Прогнозування було основною здатністю людської еволюції - з давніх часів люди покладалися на свої відчуття та інстинкти, щоб передбачити загрози та можливості в навколишньому середовищі, включаючи виявлення патернів активності хижаків, ймовірність появи здобичі та сезонну доступність їжі, що є критично важливими для виживання.
Відтоді ця прогностична модель еволюціонувала у використання інструментів та планування (, таких як прогнозування потреб у вирощуванні культур, забою та збереженні м'яса ), прогнозування соціальних сигналів (, намірів, емоцій, поведінки ) та розвиток письма, науки, математики й сучасних інструментів, таких як статистика, комп'ютери, машинне навчання та штучний інтелект, які всі використовуються для підвищення людської прогностичної здатності.
Ринки прогнозування, зокрема, перетворилися на економічний інструмент — той, що використовує людську здатність прогнозувати економічні, політичні та культурні результати. На відміну від традиційних опитувань громадської думки, ринки прогнозування, такі як Polymarket і Kalshi, використовують економічні стимули для точних прогнозів, оскільки учасники ставлять реальні гроші.
Polymarket залучив майже 4 мільярди доларів ставок на ринок виборів у США 2024 року, перевершивши навіть опитування думки у передбаченні перемоги Трампа, що відображає економічну цінність краудсорсингових прогнозів.
Та ж еволюція стосується торгівлі спотовими та безстроковими контрактами, від зростання CEX, щоб задовольнити зростаючий попит на криптовалюти по всьому світу, до нещодавнього руйнівного розвитку Hyperliquid, який надає послуги самостійного зберігання та без KYC з досвідом торгівлі, схожим на CEX.
Прогнозування є основною здатністю еволюції людини, і з підйомом моделей прогнозування штучного інтелекту/машинного навчання можливість прогнозувати події, ціни активів і волатильність суттєво покращується.
Це підносить людство на наступний етап еволюції.
DeFi 3.0
DeFi 1.0 представив смарт-контракти та децентралізовані програми, що дозволяє будь-кому передавати, купувати, продавати, закладати, позичати та добувати дохід у будь-який час і в будь-якому місці. По суті, це полягає у використанні криптоактивів для операцій в блокчейні з метою створення економічної вартості, таких як Uniswap, AAVE, Compound, Curve, Yearn та Maker.
DeFi 2.0 розширює 1.0 і впроваджує нові токеноміки та механізми розподілу стимулів, призначені для координації інтересів різних учасників протоколу (, таких як Olympus/Wonderland, Solidly/Aerodrome), і породила нові ринки, які забезпечують альтернативні джерела доходу (, такі як Maple, Pendle, Ethena, Ondo, Clearpool, Solv, USDai тощо.).
DeFi 3.0 впроваджує штучний інтелект у DeFi. Дехто називає це DeFAI, а інші - AiFi. Це означає інтеграцію великих мовних моделей (LLM) та/або моделей машинного навчання (ML) у DeFi продукти.
Від простих інтеграцій LLM (, які виконують функції підтримки клієнтів/співпілота, щоб допомогти користувачам орієнтуватися в протоколі ), до мультиагентних/свормових і систем машинного навчання, які принципово покращують продукт (, збільшують торгові прибутки, зменшують тимчасові втрати, підвищують доходи від LP, зменшують ризик ліквідації для безстрокової торгівлі тощо. ).
Окрім абстрактного шару DeFAI та повністю автономних фінансових агентів, сьогодні ми обговоримо роль систем штучного інтелекту/машинного навчання та прогностичних моделей у трансформації DeFi та інших вертикалей.
Система прогнозування
Нейронні мережі та дерева рішень існують з 2000-х років, і ці системи використовувалися хедж-фондами для прогнозування цін на акції та товари. Ранні результати прогнозування акцій були досить обнадійливими, з точністю короткострокових прогнозів на рівні 50%-60%, але перенавчання та обмежені дані обмежили їх застосування.
Потім відбувся підйом глибокого навчання та великих даних, що дозволило моделям обробляти більші набори даних (часові ряди, неструктуровані дані, такі як новини та соціальні медіа), що призвело до більш точних прогнозів та ширших застосувань.
