Eksplorasi Kedalaman Risiko Kombinasi Kurva Bonding yang Didukung AI

Elaine, Jereyme | Penulis

Sissi@TEDAO｜Penerjemah

Pengantar Penerjemah:

Terjemahan ini akan memperkenalkan proposal inovatif yang mendapatkan pendanaan dari Token Engineering Commons (TEC) untuk musim semi 2024. TEC adalah salah satu komunitas penting yang mendukung dan mendorong pengembangan Token Engineering secara global, yang berkomitmen untuk menciptakan dan memelihara ekosistem yang berkelanjutan, serta menyediakan platform dukungan dan kolaborasi bagi anggota komunitas melalui forum dan sumber daya lainnya.

Proyek ini menggunakan teknologi pembelajaran penguatan dan pemodelan berbasis agen serta simulasi, untuk mengoptimalkan mekanisme kurva ikatan dalam ekosistem token. Dengan mengeksplorasi dan menghadapi strategi jahat potensial di bawah kombinasi kurva ikatan PAMM & SAMM yang berbeda, proyek ini bertujuan untuk secara signifikan meningkatkan keamanan ekonomi sistem token. Selain itu, proyek ini juga berkomitmen untuk mempopulerkan dan mempraktikkan Teknik Token, sehingga lebih banyak orang dapat memahami dan terlibat dalam teknologi canggih ini, untuk membuka jalan dalam membangun ekosistem token yang lebih aman dan berkelanjutan.

1. Rincian Proposal

1.1 Latar Belakang

kurva pengikatan adalah bagian penting dari ekosistem token, yang memainkan peran kunci dalam mengontrol fluktuasi harga token, menyediakan likuiditas yang diperlukan, dan mengatur pasokan token secara dinamis melalui matematisasi hubungan antara beberapa elemen dalam ekosistem token, kurva pengikatan juga membuka pintu kontrol teknik dari ekosistem token.

Sejak tahun 2018, tim IncentiveAI telah mengusulkan konsep menggunakan AI-agent untuk mengoptimalkan mekanisme, dengan mengamati perilaku agen Greedy Machine Learning, mengidentifikasi perilaku yang mungkin terjadi pada pengguna setelah sistem diimplementasikan ke lingkungan nyata, dan terus-menerus mengoptimalkan desain mekanisme dengan membandingkan perbedaan antara perilaku yang sebenarnya dan yang diharapkan. Mereka juga menerapkan konsep ini dalam penelitian kurva bonding protokol Ocean. Namun sayangnya, proyek ini akhirnya tidak diimplementasikan secara luas, dan saat ini tidak ada kode proyek yang dapat dijadikan referensi atau dijalankan.

Mulai tahun 2023, BCRG (Bonding Curve Research Group) telah melakukan penelitian, pengembangan, pendidikan, dan aplikasi yang cukup komprehensif terhadap kurva pengikatan, terutama dalam penelitian gabungan kurva pengikatan PAMM (Primary Automated Market Maker) dan SAMM (Secondary Automated Market Maker). Namun, menurut deskripsi BCRG dalam pemodelan & simulasi kurva pengikatan, mungkin karena keterbatasan sumber daya, saat ini belum masuk ke penjelajahan strategi jahat, uji penetrasi, analisis hipotesis, dan penelitian yang lebih mendalam.

Tim kami telah lama fokus pada eksplorasi di bidang Teknik Token, berkomitmen untuk menggunakan pemodelan dan simulasi berbasis agen untuk memecahkan masalah desain dan optimasi sistem yang kompleks.

1.2 Deskripsi Proyek

Dalam proposal ini, kami bertujuan untuk mewarisi konsep Incentive AI, dengan menggunakan agen AI yang dilatih dengan reinforcement learning untuk mengeksplorasi strategi jahat potensial dari penyerang di bawah berbagai kombinasi kurva bonding PAMM dan SAMM, dan melalui analisis perbandingan dan eksplorasi ruang tindakan lebih lanjut, mencari kombinasi parameter kurva bonding yang relatif stabil dan berkualitas tinggi, untuk terus mengoptimalkan desain mekanisme protokol, menyusutkan kesenjangan perilaku yang diharapkan dan perilaku nyata, serta menurunkan risiko keamanan ekonomi dalam ekosistem token.

Secara konkret, dalam pemilihan kurva ikatan PAMM, kami memilih empat jenis yang paling umum, yaitu Linear, Eksponensial, Power, dan Sigmoid; dalam pemilihan kurva ikatan SAMM, kami memilih dua jenis yang paling umum, yaitu Konstan Produk (misalnya Uniswap) dan Hybrid (misalnya Curve), yang menghasilkan delapan kombinasi skema PAMM dan SAMM. Kami akan melakukan eksperimen menggunakan metode pemodelan dan simulasi berbasis agen untuk mengeksplorasi kumpulan strategi jahat potensial dari setiap skema dan probabilitas terjadinya masing-masing, serta menampilkan hasil simulasi untuk memperlihatkan konsekuensi dari strategi jahat tersebut dalam sistem. Kami akan berusaha menemukan strategi tanggap terhadap serangan jahat yang lebih ilmiah dan skema optimasi kurva ikatan melalui eksperimen.

Pada saat yang sama, kami telah mendapatkan sponsor akun premium dari Holobit, dan akan menggunakan platform pemodelan simulasi canggih ini untuk secara transparan mengungkapkan detail pembangunan model kami dan seluruh proses percobaan.

