W wywiadzie dla crypto.news Selva Ozelli rozmawia z założycielem RoboTech Frontier Hub, Denisem „Danem” Saklakovem, o przecięciu sztucznej inteligencji, blockchaina i finansów oraz o tym, jak jego wspierane przez AI narzędzie inwestycyjne Meijin wykorzystuje profil ryzyka inwestora do zarządzania strategiami wyjścia dla aktywów, w tym kryptowalut.
Podsumowanie
- Meijin monitoruje aktywa po zakupie i zarządza strategiami wyjścia w oparciu o poziom ryzyka wybrany przez inwestora.
- Saklakov powiedział, że blockchain może rejestrować stany systemów AI, uprawnienia, warunki decyzyjne i historię wykonania bez uruchamiania samej AI na łańcuchu.
- RoboTech Frontier Hub rozwija projekty w zakresie weryfikacji AI, robotyki, interfejsów człowiek-maszyna i zaawansowanych obliczeń.
- Saklakov oczekuje, że systemy weryfikacji i deterministycznego wykonania staną się coraz ważniejsze, gdy AI będzie odgrywać większą rolę w zautomatyzowanych decyzjach finansowych.
Dyskusja obejmuje również wykorzystanie blockchaina do tworzenia weryfikowalnych zapisów decyzji AI, uprawnień i historii wykonania, a także prace Saklakova nad weryfikacją AI, robotyką, interfejsami człowiek-maszyna i architekturami zaprojektowanymi w celu oddzielenia inteligencji maszynowej od uprawnień do działania.
Denis „Dan” Saklakov jest prawnikiem, menedżerem aktywów cyfrowych i naukowcem stosowanej AI, którego praca obejmuje aktywa cyfrowe, technologię blockchain i sztuczną inteligencję. Wcześniej pracował z giełdą kryptowalutową, a od 2024 roku pełni funkcję Partnera Zarządzającego RoboTech Frontier Hub, gdzie rozwija technologie na przecięciu AI, robotyki, finansów, interakcji człowiek-maszyna i zaawansowanych obliczeń.
Opowiedz nam o swoim wykształceniu i doświadczeniu zawodowym.
Moje doświadczenie obejmuje prawo, statystykę matematyczną, finanse, sztuczną inteligencję i technologię. Początkowo zdobyłem wykształcenie prawnicze, a później przeniosłem się do finansów korporacyjnych, bankowości inwestycyjnej, fuzji i przejęć, private equity i zarządzania aktywami. Uzyskałem tytuł magistra na Northwestern University, a niedawno ukończyłem podyplomowy program MIT Applied AI Science.
Dziś mieszkam w Nowym Jorku i pełnię funkcję Partnera Zarządzającego RoboTech Frontier Hub. Większość mojej obecnej pracy opisuję jako architekturę AI i AGI: w jaki sposób inteligentne systemy powinny wykorzystywać informacje, podejmować decyzje i wchodzić w interakcje z rzeczywistym światem, nie pozwalając, aby zdolności obliczeniowe automatycznie przekształciły się w niekontrolowaną władzę.
To pytanie ma praktyczne zastosowania w finansach, robotyce, weryfikacji AI, interfejsach człowiek-maszyna i zaawansowanych obliczeniach.
Swoją szerszą architekturę bezpiecznej AGI opisuję w mojej niedawnej książce Before the Machine Chooses for Us: An AGI Architecture for Freedom, Human Survival, and Shared Consciousness.
Centralnym problemem książki jest to, jak uczynić zaawansowaną inteligencję niezwykle zdolną, jednocześnie zapobiegając temu, by sama zdolność stała się samouwierzytelnioną władzą.
Opowiedz nam o swojej drodze do utworzenia w 2024 roku RoboTech Frontier Hub, akceleratora skupionego na rozwoju robotyki, automatyzacji i technologii sztucznej inteligencji, w szczególności o Twoim wspieranym przez AI narzędziu inwestycyjnym Meijin.
RoboTech Frontier Hub wyrósł z problemu, z którym spotykałem się wielokrotnie, pracując z pomysłami naukowymi i inżynieryjnymi.
