DeFAI : comment l'intelligence artificielle libère le potentiel de la Finance Décentralisée ?
Finance Décentralisée(DeFi) a rapidement évolué depuis 2020, devenant un pilier central de l'écosystème cryptographique. Cependant, avec l'émergence constante de nouveaux protocoles, l'écosystème DeFi devient de plus en plus complexe et décentralisé, même les utilisateurs expérimentés ont du mal à naviguer parmi les nombreuses chaînes, actifs et protocoles.
Dans le même temps, l'intelligence artificielle (AI) passe d'un récit macroéconomique en 2023 à un focus plus spécialisé et orienté agent en 2024. Cette transition a donné naissance à DeFi AI (DeFAI) - un domaine émergent qui améliore les fonctionnalités de la Finance Décentralisée par l'automatisation, la gestion des risques et l'optimisation du capital.
DeFAI s'étend sur plusieurs niveaux. La couche inférieure est la blockchain, l'agent AI doit interagir avec une chaîne spécifique pour exécuter des transactions et des contrats intelligents. Au-dessus se trouvent la couche de données et la couche de calcul, qui fournissent l'infrastructure nécessaire à l'entraînement des modèles AI, ces modèles utilisant des données de prix historiques, des sentiments de marché et des analyses on-chain. La couche de confidentialité et de vérifiabilité garantit que les données financières sensibles restent sécurisées tout en permettant une exécution sans confiance. La couche supérieure est le cadre des agents, permettant aux développeurs de créer des applications AI spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimisateurs de gouvernance on-chain.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus notables peuvent être classés en trois grandes catégories :
1. Couche abstraite
Ces protocoles agissent comme une interface conviviale pour la Finance Décentralisée, permettant aux utilisateurs d'exécuter des opérations on-chain à travers des invites simples. Ils intègrent généralement plusieurs chaînes et dApps, peuvent exécuter l'intention de l'utilisateur, tout en simplifiant les étapes manuelles dans des transactions complexes.
Ces protocoles peuvent exécuter les fonctions suivantes :
Échange inter-chaînes, prêt/retrait, exécution de transactions inter-chaînes
Suivre les transactions via un portefeuille de trading ou un compte de médias sociaux
Exécuter automatiquement des ordres de prise de bénéfices/stop loss selon le pourcentage de la taille de la position
Par exemple, les utilisateurs n'ont pas besoin de retirer manuellement des ETH de la plateforme de prêt, de les transférer sur d'autres réseaux, de les échanger contre d'autres jetons et de fournir de la liquidité sur un DEX - le protocole de couche d'abstraction peut accomplir toutes ces opérations en une seule étape.
2. Agent de trading autonome
Contrairement aux robots de trading traditionnels qui suivent des règles prédéfinies, les agents de trading autonomes peuvent apprendre et s'adapter aux conditions du marché, ajustant leur stratégie en fonction des nouvelles informations. Ces agents peuvent :
Analyser les données pour optimiser continuellement les stratégies
Prédire les tendances du marché, prendre des décisions d'achat et de vente plus éclairées
Exécuter des stratégies DeFi complexes, telles que le trading de base
3. DApps alimentés par l'IA
Les dApps DeFi traditionnelles offrent des fonctionnalités telles que le prêt, l'échange et l'agriculture de rendement. L'IA et les agents IA peuvent améliorer ces services de la manière suivante :
Optimiser l'offre de liquidité en rééquilibrant les positions LP pour obtenir un APY plus élevé
Scannez les jetons pour découvrir les risques potentiels, tels que les projets de tapis ou les pièges à miel.
Les principaux défis auxquels ces protocoles sont confrontés comprennent :
Dépendre des flux de données en temps réel pour réaliser une exécution optimale des transactions. Une mauvaise qualité des données peut entraîner une efficacité de routage faible, des échecs de transaction ou des pertes.
Les modèles d'IA dépendent des données historiques, mais la volatilité du marché des cryptomonnaies est très élevée. Les agents doivent être formés avec des ensembles de données diversifiés et de haute qualité pour maintenir leur efficacité.
Il est nécessaire de comprendre pleinement la corrélation des actifs, les variations de liquidité et le sentiment du marché pour saisir l'état général du marché.