Протягом останніх п'яти років відбулися проривні розробки, з моделями Transformer та мультимодальним ШІ, які інтегрують більш різноманітні набори даних, такі як настрої Twitter, блокчейн-транзакції, оракули, новини в реальному часі, краудсорсингові прогнози (Polymarket, Kalshi) та інше. Це дозволило деяким моделям ШІ досягти точності 80% - 90% у прогнозуванні результатів подій та цін активів.
Оскільки ці моделі продовжують покращуватися, попит на інтеграцію прогнозуючих можливостей у системи DeFi значно зріс. Наразі ми перебуваємо на ранніх стадіях DeFi 3.0 і спостерігаємо, як деякі учасники ринку поєднують системи штучного інтелекту/машинного навчання з сценаріями застосування Web3 в реальному часі.
DeFi x AI/ML система
Отже
Allora, ймовірно, є найбільш широко використовуваною децентралізованою мережею модельних прогнозів на даний момент. Allora досягла численних інтеграцій з DeFi протоколами та командами AI агентів, надаючи їй можливості прогнозування (, зосереджуючись, головним чином, на прогнозах цін на криптовалюту, таких як BTC, ETH, SOL).
Короткострокові прогнози цін на криптовалюту, як говорять, мають точність близько 80%.
Деякі ключові застосування включають:
Vectis Finance - це сховище на основі USDC, яке керується штучним інтелектом і використовує технологію міркування Allora для максимізації прибутків від торгівлі SOL. Його накопичений дохід з 23 квітня становить 2,4%, з річною процентною ставкою приблизно 10%.
AI LP Vault протоколу Steer використовує прогнози цін Allora для покращення розміщення ліквідності перед коливаннями цін, тим самим уникнувши тимчасових втрат.
Allora співпрацює з багатьма командами, включаючи Cod3x, Axal, Brahma, Virtuals Protocol тощо, щоб підтримувати торгові стратегії та виконання агентів ШІ.
Підмережа Bittensor
Оскільки механізм розподілу винагород dTAO Bittensor може допомогти стартапам (subnets) компенсувати витрати на розробку, команда використовує Bittensor для запуску розробки свого продукту та передає багато розробницьких робіт майнерам. Чим вища винагорода, тим краща якість майнерів.
Оскільки моделі машинного навчання та системи прогнозування є одними з найпростіших задач для кількісної оцінки (, створення моделі, яка може точно прогнозувати щось ), є однією з найпоширеніших вертикалей, на яких зосереджуються підмережі.
Підмережа, зосереджена на прогнозуванні
SN6 @Playinfgames
SN8 @taoshiio
SN18 @zeussubnet
SN41 @sportstensor
SN44 @webuildscore
SN50 @SynthdataCo
Оскільки SN6, SN18, SN41 та SN44 були детально представлені раніше, ці підмережі будуть пропущені, але я все ж хочу знову підкреслити:
➔ SN6's @aion5100 (SN6's AI агент/прогнозний хедж-фонд шар ) незабаром запустить DeFi сховище, яке автоматично розподіляє внески користувачів для ставок на події/ринки з високою впевненістю. Сховище незабаром буде запущено, і раннє тестування, за повідомленнями, дає більше чотиризначних APY.
➔ SN44's @thedkingdao продовжує спостерігати покращення сигналів у футболі/сокері. Нещодавні результати на Клубному чемпіонаті світу показали агресивний розмір ставок, що призвело до 232% ROI. Команда також працює над продуктом DeFi vault, який буде мати більш ризиковано-скоригований підхід.
AI-агенти/токени, що представляють ці два рівні застосунків на CreatorBid, продемонстрували чудові можливості інтелекту SN6 та SN44. Це надихнуло багато інших команд підмереж, щоб наслідувати цей приклад і запустити токени AI-агентів для демонстрації можливостей своїх підмереж.
➔ SN50 Synth є особливо цікавим. Ця підмережа побудована на основі високої загальної моделі прогнозування волатильності. Її можна використовувати для покриття широкого спектра ймовірностей того, що можуть статися ціни (, а не лише для прогнозування майбутніх цін ), таких як прогнозування ймовірностей ліквідації, терміни життя/ліквідації для безстрокових позицій, встановлення діапазонів Univ3 LP та прогнозування імперманентних втрат, прогнозування цін страйку опціонів та термінів їх закінчення в межах вікна тощо.
Synth, як стверджується, перевершує традиційну базову модель ( геометричний броунівський рух ) на 25% - 30%.
