La fusión de la IA y la cadena de bloques: perspectivas de la nueva generación de finanzas descentralizadas
En un mundo futuro, los agentes inteligentes de IA podrían formar una relación simbiótica digital con los humanos. Estos agentes autónomos pueden clarificar intenciones a través del diálogo según las necesidades del lenguaje natural del usuario y descomponer automáticamente las tareas para lograr los resultados esperados.
Un proyecto ha establecido una red paralela asíncrona basada en actores, que logra consenso solo sobre el orden de las transacciones, asumiendo de manera optimista que los resultados de la ejecución en la máquina virtual son consistentes con un orden de transacciones fijo. Este diseño permite que la capacidad de cálculo de la red se escale masivamente y soporte incluso cualquier tipo de cálculo. El proyecto utiliza una red de almacenamiento como la capa de consenso del orden de las transacciones y la capa de almacenamiento del estado de los resultados de las transacciones.
En comparación con los proyectos de cadena de bloques más populares en la actualidad, la infraestructura de este proyecto es compatible con capacidades de cálculo más complejas, incluyendo la ejecución de modelos de IA. Su unidad de cálculo, tras la reciente actualización de la máquina virtual WASM, puede acceder a 16GB de memoria, suficiente para ejecutar modelos de lenguaje grandes, como la serie Falcon de Llama 3 en su versión no cuantizada.
El proyecto también utiliza una tecnología que permite a los usuarios acceder a los datos en la red como si estuvieran accediendo a un disco duro local, y admite la interacción de procesos de diferentes tipos de máquinas virtuales en un entorno compartido. Esto proporciona más fuentes de datos y posibilidades de combinación para el desarrollo de aplicaciones futuras.
El diseño de este sistema hace posible la implementación de contratos inteligentes que integran agentes de IA. A través de la programación, se pueden crear agentes de IA que tomen decisiones inteligentes en el mercado; estos agentes pueden competir entre sí o representar a humanos en competencia con otros humanos. Este diseño podría cambiar la forma en que se realiza el trading cuantitativo en el futuro, facilitando que el proceso de diseño y selección de modelos de aprendizaje automático, así como la ejecución de operaciones automatizadas, sea automatizado por IA.
El desarrollo de las finanzas descentralizadas en los últimos años ha hecho que la ejecución de diversas operaciones financieras en la cadena no requiera confiar en entidades centralizadas. Sin embargo, el núcleo de la vitalidad del mercado sigue siendo el flujo de capital y la toma de decisiones. Con el desarrollo de la aplicación del proyecto, podríamos ver la expansión de la parte de toma de decisiones inteligentes del mercado, donde los agentes de IA filtran información, procesan datos y combinan estrategias en la red, tomando decisiones en tiempo real y creando un sistema financiero de agentes autónomos descentralizados rico.
Actualmente, algunos proyectos han comenzado a realizar esta visión, como Autonomous Finance, Dexi y Outcome. Entre ellos, los resultados de Autonomous Finance son los más destacados.
Finanzas Autónomas
Autonomous Finance se centra en la investigación y el desarrollo de aplicaciones financieras que combinan IA en una determinada Cadena de bloques, intentando llevar la capa de toma de decisiones inteligentes a la cadena. Sus principales negocios incluyen infraestructura central, finanzas de agentes inteligentes y finanzas de contenido.
Las infraestructuras centrales incluyen protocolos como intercambios descentralizados, préstamos, derivados y activos sintéticos.
La financiación de agentes inteligentes se lleva a cabo principalmente a través de agentes semi-autónomos y totalmente autónomos que ejecutan estrategias de trading. Estos agentes utilizan flujos de datos en cadena para el autoaprendizaje, ejecutando estrategias de inversión en varios pools de liquidez dentro del ecosistema y sobre la base financiera, sin necesidad de señales fuera de la cadena o intervención humana.
Los agentes autónomos típicos incluyen gestión de activos mediante el método de promedio de costo en dólares, fondos indexados autónomos autoequilibrados, fondos de cobertura autónomos con estrategias de riesgo personalizadas, agentes de agregación de ingresos, agentes de predicción en cadena y agentes de trading de alta frecuencia, entre otros.
Entre ellos, el método de promedio de costo en dólares actúa como agente base, proporcionando una variedad de parámetros personalizables, como transacciones desencadenadas dentro de un rango de precios específico, ajustes en la duración del tiempo de transacción a intervalos fijos y transacciones ponderadas por el precio del activo.
