来源：CoinDesk

编译：Dali@Web3CN.Pro

过去几个月，人工智能（AI）受到了广泛的关注。自2022年底以来，聊天机器人“ChatGPT”（人工智能研究实验室OpenAI推出）的爆火，以及其对各行业和人们日常生活的影响，人工智能已成为一个家喻户晓的话题。

ChatGPT极大地提高了人工智能地采用率。据OpenAI创始人萨姆·奥特曼（Sam Altman）介绍，在短短两个月内，ChatGPT的用户就突破了1亿。这是Facebook用了4年半、Instagram用了2年半、Twitter用了5年才达成的成就。

人工智能释放巨大应用价值

2023年伊始，我们看到微软和谷歌正在争夺人工智能的主导地位。微软将AI聊天机器人引入iPhone和安卓版必应App，谷歌也开始展示新的人工智能聊天机器人搜索工具。

从目前来看，微软似乎处于领先地位。2019年，这家软件巨头向OpenAI投资10亿美元，从而获得了该公司46%的股份，并计划将ChatGPT整合到网络浏览器Edge和搜索引擎必应中。

仔细想想，微软最终可能凭借人工智能终结谷歌在搜索引擎领域的霸主地位。OpenAI预测，ChatGPT将在2023年实现2亿美元的创收，而到2024年底这一数值将达10亿美元。到2030年，人工智能很有可能成为创收和市值最高的行业。

未来，人工智能将无处不在并取代许多人类工作。在此背景之下，考虑如何使用这种强大的计算形式来使加密行业的机遇最大化是很有趣的。AI可以提高加密效率，本站技术反过来也可以帮助解决机器学习特有的问题。

人工智能在加密领域的创新应用

1、有效监控动态头寸和实体风险

由于加密市场出现黑天鹅事件（具有潜在严重后果的不可预测的事件）的频率越来越高，传统的评估交易头寸风险的方法已经过时。在加密领域，分析师需要评估与跨协议的流动性变动有关的风险，鉴于需要分析的数据量很大，这几乎是人工不可能完成的。

人工智能可以再一次扩展人类的决策范围。结合其他一些常用的方法，人工智能可以监控所有协议中链上头寸的健康状况，并通过易于解读的信号针对潜在的风险进行提示。

此外，因为加密行业的协议越来越多，这使得分析工作变得愈加复杂，而人工智能可以给人类分析师提供了大量的帮助以减轻工作的难度。

2、强调流量分析、相关性和预测分析

在Celsius和FTX事件之后，加密行业急需制定相关方法以监测可能导致类似情况的事件和因素。为此，加密分析师和数据科学家探索了一系列方法，如代表性的基于钱包和实体的alerting signals，以及基于AI的资本流动汇总。

此外，AI技术还可以用于识别链上恶意操作。

传统AI用例引入加密领域

1、社交媒体中的情绪分析和认知失真检测

情绪分析是一种技术，其中自然语言处理（NLP）能够分析文本并赋予其意义，从而帮助人类了解他们对某一特定资产类别是否存在积极或消极情绪。

传统金融领域通常根据新闻报道来分析金融市场情绪。但这在加密行业是行不通的，如果投资者等新闻出来再去投资，时机就已经晚了。这或许可以解释“谣言时买入,新闻时卖出”（buy the rumor, sell the news）这句谚语的含义，即任何一个新的市场趋势都是需要提前预期的。

众所周知，加密市场因其变幻莫测而充满吸引力。加密市场不可预测的走势是推动其发展的重要动力。因此，有必要进一步开发人工智能和数据框架，以推动价格预测研究和应用。

人工智能和数据框架需要具备这些功能：能够从各种渠道收集情绪数据（无论它们是否与加密相关），并且通过一个AI分析框架来整合情感分析研究的最新发展。此外，它还要能够区分真人和机器人、真实对话和精心编排的对话。

除了这些，这些AI将能够检测社交媒体上所谓的认知扭曲，例如夸大负面事件的影响、认为自己可以预测未来、觉得自己掌握读心术。

2、预测市场走势

几十年来，人工智能一直通过预测市场动态来助力传统金融的发展。以往，这是通过情绪分析实现的。但在加密货币领域，我们可以根据主要币种或币种类别之间的统计相关性来完成市场走势的预测。例如，在拥有多种代币的去中心化交易所Curve和以人工智能为重点的SingularityNET等本地化生态系统中，我们能够看到滞后和相关联的交易模式出现。

由于用来保护和挖掘去中心化网络的硬件技术快速发展（即基于GPU的计算的兴起），就理解价格波动而言，大规模使用深度学习模型变得越来越有必要。扩展传统金融所使用的机器学习和深度学习方法来预测价格波动或识别市场机制（即我们是否处于熊市或牛市），会是人工智能在加密领域的关键用例。

另外还有强化学习的应用，这是一种人工智能技术，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。不同于监督学习和非监督学习，强化学习不要求预先给定任何数据，而是通过接收环境对动作的奖励（反馈）获得学习信息并更新模型参数。强化学习可以应用于预测资产交易时的滑点（滑点是指成交价与下单时的预期价不同）和价格冲击。

3、交易机器人/基于AI的做市

SingularityDAO的人工智能团队在市场模拟和回测领域进行了探索性研究，提高了量化市场动态的技术水平。我们探索的一项用于做市的技术名为“适应性多策略代理“（AMSA）。它提供了一个环境以使不同的AI算法可以买卖资产、对这些交易进行回溯测试并评估交易价值和对市场的影响。

大家可以将这些自我强化的交易算法看作传统交易机器人的进一步升级。换句话说，开发人工智能是为了帮助创建更复杂的自动化做市商系统。这有助于发展更强大的去中心化交易系统，并帮助交易者重新平衡他们的多资产投资组合。

小结

尽管我们距离真正的AGI（通用人工智能）或有感知能力的AI还很遥远，但不可否认，该领域在过去几年发展迅速。因此，我们有理由相信，在未来的某一天，人工智能将有能力管理我们的加密基金，并保障我们钱包的安全。

而与ChatGPT等大型语言模型整合将大大加快这一进程，届时，人人都可以轻松访问加密网络，加密行业也有潜力创造一个新的普惠的金融生态系统。