DeFAI: Як ШІ може розкрити потенціал Децентралізованих фінансів?

Децентралізовані фінанси(DeFi) з моменту свого швидкого розвитку з 2020 року залишаються важливою опорою криптоекосистеми. Незважаючи на появу багатьох інноваційних протоколів, складність і фрагментація DeFi також зросли, і навіть досвідченим користувачам важко впоратися з численними ланцюгами, активами та протоколами.

Одночасно, штучний інтелект (AI) перейшов від макронаративу 2023 року до більш спеціалізованого, орієнтованого на агентів фокусу 2024 року. Ця зміна сприяла виникненню нової сфери DeFi AI(DeFAI), де ШІ посилює DeFi через автоматизацію, управління ризиками та оптимізацію капіталу.

DeFAI перетинає кілька рівнів. Блокчейн є базовим рівнем, AI-агентам потрібно взаємодіяти з певним ланцюгом для виконання транзакцій і смарт-контрактів. Дані та обчислювальний рівні надають інфраструктуру, необхідну для навчання AI-моделей, які базуються на історичних даних про ціни, ринкових настроях та аналізі в ланцюзі. Рівень конфіденційності та перевірки забезпечує безпеку чутливих фінансових даних, зберігаючи при цьому бездоверчеве виконання. Нарешті, фреймворк агентів дозволяє розробникам створювати спеціалізовані додатки на основі AI, такі як автономні торгові роботи, оцінювачі кредитних ризиків та оптимізатори управління в ланцюзі.

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

1. Абстрактний рівень

Цей тип протоколів виступає як зручний інтерфейс для користувачів DeFi, подібний до ChatGPT, що дозволяє користувачам вводити підказки для виконання в ланцюгу. Вони зазвичай інтегруються з кількома ланцюгами та dApp, виконуючи наміри користувачів, одночасно спрощуючи ручні етапи в складних транзакціях.

Деякі функції, які можуть виконувати ці протоколи, включають:

• Обмін, кросчейн, позика/виведення, кросчейн виконання угоди
• Гаманець для копіювання торгів або профіль у соціальних мережах
• Автоматичне виконання взяття прибутку/зупинки збитків тощо залежно від відсотка обсягу позиції

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

2. Автономний торговий агент

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

• Аналізувати дані для постійного вдосконалення стратегії
• Прогнозуйте ринкові тенденції, щоб приймати кращі рішення щодо довгих/коротких позицій
• Виконання складних Децентралізовані фінанси стратегій

3. DApps на основі штучного інтелекту

Децентралізовані фінанси dApp пропонують позики, обмін, фермерство доходу та інші функції. Штучний інтелект та агентів ШІ можуть покращити ці послуги наступними способами:

• Оптимізація постачання ліквідності шляхом перерозподілу позицій LP для досягнення кращого APY
• Сканування токенів шляхом виявлення потенційних ризиків

Основні виклики

Топові протоколи, побудовані на цих рівнях, стикаються з деякими викликами:

1. Ці протоколи покладаються на потоки даних в реальному часі для досягнення оптимального виконання угод. Погана якість даних може призвести до низької ефективності маршруту, невдачі угоди або неприбутковості угоди.

2. Моделі ШІ залежать від історичних даних, але ринок криптовалют дуже волатильний. Агентам потрібно пройти навчання на різноманітних, високоякісних наборах даних, щоб зберегти свою ефективність.

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

Протоколи на основі цих категорій користуються популярністю на ринку. Однак, щоб забезпечити кращі продукти та найкращі результати, їм слід розглянути можливість інтеграції різноманітних наборів даних різної якості, щоб підняти свої продукти на новий рівень.

Дані рівень — забезпечення потужності для DeFAI смарт

Якість штучного інтелекту 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 потребує доступу до даних блокчейну через RPC та API соціальних мереж, тоді як агенти для оптимізації торгівлі та доходу потребують дані для подальшого вдосконалення своїх торгових стратегій і перерозподілу ресурсів.

Високоякісні набори даних дозволяють агентам краще прогнозувати цінову поведінку в майбутньому, надаючи рекомендації для торгівлі, відповідно до їхніх уподобань щодо довгих або коротких позицій по певних активах.

Основні постачальники даних DeFAI включають:

• Mode Synth: синтетичні дані для фінансового прогнозування, що фіксують повний розподіл змін цін, використовуються для прогнозування AI моделей.

• Chainbase: повністю структурований набір даних, що надає дані з покращенням ШІ, для торгівлі, прогнозування та отримання альфа.

• sqd.ai: децентралізоване сховище даних для AI-агентів, масштабоване, настроюване багатоланцюгове доступ до даних з безпекою нульових знань.