• Kemungkinan titik inovasi

I. Memperkenalkan pembelajaran penguatan ke dalam Teknik Token, membentuk metode optimisasi mekanisme protokol berbasis AI-agent dan pemodelan dan simulasi berbasis agen;

II. Metode ini memiliki universalitas, dapat diimplementasikan, dapat digunakan kembali, mungkin membantu keamanan ekonomi dari seluruh ekosistem Token.

III. Berkat Holobit yang kuat ini, model ini dapat dipahami, digunakan, dan diverifikasi oleh publik.

• Tujuan jangka pendek proyek

Menggunakan agen kecerdasan buatan untuk mengeksplorasi strategi jahat potensial di bawah berbagai kombinasi kurva ikatan PAMM dan SAMM, mengidentifikasi kemungkinan risiko di bawah berbagai kombinasi mekanisme, dan mengeksplorasi strategi respons risiko yang sesuai dan skema optimasi mekanisme.

II. Untuk menyediakan metode penelitian yang relatif ilmiah dan ketat untuk perkembangan kurva perekat;

III. Berdasarkan hasil eksperimen, beberapa saran diajukan dari sudut pandang kurva pengikatan untuk meningkatkan keamanan ekonomi dalam ekosistem token.

• Tujuan jangka panjang proyek

Dengan menggabungkan penyebaran metode pemodelan dan simulasi berbasis AI dan promosi Desentralisasi Teknologi Token, memungkinkan semua orang untuk menjadi Insinyur Token, sehingga mendasari ‘membangun ekosistem token yang lebih anti-fragil dan berkelanjutan secara berbasis komunitas secara Desentralisasi’, memperluas Teknologi Token, dan mempercepat perkembangannya secara teoritis maupun praktis.

2. Hasil yang Diharapkan

Dengan bantuan alat Holobit, model berbasis agen akan dikembangkan, dengan hasil yang diharapkan mencakup:

• Sebuah model simulasi ekonomi off-chain yang memperkenalkan agen AI-token, termasuk 8 skema eksperimen PAMM dan SAMM. Sementara itu, model ini sepenuhnya transparan, dapat dimengerti, digunakan, dan diverifikasi oleh semua orang;
• Laporan penelitian tentang strategi serangan jahat potensial di bawah berbagai kombinasi kurva ikatan PAMM dan SAMM yang berbeda yang dieksplorasi oleh agen AI, termasuk proses pemodelan, konten eksperimen, risiko kerentanan, dan rencana optimalisasi.

3. Misi dan Nilai-nilai yang Selaras

• Praktis: Holobit mendukung berbagi publik, dan logika pemodelan yang sederhana, sehingga dapat dengan mudah dibaca, digunakan, dan diverifikasi oleh semua orang. Oleh karena itu, model ini dapat diakses dan diuji oleh semua orang sebagai barang publik, seperti yang telah ditunjukkan dalam contoh ekosistem Terra / LUNA yang diberikan.
• Pendidikan: Melalui model rinci dan tutorial simulasi, proyek dapat membantu masyarakat memahami secara mendalam prinsip kerja kurva bonding dan peran kuncinya dalam ekosistem token; melalui pemodelan berbasis agen dan simulasi, proyek dapat menunjukkan kepada masyarakat bagaimana menganalisis dan mengelola hubungan dinamis dan risiko potensial dalam sistem kompleks. Keterampilan ini sangat relevan dan merupakan keterampilan kunci dalam studi Teknik Token. Jika metodologi dan alat ini dapat dipopulerkan dan diterapkan dalam komunitas melalui model ini, maka dapat lebih memperluas penyebaran, pengembangan, dan praktik penerapan Teknik Token.
• Transparan: Hanya jika bisa dimengerti oleh masyarakat umum, itu dianggap benar-benar transparan. Model ini tidak melibatkan kode, tetapi visualisasikan mekanisme pemodelan dan proses eksperimen melalui alat Holobit. Melalui pemodelan dan percobaan, tidak hanya mekanisme model menjadi transparan, tetapi juga lebih jauh membuat risiko desain transparan dan memberikan saran perbaikan yang konkret.
• Komunitas yang Didorong: Komunitas dapat melakukan fork terhadap model ini untuk berbagai eksperimen, tidak hanya terbatas pada kurva bonding, tetapi juga dapat digunakan untuk penelitian mengenai tata kelola, pertumbuhan, dan lain-lain. Yang lebih penting, metodologi dan alat ini dapat digunakan ulang pada protokol lain, setiap orang dapat mempublikasikan hasil penelitian mereka secara terbuka di komunitas, mengungkap kelemahan dan area yang dapat dioptimalkan dari ekosistem token tertentu, dan benar-benar mewujudkan pengawasan diri yang didorong oleh komunitas. Keselarasan dengan prinsip-prinsip Teknik Token: Ketika dikuasai dengan seperangkat metode dan alat ini, setiap orang dapat melakukan audit keamanan ekonomi terhadap protokol protokol berdasarkan keterampilan ini. Oleh karena itu, “Token Engineering in Desentralisasi” dimungkinkan, dan kita dapat menyatukan kekuatan kebijaksanaan kerumunan untuk membangun ekosistem Token yang lebih anti-fragile dan berkelanjutan.