Puntos Claves:
- Encuentro de las criptomonedas y la inteligencia artificial (IA), sus sinergias y aplicaciones prometedoras.
- Desafíos y perspectivas de integrar tecnologías cripto con IA, así como la preocupación por la seguridad y la vulnerabilidad ante ataques.
- Análisis de las categorías principales donde se manifiestan posibles interacciones entre cripto y IA, incluyendo IA como jugador, interfaz, reglas y objetivo del juego.
Integración de Criptomonedas y Inteligencia Artificial
La unión de criptomonedas e inteligencia artificial representa dos de las revoluciones tecnológicas más destacadas de nuestro tiempo. La fusión de estas tendencias tiene el potencial de transformar la manera en que entendemos y aplicamos ambos campos. Mientras que la descentralización de las criptomonedas podría contrapesar la centralización inherente a los sistemas de IA, esta última ofrece la transparencia que las blockchains necesitan para asegurar y verificar datos de manera eficiente.
A medida que la IA avanza significativamente, evidenciado en el progreso de los Modelos de Lenguaje de Gran Escala (LLMs), y la criptografía desarrolla instrumentos más potentes como los ZKP (pruebas de conocimiento cero) y el cálculo multipartes (MPC), nacen aplicaciones prometedoras en la intersección de ambos mundos. Sin embargo, incorporar IA en entornos criptográficos implica cautela; el código abierto es fundamental para la seguridad en la criptografía, pero la IA se torna más vulnerable a técnicas de aprendizaje adversarial cuando sus modelos y datos de entrenamiento son accesibles públicamente. Este artículo explora las categorías de intersección cripto + IA y sus correspondientes desafíos y oportunidades.
Hay sinergias entre cripto y IA que potencialmente podrían cristalizarse en aplicaciones tangibles y beneficiosas.
Categorización de la Interacción entre Criptomonedas e Inteligencia Artificial
La inteligencia artificial engloba un conjunto diverso de algoritmos que emergen no de una especificación directa, sino de un complejo proceso computacional sometido a presiones de optimización que moldean estas herramientas digitales. Si bien la IA posee la capacidad de realizar tareas con un nivel sorprendente de habilidad, a menudo es difícil entender exactamente qué ocurre en su «mente» electrónica.
Las blockchains, descritas como plataformas creadoras de «juegos», interactúan con la IA de varias maneras distintas. Estas pueden clasificarse en:
- IA como jugador en un juego [viabilidad alta]: Inteligencias artificiales que participan en mecanismos cuyos incentivos derivan de protocolos con entradas humanas, como es el caso del arbitraje en exchanges descentralizados.
- IA como interfaz para el juego [potencial considerable, riesgos presentes]: Asistentes basados en IA que ayudan a los usuarios a navegar el complejo entorno cripto, garantizando que su conducta y operaciones se alineen con sus intenciones y evitando estafas o malentendidos.
- IA como reglas del juego [proceder con precaución]: Sistemas en los que se integra de manera directa a la IA, por ejemplo, para emitir juicios en cadenas de bloques o DAOs.
- IA como objetivo del juego [fascinante a largo plazo]: Diseñar ecosistemas cripto con el fin de crear y sustentar IA, aprovechando las características de las criptomonedas para mejorar el entrenamiento de IA sin comprometer la privacidad ni permitir un uso indebido.
Profundicemos en cada una de estas categorías.
La Inteligencia Artificial como Participante Activo
Los bots de arbitraje llevan casi una década operando en el espacio cripto, donde han demostrado ser altamente eficientes, especialmente en comparación con los operadores humanos. Estos programas han participado en el escenario cripto desde el auge de los primeros DEXes, aprovechando las oportunidades de arbitraje para obtener ganancias. Con el tiempo, no solo los bots de arbitraje han evolucionado, sino que también se perfilan otras aplicaciones de IA que podrían enriquecer aún más el ecosistema.
Por ejemplo, AIOmen es una demostración de un mercado de predicción en el que las IA actúan como jugadores, una iniciativa que ahonda en la visión de incorporar inteligencias artificiales en plataformas que hasta ahora habían sido exclusivas de participación humana. Los mercados de predicción, aunque con un éxito limitado en la práctica hasta la fecha, representan un campo fértil donde la IA podría contribuir significativamente, superando obstáculos como la irracionalidad humana o la falta de conocimiento técnico por parte de los participantes.
Un resumen de alto nivel de las intersecciones de cripto+IA de una publicación de blog uETH. Pero, ¿qué se necesita para hacer realidad algunas de estas sinergias en una aplicación concreta?