El contenido financiero es un marco para atribuir y monetizar datos almacenados en redes permanentes como activos combinables. Permite a los contribuyentes de datos o fondos de contenido contribuir con datos a la red, los cuales servirán como señales en cadena para agentes autónomos y aprendizaje automático.
Actualmente, Autonomous Finance ha lanzado dos productos principales: AO Link y Data OS. AO Link es el navegador de mensajes de la red, que ofrece funciones de cálculo de mensajes, visualización gráfica de enlaces de mensajes, flujo de mensajes en tiempo real, entre otros. Data OS es un protocolo de finanzas de contenido que utiliza agentes de IA autónomos para obtener contenido y luego generar derivados de contenido.
Dexi
Dexi es una interfaz de interacción importante y también es una aplicación implementada por agentes en la red, capaz de identificar, recopilar y resumir datos financieros de varios eventos en la red. Su principal objetivo son los usuarios finales y las aplicaciones de la red, ofreciendo servicios de suscripción de datos.
Resultado
Outcome es una plataforma de mercado de predicciones que ofrece a los usuarios la oportunidad de apostar sobre varios eventos. Actualmente, los temas de predicción en el mercado abarcan áreas como tecnología, memes, negocios, juegos, Finanzas descentralizadas, entre otros. El proyecto planea permitir en el futuro que los usuarios construyan agentes autónomos basados en modelos de lenguaje grande para realizar apuestas automáticas en el mercado de predicciones.
Estas innovaciones nos ofrecen una nueva perspectiva para explorar la posibilidad de implementar modelos de IA directamente en la cadena de bloques y utilizar varios agentes de IA para llevar a cabo transacciones automatizadas. Esperamos ver más casos que combinen agentes de IA para lograr estrategias financieras, impulsando así el desarrollo adicional de las finanzas descentralizadas.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
16 me gusta
Recompensa
16
6
Compartir
Comentar
0/400
MEVHunter
· 07-10 22:30
no voy a mentir, este alpha está filtrándose por todo el mempool... más flujo tóxico en camino
Ver originalesResponder0
PessimisticLayer
· 07-09 19:11
Espero poder conseguir algo de dinero
Ver originalesResponder0
RunWithRugs
· 07-08 18:22
Todo el día levantándose temprano y trabajando duro en los contratos.
Ver originalesResponder0
CodeZeroBasis
· 07-08 18:21
la IA no puede jugar
Ver originalesResponder0
wrekt_but_learning
· 07-08 18:01
alcista ah alcista ah ¿esto va a subir al cielo?
Ver originalesResponder0
Layer3Dreamer
· 07-08 17:59
teóricamente hablando, los zk-actors podrían transformar la composabilidad l3
Fusión de IA y cadena de bloques: el futuro del nuevo modelo de finanzas descentralizadas
La fusión de la IA y la cadena de bloques: perspectivas de la nueva generación de finanzas descentralizadas
En un mundo futuro, los agentes inteligentes de IA podrían formar una relación simbiótica digital con los humanos. Estos agentes autónomos pueden clarificar intenciones a través del diálogo según las necesidades del lenguaje natural del usuario y descomponer automáticamente las tareas para lograr los resultados esperados.
Un proyecto ha establecido una red paralela asíncrona basada en actores, que logra consenso solo sobre el orden de las transacciones, asumiendo de manera optimista que los resultados de la ejecución en la máquina virtual son consistentes con un orden de transacciones fijo. Este diseño permite que la capacidad de cálculo de la red se escale masivamente y soporte incluso cualquier tipo de cálculo. El proyecto utiliza una red de almacenamiento como la capa de consenso del orden de las transacciones y la capa de almacenamiento del estado de los resultados de las transacciones.
En comparación con los proyectos de cadena de bloques más populares en la actualidad, la infraestructura de este proyecto es compatible con capacidades de cálculo más complejas, incluyendo la ejecución de modelos de IA. Su unidad de cálculo, tras la reciente actualización de la máquina virtual WASM, puede acceder a 16GB de memoria, suficiente para ejecutar modelos de lenguaje grandes, como la serie Falcon de Llama 3 en su versión no cuantizada.
El proyecto también utiliza una tecnología que permite a los usuarios acceder a los datos en la red como si estuvieran accediendo a un disco duro local, y admite la interacción de procesos de diferentes tipos de máquinas virtuales en un entorno compartido. Esto proporciona más fuentes de datos y posibilidades de combinación para el desarrollo de aplicaciones futuras.
