저자: revelointel 출처: substack 번역: Good Oba, Golden Finance
AI는 현재 암호화폐에서 가장 강력한 이야기는 아니더라도 가장 강력한 이야기 중 하나입니다. 조만간 사라지지 않을 것입니다. 바로 어제, Apple은 사용자에게 생성형 AI 앱을 제공하기 위해 OpenAI와의 주요 통합을 발표했으며, NVDA(엔비디아)는 계속해서 급등하면서 암호화폐 업계에 더 많이 노출되기를 원하는 암호화폐 네이티브들의 관심을 불러일으키고 있습니다. 암호화폐에서 이웃 자산에 대한 실제 수요가 있지만 실제로 AI를 운영에 통합하는 프로젝트는 많지 않습니다 ...
이 기사에서는 하방 위험으로부터 보호한다는 초기 전제를 바탕으로 AI를 새로운 방향으로 이끌고 있는 범퍼에 초점을 맞춥니다.범퍼는 간단하고 공정하며 탈중앙화된 가격 위험 헤지 방법을 제공함으로써 다음을 위해 설계된 새로운 디파이 프로토콜로, 다음과 같은 목적을 가지고 있습니다. 기존 파생상품 시장을 강화합니다. 이 프로토콜은 손실 방지 도구를 사용해 시장 붕괴와 하방 변동성으로부터 가격을 보호하며, 범퍼의 철학은 위험한 시장에서 이익과 손실을 배분하는 공정한 프로세스를 확립하는 데 중점을 두고 있습니다. 일반적으로 승자와 패자가 존재하는 전통적인 적대적 시장과 달리 공정성과 적절한 자원 배분을 촉진하는 시스템을 만드는 것이 범퍼의 동기로, 개별 이익의 극대화보다 개별 손실의 최소화를 우선시하는 상호부조 가격 위험 시설을 제공하는 것이 범퍼의 목표입니다. 위험 관리와 보호에 집중함으로써, 범퍼는 탈중앙 금융 생태계 참여자들에게 보다 안전한 환경을 조성하는 것을 목표로 합니다.
알다시피 암호화폐는 본질적으로 변동성이 크기 때문에 하방 리스크를 제한하는 동시에 상승 잠재력을 효과적으로 보존하는 것은 어려울 수 있습니다. Bumper의 AI 통합이 빛을 발하는 분야는 바로 이 부분으로, 팀은 AI를 사용하여 가격 변동을 예측함으로써 사용자에게 더 높은 수익률, 낮은 보험료, 향상된 효율성 및 지급능력을 제공합니다.
범퍼의 배경
범퍼는 AI를 통해 기존 프로토콜을 개선하기 위해 노력하는 대표적인 프로젝트입니다. 예상대로 Bumper의 AI 통합 전략은 특정 과제를 해결하고 프로토콜을 개선하기 위해 설계된 세 가지 주요 AI 기술 스택을 중심으로 이루어집니다.
정확성과 타당성을 검증하기 위해 예측 모델의 정확성과 유효성을 검증하기 위해 Bumper는 독점적인 에이전트 기반 모델링(ABM) 방법론을 사용합니다. ABM은 자율 에이전트(예: 개인, 그룹 또는 개체)의 행동과 상호 작용을 시뮬레이션하여 전체 시스템에 미치는 영향을 평가하는 계산 기법입니다. 이러한 에이전트는 미리 정의된 규칙을 따르며 경험과 상호 작용을 기반으로 학습하고 적응하며 진화할 수 있습니다.
에이전트가 중요한 이유는 Bumper가 양방향 시장에서 마켓 메이커와 테이커로 운영되기 때문입니다. 한쪽의 사용자는 위험을 헤지하고 바닥 가격을 고정하여 프리미엄을 지불하고, 다른 쪽의 사용자는 수익을 얻기 위해 스테이블코인 유동성을 예치합니다. 프리미엄 비용이 너무 비싸면 수신자가 참여하지 않고, 너무 저렴하면 위험을 감수해야 하는 시장 조성자에게 매력적이지 않기 때문에 양측 모두를 만족시키기 위해 프리미엄 비용의 가격을 최적화해야 합니다. 가격 변동과 변동성이 커질수록 균형점을 찾는 일은 더욱 복잡해집니다. 그렇기 때문에 실시간 변동성에 따라 프리미엄 가격을 동적으로 조정하고, LLM(대규모 언어 모델)의 신호를 흡수하고, 시장 추세를 예측하고, 선제적으로 리밸런싱하는 Bumper의 ABM 도구가 매우 중요합니다.
범퍼는 AI 통합 전략을 지원하는 이 ABM 접근 방식을 통해 프로토콜의 효율성이 5-25%까지 경제적으로 개선되어 보험료 인하, 수익률 상승, 지급 능력 강화라는 트릴레마의 균형을 효과적으로 맞출 수 있을 것으로 예상하고 있습니다.
가격 예측
첫 번째 AI 기술 스택은 700억 개의 파라미터를 가진 대규모 언어 모델(LLM)을 활용한 가격 예측과 관련된 것으로, 범퍼는 다음과 같은 금융 데이터로 이 LLM을 훈련시켰습니다. 가격(시가, 고가, 저가, 종가) 및 거래량 메트릭에 대한 비트코인 가격 데이터 세트.LLM은 인간의 피드백을 통한 강화 학습(RLHF)을 사용하여 미세 조정되어 실제 가격 데이터와 일치하는 예측 모델에 보상을 제공합니다. 아래 차트는 범퍼의 700억 개 파라미터 LLM을 사용한 비트코인 가격 예측의 시각적 표현입니다.
