jakiro
Autor: Revelointel Fuente: Sustack Traducción: Shan Ouba, Bittain Vision
AI es una de las narraciones más poderosas en el campo de las criptomonedas.Justo ayer, Apple anunció una integración significativa con OpenAI, que lleva la aplicación de IA generadora a las manos del usuario.El continuo NVDA (NVIDA) ha causado el interés de los nativos nativos de criptomonedas que desean contactar a la industria.Aunque de hecho existe una demanda de activos vecinos en las criptomonedas, no hay muchos proyectos que realmente incluyan IA en operación …
En este artículo, nos centraremos en el parachoques.Bumper se basa en la premisa inicial de proteger los riesgos hacia abajo y está llevando a la IA a una nueva dirección.Bumper es un nuevo protocolo Defi que mejora el mercado derivado tradicional al proporcionar un método simple, justo y descentralizado de riesgo de cobertura de precios.El acuerdo utiliza una herramienta de prevención de pérdidas para proporcionar protección de precios para el colapso del mercado y las fluctuaciones a la baja.El concepto de parachoques gira en torno al establecimiento de procedimientos de distribución de ingresos y pérdidas justas en el mercado de riesgos.A diferencia del mercado tradicional de confrontación (generalmente ganadores y perdedores), la motivación de los parachoques es crear un sistema que promueva la equidad y la asignación legítima de recursos.El propósito del parachoques es proporcionar una instalación de riesgo de precio de ayuda mutua, lo que da prioridad a minimizar las pérdidas personales en lugar de maximizar las ganancias personales.Al prestar atención a la gestión y la protección de los riesgos, Bumper tiene como objetivo crear un entorno más seguro y confiable para los participantes en el ecosistema Defi.
Como saben, las criptomonedas son esencialmente volatilidad;Este es el campo de la integración de IA de parachoques;
Fondo de parachoques
Bumper es un proyecto típico que se compromete a mejorar su acuerdo existente a través de AI.Como se esperaba, la estrategia de integración de AI de Bumper gira en torno a tres pilas de tecnología de IA clave.
-
Pronóstico de precios
-
Análisis emocional
-
Análisis técnico
Para verificar la precisión y efectividad de su modelo predictivo, el parachoques utiliza un método de método basado en el modelo de agente (ABM).ABM es una tecnología informática que evalúa su impacto en el sistema general al simular las acciones e interacciones del proxy autónomo (como individuos, grupos o entidades).Estos agentes siguen las reglas predefinidas y pueden aprender, adaptarse y evolucionar en función de su experiencia e interacción.
El agente es importante porque Bumper opera como un negocio de mercado y un destinatario como un mercado bilateral: el usuario de una parte puede cubrir los riesgos y pagar primas al bloquear el precio base, y los usuarios de la otra parte depositan en liquidez de divisas estable para obtener beneficios.Para satisfacer las necesidades de ambos mercados, el precio de los costos premium debe optimizarse: si es demasiado caro, el destinatario no participará; Necesitan asumir riesgos.Con el cambio de fluctuaciones de precios y volatilidad, encontrar un punto de equilibrio se vuelve más complicado.Esta es la razón por la cual la herramienta ABM de Bumper es tan importante, porque puede ajustar dinámicamente el precio premium de acuerdo con la volatilidad de tiempo real, absorber la señal de LLM (modelo de lenguaje grande), prever la tendencia del mercado y volver a conectarse activamente.
A través de este método ABM que respalda las estrategias de integración de IA, el parachoques predice que su eficiencia de acuerdo aumentará la economía en un 5-25%, equilibrar efectivamente los tres dilemas de primas más bajas, mayores rendimientos y fuerza de solvencia.
Pronóstico de precios
La primera pila de tecnología AI está relacionada con la predicción de precios y utiliza un modelo de lenguaje grande (LLM) con un parámetro de 70 mil millones.Bumper capacitó este LLM con datos financieros, incluido el precio del conjunto de datos de precios de Bitcoin (el precio de apertura, el precio más alto, el precio más bajo, el precio de cierre) y el índice de volumen de transacción.LLM utiliza el aprendizaje de mejora de la retroalimentación humana (RLHF) para obtener una buena cantidad para recompensar los modelos predictivos que coinciden con los datos de precios reales.La siguiente figura muestra la predicción visual de la predicción de precios de los 70 mil millones de parámetros de los 70 mil millones de parámetros del parachoques.
