تتفهم مقال واحد أن المصد يستخدم الذكاء الاصطناعي للمساعدة في إدارة المخاطر

المؤلف: Revelointel المصدر: ترجمة بديلة: شان أوبا ، رؤية Baitchain

AI هي واحدة من أقوى الروايات في مجال العملات المشفرة.بالأمس فقط ، أعلنت شركة Apple عن تكامل كبير مع Openai ، حيث جلب تطبيق AI المولد إلى أيدي المستخدم.تسبب استمرار ارتفاع NVDA (NVIDA) في مصلحة السكان الأصليين في العملة المشفرة الذين يرغبون في الاتصال بالصناعة.على الرغم من أن هناك بالفعل طلب على الأصول المجاورة في العملات المشفرة ، لا يوجد العديد من المشاريع التي تشمل بالفعل الذكاء الاصطناعي …

في هذه المقالة ، سوف نركز على الوفير.يعتمد المصد على الفرضية الأولية لحماية المخاطر الهابطة ويقود الذكاء الاصطناعي إلى اتجاه جديد.Pumper هو بروتوكول Defi جديد يعزز السوق المشتق التقليدي من خلال توفير طريقة بسيطة وعادلة وغير مركزية لمخاطر أسعار التحوط.تستخدم الاتفاقية أداة منع الخسارة لتوفير حماية الأسعار لانهيار السوق والتقلبات الهابطة.يدور مفهوم المصد حول إنشاء إجراءات توزيع الدخل والخسارة العادلة في سوق المخاطر.يختلف دافع الوفير عن إنشاء نظام يعزز الإنصاف والموارد الشرعية.الغرض من المصد هو توفير مرفق مخاطر أسعار المساعدات المتبادلة ، مما يعطي الأولوية لتقليل الخسائر الشخصية بدلاً من زيادة الأرباح الشخصية.من خلال الانتباه إلى إدارة المخاطر وحمايتها ، يهدف المصد إلى إنشاء بيئة أكثر أمانًا وموثوقة للمشاركين في النظام البيئي Defi.

كما تعلمون ، فإن العملات المشفرة هي تقلبات في الأساس ؛هذا هو مجال تكامل الذكاء الاصطناعى في المصد ؛

خلفية الوفير

المصد هو مشروع نموذجي ملتزم بتحسين اتفاقه الحالي من خلال الذكاء الاصطناعي.كما هو متوقع ، تدور استراتيجية تكامل AI في Bumper حول ثلاثة مجموعات تقنية AI الرئيسية.

توقعات السعر
التحليل العاطفي
التحليل الفني

من أجل التحقق من دقة وفعالية نموذجها التنبئي ، يستخدم المصد طريقة طريقة (ABM) المستندة إلى نموذج العامل الخاص (ABM).ABM هي تقنية الحوسبة التي تقيم تأثيرها على النظام العام من خلال محاكاة الإجراءات والتفاعلات في الوكيل المستقل (مثل الأفراد أو المجموعات أو الكيانات).تتبع هذه الوكلاء القواعد المحددة مسبقًا ويمكنهم التعلم والتكيف والتطور بناءً على تجربتهم وتفاعلهم.

يعد الوكيل مهمًا لأن الوفير يعمل كعمل تجاري في السوق ومستلمه كسوق ثنائي: يمكن لمستخدم طرف واحد التحوط من مخاطر ودفع أقساط التأمين عن طريق حبس السعر الأساسي ، ويدعون مستخدمي الطرف الآخر في سيولة العملة المستقرة لكسب المزايا.من أجل تلبية احتياجات كلا الأسوقين ، يجب تحسين سعر التكاليف المميزة: إذا كان المتلقي مكلفًا للغاية ، فلن يشارك المستلم ؛ إنهم بحاجة إلى تحمل مخاطر.مع تغيير تقلبات الأسعار والتقلبات ، يصبح العثور على نقطة توازن أكثر تعقيدًا.هذا هو السبب في أن أداة ABM الخاصة بـ Bumper مهمة للغاية ، لأنها يمكن أن تعدل بشكل ديناميكي السعر المتميز وفقًا لتقلبات الوقت الحقيقي ، وتمتص إشارة LLMS (نموذج لغة كبير) ، وتوقع اتجاه السوق وإعادة الاتصال بنشاط.

من خلال طريقة ABM هذه التي تدعم استراتيجيات تكامل الذكاء الاصطناعى ، تتوقع الوفير أن كفاءة اتفاقها ستزيد من الاقتصاد بنسبة 5-25 ٪ ، ويوازن بشكل فعال مع معضلة الأقساط المنخفضة ، وعوائد أعلى وقوة الملاءة.

توقعات السعر

ترتبط أول مكدس تقنية الذكاء الاصطناعي بالتنبؤ بالأسعار ويستخدم نموذج لغة كبير (LLM) بمعلمة 70 مليار.قام المصد بتدريب هذا LLM على البيانات المالية ، بما في ذلك سعر مجموعة بيانات سعر البيتكوين (سعر الافتتاح ، وأعلى سعر ، وأقل سعر ، وسعر الإغلاق) ومؤشر حجم المعاملة.تستخدم LLM تعلم التعليقات البشرية (RLHF) لتكافؤ النماذج التنبؤية التي تتطابق مع بيانات السعر الفعلية.يوضح الشكل أدناه التنبؤ البصري للتنبؤ بالأسعار للمعلمة البالغة 70 مليار من المعلمات البالغة 70 مليار.

