Криптовалютні компанії застосовують ШІ, попри наявні труднощі

Чому компанії поєднують криптовалюти з ШІ

Інтеграція штучного інтелекту з блокчейн-технологією стала стратегічним пріоритетом для криптокомпаній, які прагнуть підвищити операційну ефективність та забезпечити кращий досвід користувача. Лідери індустрії досліджують нові способи застосування можливостей ШІ у різних сферах своєї діяльності: від комплаєнсу та управління ризиками до клієнтського сервісу й розробки продуктів.

Жаклін Бернс-Ковен, керівниця напряму кіберзагроз у Chainalysis — компанії з аналізу блокчейну — зазначила, що компанія почала впроваджувати ШІ для вдосконалення комплаєнсу, управління ризиками, розслідувань і продуктів для зростання клієнтів. «Як і будь-який бізнес, ми отримуємо переваги, застосовуючи ШІ для підвищення ефективності нашої діяльності, роблячи її швидшою та результативнішою», — підкреслила Бернс-Ковен. Такий підхід демонструє загальносвітову тенденцію, коли ШІ впроваджують для оптимізації складних процесів і зниження операційних витрат.

У сфері оподаткування криптовалют ШІ змінює підхід користувачів до виконання податкових зобов’язань. Постачальник програмного забезпечення для криптоподатків ZenLedger оголосив про партнерство з april — фінансовою компанією на основі ШІ — для спрощення подання податкової звітності. Пат Ларсен, співзасновник і CEO ZenLedger, пояснив, що новий продукт ZenLedger використовуватиме технологію april для проходження платників податків по єдиному процесу, що поєднує федеральні й штатні вимоги, а також визначає оптимальний порядок питань. «Це відрізняється від класичних податкових програм, які ставлять питання у порядку заповнення форм і розділяють федеральні та штатні блоки, часто дублюючи ті самі питання», — відзначив Ларсен. Такий підхід значно скорочує час і складність підготовки криптозвітності.

Даніель Маркус, CTO та співзасновник april, деталізував технічну реалізацію цього нововведення. Він підкреслив, що ШІ став ключовим у розробці april податкового продукту, який охоплює багато поширених сценаріїв, зокрема доходи від крипто- та цифрових активів. За словами Маркуса, april застосовує процес «tax-to-code», у межах якого великі мовні моделі навчаються читати податкові документи та перетворювати їх у програмний код. Надалі цей код перевіряє команда податкових інженерів. Такий гібридний підхід поєднує ефективність ШІ з експертністю фахівців для забезпечення точності й відповідності вимогам.

DeFi-застосунки на базі ШІ

Штучний інтелект також розкриває нові можливості для децентралізованих фінансів (DeFi), змінюючи способи оцінки, торгівлі й управління цифровими активами. Нік Еммонс, співзасновник і CEO Upshot — інфраструктурної компанії в галузі ШІ — розповів, що компанія створює децентралізовану мережу, в якій різні моделі ШІ можуть навчатися одна в одної. За словами Еммонса, таке взаємонавчання створює метаінтелект у мережі на основі ШІ. Це робить мережі більш ефективними та розумними, ніж ізольоване використання окремих моделей.

Еммонс зазначив, що модель ШІ Upshot забезпечує низку DeFi-кейсів, які раніше було складно чи неможливо реалізувати. Наприклад, ШІ дозволяє підвищити ефективність цінових фідів для активів з низькою ліквідністю або цифрових активів, які рідко торгуються, але перебувають у ліквідних середовищах. Традиційні механізми ціноутворення мають труднощі з такими активами через нечасті угоди, але ШІ аналізує численні джерела даних і створює надійні оцінки. Він зазначив:

«ШІ стає корисним інструментом для формування частих оновлень цін на основі різної інформації, а не лише зміни власника активу. Тепер ми можемо розширити спектр активів у DeFi.»

Щоб показати це на практиці, Еммонс пояснив, що Upshot невдовзі представить «watch perps», які створюються ШІ-стрічками для годинників. Це демонструє, як ШІ може створювати ринки для активів, які раніше були неліквідними. Він сказав:

«Окремий годинник не може сформувати реальний стрім цін для побудови ринку. Моделі ШІ обробляють великий обсяг інформації одночасно, що дозволяє створювати високоточні та часті цінові фіди для перетворення цифрових активів у токенізовані on-chain представлення. Це розширить всесвіт цифрових активів.»