El diseño de este sistema hace posible la implementación de contratos inteligentes que integran agentes de IA. A través de la programación, se pueden crear agentes de IA que tomen decisiones inteligentes en el mercado; estos agentes pueden competir entre sí o representar a humanos en competencia con otros humanos. Este diseño podría cambiar la forma en que se realiza el trading cuantitativo en el futuro, facilitando que el proceso de diseño y selección de modelos de aprendizaje automático, así como la ejecución de operaciones automatizadas, sea automatizado por IA.
El desarrollo de las finanzas descentralizadas en los últimos años ha hecho que la ejecución de diversas operaciones financieras en la cadena no requiera confiar en entidades centralizadas. Sin embargo, el núcleo de la vitalidad del mercado sigue siendo el flujo de capital y la toma de decisiones. Con el desarrollo de la aplicación del proyecto, podríamos ver la expansión de la parte de toma de decisiones inteligentes del mercado, donde los agentes de IA filtran información, procesan datos y combinan estrategias en la red, tomando decisiones en tiempo real y creando un sistema financiero de agentes autónomos descentralizados rico.
Actualmente, algunos proyectos han comenzado a realizar esta visión, como Autonomous Finance, Dexi y Outcome. Entre ellos, los resultados de Autonomous Finance son los más destacados.
Finanzas Autónomas
Autonomous Finance se centra en la investigación y el desarrollo de aplicaciones financieras que combinan IA en una determinada Cadena de bloques, intentando llevar la capa de toma de decisiones inteligentes a la cadena. Sus principales negocios incluyen infraestructura central, finanzas de agentes inteligentes y finanzas de contenido.
Las infraestructuras centrales incluyen protocolos como intercambios descentralizados, préstamos, derivados y activos sintéticos.
La financiación de agentes inteligentes se lleva a cabo principalmente a través de agentes semi-autónomos y totalmente autónomos que ejecutan estrategias de trading. Estos agentes utilizan flujos de datos en cadena para el autoaprendizaje, ejecutando estrategias de inversión en varios pools de liquidez dentro del ecosistema y sobre la base financiera, sin necesidad de señales fuera de la cadena o intervención humana.
Los agentes autónomos típicos incluyen gestión de activos mediante el método de promedio de costo en dólares, fondos indexados autónomos autoequilibrados, fondos de cobertura autónomos con estrategias de riesgo personalizadas, agentes de agregación de ingresos, agentes de predicción en cadena y agentes de trading de alta frecuencia, entre otros.
Entre ellos, el método de promedio de costo en dólares actúa como agente base, proporcionando una variedad de parámetros personalizables, como transacciones desencadenadas dentro de un rango de precios específico, ajustes en la duración del tiempo de transacción a intervalos fijos y transacciones ponderadas por el precio del activo.
El contenido financiero es un marco para atribuir y monetizar datos almacenados en redes permanentes como activos combinables. Permite a los contribuyentes de datos o fondos de contenido contribuir con datos a la red, los cuales servirán como señales en cadena para agentes autónomos y aprendizaje automático.
Actualmente, Autonomous Finance ha lanzado dos productos principales: AO Link y Data OS. AO Link es el navegador de mensajes de la red, que ofrece funciones de cálculo de mensajes, visualización gráfica de enlaces de mensajes, flujo de mensajes en tiempo real, entre otros. Data OS es un protocolo de finanzas de contenido que utiliza agentes de IA autónomos para obtener contenido y luego generar derivados de contenido.
Dexi
Dexi es una interfaz de interacción importante y también es una aplicación implementada por agentes en la red, capaz de identificar, recopilar y resumir datos financieros de varios eventos en la red. Su principal objetivo son los usuarios finales y las aplicaciones de la red, ofreciendo servicios de suscripción de datos.
Resultado
Outcome es una plataforma de mercado de predicciones que ofrece a los usuarios la oportunidad de apostar sobre varios eventos. Actualmente, los temas de predicción en el mercado abarcan áreas como tecnología, memes, negocios, juegos, Finanzas descentralizadas, entre otros. El proyecto planea permitir en el futuro que los usuarios construyan agentes autónomos basados en modelos de lenguaje grande para realizar apuestas automáticas en el mercado de predicciones.
Estas innovaciones nos ofrecen una nueva perspectiva para explorar la posibilidad de implementar modelos de IA directamente en la cadena de bloques y utilizar varios agentes de IA para llevar a cabo transacciones automatizadas. Esperamos ver más casos que combinen agentes de IA para lograr estrategias financieras, impulsando así el desarrollo adicional de las finanzas descentralizadas.