• Cookie: соціальна медіа свідомість та шар даних на основі блокчейн для AI агентів, що використовує 18 спеціалізованих AI агентів для обробки понад 20 ланцюгів на більш ніж 7 ТБ даних агентів на блокчейні.

Мережа Mode Synth, яка є 50-ю підмережою Bittensor, створює синтетичні дані для фінансових прогнозів агентів. На відміну від інших традиційних систем прогнозування цін, Synth захоплює повний розподіл змін цін та їхню ймовірність, тим самим створюючи найбільш точні синтетичні дані у світі, які підтримують агентів та LLM.

Надання більшої кількості високоякісних наборів даних може допомогти AI-агентам приймати кращі напрямкові рішення під час торгівлі, а також передбачати коливання APY в різних ринкових умовах, щоб ліквідні пулі могли перерозподілити або вилучити ліквідність у разі необхідності.

Найбільш обговорюваний AI-агент блокчейн

Окрім створення шару даних для ШІ та агентів, певний блокчейн також позиціонує себе як повноцінна платформа для побудови майбутнього Децентралізованих фінансів. Нещодавно вони впровадили co-pilot для Децентралізованих фінансів, щоб виконувати ончейн-транзакції за підказками користувачів, який незабаром буде відкритий для стейкерів токенів.

Крім того, цей блокчейн підтримує багато команд, що працюють на основі ШІ та агентів. Вони доклали великих зусиль для інтеграції кількох протоколів у свою екосистему, і з розвитком більшої кількості агентів та виконанням транзакцій цей блокчейн швидко розвивається.

Ці заходи були реалізовані під час їхнього оновлення мережі за допомогою ШІ, і найбільш вражаючим є оснащення їхньої блокчейн-системи AI-сортувальником. Використовуючи моделювання та аналіз ШІ для транзакцій перед виконанням, можна зупинити та перевірити високоризикові транзакції до їх обробки, щоб забезпечити безпеку в ланцюгу.

Порівняння провідних блокчейнів, на яких базуються AI-агенти

Solana та Base безумовно є двома основними ланцюгами для побудови та випуску більшості AI-агентів та токенів. AI-агенти використовують високу пропускну здатність і низьку затримку мережі Solana, а також відкриту операційну систему для розгортання токенів агентів, тоді як певна платформа виступає в ролі запускового майданчика для розгортання агентів на Base. Хоча вони обидва мають хаки та фінансові стимули, проте в плані AI-програм як ланцюга вони ще не досягли рівня, якого досягли певні блокчейни.

NEAR раніше визначав себе як L1 блокчейн, зосереджений на AI, його функції включають ринок AI завдань, дослідницький центр з відкритим AI агентським фреймворком та AI помічника. Нещодавно вони оголосили про фонд AI агентів на суму 20 мільйонів доларів для розширення повністю автономних та перевіряємих агентів на NEAR.

Наступний крок DeFAI

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

1. Абстрактний рівень перетворює наміри користувача на виконання, але зазвичай не вистачає прогностичних здатностей.

2. AI-агенти можуть генерувати альфа-доходність шляхом аналізу, але їм бракує незалежного виконання угод.

3. DApp, що працює на основі штучного інтелекту, може обробляти страхові сховища або угоди, але є пасивним, а не активним.

Наступний етап DeFAI, можливо, зосередиться на інтеграції корисного шару 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 кращого прогнозного аналізу, а також поєднуючи аналіз настроїв з загального ринку, незалежно від коливань токенів певних категорій чи коливань токенів в соціальних мережах.

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

Висновок

З огляду на значне зменшення вартості токенів AI-агентів та їхніх фреймворків, деякі можуть вважати, що DeFAI є лише короткочасним явищем. Однак DeFAI все ще знаходиться на ранній стадії, і потенціал AI-агентів для покращення доступності та продуктивності Децентралізованих фінансів є незаперечним.

Ключем до реалізації цього потенціалу є отримання високоякісних даних в режимі реального часу, що покращить прогнози та виконання торгівлі на основі ШІ. Все більше протоколів інтегрують різні рівні даних, а протоколи даних створюють плагіни для структури, що підкреслює важливість даних для агентських рішень.

На майбутнє, верифікованість і конфіденційність стануть ключовими викликами, які повинні бути вирішені протоколом. Наразі більшість AI-агентів функціонують як чорна скринька, і користувачі повинні довіряти їм свої кошти. Тому розвиток верифікованих AI-рішень допоможе забезпечити прозорість і підзвітність процесів агентів. Інтеграція протоколів, заснованих на TEE, FHE або навіть zk-доказах, може посилити верифікованість поведінки AI-агентів, що дозволить реалізувати довіру до автономності.

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