>
El precio de apertura/cierre diario fue entrenado inicialmente.Debido a que los datos de garrapatas de $ BTC contienen cientos de datos de TB, utiliza recuperación para mejorar la generación (RAG) para convertir la información de la base de datos de relaciones en vectores de datos.La tecnología RAG no solo mejora el rendimiento de LLM, sino que también promueve la integración de varios flujos de datos de activos de tiempo real.
Análisis emocional
La segunda pila de tecnología de IA se centra en el análisis emocional.Al utilizar un modelo de lenguaje a gran escala (LLM) con un parámetro de 8 mil millones de pre -entrenado, el parachoques puede analizar una gran cantidad de datos de procesamiento del lenguaje natural financiero (PNL) y las emociones del mercado de medidas de tamaño de grano sin precedentes.Mediante la tecnología de PNL de fina y avanzada, el parachoques obtuvo ideas valiosas sobre las actitudes de los especuladores, a fin de comprender los desarrollos y tendencias del mercado más profundamente.
La LLM previa al entrenamiento de Bumper toma una amplia gama de datos financieros de PNL, clasifica las emociones en puntajes detallados y distribución para proporcionar una comprensión detallada de las emociones del mercado.Este modelo utiliza un codificador de dos vías para expresar (BERT) para una fina sintonización para identificar vocabulario financiero específico a través de una capacitación especial de PNL con capacitación especial en PNL.
Bert es el modelo de procesamiento del lenguaje natural más avanzado (PNL) desarrollado por Google.Entiende el contexto de las palabras en la oración considerando las palabras antes y después de la palabra objetivo, no solo las palabras anteriores.Este método de dos vías permite a Bert capturar el contexto completo de una palabra, explicando así su significado con mayor precisión.
LLM está equipado con un mecanismo de atención para hacer que el modelo sopese la importancia de diferentes palabras en el contexto y la estructura basada en el transformador, identificando así efectivamente las emociones del mercado y el comportamiento de los inversores, y predecir las tendencias futuras del mercado.
>
Análisis técnico
La tercera pila de tecnología de IA se centra en el análisis técnico.Bumper está desarrollando un nuevo método para combinar un análisis de imagen de precio visual con indicadores técnicos impulsados por NLP mediante la capacitación de un gran lenguaje y asistente visual (LLAVA).Esta integración permite a un parachoques tomar decisiones sabias basadas en datos de precios históricos y tendencias del mercado.
Este proceso incluye la conversión de datos históricos de precios de bitcoin en imágenes de gráficos.Estas imágenes marcarán marcas técnicas, como soporte/resistencia, índice relativamente débil (RSI) y convergencia promedio móvil de salida (MACD).El modelo LLAVA procesa estos puntos de datos visuales e indicadores técnicos de PNL relacionados.
>
Este modelo final de modo múltiple conecta el codificador visual al modelo de lenguaje grande (LLM) para permitir que el sistema analice y explique los datos complejos del mercado.Además, este modelo combina la memoria a largo plazo (LSTM) para la predicción de secuencia de tiempo histórica, lo que mejora la capacidad de predecir las tendencias futuras del mercado basadas en la tendencia en el pasado.
Resumir
El Proyecto Bumper se compromete a proporcionar soluciones de gestión de riesgos más efectivas en el mercado de criptomonedas al integrar la IA en su protocolo DEFI.El proyecto utiliza las tres pilas principales de tecnología de IA de predicción de precios, análisis emocional y análisis técnico, combinado con el método de modelado de agentes (ABM) para ajustar dinámicamente los precios premium para adaptarse a las fluctuaciones del mercado de tiempo real.A través de este método innovador, el parachoques no solo mejoró la eficiencia económica del acuerdo, sino que también creó un entorno más justo, seguro y confiable para los participantes.Se espera que la aplicación integral de estas tecnologías aumente la eficiencia del acuerdo de un parachoques en un 5-25%, resolviendo efectivamente el problema del equilibrio entre reducir las primas, aumentar los ingresos y mejorar la solvencia.
