ある記事は、バンパーが人工知能を使用して債務管理を支援することを理解しています

著者：Revelointel Source：Substack Translation：Shan Ouba、Bitchain Vision

AIは、暗号通貨の分野で最も強力な物語の1つです。ちょうど昨日、AppleはOpenaiとの大幅な統合を発表し、生成AIアプリケーションをユーザーの手にもたらしました。継続的な高騰NVDA（NVIDA）は、業界に連絡したいネイティブの暗号通貨の先住民の関心を引き起こしました。暗号通貨には実際に近隣の資産に対する需要がありますが、実際にAIを操作するプロジェクトはあまりありません…

この記事では、バンパーに焦点を当てます。バンパーは、下向きのリスクを保護するという最初の前提に基づいており、AIを新しい方向に導いています。Bumperは、価格リスクをヘッジするシンプルで公正で分散化された方法を提供することにより、従来のデリバティブ市場を強化する新しいDefiプロトコルです。この契約は、損失防止ツールを使用して、市場の崩壊と下向きの変動に価格保護を提供します。バンパーの概念は、リスク市場における公正な収入と損失の分配手順の確立を中心に展開しています。従来の対立市場（通常は勝者と敗者）とは異なり、バンパーの動機は、公平性とリソースの正当な配分を促進するシステムを作成することです。バンパーの目的は、個人的な利益を最大化するのではなく、個人的な損失を最小限に抑えることを優先する相互援助価格リスク施設を提供することです。リスク管理と保護に注意を払うことにより、Bumperは、Defi Ecosystemの参加者にとってより安全で信頼できる環境を作成することを目指しています。

ご存知のように、暗号通貨は本質的にボラティリティです。これは、バンパーのAI統合の分野です。チームはAIを使用して価格動向を予測し、より高いリターン、低いプレミアム、効率、ソルベンシーを提供します。

バンパーの背景

バンパーは、AIを通じて既存の契約を改善することに取り組んでいる典型的なプロジェクトです。予想通り、BumperのAI統合戦略は、3つの主要なAIテクノロジースタックを中心に展開しています。

価格予測
感情分析
テクニカル分析

予測モデルの精度と有効性を検証するために、Bumperは独自のエージェントモデルベースの方法（ABM）メソッドを使用します。ABMは、自律プロキシ（個人、グループ、エンティティなど）のアクションと相互作用をシミュレートすることにより、システム全体への影響を評価するコンピューティングテクノロジーです。これらのエージェントは、事前に定義されたルールに従い、経験と相互作用に基づいて学習、適応、進化することができます。

バンパーは市場ビジネスおよび受信者として二国間市場として運営されているため、エージェントは重要です。一方の当事者のユーザーは、基本価格をロックすることでリスクをヘッジし、プレミアムを支払うことができ、他の当事者のユーザーは安定した通貨流動性を預金して給付を獲得できます。両方の市場のニーズを満たすために、プレミアムコストの価格を最適化する必要があります。彼らはリスクを負う必要があります。価格の変動とボラティリティの変化により、バランスポイントを見つけることがより複雑になります。これが、バンパーのABMツールが非常に重要である理由です。これは、実際の揮発性に応じてプレミアム価格を動的に調整し、LLMS（大規模な言語モデル）の信号を吸収し、市場動向を予測し、積極的に再接続できるためです。

AI統合戦略をサポートするこのABMメソッドを通じて、バンパーは、その合意効率が経済を5〜25％増加させ、低いプレミアム、より高いリターン、ソルベンシー強度の3つのジレンマのバランスをとることを予測しています。

価格予測

最初のAIテクノロジースタックは価格予測に関連しており、700億パラメーターを持つ大規模な言語モデル（LLM）を使用しています。Bumperは、ビットコイン価格データセット（開店価格、最高価格、最低価格、終値）の価格やトランザクションボリュームインデックスなど、このLLMに財務データを訓練しました。LLMは、人間のフィードバック強化学習（RLHF）を使用して微調整して、実際の価格データに一致する予測モデルに報酬を与えます。以下の図は、Bumperの700億パラメーターの700億パラメーターの価格予測の視覚的予測を示しています。