Las cuatro categorías principales
La IA es un concepto muy amplio: se puede pensar en «IA» como el conjunto de algoritmos que se crean no especificándolos explícitamente, sino revolviendo una gran sopa computacional e introduciendo algún tipo de presión de optimización que empuje la sopa hacia la producción de algoritmos con las propiedades deseadas. Esta descripción definitivamente no debe ser tomada de manera displicente: incluye el proceso que nos creó a nosotros, los humanos, en primer lugar. Pero significa que los algoritmos de IA tienen algunas propiedades comunes: su capacidad para hacer cosas que son extremadamente potentes, junto con limitaciones en nuestra capacidad para saber o entender lo que está sucediendo bajo el capó.
Hay muchas formas de categorizar la IA; con el propósito de este post, que habla sobre las interacciones entre la IA y las cadenas de bloques (que han sido descritas como una plataforma para crear «juegos»), la categorizaré de la siguiente manera:
- IA como jugador en un juego [mayor viabilidad]: AIs que participan en mecanismos donde la fuente última de los incentivos proviene de un protocolo con entradas humanas.
- IA como interfaz para el juego [alto potencial, pero con riesgos]: IA que ayuda a los usuarios a comprender el mundo de la cripto a su alrededor, y a garantizar que su comportamiento (es decir, mensajes y transacciones firmadas) coincida con sus intenciones y que no sean engañados o estafados.
- IA como reglas del juego [moverse con mucho cuidado]: cadenas de bloques, DAO y mecanismos similares que llaman directamente a las AIs. Piensa por ejemplo: «IA jueces».
- IA como objetivo del juego [largo plazo pero intrigante]: diseñar cadenas de bloques, DAO y mecanismos similares con el objetivo de construir y mantener una IA que podría ser utilizada para otros propósitos, utilizando los elementos de la cripto ya sea para incentivar mejor la capacitación o para evitar que la IA filtre datos privados o sea mal utilizada.
Veamos cada una de estas categorías.
IA como jugador en un juego
Esta es en realidad una categoría que ha existido durante casi una década, al menos desde que las DEXes descentralizadas en cadena comenzaron a ver un uso significativo. Cada vez que hay un intercambio, hay una oportunidad de ganar dinero a través del arbitraje, y los bots pueden hacer arbitraje mucho mejor que los humanos. Este caso de uso ha existido durante mucho tiempo, incluso con AIs mucho más simples que las que tenemos hoy, pero en última instancia es una intersección muy real de AI + cripto. Más recientemente, hemos visto bots de arbitraje MEV a menudo explotándose mutuamente. Cualquier vez que tienes una aplicación de cadena de bloques que involucra subastas o trading, vas a tener bots haciendo arbitraje.
Pero los bots de arbitraje de IA son solo el primer ejemplo de una categoría mucho más grande, que espero pronto comenzará a incluir muchas otras aplicaciones. Conoce AIOmen, una demostración de un mercado de predicción donde las AIs son jugadores:
Los mercados de predicción han sido un Santo Grial de la tecnología epistémica durante mucho tiempo; estaba emocionado por usarlos como entrada para la gobernanza («futacría») en 2014 y jugué con ellos extensamente en las últimas elecciones, así como más recientemente. Pero hasta ahora, los mercados de predicción no han tenido mucho éxito en la práctica, y hay una serie de razones comúnmente dadas por las que: los participantes más grandes a menudo son irracionales, las personas con el conocimiento correcto no están dispuestas a tomar el tiempo y apostar a menos que esté involucrado mucho dinero, los mercados a menudo son delgados, etc.
Una respuesta a esto es señalar las mejoras en la UX en Polymarket u otros nuevos mercados de predicción, y esperar que tengan éxito donde las iteraciones anteriores han fallado. Después de todo, dice la historia, las personas están dispuestas a apostar decenas de miles de millones en deportes, así que ¿por qué las personas deberían apostar suficiente dinero en las elecciones de EE.UU o LK99 para que comience a tener sentido que los jugadores serios comiencen a participar? Pero este argumento debe lidiar con el hecho de que, bueno, las iteraciones anteriores no han logrado llegar a este nivel de escala (al menos en comparación con los sueños de sus proponentes), y así parece que necesitas algo nuevo para que los mercados de predicción tengan éxito. Por lo tanto, una respuesta diferente es señalar una característica específica de los ecosistemas de mercados de predicción que podemos esperar ver en la década de 2020 que no vimos en la década de 2010: la posibilidad de participación ubícua de AIs.
Las AIs están dispuestas a trabajar por menos de $1 por hora, y tienen el conocimiento de una enciclopedia, y si eso no es suficiente, incluso se pueden integrar con la capacidad de búsqueda web en tiempo real. Si haces un mercado y ofreces un subsidio de liquidez de $50, los humanos no se preocuparán lo suficiente como para apostar, pero miles de AIs fácilmente se lanzarán sobre la pregunta y harán la mejor suposición que puedan. El incentivo para hacer un buen trabajo en cualquier pregunta puede ser pequeño, pero el incentivo para hacer una IA que haga buenas predicciones en general puede alcanzar los millones. Ten en cuenta que potencialmente, ni siquiera necesitas que los humanos decidan la mayoría de las preguntas: puedes utilizar un sistema de disputa de múltiples rondas similar a Augur o Kleros, donde las AIs también sean las que participen en rondas anteriores. Los humanos solo necesitarían responder en aquellos casos en los que se hayan producido una serie de escaladas y se hayan comprometido grandes cantidades de dinero en ambos lados.
