AI 和 DeFi 在预测市场、个人理财和欺诈检测中的应用可能会以我们从未见过的方式彻底改变金融行业。
撰文：Kava Labs
之前，我们对人工智能与区块链技术的融合进行了深入探索，揭示了这两项革命性技术所蕴含的巨大潜力，同时也指出了它们在迈向主流成功过程中遭遇的若干陷阱与挑战。
现在，让我们看看 AI 与 DeFi（去中心化金融）是如何碰撞的，以及这对金融业的未来意味着什么。本篇文章中，我们将共同探索 AI 在去中心化金融领域的应用场景、如何利用 AI，以及在这一去中心化金融的新发展中，所必须解决的数据隐私、安全性和可扩展性等问题。
自 2017 年崭露头角以来，DeFi 已经开始吞噬传统金融业。它向任何拥有互联网连接的人开放了银行业务和重要的投资基础设施。
自 2022 年以来，人工智能的出现及其在主流领域的爆炸式普及在几乎所有软件领域都产生了类似的影响，尽管其真正的潜力还尚未得到充分发挥。我们现在开始见证这两项革命性技术的融合，这有可能进一步改变金融行业，并最终将 DeFi 的使用推向主流。
然而，在这两项技术的联合应用能够真正跨越鸿沟、实现大规模采用之前，必须先解决某些限制和挑战。本文将探讨 AI 如何影响 DeFi 的当前状态、其最佳用例以及它们面临的紧迫挑战。
AI 与 DeFi 如何改变金融业
欺诈检测与安全增强
欺诈活动仍然是 DeFi 持续存在的最大问题之一。自 DeFi 诞生以来，洗盘交易、欺诈和哄抬出货骗局在整个行业中猖獗。它们是开源技术创新过程中令人烦恼的一部分，经常会给整个行业蒙上阴影，并让新用户对 DeFi 创造的好处产生怀疑。Chainalysis 报道称，仅在 2023 年，黑客就盗取了超过11 亿美元的用户资产。
虽然白名单地址和锁定新交易可以在一定程度上防止终端用户的欺诈活动，但它们不足以应对数字资产平台上日益复杂的网络安全漏洞。
而 AI 有助于降低欺诈和黑客攻击，因为 AI 算法可以更高效地分析数据、识别模式和检测去中心化生态系统中的异常。Uniswap已经开始实施 AI 来识别和阻止欺诈性交易。
AI 驱动的交易算法
在 DeFi 之前，自动交易机器人就已存在，它们可以在达到某些参数后为交易者执行交易。早在 2014 年，像Shrimpy、3Commas、Cryptohopper以及Kucoin等中心化交易所就已经提供了这些服务。
这些早期交易机器人的参数大多需要由所有者手动设置，主要用于止损交易。AI 驱动的交易算法则在这些早期模型的基础上进行了扩展，采用了深度学习技术，并整合了自然语言处理（NLP）的自校正 AI 模型。这些新的基于深度学习的 AI 驱动算法可以实时自我校正，通过新闻渠道的自然语言处理来整合市场情绪，并根据之前的交易历史调整策略，而不仅仅是简单的止损任意参数。
改善用户界面
改善用户界面可能是 AI 功能中在技术上最不令人印象深刻的一个方面。然而，从终端用户的角度来看，它是最重要的。
DeFi 在很大程度上一直是金融领域的一个小众方面，只有那些技术上足够熟练的人才能驾驭其复杂的界面。通过简化流程，并通过聊天机器人和虚拟助理使其变得触手可及，DeFi 可以立即变得对普通用户更加友好。这些新的聊天机器人可以提供信息、编写基础代码，并创建代理来执行跨链交易。与 3Commas、Cryptohopper 和 Shrimpy 上提供的基于 AI 的 DeFi 交易算法相结合，任何用户都可以立即执行复杂的交易技术。
OpenAI的通用聊天机器人 ChatGPT 和 Anthropic 的Claude可以提供知识、编写简单代码，并为 DeFi 提供见解。然而，如果用户真正想要利用这些新 AI 聊天机器人的强大功能，他们应该关注像ChainGPT和Kava AI这样的协议，这些协议可以编写和部署智能合约、创建 NFT，同时提供算法交易辅助。
AI 建模在 DeFi 中面临的局限性和挑战
AI 建模主要由具有高完整性的优质数据集驱动，这些数据集准确反映了它们所报告的内容。然而，不幸的是，DeFi 中的大多数数据都被隔离在不同的生态系统中，链之间的互操作性仍然是一个难以克服的障碍。这导致数据集支离破碎，只能反映 DeFi 内不同领域的快照，使得创建全面的 AI 协议变得困难。
数据隐私和安全
对于希望在 DeFi 上部署的 AI 协议而言，数据隐私和安全是另一个令人担忧的领域。DeFi 吸引众多用户的原因之一是，去中心化协议提供的隐私和匿名性。许多 DeFi 用户更倾向于使用那些数据可验证但减少了传统金融（TradFi）和中心化交易所（CEXs）中广泛存在的 KYC 政策必要性的协议。
AI 协议需要在构建数据的同时保持数据的质量和完整性，同时尊重数据所有者的法律边界。从历史上看，一贯的做法是「公司必须告知个人关于其收集的数据类型、用途以及谁将有权访问这些数据」。由于 AI 协议不直接为用例获取单个用户数据，而是创建模型来预测一致的响应，因此这种方式的执行变得困难。当其他用户发出命令时，模型所依赖的数据可能会不经意地暴露敏感用户数据。
可扩展性和计算需求
区块链社区曾亲眼目睹了传统媒体对 PoW 等共识机制能源消耗的猛烈报道。尽管 PoW 在能源需求方面非常密集，但目前为 AI 运作提供动力所需的规模和范围比整个加密行业还要大一个数量级。
富国银行（Wells Fargo）和摩根士丹利（Morgan Stanley）的报告显示，到 2026 年，人工智能需求的能源使用量将激增 550%，从 2024 年的 8TWh 增至 52TWh，到 2030 年将再增长 1,150%，达到 652TWh。这种创新和能源需求的速度给 GPU 供应链和整个能源网的可用电力供应带来了巨大压力。政府、能源生产商和芯片制造商需要调整他们目前的方法以跟上人工智能的步伐，如果他们做不到，这些行业之间的关系就会变得紧张。
总结
虽然将 AI 引入 DeFi 可能代表金融领域的下一个范式转变，但严峻的现实是，AI 协议仍然受其训练数据的限制。那些已经能够访问大量可靠生态系统数据且在竞争激烈的微芯片供应链中拥有深厚资金储备的协议，可能会成为最强大的 AI 公司。
监管、数据安全和计算需求只是 AI 公司在未来几年必须应对的部分障碍。然而，AI 和 DeFi 在预测市场、个人理财和欺诈检测中的应用可能会以我们从未见过的方式彻底改变金融行业。