毎日の営業価格が最初にトレーニングされました。$ BTC Tickデータには数百のTBデータが含まれているため、検索を使用して生成（RAG）を強化して、関係データベース情報をデータベクトルに変換します。RAGテクノロジーは、LLMのパフォーマンスを改善するだけでなく、さまざまなリアルタイム資産の価格データフローの統合を促進します。

感情分析

2番目のAIテクノロジースタックは、感情分析に焦点を当てています。事前に訓練された80億パラメーターを備えた大規模な言語モデル（LLM）を使用することにより、バンパーは大量の金融自然言語処理（NLP）データと、前例のない穀物サイズの把握市場感情を分析できます。微調整と高度なNLPテクノロジーにより、バンパーは、市場の発展と傾向をより深く理解するために、投機家の態度に関する貴重な洞察を得ました。

Bumperのトレーニング前LLMは、幅広い財務NLPデータを取得し、感情を詳細なスコアと配布に分類して、市場の感情を詳細に理解することを提供します。このモデルでは、2回のエンコーダーを使用して、特別なNLPトレーニングを使用した特別なNLPトレーニングを通じて特定の財務語彙を特定するために、微調整のためにExpress（BERT）を使用します。

Bertは、Googleが開発した最も先進的な自然言語処理（NLP）モデルです。それは、以前の単語だけでなく、ターゲットワードの前後に単語を考慮することにより、文の単語の文脈を理解しています。この2つの方法により、Bertは単語の完全なコンテキストをキャプチャでき、それによりその意味をより正確に説明できます。

LLMには、モデルがコンテキストと変圧器ベースの構造におけるさまざまな単語の重要性を比較検討するための注意メカニズムが装備されているため、市場の感情と投資家の行動を効果的に特定し、将来の市場動向を予測します。

テクニカル分析

3番目のAIテクノロジースタックは、テクニカル分析に焦点を当てています。バンパーは、大規模な言語と視覚アシスタント（LLAVA）をトレーニングすることにより、視覚的な価格画像分析とNLP駆動型の技術指標を組み合わせた新しい方法を開発しています。この統合により、バンパーは過去の価格データと市場動向に基づいて賢明な決定を下すことができます。

このプロセスには、歴史的なビットコイン価格データをチャート画像に変換することが含まれます。これらの画像は、サポート/レジスタンス、比較的弱いインデックス（RSI）、モバイル平均収束（MACD）などのテクニカルマークがマークされます。LLAVAモデルは、これらの視覚的なデータポイントと関連するNLPテクニカルインジケーターを処理します。

このEND -TO -END Multi -Modeモデルは、Visual Encoderを大規模な言語モデル（LLM）に接続して、システムが複雑な市場データを分析および説明できるようにします。さらに、このモデルは、過去の傾向に基づいて将来の市場動向を予測する能力を高めるために、履歴タイムシーケンス予測の長期メモリ（LSTM）を組み合わせています。

要約します

Bumperプロジェクトは、AIをDEFIプロトコルに統合することにより、暗号通貨市場でより効果的なリスク管理ソリューションを提供することに取り組んでいます。このプロジェクトでは、価格予測の3つの主要なAIテクノロジースタック、感情分析、技術分析を使用して、エージェントモデリングの方法（ABM）と組み合わせて、プレミアム価格設定を動的に調整して、実際の市場変動に適応します。この革新的な方法を通じて、バンパーは協定の経済的効率を改善しただけでなく、参加者にとってより公正で安全で信頼性の高い環境を作り出しました。これらのテクノロジーの包括的な適用は、バンパーの契約効率を5〜25％増加させ、保険料を削減し、収入を増やし、ソルベンシーの向上との間のバランスの問題を効果的に解決することが期待されています。