Pour offrir des produits et des résultats de meilleure qualité, ces protocoles devraient envisager d'intégrer divers ensembles de données de qualité différente, élevant ainsi leurs produits à un nouveau niveau.
Couche de données - Fournir une puissance intelligente à DeFAI
La qualité de l'IA dépend des données sur lesquelles elle repose. Pour que les agents d'IA fonctionnent efficacement dans DeFAI, ils ont besoin de données en temps réel, structurées et vérifiables. Par exemple, la couche d'abstraction doit accéder aux données on-chain via RPC et les API des réseaux sociaux, tandis que les agents d'optimisation des transactions et des rendements ont besoin de données pour affiner davantage les stratégies de transaction et redistribuer les ressources.
Des ensembles de données de haute qualité permettent aux agents de prédire plus précisément les tendances futures des prix, de fournir des conseils de trading pour s'adapter aux préférences haussières ou baissières des utilisateurs concernant des actifs spécifiques.
Les principaux fournisseurs de données de DeFAI incluent :
Mode Synth: données synthétiques utilisées pour la prévision financière, capturant la distribution complète des variations de prix
Chainbase: ensemble de données structurées de toute la chaîne, fournissant des données améliorées par l'IA pour le trading, la prédiction et la découverte d'alpha
sqd.ai: Lac de données décentralisé destiné aux agents IA, offrant un accès multi-chaînes évolutif et personnalisable.
Cookie: une couche de données sociales et on-chain pour les agents AI, traitant d'énormes données d'agents on-chain sur plusieurs chaînes.
Développement de la blockchain des agents IA
Outre la construction d'une couche de données pour l'IA et les agents, certaines blockchains se positionnent comme des solutions full stack pour le DeFAI. L'une de ces blockchains a récemment déployé des outils collaboratifs pour le DeFAI, permettant d'exécuter des transactions en chaîne via des invites utilisateur. Cette blockchain soutient également de nombreuses équipes basées sur l'IA et les agents, intégrant divers protocoles dans son écosystème.
Avec le développement et l'exécution des transactions de plus en plus d'agents, cette blockchain se développe rapidement. Ces initiatives se déroulent en synchronisation avec leur utilisation de l'IA pour améliorer le réseau, le plus remarquable étant l'équipement de la blockchain avec un tri AI. En utilisant des simulations et des analyses AI des transactions avant l'exécution, il est possible de bloquer et d'examiner les transactions à haut risque avant leur traitement, garantissant ainsi la sécurité on-chain.
L'avenir du DeFAI
Actuellement, la plupart des agents IA dans la Finance Décentralisée rencontrent encore des limitations majeures pour atteindre une autonomie complète :
La couche abstraite transforme l'intention de l'utilisateur en exécution, mais elle manque souvent de capacités de prédiction.
Les agents IA peuvent générer de l'alpha par l'analyse, mais manquent de capacité d'exécution des transactions indépendantes.
Les dApps propulsées par l'IA peuvent gérer des coffres ou des transactions, mais elles sont passives plutôt qu'actives.
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration de couches de données utiles pour développer la meilleure plateforme ou agent. Cela nécessitera des données on-chain approfondies, telles que des activités de whales, des changements de liquidité, etc., tout en générant des données synthétiques pour une meilleure analyse prédictive et en combinant des analyses de sentiment provenant du marché global.
L'objectif final est de permettre aux agents AI de générer et d'exécuter des stratégies de trading de manière transparente à partir d'une interface unique. À mesure que ces systèmes mûrissent, les futurs traders DeFi pourraient compter sur des agents AI pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Conclusion
Bien que les jetons et les cadres d'agents AI aient récemment connu un fort retournement, DeFAI est encore à un stade précoce, et le potentiel des agents AI pour améliorer l'utilisabilité et la performance de la Finance Décentralisée ne doit pas être sous-estimé. La clé pour libérer ce potentiel réside dans l'obtention de données en temps réel de haute qualité, ce qui améliorera les prévisions et l'exécution des transactions pilotées par AI.
En regardant vers l'avenir, la vérifiabilité et la confidentialité deviendront des défis clés que les protocoles devront relever. Actuellement, la plupart des opérations des agents AI restent opaques, et les utilisateurs doivent leur confier des fonds. Par conséquent, le développement de décisions AI vérifiables contribuera à garantir la transparence et la responsabilité des processus des agents. L'intégration de protocoles basés sur TEE, FHE ou même des preuves à divulgation nulle de connaissance peut renforcer la vérifiabilité des comportements des agents AI, établissant ainsi la confiance dans leur autonomie.