Підвищення прибутковості з використанням ШІ

Крім цього, Еммонс підкреслив, що DeFi-сховища на основі ШІ стають реальністю, що є важливим кроком вперед для автоматизованих стратегій інвестування. DeFi-сховище — це пул коштів із стратегією автокомпаундування, яка працює за попередньо заданими on-chain умовами. Водночас Еммонс підкреслив, що більшість on-chain активності обмежена обчислювальними потужностями. «Відповідно, прибуток користувача обмежений», — пояснив він. Це обмеження історично стримувало складність on-chain стратегій.

Щоб розв’язати цю проблему, Еммонс зазначив, що ШІ-моделі підвищують ефективність обробки інформації. «ШІ використовується для кодування стратегій, які втілюються on-chain у вигляді сховищ. Це придатне і для маркетмейкінгу». Завдяки обробці складних даних поза блокчейном і реалізації оптимізованих стратегій на блокчейні ШІ дозволяє створювати більш складні механізми отримання прибутку.

Хоча цей напрям ще на початковій стадії, RoboNet — це DeFi-протокол на основі ШІ для ринків малоліквідних і замінних активів. RoboNet функціонує на базі Upshot і дозволяє створювати on-chain сховища, якими керують моделі машинного навчання, що генерують прибуток через автоматизовані стратегії оптимізації ліквідності. Це практична реалізація DeFi на ШІ, яка може стати прикладом для майбутніх рішень у галузі.

Виклики інтеграції ШІ з криптовалютами

Хоча ШІ може підвищити ефективність криптопродуктів, залишаються суттєві виклики, які потрібно вирішити для безпечної та ефективної реалізації. Поєднання цих двох швидкозростаючих технологій створює унікальні ризики, які потребують уваги розробників, регуляторів і користувачів.

Проблеми довіри й прозорості

Наприклад, Еммонс зазначив, що при використанні ШІ для побудови DeFi-протоколів творці моделей мають викликати довіру, інакше виникає низка ризиків. «Чорний ящик» багатьох систем ШІ створює потенційні вразливості у фінансових застосунках. Він зазначив:

«Може виникати упередженість і маніпуляції, тому важливо переосмислювати стек ШІ у децентралізованих формах. Різні моделі можуть перевіряти одна одну, щоб знизити упередженість і створити прозоріше джерело інтелекту.»

Еммонс пояснив, що докази з нульовим розголошенням (ZK-докази) також допомагають перевіряти моделі машинного навчання, забезпечуючи криптографічну гарантію цілісності моделей. «Upshot випустила продукт, де ми підтвердили результат нашої флагманської моделі прогнозування цін у межах ZK-схеми. Це забезпечує надійність і обчислювальну цілісність для permissionless-протоколів». Такий підхід є перспективним для вирішення питань довіри у криптозастосунках на основі ШІ.

Маркус додав, що, на його думку, генеративний ШІ у співпраці з податковими експертами й інженерами знижує ризики, оскільки у процесі обов’язково бере участь людина. «В april ми проводимо суворе тестування всього продукту і повинні пройти перевірки Служби внутрішніх доходів США та регуляторів штатів перед запуском», — сказав він. Цей підхід із залученням людини забезпечує перевірку результатів ШІ фахівцями перед впровадженням у продукти.

Регуляторна невизначеність

Попри потенційну ефективність нових підходів, відсутність регулювання використання ШІ залишає відкриті питання для крипторинку. Наприклад, складно визначити, чи використовується ШІ в інтересах користувачів, інвесторів або розробників моделей машинного навчання. Ця непрозорість створює конфлікти інтересів і піднімає питання відповідальності, коли рішення ШІ впливають на фінансові результати користувачів.

Через це деякі країни вже створюють інституції для впровадження регулювання ШІ. Наприклад, президент Об’єднаних Арабських Еміратів і правитель Абу-Дабі шейх Мохаммед бен Зайд Аль Нахаян підписав закон про створення Ради з питань штучного інтелекту та передових технологій. В оголошенні уряду Абу-Дабі йдеться, що «рада буде відповідати за розробку і впровадження політик і стратегій, пов’язаних із дослідженнями, інфраструктурою та інвестиціями у сфері штучного інтелекту й передових технологій в Абу-Дабі». Це один із перших комплексних державних підходів до нагляду за ШІ.

Голова Комісії з цінних паперів і бірж США Гері Ґенслер також застерігав про ризики, які може створювати ШІ для традиційного фінансового сектора. З огляду на це, у США, ймовірно, буде впроваджено чіткіші регуляторні вимоги щодо ШІ у фінансових послугах у майбутньому. Нормативне поле для ШІ у фінансах очікувано суттєво зміниться в наступні роки, оскільки регулятори реагуватимуть на вплив цих технологій.