Wiele interesujących technologii nigdy nie rozwija się właściwie, ponieważ wynalazcy boją się, że wyjaśnienie zasady naukowej pozwoli komuś ukraść produkt. Więc wszystko pozostaje tajemnicą. Ale gdy sama nauka jest ukryta, inni badacze nie mogą jej przetestować, skrytykować, zidentyfikować jej ograniczeń ani połączyć z inną dziedziną.
Postanowiliśmy zastosować inny model.
W RoboTech staramy się umieścić prawdziwą pracę naukową pod technologią. Tam, gdzie to właściwe, publikujemy wystarczająco dużo podstaw naukowych, aby inni badacze mogli je zbadać, zakwestionować i rozwinąć. Jednocześnie obecnie chronimy rzeczywistą implementację, algorytmy i technologię komercyjną.
Mówiąc prosto, nie chcemy ukrywać nauki tylko po to, by chronić produkt. Chcemy, aby idea naukowa przetrwała badanie, a następnie budujemy technologię na tym, co pozostaje ważne.
Meijin jest jednym z przykładów.
Podstawowa obserwacja stojąca za Meijin jest bardzo prosta. Inwestorzy często spędzają ogromne ilości czasu, decydując, jaką kryptowalutę, akcję lub ETF kupić, ale poświęcają znacznie mniej zdyscyplinowanej myśli na decyzję, kiedy je sprzedać.
Meijin nie wybiera za Ciebie aktywa.
Wybierasz Bitcoin, Ethereum, Zcash, akcje Moderny, kontrakt na ropę lub inne aktywo. Meijin zaczyna działać, gdy już je posiadasz.
Najpierw określamy ilościowo poziom ryzyka, na jaki inwestor jest gotów się zgodzić. System następnie stale monitoruje pozycję i zarządza strategią wyjścia w oparciu o ten profil ryzyka.
Może redukować lub sprzedawać pozycję etapami w miarę zmieniających się warunków.
Celem nie jest obiecanie dokładnej najwyższej możliwej ceny sprzedaży. Nikt nie może tego uczciwie zagwarantować. Celem jest uczynienie decyzji o sprzedaży systematyczną, a nie emocjonalną.
Kryptowaluty czynią to szczególnie przydatnym, ponieważ rynek działa dwadzieścia cztery godziny na dobę. Inwestor śpi. System monitorujący nie musi.
Inną ważną różnicą jest to, że końcowa logika wykonania jest deterministyczna i audytowalna. Możemy używać AI do analizy, ale nie chcemy, aby model językowy po prostu improwizował ostateczną decyzję o przeniesieniu czyichś pieniędzy.
Meijin jest także tylko jednym z naszych projektów.
Awareness Runtime zajmuje się innym problemem stworzonym przez nowoczesną AI: model może wygenerować bardzo przekonującą odpowiedź, która w rzeczywistości nie jest poparta dowodami. Opracowujemy warstwę weryfikacyjną zaprojektowaną do oceny tego, co jest poparte, zanim wygenerowany przez AI wniosek stanie się decyzją zawodową lub działaniem zewnętrznym. Jest to szczególnie ważne dla specjalistów finansowych i prawników.
Theta-Star i prace nad Guardrail dotyczą innego pytania: nawet jeśli system AI dojdzie do prawidłowego wniosku, kto dał mu uprawnienia do działania? Oddzielamy inteligencję od autoryzacji, aby system proponujący działanie nie mógł po prostu stworzyć sobie własnego pozwolenia na jego wykonanie. Staje się to szczególnie ważne w automatyzacji pilotów, kierowców i innych zawodów o wysoką stawkę, w których decyzje mogą być podejmowane niezwykle szybko.
ActionAtlas przenosi część naszej pracy do robotyki. Chodzi o dostarczanie robotom kompaktowych, specjalistycznych pakietów informacyjnych, które mogą pozostać lokalnie dostępne, gdy nie można zakładać stałej łączności z chmurą, GPS ani zewnętrznej infrastruktury. Zasadniczo mogłoby to funkcjonować jako mapa dla twojego robota domowego, na przykład.