Seule la combinaison réussie de données de haute qualité, de modèles robustes et de processus décisionnels transparents permettra aux agents DeFAI d'être largement utilisés.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
14 J'aime
Récompense
14
6
Partager
Commentaire
0/400
rekt_but_vibing
· Il y a 21h
le defi a évolué pour dépendre des humeurs de l'IA
Voir l'originalRépondre0
OnChainArchaeologist
· Il y a 21h
Les jeux d'IA se multiplient, c'est vraiment bon.
Voir l'originalRépondre0
StablecoinAnxiety
· Il y a 21h
Encore une nouvelle activité, je n'ai même pas encore compris la Finance décentralisée.
Voir l'originalRépondre0
FlatTax
· Il y a 21h
L'IA a encore créé quelque chose de nouveau.
Voir l'originalRépondre0
FrontRunFighter
· Il y a 21h
juste un autre pot de miel mev déguisé en "innovation AI"
DeFAI : comment l'IA propulse l'innovation et l'automatisation dans la Finance décentralisée
DeFAI : comment l'intelligence artificielle libère le potentiel de la Finance Décentralisée ?
Finance Décentralisée(DeFi) a rapidement évolué depuis 2020, devenant un pilier central de l'écosystème cryptographique. Cependant, avec l'émergence constante de nouveaux protocoles, l'écosystème DeFi devient de plus en plus complexe et décentralisé, même les utilisateurs expérimentés ont du mal à naviguer parmi les nombreuses chaînes, actifs et protocoles.
Dans le même temps, l'intelligence artificielle (AI) passe d'un récit macroéconomique en 2023 à un focus plus spécialisé et orienté agent en 2024. Cette transition a donné naissance à DeFi AI (DeFAI) - un domaine émergent qui améliore les fonctionnalités de la Finance Décentralisée par l'automatisation, la gestion des risques et l'optimisation du capital.
DeFAI s'étend sur plusieurs niveaux. La couche inférieure est la blockchain, l'agent AI doit interagir avec une chaîne spécifique pour exécuter des transactions et des contrats intelligents. Au-dessus se trouvent la couche de données et la couche de calcul, qui fournissent l'infrastructure nécessaire à l'entraînement des modèles AI, ces modèles utilisant des données de prix historiques, des sentiments de marché et des analyses on-chain. La couche de confidentialité et de vérifiabilité garantit que les données financières sensibles restent sécurisées tout en permettant une exécution sans confiance. La couche supérieure est le cadre des agents, permettant aux développeurs de créer des applications AI spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimisateurs de gouvernance on-chain.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus notables peuvent être classés en trois grandes catégories :
1. Couche abstraite
Ces protocoles agissent comme une interface conviviale pour la Finance Décentralisée, permettant aux utilisateurs d'exécuter des opérations on-chain à travers des invites simples. Ils intègrent généralement plusieurs chaînes et dApps, peuvent exécuter l'intention de l'utilisateur, tout en simplifiant les étapes manuelles dans des transactions complexes.
Ces protocoles peuvent exécuter les fonctions suivantes :
Par exemple, les utilisateurs n'ont pas besoin de retirer manuellement des ETH de la plateforme de prêt, de les transférer sur d'autres réseaux, de les échanger contre d'autres jetons et de fournir de la liquidité sur un DEX - le protocole de couche d'abstraction peut accomplir toutes ces opérations en une seule étape.
2. Agent de trading autonome
Contrairement aux robots de trading traditionnels qui suivent des règles prédéfinies, les agents de trading autonomes peuvent apprendre et s'adapter aux conditions du marché, ajustant leur stratégie en fonction des nouvelles informations. Ces agents peuvent :
3. DApps alimentés par l'IA
Les dApps DeFi traditionnelles offrent des fonctionnalités telles que le prêt, l'échange et l'agriculture de rendement. L'IA et les agents IA peuvent améliorer ces services de la manière suivante :
Les principaux défis auxquels ces protocoles sont confrontés comprennent :
Dépendre des flux de données en temps réel pour réaliser une exécution optimale des transactions. Une mauvaise qualité des données peut entraîner une efficacité de routage faible, des échecs de transaction ou des pertes.