Існує величезний попит на екосистеми L1/L2, які хочуть інтегрувати такі механізми у свою DeFi екосистему.
На даний момент Synth був інтегрований з наступними платформами:
Arbitrum, підтримує змагання торговців штучним інтелектом
Chainrisk, розуміння волатильності, щоб партнерські угоди могли краще впоратися різкими змінами у волатильності
Solana є останнім великим протоколом ліквідного стейкінгу для невідомого випадку використання (, за словами команди, офіційне оголошення буде опубліковано через 1-2 дні )
Команда позиціонує Mode L2 ( як прикладний шар, що дозволяє трейдерам використовувати Synth для прогнозування цін на активи та покращення торгівлі, поєднуючи виведення Synth з продуктом Mode AI Terminal + Mode Perp.
Що робить SN6, SN44, SN50 та багато інших підмереж такими цікавими, так це те, що вони пропонують майнерам стимули в розмірі від 2 мільйонів до понад 10 мільйонів токенів dTAO на рік для постійного вдосконалення своїх моделей прогнозування.
Мета полягає в тому, щоб використовувати стимули dTAO як капітальні витрати для спрямування розвитку продукту та досягнення комерціалізації/продуктізації якомога швидше, таким чином отримуючи реальні прибутки та компенсуючи тиск продажу dTAO. Деякі з цих підмереж почали переходити до стадії комерціалізації ), що підтверджується підтримкою DKING у розмірі 300 мільйонів доларів для одного з провідних спортивних хедж-фондів (.
) Що буде далі?
Прагнення до вищих прибутків і нижчих ризиків продовжиться, спонукаючи будівельників виводити більше реальних активів в блокчейн. Існуючі джерела доходу DeFi продовжать оптимізуватися і ставати дедалі доступнішими.
Ринки прогнозів стануть головним джерелом інформації, штучний інтелект буде виступати в ролі маркет-мейкерів, а досвідчені учасники ще більше стимулюватимуть мудрість натовпу. Інструменти стають розумнішими, а моделі - точнішими, і деякі результати вже були помічені.
Чим більше ці ці системи вчаться, тим ціннішими вони стають. І чим більше вони можуть комбінуватися з рештою Web3, тим незупиннішим стане все це.
Суть в тому, що… в кінці дня все в криптовалюті є ставкою на майбутнє.
Тому, інфраструктура та програми/агенти, які можуть бачити майбутнє хоча б трохи ясніше—чи то через колективну мудрість, кращі дані, чи точніші моделі—матимуть значну перевагу.
Пов'язане читання: IOSG: Дослідження ринку прогнозів та його конкурентного середовища через Kalshi
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Децентралізовані фінанси 3.0 етап, як ШІ може завдяки прогнозуванню інформації "обдурювати людей, як лохів" ринок?
Автор: 0xJeff, Крипто KOL
Скомпільовано: Феліксом, PANews
Прогнозування було основною здатністю людської еволюції - з давніх часів люди покладалися на свої відчуття та інстинкти, щоб передбачити загрози та можливості в навколишньому середовищі, включаючи виявлення патернів активності хижаків, ймовірність появи здобичі та сезонну доступність їжі, що є критично важливими для виживання.
Відтоді ця прогностична модель еволюціонувала у використання інструментів та планування (, таких як прогнозування потреб у вирощуванні культур, забою та збереженні м'яса ), прогнозування соціальних сигналів (, намірів, емоцій, поведінки ) та розвиток письма, науки, математики й сучасних інструментів, таких як статистика, комп'ютери, машинне навчання та штучний інтелект, які всі використовуються для підвищення людської прогностичної здатності.
Ринки прогнозування, зокрема, перетворилися на економічний інструмент — той, що використовує людську здатність прогнозувати економічні, політичні та культурні результати. На відміну від традиційних опитувань громадської думки, ринки прогнозування, такі як Polymarket і Kalshi, використовують економічні стимули для точних прогнозів, оскільки учасники ставлять реальні гроші.
Polymarket залучив майже 4 мільярди доларів ставок на ринок виборів у США 2024 року, перевершивши навіть опитування думки у передбаченні перемоги Трампа, що відображає економічну цінність краудсорсингових прогнозів.