NeuroPhase bada kolejną granicę: interfejsy między systemami obliczeniowymi a ludzkimi sygnałami neurologicznymi. Naszym długoterminowym celem jest zbliżenie interfejsu maszyny do naturalnych procesów informacyjnych ludzkiego mózgu, zamiast wymagania, aby ludzkie ciało stawało się coraz bardziej inwazyjne tylko po to, by efektywnie komunikować się z maszynami. Innymi słowy, długoterminowym kierunkiem jest połączenie człowieka i maszyny, ale takie, w którym staramy się zbliżyć maszynę do człowieka, zamiast zmuszać ludzkie ciało do stawania się coraz bardziej maszynowym.
Prowadzimy również badania nad obliczeniami kwantowymi w mikrograwitacji i środowiskach orbitalnych. Podstawowym pytaniem naukowym jest to, czy niektóre platformy obliczeń kwantowych mogłyby skorzystać z kombinacji mikrograwitacji, niskich temperatur i izolacji mechanicznej. W dłuższej perspektywie może to stać się istotne dla trenowania i działania przyszłych superinteligentnych systemów kwantowych w odległych środowiskach orbitalnych.
Inny kierunek, Critical Systems, stosuje metody analityczne i optymalizacyjne do fizycznych łańcuchów dostaw, w tym do identyfikowania rzeczywistych wąskich gardeł w krytycznej produkcji przemysłowej i lotniczej.
Te projekty wyglądają bardzo różnie, ale pochodzą z tego samego modelu: zidentyfikuj podstawowy problem naukowy, ustal, gdzie dowody i matematyka rzeczywiście wspierają ten pomysł, ujawnij wystarczająco dużo tego naukowego fundamentu do zbadania, a następnie zbuduj chronioną technologię w tych granicach.
Opowiedz nam o przecięciu blockchain i AI.
Dla mnie jednym z najbardziej użytecznych przecięć blockchain i AI jest zaufanie do decyzji maszyn.
Staje się to bardzo konkretne w przypadku czegoś takiego jak Meijin.
Załóżmy, że system AI analizuje pozycję kryptowalutową i decyduje, że inwestor powinien ją zredukować.
Ważne pytania to nie tylko: „Co zdecydowała AI?” lub „Czy prognoza była dobra?”
Musimy również wiedzieć, jakich informacji użył system, w jakim stanie się znajdował, jakie zasady obowiązywały i czy system był rzeczywiście upoważniony do wykonania decyzji.
Blockchain może w tym pomóc bez uruchamiania samej AI na łańcuchu.
Obliczenia mogą pozostać na konwencjonalnym sprzęcie. To, co można kryptograficznie zakotwiczyć w niezależnym rejestrze, to istotny stan systemu, uprawnienia, warunki decyzyjne i historia wykonania.
Ważne jest to, że AI podejmująca decyzję nie powinna kontrolować zapisu, który jest później używany do udowodnienia, co się stało.
Nie powinien być w stanie podjąć jednej decyzji, przepisać historii, a później twierdzić, że podjął inną.
Blockchain nie sprawia magicznie, że model AI staje się poprawny. Fałszywe stwierdzenie można doskonale zapisać na blockchainie.
To, co blockchain może zapewnić, to pochodzenie i zapis, który jest trudny do przepisania przez sam system podejmujący decyzje.
Dla inwestorów kryptowalutowych to rozróżnienie staje się coraz ważniejsze, gdy AI przechodzi od prostego dostarczania komentarzy rynkowych do systemów, które potencjalnie mogą wchodzić w bezpośrednią interakcję z kontami, giełdami i infrastrukturą finansową.
Wyobraź sobie ten sam problem w opiece medycznej. Możesz chcieć, aby nanorobot oczyścił twoje tętnice, ale absolutnie chcesz zapobiec temu, by zrobił coś, co mogłoby cię zabić. Potrzebujesz zatem niezawodnego, zewnętrznie chronionego zapisu reguł określających, co ten nanorobot może, a czego nie może robić. To dokładnie ten rodzaj problemu, dla którego blockchain lub inny niezależnie zabezpieczony rejestr kryptograficzny może stać się niezwykle użyteczny.
Myślę, że zmierzamy ku światu, w którym AI dostarcza analizy z prędkością maszyny, podczas gdy systemy kryptograficzne pomagają ustalić, jaki stan istniał, jakie uprawnienia zostały przyznane i jakie działanie faktycznie miało miejsce.