Подальші перспективи

Усі ці події мають значення, адже, на думку Еммонса, ШІ зрештою буде інтегровано у всі ключові функції суспільства. Наразі він зазначає, що криптосектор буде впроваджувати форми ШІ, які вже використовуються у традиційних фінансових системах. Він пояснив:

«Це тому, що криптовалюта — це фінансова інновація, тому такий тип ШІ більше підходить для фінансових застосувань. Класичні моделі машинного навчання більш привабливі й сумісні з цими перевірюваними форм-факторами, тому криптоінструменти для них з’являться швидше, ніж для генеративних ШІ-моделей.»

Такий прагматичний підхід свідчить, що криптоіндустрія спершу впроваджуватиме перевірені технології ШІ з традиційних фінансів, а потім експериментуватиме із новітніми розробками. У міру розвитку технологій і нормативних вимог інтеграція ШІ та криптовалют буде поглиблюватися, потенційно змінюючи підходи до створення, торгівлі та управління цифровими активами.

Часті запитання

Навіщо криптокомпаніям технологія ШІ? Які основні сфери застосування?

Криптокомпанії впроваджують ШІ для виявлення шахрайства, управління ризиками, оптимізації торгівлі та аналізу ринку. ШІ підвищує безпеку завдяки розпізнаванню патернів, автоматизує моніторинг транзакцій, покращує точність прогнозування цін і персоналізує користувацький досвід. Ці можливості суттєво підвищують операційну ефективність і торговий обіг.

Як застосовується ШІ у криптоторгівлі та управлінні ризиками?

ШІ аналізує історичні ринкові дані для прогнозування ризиків і визначення торгових можливостей. Він виявляє аномалії та підозрілі патерни в реальному часі, підвищуючи рівень безпеки. Моделі машинного навчання оптимізують портфельні рішення й знижують потенційні збитки завдяки автоматизованій оцінці та мінімізації ризиків.

Які основні виклики та ризики виникають у криптокомпаній при використанні ШІ?

Криптокомпанії стикаються з технічною складністю впровадження ШІ, невизначеністю регуляторних вимог, ризиками витоку даних, бар’єрами ринкової адаптації та нестачею експертів у сфері блокчейн-ШІ. Ці чинники ускладнюють розробку й значно підвищують операційні витрати.

Яка роль ШІ у виявленні криптошахрайства та протидії відмиванню коштів (AML)?

ШІ моніторить транзакції в реальному часі, виявляє підозрілу діяльність і патерни, підвищує ефективність виявлення шахрайства та дотримання вимог AML. Він автоматизує звітність, знижує регуляторне навантаження та підвищує операційну ефективність криптокомпаній.

Яку роль відіграє технологія ШІ у безпеці криптобірж?

ШІ виявляє та запобігає загрозам безпеці в реальному часі, автоматизує реагування на інциденти, ідентифікує шахрайські транзакції та зміцнює загальну безпеку біржі завдяки постійному моніторингу й виявленню аномалій.

Які вимоги та обмеження встановлюють регулятори для криптокомпаній, що використовують ШІ?

Регулятори вимагають від криптокомпаній створювати комплаєнс-фреймворки, адаптовані до ШІ, для торгівлі та управління ризиками. Вони зобов’язують забезпечити прозорість алгоритмів і контроль з боку людини, а також дотримуватися принципу «мінімально достатнього регулювання», щоб підтримувати інновації у фінансових сервісах на основі ШІ.

Які переваги й недоліки мають криптопроєкти на основі ШІ у порівнянні з традиційними?

Криптопроєкти на основі ШІ забезпечують вищу ефективність завдяки автоматизації та гнучкості до ринку — це сприяє швидшому прийняттю рішень і оптимізації операцій. Водночас вони стикаються з більшою технічною складністю, ризиками впровадження й потенційними вразливостями в алгоритмах ШІ, яких традиційні проєкти можуть уникати.

Які виклики щодо конфіденційності даних і комплаєнсу виникають у ШІ в криптоіндустрії?

ШІ у крипті стикається з ризиками несанкціонованого використання даних, витоками конфіденційної інформації та складнощами дотримання норм, таких як GDPR і CCPA. Компанії мають впроваджувати суворе управління даними, шифрування і прозорі механізми згоди для захисту персональних даних і дотримання нормативних вимог.