Криптовалютные компании применяют искусственный интеллект, несмотря на существующие трудности

Почему компании интегрируют криптовалюту и ИИ

Сочетание искусственного интеллекта с блокчейн-технологиями становится одним из ключевых приоритетов для криптовалютных компаний, стремящихся повысить эффективность операций и улучшить пользовательский опыт. Ведущие игроки отрасли ищут инновационные способы применения ИИ в различных направлениях бизнеса — от комплаенса и управления рисками до клиентского сервиса и разработки новых продуктов.

Жаклин Бернс-Ковен, руководитель направления киберугроз в Chainalysis — аналитической компании по блокчейну, — отметила, что организация уже рассматривает варианты использования ИИ для совершенствования комплаенса, управления рисками, расследований и продуктов для роста клиентов. «Как и любой бизнес, мы получим преимущества, применяя ИИ для ускорения и оптимизации всех процессов», — подчеркнула Бернс-Ковен. Этот подход отражает общую тенденцию: внедрение ИИ позволяет упростить сложные процессы и снизить операционные расходы.

В области налогообложения криптовалют ИИ меняет подход пользователей к выполнению налоговых обязательств. ZenLedger, разработчик криптоналогового ПО, объявил о сотрудничестве с april — финансовой платформой на основе ИИ, — для упрощения процесса подачи налоговой отчетности. Пэт Ларсен, соучредитель и CEO ZenLedger, рассказал, что их новый продукт использует технологии april для единого маршрута пользователя, объединяющего федеральные и региональные требования, а также оптимальной последовательности вопросов. «В отличие от традиционного ПО, где вопросы задаются по мере заполнения форм и делятся на федеральные и региональные разделы, часто с дублированием одних и тех же запросов», — пояснил Ларсен. Такой интеллектуальный подход значительно сокращает время и снижает сложность криптоналоговой отчетности.

Технический директор и соучредитель april Даниэль Маркус подробнее рассказал о технической реализации. Он отметил, что ИИ стал ключевым инструментом для разработки налогового продукта, охватывающего стандартные сценарии, включая доходы от криптовалют и цифровых активов. По словам Маркуса, april использует процесс «tax-to-code»: большие языковые модели обучаются распознавать налоговые документы и преобразовывать их в программный код, который затем проверяется и дорабатывается командой налоговых инженеров. Такой гибридный подход сочетает эффективность ИИ с экспертизой специалистов, обеспечивая точность и соответствие требованиям.

ИИ в DeFi-приложениях

ИИ также способствует развитию децентрализованных финансов (DeFi), открывая новые возможности для оценки, торговли и управления цифровыми активами. Ник Эммонс, соучредитель и CEO Upshot — инфраструктурной компании в сфере ИИ, — рассказал, что их команда строит децентрализованную сеть, где различные ИИ-модели учатся друг у друга. Это, по его словам, создает мета-интеллект сети — такую систему, где вся сеть становится умнее и эффективнее, чем отдельные модели поодиночке.

Эммонс объяснил, что ИИ Upshot поддерживает ряд DeFi-кейсов, которые ранее были невозможны или невыгодны. К примеру, ИИ помогает формировать прайс-фиды для малооборотных криптоактивов — цифровых инструментов, которые редко торгуются, но находятся в ликвидных средах. Традиционные методы оценки сталкиваются с трудностями из-за низкой торговой активности, тогда как ИИ анализирует множество источников и выдает надежные оценки. Он отметил:

«ИИ становится инструментом, который позволяет обновлять цены чаще и на основе разных данных, а не только в момент сделки. Это открывает путь к значительно большему числу активов в DeFi».

В качестве примера Эммонс рассказал о грядущем запуске Upshot «watch perps» — инструментов, созданных на основе ИИ-генерируемых прайс-фидов для часов. Это новшество показывает, как ИИ может создавать рынки для ранее неликвидных активов. Он отметил:

«Одна модель для одного актива не способна выдать достаточно достоверный фид для рынка. ИИ-модели способны одновременно обрабатывать большие объемы информации, что позволяет создавать высокоточные и частые прайс-фиды и превращать цифровые активы в ончейн-токенизированные формы. Это расширит вселенную цифровых активов».

