, прогнозування та виконання фінансових стратегій з мінімальним людським втручанням.

Висновок

Хоча токени та рамки AI-агентів зазнали значного зменшення, DeFAI все ще знаходиться на ранній стадії, потенціал AI-агентів для покращення доступності та продуктивності Децентралізованих фінансів є незаперечним.

Ключем до розкриття цього потенціалу є отримання високоякісних даних у реальному часі, що покращить прогнози та виконання торгівлі, керовані штучним інтелектом. Все більше протоколів інтегрують різні рівні даних, а протоколи даних створюють плагіни для інфраструктури, що підкреслює важливість даних для рішень агентів.

Дивлячись у майбутнє, перевірка та конфіденційність стануть ключовими викликами, які протокол повинен вирішити. Наразі більшість операцій AI-агентів залишаються чорними ящиками, користувачі повинні довірити їм свої кошти. Тому розвиток перевірених AI-рішень допоможе забезпечити прозорість і підзвітність процесів агентів. Інтеграція протоколів на основі TEE, FHE та навіть нульових знань може підвищити перевіряність поведінки AI-агентів, що забезпечить довіру до автономії.

Тільки успішне поєднання високоякісних даних, надійних моделей і прозорих процесів прийняття рішень дозволить агентам DeFAI отримати широке застосування.