![7242020](https://img.jinse.cn/7242020_watermarknone.png)
훈련은 처음에는 일일 시가/종가를 기반으로 했지만, 이후 정확도를 높이기 위해 틱 데이터를 통합하는 것을 최종 목표로 시간별 데이터로 변경했습니다. BTC 틱 데이터에는 수백 테라바이트의 데이터 볼륨이 포함되어 있기 때문에 검색 증강 생성(RAG)을 사용하여 관계형 데이터베이스 정보를 데이터 벡터로 변환하며, RAG 기술은 LLM 성능을 향상시킬 뿐만 아니라 실시간 자산 가격 데이터의 여러 스트림 통합을 용이하게 하며, 이는 RLHF가 기존 LLM 맥락 창에 맞추는 능력의 핵심입니다.
감정 분석
두 번째 AI 기술 스택은 감정 분석에 초점을 맞추고 있습니다. Bumper는 사전 학습된 80억 개의 파라미터로 구성된 대규모 언어 모델(LLM)을 활용하여 대량의 금융 자연어 처리(NLP) 데이터를 분석하여 전례 없는 수준의 세분화된 시장 심리를 포착할 수 있습니다. 미세 조정과 고급 NLP 기술을 통해 Bumper는 투기꾼들의 태도에 대한 귀중한 인사이트를 얻어 시장 역학 및 동향에 대해 더 깊이 이해할 수 있게 되었습니다.
Bumper의 사전 학습된 LLM은 광범위한 금융 NLP 데이터를 수집하여 감정을 세부 점수와 분포로 분류함으로써 시장 심리에 대한 미묘한 이해를 제공합니다. 이 모델은 의견, 태도, 감정에 태그를 지정하는 양방향 인코더 표현(BERT)과 특정 금융 어휘를 식별하는 전문 NLP 학습을 통해 미세 조정됩니다.
BERT는 Google에서 개발한 최첨단 자연어 처리(NLP) 모델입니다. 대상 단어의 앞 단어뿐 아니라 앞뒤 단어를 동시에 고려함으로써 문장에서 단어의 문맥을 이해합니다. 이러한 양방향 접근 방식을 통해 BERT는 단어의 전체 문맥을 파악하여 그 의미를 보다 정확하게 해석할 수 있습니다.
LLLM에는 모델이 문맥과 트랜스포머 기반 구조를 결정할 때 문장 내 여러 단어의 중요도를 평가하여 시장 심리와 투자자 행동을 효과적으로 식별하고 향후 시장 동향을 예측할 수 있는 주의 메커니즘이 탑재되어 있습니다.
![7242021](https://img.jinse.cn/7242021_watermarknone.png)
기술 분석
세 번째 AI 기술 스택은 기술 분석에 초점을 맞추고 있습니다. Bumper는 대규모 언어 및 시각 보조(LLAVA)를 학습시켜 비전 기반 가격 이미지 분석과 NLP 기반 기술 지표 해석을 결합하는 새로운 방법론을 개발하고 있습니다. 이러한 통합을 통해 Bumper는 과거 가격 데이터와 시장 동향을 기반으로 정보에 입각한 의사 결정을 내릴 수 있습니다.
이 과정에는 과거 비트코인 가격 데이터를 차트 이미지로 변환하는 작업이 포함됩니다. 이러한 이미지에는 지지/저항 수준, 상대 강도 지수(RSI), 이동 평균 수렴 다이버전스(MACD)와 같은 기술적 마커가 표시되어 있습니다. LLAVA 모델은 이러한 시각적 데이터 포인트와 관련 NLP 기술 지표를 처리합니다.
![7242022](https://img.jinse.cn/7242022_watermarknone.png)
이 엔드투엔드 멀티모달 모델은 시각 코더를 대규모 언어 모델(LLM)에 연결하여 시스템이 복잡한 시장 데이터를 분석하고 해석할 수 있게 해줍니다. 또한 이 모델은 과거 시계열 예측을 위해 장단기 메모리(LSTM)를 통합하여 과거 추세를 기반으로 미래 시장 움직임을 예측하는 능력을 향상시킵니다.
요약
범퍼 프로젝트는 DeFi 프로토콜에 AI를 통합하여 암호화폐 시장에서 보다 효과적인 리스크 관리 솔루션을 제공하는 데 전념하고 있습니다. 이 프로젝트는 가격 예측, 감정 분석, 기술적 분석 등 세 가지 AI 기술 스택을 에이전트 기반 모델링(ABM) 접근 방식과 결합하여 실시간 시장 변동성에 따라 프리미엄 가격을 동적으로 조정합니다. 이러한 혁신적인 접근 방식을 통해 범퍼는 프로토콜의 경제적 효율성을 개선할 뿐만 아니라 참여자에게 보다 공정하고 안전하며 신뢰할 수 있는 환경을 조성합니다. 이러한 기술을 함께 적용하면 Bumper의 계약 효율성이 5-25% 향상되어 낮은 보험료, 높은 수익률, 지급 능력 향상 사이의 균형을 효과적으로 해결할 수 있을 것으로 기대됩니다.