ИИ-усиленные стратегии доходности

Эммонс также отметил, что появляются DeFi-хранилища на базе ИИ, что серьезно продвигает автоматизированные инвестиционные стратегии. DeFi-хранилище — это пул активов с автокомпаундинг-стратегией, который управляет средствами и выполняет задачи по заданным условиям в блокчейне. Однако, по словам Эммонса, большинство ончейн-операций ограничены вычислительной мощностью. «Из-за этого потенциальная доходность для пользователя также ограничена», — добавил он. Это ограничение исторически сдерживало развитие сложных ончейн-стратегий.

Для решения этой проблемы, по мнению Эммонса, ИИ-модели используются для более эффективной обработки информации. «ИИ позволяет формализовать стратегии, которые можно реализовать в ончейне в виде хранилищ. Это применимо для маркет-мейкинга и других сценариев». Обрабатывая сложные данные вне блокчейна и реализуя уже оптимизированные стратегии на ончейне, ИИ позволяет создавать более сложные и доходные механизмы.

Хотя этот подход только начинает внедряться, RoboNet — DeFi-протокол на базе ИИ для рынков редко торгуемых и взаимозаменяемых активов — уже реализует эти решения. RoboNet работает на платформе Upshot и позволяет создавать ончейн-хранилища под управлением моделей машинного обучения, генерирующих доходность через автоматизированную оптимизацию ликвидности. Это практический пример DeFi на базе ИИ, который может стать ориентиром для будущих разработок.

Проблемы интеграции ИИ и криптовалют

Хотя ИИ действительно делает криптопродукты эффективнее, для безопасного и результативного внедрения необходимо преодолеть ряд вызовов. Сочетание этих стремительно развивающихся технологий связано с уникальными рисками, требующими пристального внимания разработчиков, регуляторов и пользователей.

Проблемы доверия и прозрачности

Так, по словам Эммонса, при создании DeFi-протоколов на ИИ важно доверять разработчикам моделей, иначе возможны серьезные проблемы. Черный ящик многих ИИ-систем создает уязвимости в финансовых приложениях. Он отметил:

«Возникает риск предвзятости и манипуляций, поэтому важно переосмыслить архитектуру ИИ в децентрализованном виде. Разные модели могут уравновешивать друг друга, снижая предвзятость и повышая прозрачность».

Эммонс добавил, что ZK-доказательства позволяют верифицировать модели машинного обучения, давая криптографическую гарантию их целостности. «Upshot выпустил продукт, в котором мы верифицировали результаты нашей главной модели прогнозирования цен внутри ZK-цепи. Это гарантирует достоверность и вычислительную целостность для permissionless-протоколов». Такой подход — перспективное решение проблемы доверия в крипто-продуктах на базе ИИ.

Маркус также подчеркнул, что участие экспертов-налоговиков и инженеров в работе с генеративным ИИ снижает риски, потому что человек всегда принимает участие в процессе. «В april мы проводим тщательное тестирование всего продукта и обязаны пройти проверки IRS и местных регуляторов до запуска», — пояснил он. Такой подход гарантирует верификацию вывода ИИ экспертами перед внедрением в рабочие системы.

Регуляторная неопределенность

Несмотря на эффективность этих мер, отсутствие регулирования ИИ продолжает создавать сложности для криптоиндустрии. Например, сложно определить, работает ли ИИ в интересах пользователя, инвесторов или создателей моделей машинного обучения. Такая непрозрачность порождает конфликты интересов и ставит вопросы об ответственности, если решения ИИ напрямую влияют на финансовый результат пользователя.

Поэтому некоторые страны уже создают специальные органы для контроля над ИИ. Например, президент ОАЭ и правитель Абу-Даби шейх Мохаммед бен Заид Аль Нахайян издал указ о создании Совета по искусственному интеллекту и передовым технологиям. В заявлении правительства Абу-Даби отмечено, что «совет отвечает за формирование и внедрение политики и стратегий в сфере исследований, инфраструктуры и инвестиций в искусственный интеллект и передовые технологии в Абу-Даби». Это один из первых комплексных государственных механизмов контроля над ИИ.

Гэри Генслер, председатель Комиссии по ценным бумагам и биржам США, также предупреждал о рисках ИИ для традиционного финансового сектора. Поэтому в будущем в США, вероятно, появится больше ясности в регулировании ИИ. Ожидается, что в ближайшие годы регуляторная среда для ИИ в финансах будет быстро меняться по мере осмысления новых технологий.