Esta es una primitiva poderosa, porque una vez que se puede hacer que un «mercado de predicción» funcione a una escala tan microscópica, se puede reutilizar la primitiva «mercado de predicción» para muchos otros tipos de preguntas:
- ¿Es aceptable esta publicación en las redes sociales bajo [términos de uso]?
- ¿Qué sucederá con el precio de la acción X (por ejemplo, ver Numerai)
- ¿Es esta cuenta que actualmente me está enviando mensajes realmente de Elon Musk?
- ¿Es la presentación de esta obra en un mercado de tareas en línea aceptable?
- ¿Es la aplicación en https://examplefinance.network una estafa?
- ¿Es 0x1b54….98c3 realmente la dirección del token ERC20 «Casinu Inu»?
Puedes notar que muchas de estas ideas van en la dirección de lo que describí como «defensa de la información» en mis escritos sobre «d/acc». Definido de manera amplia, la pregunta es: ¿cómo ayudamos a los usuarios a diferenciar la información verdadera de falsa y detectar estafas, sin empoderar a una autoridad centralizada para decidir lo correcto y lo incorrecto que luego podría abusar de esa posición? A nivel micro, la respuesta puede ser «IA». Pero a nivel macro, la pregunta es: ¿quién construye la IA? La IA es un reflejo del proceso que la creó, y no puede evitar tener sesgos. Por lo tanto, hay una necesidad de un juego de más alto nivel que adjudique qué tan bien están haciendo las diferentes AIs, donde las AIs puedan participar como jugadores en el juego.
Este uso de la IA, donde las AIs participan en un mecanismo en el que son recompensadas o penalizadas (probabilísticamente) por un mecanismo en cadena que recopila insumos de humanos (llámelo RLHF descentralizado), es algo que creo que realmente vale la pena investigar. Ahora es el momento adecuado para investigar casos de uso como este más a fondo, porque la escalabilidad de la cadena de bloques finalmente está teniendo éxito, haciendo que «micro-» cualquier cosa finalmente sea viable en cadena cuando antes a menudo no lo era.
Una categoría relacionada de aplicaciones va en la dirección de agentes altamente autónomos utilizando las cadenas de bloques para cooperar mejor, ya sea a través de pagos o mediante el uso de contratos inteligentes para hacer compromisos creíbles.
IA como una interfaz al juego
Una idea que mencioné en mis escritos sobre «AI as a player in a game» es la idea de que hay una oportunidad de mercado para escribir software orientado a los usuarios que protegería los intereses de los usuarios al interpretar e identificar peligros en el mundo en línea que el usuario está navegando. Un ejemplo existente de esto es la función de detección de estafas de Metamask:
Otro ejemplo es la función de simulación de la aplicación Rabby, que muestra al usuario las consecuencias esperadas de la transacción que está a punto de firmar.
Rabby explicándome las consecuencias de firmar una transacción para cambiar todo mi «BITCOIN» (el ticker de una mememoneda ERC20 cuyo nombre completo aparentemente es «HarryPotterObamaSonic10Inu«) por ETH.
Edit 2024.02.02: una versión anterior de este post se refirió a este token como una estafa que intentaba hacerse pasar por bitcoin. No lo es; es una mememoneda. Mis disculpas por la confusión.
Potencialmente, estos tipos de herramientas podrían ser potenciados con IA. La IA podría dar una explicación humana mucho más detallada de qué tipo de aplicación estás utilizando, las consecuencias de operaciones más complicadas que estás firmando, si un token en particular es genuino (por ejemplo, BITCOIN no es solo una cadena de caracteres, normalmente es el nombre de una criptomoneda importante, que no es un token ERC20 y que tiene un precio mucho más alto que $0.045, y un LLM moderno lo sabría), etc. Hay proyectos que están comenzando a ir en esta dirección (por ejemplo, el wallet de LangChain, que utiliza la IA como una interfaz principal). Mi opinión es que las interfaces de IA pura probablemente son demasiado riesgosas en estos momentos, ya que aumenta el riesgo de otros tipos de errores, pero la IA complementando una interfaz más convencional está volviéndose muy viable.
Hay un riesgo particular que vale la pena mencionar. Me adentraré más en esto en la sección «IA como reglas del juego» a continuación, pero la cuestión general es el aprendizaje adversarial de máquinas: si un usuario tiene acceso a un asistente de IA dentro de una billetera de código abierto, los delincuentes también tendrán acceso a ese asistente