To jest dla mnie znacznie bardziej interesujące niż po prostu umieszczenie kolejnego tokena wokół produktu AI.
AI ostatnio znajduje się na czele wiadomości, a liderzy największych firm AI sugerują, że rozwój modeli frontier powinien zwolnić. Jakieś przemyślenia na ten temat?
AI rozwija się bardzo szybko, a w kryptowalutach konsekwencje prawdopodobnie staną się widoczne szczególnie szybko, ponieważ rynki aktywów cyfrowych są już cyfrowe, globalne, zautomatyzowane i otwarte dwadzieścia cztery godziny na dobę.
Nie sądzę, aby użytecznym pytaniem dla tradera było po prostu to, czy rozwój AI jest „zbyt szybki”, czy „zbyt wolny”.
Praktyczne pytanie brzmi, co się stanie, gdy coraz bardziej zdolne systemy AI zaczną analizować rynki, wykonywać strategie i komunikować się z infrastrukturą finansową szybciej, niż człowiek może realistycznie nadzorować każdą pojedynczą decyzję.
Dlatego uważam, że następnym etapem nie jest po prostu lepsze przewidywanie.
Potrzebujemy lepszej weryfikacji.
Bardzo potężna AI, która generuje rekomendację handlową w milisekundach, nie jest szczególnie użyteczna, jeśli nikt nie może ustalić, czy leżące u jej podstaw informacje były wiarygodne, czy system miał pozwolenie na dokonanie wynikającej z niej transakcji.
Tu właśnie widzę, jak AI i blockchain stają się komplementarne.
AI może przeprowadzać coraz bardziej wyrafinowaną analizę.
Blockchain i powiązana infrastruktura kryptograficzna mogą pomóc ustalić pochodzenie, uprawnienia i niezależnie weryfikowalny zapis.
Deterministyczne systemy wykonawcze mogą następnie określić, co AI faktycznie może robić.
Dla inwestora detalicznego to wszystko powinno ostatecznie stać się niemal niewidoczne.
Użytkownik nie powinien musieć rozumieć wewnętrznej architektury.
Praktyczne doświadczenie powinno być znacznie prostsze: wybrałem to aktywo, określiłem, ile ryzyka jestem skłonny zaakceptować, system obserwuje je w sposób ciągły, a później mogę zrozumieć, dlaczego podjął działanie.
To jest kierunek, który realizujemy z Meijin.
Wcześniej sugerowałem, że rozwój AI może stać się trudny do prognozowania konwencjonalnymi metodami w stosunkowo krótkim horyzoncie, potencjalnie około końca tej dekady. Nie traktuję 2030 roku jako jakiegoś naukowo ustalonego terminu. To horyzont prognozowania.
Ale nawet bez osiągnięcia czegokolwiek, co nazwalibyśmy AGI lub osobliwością technologiczną, AI staje się już wystarczająco zdolna, aby zmienić sposób podejmowania decyzji finansowych.
Dla kryptowalut ta zmiana nie jest teoretyczna.
Rynki już działają z prędkością maszyny.
Wyzwaniem jest teraz uczynienie inteligencji działającej z prędkością maszyny wystarczająco godną zaufania, aby można było jej używać.
Jak można się z tobą skontaktować?
Najłatwiej skontaktować się ze mną e-mailem pod adresem [email protected].
RoboTech Frontier Hub:
https://www.robotechfrontierhub.com
Moja strona internetowa:
LinkedIn:
https://www.linkedin.com/in/denissaklakov
Publikuję również prace naukowe na arXiv i Zenodo, a także badania i komentarze za pośrednictwem Medium i saklakov.com.
O autorce:
Selva Ozelli Esq, CPA, jest międzynarodową ekspertką prawną ds. aktywów cyfrowych oraz autorką książki Sustainably Investing in Digital Assets Globally i nagradzaną artystką. Jej teksty są tłumaczone na 45 języków i przedrukowywane w ponad 200 globalnych publikacjach. Jest uznawana za ekspertkę komentującą w mediach telewizyjnych kwestie związane ze światową sztuczną inteligencją, regulacjami dotyczącymi aktywów cyfrowych, podatkami i technologią.