Та ж еволюція стосується торгівлі спотовими та безстроковими контрактами, від зростання CEX, щоб задовольнити зростаючий попит на криптовалюти по всьому світу, до нещодавнього руйнівного розвитку Hyperliquid, який надає послуги самостійного зберігання та без KYC з досвідом торгівлі, схожим на CEX.
Прогнозування є основною здатністю еволюції людини, і з підйомом моделей прогнозування штучного інтелекту/машинного навчання можливість прогнозувати події, ціни активів і волатильність суттєво покращується.
Це підносить людство на наступний етап еволюції.
DeFi 3.0
DeFi 1.0 представив смарт-контракти та децентралізовані програми, що дозволяє будь-кому передавати, купувати, продавати, закладати, позичати та добувати дохід у будь-який час і в будь-якому місці. По суті, це полягає у використанні криптоактивів для операцій в блокчейні з метою створення економічної вартості, таких як Uniswap, AAVE, Compound, Curve, Yearn та Maker.
DeFi 2.0 розширює 1.0 і впроваджує нові токеноміки та механізми розподілу стимулів, призначені для координації інтересів різних учасників протоколу (, таких як Olympus/Wonderland, Solidly/Aerodrome), і породила нові ринки, які забезпечують альтернативні джерела доходу (, такі як Maple, Pendle, Ethena, Ondo, Clearpool, Solv, USDai тощо.).
DeFi 3.0 впроваджує штучний інтелект у DeFi. Дехто називає це DeFAI, а інші - AiFi. Це означає інтеграцію великих мовних моделей (LLM) та/або моделей машинного навчання (ML) у DeFi продукти.
Від простих інтеграцій LLM (, які виконують функції підтримки клієнтів/співпілота, щоб допомогти користувачам орієнтуватися в протоколі ), до мультиагентних/свормових і систем машинного навчання, які принципово покращують продукт (, збільшують торгові прибутки, зменшують тимчасові втрати, підвищують доходи від LP, зменшують ризик ліквідації для безстрокової торгівлі тощо. ).
Окрім абстрактного шару DeFAI та повністю автономних фінансових агентів, сьогодні ми обговоримо роль систем штучного інтелекту/машинного навчання та прогностичних моделей у трансформації DeFi та інших вертикалей.
Система прогнозування
Нейронні мережі та дерева рішень існують з 2000-х років, і ці системи використовувалися хедж-фондами для прогнозування цін на акції та товари. Ранні результати прогнозування акцій були досить обнадійливими, з точністю короткострокових прогнозів на рівні 50%-60%, але перенавчання та обмежені дані обмежили їх застосування.
Потім відбувся підйом глибокого навчання та великих даних, що дозволило моделям обробляти більші набори даних (часові ряди, неструктуровані дані, такі як новини та соціальні медіа), що призвело до більш точних прогнозів та ширших застосувань.
Протягом останніх п'яти років відбулися проривні розробки, з моделями Transformer та мультимодальним ШІ, які інтегрують більш різноманітні набори даних, такі як настрої Twitter, блокчейн-транзакції, оракули, новини в реальному часі, краудсорсингові прогнози (Polymarket, Kalshi) та інше. Це дозволило деяким моделям ШІ досягти точності 80% - 90% у прогнозуванні результатів подій та цін активів.
Оскільки ці моделі продовжують покращуватися, попит на інтеграцію прогнозуючих можливостей у системи DeFi значно зріс. Наразі ми перебуваємо на ранніх стадіях DeFi 3.0 і спостерігаємо, як деякі учасники ринку поєднують системи штучного інтелекту/машинного навчання з сценаріями застосування Web3 в реальному часі.
DeFi x AI/ML система
Отже
Allora, ймовірно, є найбільш широко використовуваною децентралізованою мережею модельних прогнозів на даний момент. Allora досягла численних інтеграцій з DeFi протоколами та командами AI агентів, надаючи їй можливості прогнозування (, зосереджуючись, головним чином, на прогнозах цін на криптовалюту, таких як BTC, ETH, SOL).
Короткострокові прогнози цін на криптовалюту, як говорять, мають точність близько 80%.
Деякі ключові застосування включають:
Підмережа Bittensor
Оскільки механізм розподілу винагород dTAO Bittensor може допомогти стартапам (subnets) компенсувати витрати на розробку, команда використовує Bittensor для запуску розробки свого продукту та передає багато розробницьких робіт майнерам. Чим вища винагорода, тим краща якість майнерів.