تم تدريب سعر الافتتاح اليومي في البداية.نظرًا لأن بيانات TICK $ BTC تحتوي على مئات بيانات السل ، فإنها تستخدم الاسترجاع لتحسين الجيل (RAG) لتحويل معلومات قاعدة بيانات العلاقة إلى متجهات بيانات.لا تعمل تقنية RAG على تحسين أداء LLM فحسب ، بل تعزز أيضًا تكامل تدفقات أسعار الأصول الحقيقية المختلفة.

التحليل العاطفي

تركز مكدس تقنية AI الثاني على التحليل العاطفي.باستخدام نموذج لغة كبير (LLM) مع معلمة تم تدريبها قبل 8 مليارات ، يمكن أن يقوم المصد بتحليل كمية كبيرة من بيانات معالجة اللغة الطبيعية المالية (NLP) ، وعواطف السوق غير المسبوقة لحجم الحبوب.من خلال تقنية NLP الدقيقة والتقدم ، حصل المصد على رؤى قيمة على مواقف المضاربين ، وذلك لفهم تطورات السوق والاتجاهات بشكل أعمق.

يأخذ LLM Pumper Pre -Training مجموعة واسعة من بيانات NLP المالية ، وتصنيف العواطف إلى درجات مفصلة وتوزيع لتوفير فهم مفصل لعواطف السوق.يستخدم هذا النموذج مشفرين من الطريق للتعبير عن (BERT) من أجل التعبير الدقيق لتحديد المفردات المالية المحددة من خلال تدريب خاص NLP مع تدريب خاص على NLP.

BERT هو نموذج معالجة اللغة الطبيعية الأكثر تقدماً (NLP) التي طورتها Google.إنه يفهم سياق الكلمات في الجملة من خلال النظر في الكلمات قبل وبعد الكلمة المستهدفة ، وليس فقط الكلمات السابقة.تتيح هذه الطريقة ذات الطريقين Bert التقاط السياق الكامل للكلمة ، وبالتالي شرح معناها بشكل أكثر دقة.

تم تجهيز LLM بآلية انتباه لجعل النموذج يزن أهمية الكلمات المختلفة في السياق والهيكل القائم على المحولات ، وبالتالي تحديد مشاعر السوق وسلوك المستثمر بشكل فعال ، والتنبؤ باتجاهات السوق المستقبلية.

التحليل الفني

تركز مكدس تقنية الذكاء الاصطناعى الثالث على التحليل الفني.يقوم Pumper بتطوير طريقة جديدة للجمع بين تحليل صورة السعر المرئي مع المؤشرات الفنية التي تعتمد على NLP من خلال تدريب لغة كبيرة ومساعد مرئي (LLAVA).يمكّن هذا التكامل المصد من اتخاذ قرارات حكيمة بناءً على بيانات الأسعار التاريخية واتجاهات السوق.

تتضمن هذه العملية تحويل بيانات سعر البيتكوين التاريخية إلى صور مخطط.ستحدد هذه الصور علامات تقنية ، مثل الدعم/المقاومة ، الفهرس الضعيف نسبيًا (RSI) ، ومتوسط تقارب المغادرة (MACD).يعالج نموذج LLAVA نقاط البيانات البصرية هذه والمؤشرات الفنية NLP ذات الصلة.

يربط هذا الغاية إلى نموذج متعدد الأسلوب المشفر البصري بنموذج اللغة الكبير (LLM) لتمكين النظام من تحليل وشرح بيانات السوق المعقدة.بالإضافة إلى ذلك ، يجمع هذا النموذج بين الذاكرة الطويلة على المدى (LSTM) للتنبؤ بالتسلسل التاريخي للوقت ، مما يعزز القدرة على التنبؤ باتجاهات السوق المستقبلية بناءً على الاتجاه في الماضي.

لخص

يلتزم مشروع الوفير بتوفير حلول أكثر فعالية لإدارة المخاطر في سوق العملة المشفرة من خلال دمج الذكاء الاصطناعي في بروتوكول Defi.يستخدم المشروع مداخن تكنولوجيا الذكاء الاصطناعى الثلاثة من التنبؤ بالأسعار والتحليل العاطفي والتحليل الفني ، إلى جانب طريقة نمذجة الوكيل (ABM) لضبط تسعير قسطية بشكل ديناميكي للتكيف مع تقلبات السوق الحقيقية.من خلال هذه الطريقة المبتكرة ، لم يحسن المصد الكفاءة الاقتصادية للاتفاقية فحسب ، بل خلق أيضًا بيئة أكثر عدلاً وآمنة وموثوقية للمشاركين.من المتوقع أن يزيد التطبيق الشامل لهذه التقنيات من كفاءة اتفاق المصد بنسبة 5-25 ٪ ، مما يحل بشكل فعال مشكلة التوازن بين تقليل الأقساط ، وزيادة الدخل وتعزيز الملاءة.