Santiago Márquez Solís de Blockchain España explica la intersección de la inteligencia artificial con Blockchain. A lo largo de los últimos meses la tecnología Blockchain aparece como una realidad que ha venido para quedarse, una vez pasadas las incertidumbres iniciales, nadie se cuestiona si usará o no Blockchain, sino en donde será el lugar adecuado para hacerlo. Junto con Blockchain, si hay otra tecnología que promete cambiar el mundo es la IA, más ahora que disponemos de máquinas que son capaces de ejecutar algoritmos que durante mucho tiempo han estado sin poder probarse. La pregunta que podemos hacernos ahora es puede Blockchain beneficiarse de la IA y la IA potenciar las fortalezas de Blockchain? A lo largo de esta charla veremos algunas áreas en donde ambas pueden converger y crear soluciones, que estamos empezando a soñar.
7. “pensando con claridad dentro de los fundamentos”.
•Satoshi
•claridad de pensamiento
•Naka
•adentro – inside” o “relación”
•Moto
• “el origen” o “el fundamento.”
22. 1 máquina
5 NDAs
30 incidencias
94% éxito
26 sg
20 abogados
5 NDAs
30
incidencias
85% éxito
2,5 horas
https://www.lawgeex.com/AIvsLawyer
Un mundo en constante cambio: ¿Seré sustituido?
23. Un mundo en constante cambio: ¿Seré
sustituido?
https://www.lawgeex.com/AIvsLawyer
1 máquina
5 NDAs
30 incidencias
94% éxito
26 sg
20 abogados
5 NDAs
30
incidencias
85% éxito
2,5 horas
24.
25.
26. ¿Cómo resuelve un problema una máquina
y cómo lo hace un ser humano?
27. ¿Cómo resuelve un problema una máquina
y cómo lo hace un ser humano?
28. ¿Cómo resuelve un problema una máquina
y cómo lo hace un ser humano?
29. Todos los trabajos tienen un cierto grado de
automatización.
Machine Learning debe ayudarnos primero a resolver una
tarea BURRA
Las máquinas/IA sustituyen tareas. No personas.
30. Todos los trabajos tienen un cierto grado de automatización.
Machine Learning debe ayudarnos primero a resolver una tarea BURRA
• Tareas Básicas
• Tareas Uniformes
• Tareas Repetitivas
• Tareas Rutinarias
• Tareas Aburridas
Las máquinas/IA sustituyen tareas. No personas.
Lo que no significa que
no sean
complejas…
31. Todos los trabajos tienen un cierto grado de automatización.
Machine Learning debe ayudarnos primero a resolver una tarea BURRA
• Tareas Básicas
• Tareas Uniformes
• Tareas Repetitivas
• Tareas Rutinarias
• Tareas Aburridas
Las máquinas/IA sustituyen tareas. No personas.
Lo que no significa que
no sean
complejas…
• Predicción y estimación
• Selección del mejor
patrón/algoritmo
• Documentación
• Adquisición de Requerimientos
• Pruebas
• Análisis de código
• ….
32. Usando el ML como
catalizador
23
ML can help to enhance this
leap
33. Donde está la intersección?
Hay varias oportunidades para trabajar con IA y Blockchain
34. Donde está la intersección?
Hay varias oportunidades para trabajar con IA y Blockchain
El entrenamiento de modelos requiere de muchos datos para su funcionamiento.
DeepBrain Chain está utilizando AI y Blockchain para desarrollar una plataforma de
computación distribuida de IA de bajo costo y que proteja la privacidad de los datos que
se usan para entrenar los modelos y pone en comunicación a quien necesita potencia de
cálculo y a los que la proporcionan.
Ayudar a la IA a explicarse. La IA es más una solución de caja negra, mientras que la
cadena de bloques tiende a ser más transparente en todas las transacciones procesadas.
Cortex permite la carga del modelo de AI en la cadena de bloques y usa ML para crear
un registro de auditoría para mejorar la confiabilidad de los resultados.