Оскільки моделі машинного навчання та системи прогнозування є одними з найпростіших задач для кількісної оцінки (, створення моделі, яка може точно прогнозувати щось ), є однією з найпоширеніших вертикалей, на яких зосереджуються підмережі.
Підмережа, зосереджена на прогнозуванні
Оскільки SN6, SN18, SN41 та SN44 були детально представлені раніше, ці підмережі будуть пропущені, але я все ж хочу знову підкреслити:
➔ SN6's @aion5100 (SN6's AI агент/прогнозний хедж-фонд шар ) незабаром запустить DeFi сховище, яке автоматично розподіляє внески користувачів для ставок на події/ринки з високою впевненістю. Сховище незабаром буде запущено, і раннє тестування, за повідомленнями, дає більше чотиризначних APY.
➔ SN44's @thedkingdao продовжує спостерігати покращення сигналів у футболі/сокері. Нещодавні результати на Клубному чемпіонаті світу показали агресивний розмір ставок, що призвело до 232% ROI. Команда також працює над продуктом DeFi vault, який буде мати більш ризиковано-скоригований підхід.
AI-агенти/токени, що представляють ці два рівні застосунків на CreatorBid, продемонстрували чудові можливості інтелекту SN6 та SN44. Це надихнуло багато інших команд підмереж, щоб наслідувати цей приклад і запустити токени AI-агентів для демонстрації можливостей своїх підмереж.
➔ SN50 Synth є особливо цікавим. Ця підмережа побудована на основі високої загальної моделі прогнозування волатильності. Її можна використовувати для покриття широкого спектра ймовірностей того, що можуть статися ціни (, а не лише для прогнозування майбутніх цін ), таких як прогнозування ймовірностей ліквідації, терміни життя/ліквідації для безстрокових позицій, встановлення діапазонів Univ3 LP та прогнозування імперманентних втрат, прогнозування цін страйку опціонів та термінів їх закінчення в межах вікна тощо.
Існує величезний попит на екосистеми L1/L2, які хочуть інтегрувати такі механізми у свою DeFi екосистему.
На даний момент Synth був інтегрований з наступними платформами:
Команда позиціонує Mode L2 ( як прикладний шар, що дозволяє трейдерам використовувати Synth для прогнозування цін на активи та покращення торгівлі, поєднуючи виведення Synth з продуктом Mode AI Terminal + Mode Perp.
Що робить SN6, SN44, SN50 та багато інших підмереж такими цікавими, так це те, що вони пропонують майнерам стимули в розмірі від 2 мільйонів до понад 10 мільйонів токенів dTAO на рік для постійного вдосконалення своїх моделей прогнозування.
Мета полягає в тому, щоб використовувати стимули dTAO як капітальні витрати для спрямування розвитку продукту та досягнення комерціалізації/продуктізації якомога швидше, таким чином отримуючи реальні прибутки та компенсуючи тиск продажу dTAO. Деякі з цих підмереж почали переходити до стадії комерціалізації ), що підтверджується підтримкою DKING у розмірі 300 мільйонів доларів для одного з провідних спортивних хедж-фондів (.
) Що буде далі?
Прагнення до вищих прибутків і нижчих ризиків продовжиться, спонукаючи будівельників виводити більше реальних активів в блокчейн. Існуючі джерела доходу DeFi продовжать оптимізуватися і ставати дедалі доступнішими.
Ринки прогнозів стануть головним джерелом інформації, штучний інтелект буде виступати в ролі маркет-мейкерів, а досвідчені учасники ще більше стимулюватимуть мудрість натовпу. Інструменти стають розумнішими, а моделі - точнішими, і деякі результати вже були помічені.
Чим більше ці ці системи вчаться, тим ціннішими вони стають. І чим більше вони можуть комбінуватися з рештою Web3, тим незупиннішим стане все це.
Суть в тому, що… в кінці дня все в криптовалюті є ставкою на майбутнє.
Тому, інфраструктура та програми/агенти, які можуть бачити майбутнє хоча б трохи ясніше—чи то через колективну мудрість, кращі дані, чи точніші моделі—матимуть значну перевагу.
Пов'язане читання: IOSG: Дослідження ринку прогнозів та його конкурентного середовища через Kalshi