Будущее направление

Все эти изменения имеют большое значение, поскольку, по мнению Эммонса, ИИ в конечном итоге будет интегрирован во все ключевые процессы общества. Пока что, по его мнению, криптоотрасль будет внедрять те формы ИИ, которые уже применяются в традиционных финансах. Он объяснил:

«Поскольку криптовалюта — это финансовое новшество, этот тип ИИ хорошо подходит для финансовых приложений. Также классические модели машинного обучения более привлекательны и совместимы с этими верифицируемыми форматами, поэтому криптографические инструменты вокруг них появятся быстрее, чем вокруг генеративных моделей ИИ».

Такой прагматичный подход означает, что криптоиндустрия сначала освоит проверенные ИИ-решения из традиционного сектора, прежде чем переходить к экспериментам с передовыми технологиями. По мере развития технологий и появления новых регуляторных стандартов интеграция ИИ и криптовалют будет усиливаться, трансформируя процессы создания, торговли и управления цифровыми активами.

FAQ

Зачем криптовалютным компаниям технологии ИИ? Каковы ключевые сценарии применения?

Криптовалютные компании внедряют ИИ для выявления мошенничества, управления рисками, оптимизации торговли и анализа рынка. ИИ повышает безопасность благодаря распознаванию паттернов, автоматизирует мониторинг транзакций, улучшает точность прогнозирования цен и персонализирует пользовательский опыт. Эти решения существенно увеличивают эффективность операций и объем торгов.

Как используется ИИ в криптовалютной торговле и управлении рисками?

ИИ анализирует исторические рыночные данные для прогнозирования рисков и поиска торговых возможностей. Он выявляет аномалии и подозрительные паттерны в режиме реального времени, повышая уровень безопасности. Модели машинного обучения оптимизируют портфельные решения и минимизируют потенциальные убытки через автоматизированную оценку и управление рисками.

С какими ключевыми проблемами и рисками сталкиваются криптовалютные компании при внедрении ИИ?

Криптовалютные компании сталкиваются с технологической сложностью внедрения ИИ, неопределенностью регулирования, уязвимостями в защите данных, барьерами рыночного принятия и недостатком экспертов на стыке блокчейна и ИИ. Все это усложняет разработку и существенно повышает операционные издержки.

Какую роль играет ИИ в выявлении криптовалютного мошенничества и борьбе с отмыванием денег (AML)?

ИИ в реальном времени анализирует транзакции для выявления подозрительных действий и аномалий, что повышает эффективность обнаружения мошенничества и соблюдения AML. Он автоматизирует отчетность, снижает регуляторную нагрузку и повышает операционную эффективность криптобизнеса.

Какую роль играет ИИ в обеспечении безопасности криптовалютных бирж?

ИИ в реальном времени выявляет и предотвращает угрозы, автоматизирует реагирование на инциденты, распознает мошеннические транзакции и усиливает общую защиту биржи за счет постоянного мониторинга и обнаружения аномалий.

Какие требования и ограничения предъявляют регуляторы к криптовалютным компаниям, использующим ИИ?

Регуляторы требуют от криптовалютных компаний внедрения комплаенса с учетом ИИ для торговли и управления рисками. Обязательна прозрачность и контроль алгоритмов, а также политика «минимально необходимого регулирования» для стимулирования инноваций в финансовых сервисах на базе ИИ.

В чем преимущества и недостатки криптопроектов на базе ИИ по сравнению с традиционными?

Криптопроекты на базе ИИ обеспечивают более высокую эффективность благодаря автоматизации и динамической адаптации к рынку, ускоряя принятие решений и оптимизируя процессы. Однако такие проекты сложнее технически, имеют больше рисков реализации и потенциальных уязвимостей в алгоритмах ИИ по сравнению с традиционными решениями.

С какими вызовами в области конфиденциальности данных и комплаенса сталкивается ИИ в криптоиндустрии?

ИИ в криптовалютной отрасли сталкивается с рисками несанкционированного повторного использования данных, утечками конфиденциальной информации и сложностями соблюдения таких норм, как GDPR и CCPA. Необходимо внедрять строгие политики управления данными, шифрование и прозрачные процедуры получения согласия пользователей для защиты персональных данных и соответствия регуляторным требованиям.