Hacer que los contratos inteligentes sean "inteligentes": para expandir y diversificar la capacidad
de los contratos inteligentes. Por ejemplo Cortex integra IA en los contratos inteligentes para
permitir que las funcionalidades de la inteligencia artificial creen contratos inteligentes
verdaderamente inteligentes y aplicaciones DADP mejoradas con casos de uso diversos.
Democratizar los modelos de AI: en lugar de confiar en las grandes empresas para obtener
acceso a los modelos de aprendizaje automático, es importante tener modelos bajo el control
del usuario. SingularityNET le permite a cualquiera crear, compartir y monetizar servicios de
inteligencia artificial a escala.
35. Donde está la intersección?
Hay varias oportunidades para trabajar con IA y Blockchain
Seguimiento del origen de monedas, mediante el uso de la IA e información sobre las
direcciones usadas en ataques o filtrada en la Deep Web, se puede seguir el rastro de
algunas criptos y saber si se puede considerar una “cripto de sangre”.
Trading. La IA y más concretamente el uso de los bots, pueden usarse para aplicarse en
mercados de criptodivisas para ayudar en las técnicas y análisis de trading, tendencias,
evolución de precios, etc.
Testeo automático de las funcionalidades de los contratos inteligentes haciendo uso de IA y
selección de los mejores patrones de diseño para la implementación de una solución determinada.
Mejora de la Eficiencia: Podemos usar la IA para saber si un nodo es susceptible de averiarse, o
balancear su carga para que sea más eficiente en el consumo de energía o en el cálculo de
las funciones hash, o incluso usarse para mejorar el diseño de la circuitería de los equipos de
minado.
36. Centrarnos en…
Crear nuevos casos de uso que extendieran el uso de Alexandria
• Originalmente es REST API framework pensado para desarrollar
aplicaciones Blockchain sin entender su funcionamiento
37. Decidimos centrarnos en…
Crear nuevos casos de uso que extendieran el uso de Alexandria
• Ahora es el core del universo digital descentralizado donde van a vivir los
agentes inteligentes que estamos creando.
38. Smart Contract Auditing ICO Valuation Deliver Onchain
Transactions
Decidimos centrarnos en…
Crear nuevos casos de uso que extendieran el uso de Alexandria
39. No todas las herramientas nacen iguales
23
BigML brings ML for everyone
47. And we want to predict the future, so......
Pitia
• Pitia is the name of the
priestess who ask questions
to Delphos Oracle
• The word pythoness has its
source in the word Pitia
48. We have to find any other ideas
Our first try was a fail ;-( (1/2)
Reasons:
• We focus on the algorithms (decisition tree, regression and others)
• We focus only on the “visible” information about 200 ICOs
• Our results was very poor, less tan 5% of accuracity with our test dataset.
• To the question “Is this ICO good?” the answer was “Yes” when the reality was
that the ICO was a fail
49. Two reasons:
• We consider the not “visible” information
• Our model boosted around 15% without using all the
invisible information.
• We identified at least the following…
Mining structure disproportionately
favors development team
Anonymous team or team with
weak experience
Insufficient information on
website/whitepaper
No clear roadmap
Where are the team members
located? Is there regulation in the
country about ICO?
Team members has founded
companies before?
How many team members are
there?What is the proportion between
technical staff and no technical
staff?
Is there a clear token description?
How much money are trying to get?
ICO description in different
languages?
How many Phd or master are in the
team? Github repositories and Smart
contracts code available?
KYC verification
Our first try was a fail ;-( (2/2)
50. A working in progress (1/6)
• We are focus in data and what is important for our problem
(feature engineering)
• But we aren´t experts in feature engineering (not yet ;-)) and we
are learning about it and how to improve our work (R&D process)
• Recolecting information than more 3000 active ICOs and the
historic of all fail since 2016 and answering the questions and
making new ones.
• Many of them were introducing by hand!!! A hard work!
• But now we are creating our conectors for collecting data using
automatic tolos (we have to improve this)