作者:Lawrence Wintermeyer
过去一年,人工智能的迅速崛起引起了全世界的关注。随着数亿用户涌向 ChatGPT 等工具以及其他人工智能驱动的应用程序的涌现,投资者和初创公司迅速转移了注意力,将大量投资转向人工智能项目。这种兴趣的激增不仅限于大型科技公司,还激发了人们对去中心化金融世界的好奇心。
Framework Ventures 和 Peter Thiel 的 Founders Fund 等著名的加密货币和区块链投资者现在正在倡导新一波的“加密货币 + 人工智能”项目,例如有知觉或者空间与时间。虽然这些新的跨行业初创公司大多都集中在使用加密货币来挑战人工智能技术现有企业,但我们还没有看到更多传统金融机构考虑人工智能和区块链的结合如何在其技术堆栈中发挥作用,直到上个月。
最近,主要预言机协议背后的团队,链环,发布了一个报告透露他们一直在致力于一项结合人工智能、预言机和区块链技术的计划,以解决企业行为缺乏实时和标准化数据的问题。
参与该项目的公司是全球金融市场基础设施 (FMI) 提供商的知名公司,包括全球最大的银行间消息平台 Swift 和全球清算和结算公司 Euroclear,以及投资管理公司富兰克林邓普顿 (Franklin Templeton) 和惠灵顿管理公司 (Wellington Management) 等公司,以及瑞银 (UBS)、CACEIS、Vontobel 和 Sygnum Bank 等主要银行。
预言机是为区块链提供服务的实体,处理他们通常无法自行管理的任务,例如从现实世界传输实时数据或促进不同区块链之间的交易。在加密行业,Chainlink 是采用最广泛的预言机网络,已支持超过总交易额16万亿美元及其数据源和跨链互操作协议(称为“CCIP”),链条之间的桥梁。
世界各地的金融机构都面临着复杂的数据碎片化问题,特别是有关合并、股息、股票分割等的数据。与交易中多方相关的数据通常必须经过托管人、经纪人、基金经理、交易所和投资者手中的复杂过程。
当数据通过管道传输时,它经常会进入各种不一致的格式和状态(例如 PDF、源新闻稿、电子表格等),从而导致一系列令人困惑的重复或不同的源、格式、术语、数据清理问题,以及明显不正确的信息。具体处理公司行为是一个长达十年的问题,许多人,包括像DTCC这样的巨头,已尝试解决。
对于局外人来说,这听起来像是一个小问题,但实际上是贸易后融资领域的一个巨大而复杂的问题:目前公司行动流程效率低下数以千计的地区投资者、经纪人和托管企业每年面临 3-500 万美元的成本,75% 的公司必须手动重新验证托管并交换数据。
Chainlink 的倡议引入了一种使用去中心化区块链预言机的潜在解决方案。其目标是通过围绕公司行为创建“统一的黄金记录”来减少人工审查的需要,这些记录可以跨区块链移植并由托管人、资产管理者和其他相关方实时访问。
Chainlink 预言机网络与 OpenAI 的 ChatGPT 4o、Google 的 Gemini 1.5 pro 和 Anthropic 的 Claude 3.5 sonnet 等大型语言模型 (LLM) 结合使用,以验证关键财务数据并将其传递到区块链上,或者链上。然后,使用 Chainlink 的 CCIP 将链上企业行为数据在私有链和公共链之间移动。
– 人工智能和预言机的结合是获取企业行为数据并将其转化为高度可靠的结构化数据的强大工具, –说Chainlink 联合创始人谢尔盖·纳扎罗夫 (Sergey Nazarov) 表示,“解决这个问题为资产管理公司、银行和金融市场基础设施创造了很多优势,它们的同步速度比现在快很多倍,成本仅为现在的一小部分,并且具有巨大的优势。”减少影响金融体系的代价高昂的错误。”
那么为什么这个举措很重要呢?
根据劳伦斯·莫罗尼人工智能研究员兼畅销人工智能作者在给《福布斯》的书面声明中表示,“虽然该项目专注于企业行为数据,但 Chainlink 结合人工智能、预言机和区块链的方法可以应用于其他类型的非结构化数据”。金融服务及其他领域的数据。”
如果将此方法应用于其他类型的非结构化数据,则可能性是可扩展的。世界上大多数人类生成的信息,如法律文件、保险合同、房地产协议、调查、录音、社交媒体帖子,机器都不容易读取。潜在的影响是巨大的,可以改变行业处理从合同到客户互动等一切事务的方式,尤其是使用人工智能。
在金融服务等许多数据仍然是非结构化的行业中,该解决方案可能还不是灵丹妙药,因为仍然存在重大障碍。法学硕士仍然容易产生幻觉,这意味着他们仍然可能产生不准确或捏造的信息。事实上,一项比较 11 名公立法学硕士的研究显示了幻觉发生率范围从 3% 到 27%。为了最大限度地降低法学硕士的风险,可能需要预先训练的模型来实现真正的扩展,以确保系统具备良好的能力来处理复杂而细致的数据集。
即使预言机通过基于共识的模型和使用多个法学硕士来验证输出,也必须有适当的机制来标记输出的不确定性,从而触发手动审核,特别是在金融等高风险环境中,许多投资者在金融等高风险环境中他们的决定基于这些数据。许多专家现在也关注小语言模型(SLM),这是经过策划和更好结构化的数据,特别是对于受监管的公司而言。
为了让人工智能和区块链的强大结合真正以一种既具有影响力又持久的方式获得吸引力,机构必须找到区块链技术的实际应用。通常,这些应用程序将以关键和任务关键型运营业务系统和流程的形式出现。
Euroclear 数字资产能力中心主任 Stéphanie Lheureux 表示:指出,预言机和人工智能的结合——可以解决主要痛点并重新设计工作流程,以提高效率、透明度和价值。”
如果不出意外的话,这一举措表明,一些最有意义的创新可能是在幕后悄悄发生的,解决了为全球金融服务业提供动力的大型金融机构中乏味的复杂问题。
对于消费者、企业和政策制定者来说,数字金融市场基础设施 (dFMI) 并不是最性感的话题,很少有人会对将旧管道换成新管道感到兴奋,但它是一项关键的数字化转型,将让我们的金融市场保持稳定。资金以更便宜的成本在 Web3 上自由流动,为更多人和企业提供更好的产品、服务和准确性,面向 21 世纪英石世纪,展望未来。 century, and into the future.