Les modèles d'IA dépendent des données historiques, mais la volatilité du marché des cryptomonnaies est très élevée. Les agents doivent être formés avec des ensembles de données diversifiés et de haute qualité pour maintenir leur efficacité.
Il est nécessaire de comprendre pleinement la corrélation des actifs, les variations de liquidité et le sentiment du marché pour saisir l'état général du marché.
Pour offrir des produits et des résultats de meilleure qualité, ces protocoles devraient envisager d'intégrer divers ensembles de données de qualité différente, élevant ainsi leurs produits à un nouveau niveau.
Couche de données - Fournir une puissance intelligente à DeFAI
La qualité de l'IA dépend des données sur lesquelles elle repose. Pour que les agents d'IA fonctionnent efficacement dans DeFAI, ils ont besoin de données en temps réel, structurées et vérifiables. Par exemple, la couche d'abstraction doit accéder aux données on-chain via RPC et les API des réseaux sociaux, tandis que les agents d'optimisation des transactions et des rendements ont besoin de données pour affiner davantage les stratégies de transaction et redistribuer les ressources.
Des ensembles de données de haute qualité permettent aux agents de prédire plus précisément les tendances futures des prix, de fournir des conseils de trading pour s'adapter aux préférences haussières ou baissières des utilisateurs concernant des actifs spécifiques.
Les principaux fournisseurs de données de DeFAI incluent :
Développement de la blockchain des agents IA
Outre la construction d'une couche de données pour l'IA et les agents, certaines blockchains se positionnent comme des solutions full stack pour le DeFAI. L'une de ces blockchains a récemment déployé des outils collaboratifs pour le DeFAI, permettant d'exécuter des transactions en chaîne via des invites utilisateur. Cette blockchain soutient également de nombreuses équipes basées sur l'IA et les agents, intégrant divers protocoles dans son écosystème.
Avec le développement et l'exécution des transactions de plus en plus d'agents, cette blockchain se développe rapidement. Ces initiatives se déroulent en synchronisation avec leur utilisation de l'IA pour améliorer le réseau, le plus remarquable étant l'équipement de la blockchain avec un tri AI. En utilisant des simulations et des analyses AI des transactions avant l'exécution, il est possible de bloquer et d'examiner les transactions à haut risque avant leur traitement, garantissant ainsi la sécurité on-chain.
L'avenir du DeFAI
Actuellement, la plupart des agents IA dans la Finance Décentralisée rencontrent encore des limitations majeures pour atteindre une autonomie complète :
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration de couches de données utiles pour développer la meilleure plateforme ou agent. Cela nécessitera des données on-chain approfondies, telles que des activités de whales, des changements de liquidité, etc., tout en générant des données synthétiques pour une meilleure analyse prédictive et en combinant des analyses de sentiment provenant du marché global.
L'objectif final est de permettre aux agents AI de générer et d'exécuter des stratégies de trading de manière transparente à partir d'une interface unique. À mesure que ces systèmes mûrissent, les futurs traders DeFi pourraient compter sur des agents AI pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Conclusion
Bien que les jetons et les cadres d'agents AI aient récemment connu un fort retournement, DeFAI est encore à un stade précoce, et le potentiel des agents AI pour améliorer l'utilisabilité et la performance de la Finance Décentralisée ne doit pas être sous-estimé. La clé pour libérer ce potentiel réside dans l'obtention de données en temps réel de haute qualité, ce qui améliorera les prévisions et l'exécution des transactions pilotées par AI.
En regardant vers l'avenir, la vérifiabilité et la confidentialité deviendront des défis clés que les protocoles devront relever. Actuellement, la plupart des opérations des agents AI restent opaques, et les utilisateurs doivent leur confier des fonds. Par conséquent, le développement de décisions AI vérifiables contribuera à garantir la transparence et la responsabilité des processus des agents. L'intégration de protocoles basés sur TEE, FHE ou même des preuves à divulgation nulle de connaissance peut renforcer la vérifiabilité des comportements des agents AI, établissant ainsi la confiance dans leur autonomie.
Seule la combinaison réussie de données de haute qualité, de modèles robustes et de processus décisionnels transparents permettra aux agents DeFAI d'être largement utilisés.