Исследование глубины риска комбинированной кривой облигаций, управляемой искусственным интеллектом

Элейн, Джерейм|Автор

Sissi@TEDAO｜Переводчик

Введение переводчика:

Данный перевод будет рассказывать о новаторских предложениях, получивших финансирование от Token Engineering Commons (TEC) на весну 2024 года. TEC - это одно из важнейших сообществ по поддержке и продвижению Token Engineering в мире, которое стремится создать и поддерживать устойчивую экосистему и предоставлять членам сообщества платформу для поддержки и сотрудничества через свой форум и другие ресурсы.

Данный проект использует технологию обучения с подкреплением и моделирование и имитацию на основе агентов для оптимизации механизма кривой привязки в экосистеме токенов. Путем исследования и противодействия потенциальным вредоносным стратегиям при различных комбинациях кривых привязки PAMM & SAMM, проект нацелен на значительное улучшение экономической безопасности токеновой системы. Кроме того, проект также стремится к популяризации и практической реализации токен-инжиниринга, чтобы большее количество людей могли понять и участвовать в этой передовой технологии, создавая путь к более безопасной и устойчивой экосистеме токенов.

1. Детали предложения

1.1 Обзор фона

Кривая привязки - неотъемлемая часть экосистемы токенов, она играет ключевую роль в контроле колебаний цен токенов, обеспечении необходимой ликвидности, динамизации предложения токенов и т. д. Путем математического описания отношений различных элементов экосистемы токенов кривая привязки также открывает двери для “инженерного контроля” экосистемы токенов.

Уже в 2018 году команда IncentiveAI предложила идею использования AI-агента для оптимизации механизма, путем наблюдения за поведением жадных агентов машинного обучения, определения возможного поведения пользователей после развертывания системы в реальной среде и непрерывной оптимизации конструкции механизма путем сравнения реального поведения с ожидаемым. Они также применили эту идею в исследовании кривой сцепления протокола Ocean. К сожалению, этот проект в конечном итоге не был масштабно реализован, и на данный момент нет никакого доступного для ознакомления или запуска кода проекта.

С 2023 года BCRG (Bonding Curve Research Group) проводит более всесторонние исследования, разработки, образовательные программы и применение кривых связывания, особенно в области совместных исследований кривых связывания PAMM (Primary Automated Market Maker) и SAMM (Secondary Automated Market Maker). Однако, согласно описанию BCRG в Modeling & Simulating bonding curves, возможно из-за ограниченных ресурсов, в настоящее время еще не проводится более глубоких исследований, таких как исследование зловредных стратегий, тестирование на проникновение и анализ гипотез.

Наша команда долгое время уделяет внимание исследованиям в области токен-инжиниринга, стремясь решить проблемы проектирования и оптимизации сложных систем с использованием агентного моделирования и симуляции.

1.2 Описание проекта

В этом предложении мы собираемся унаследовать концепцию Incentive AI, используя AI-агента, обученного усиленным обучением, для исследования злонамеренных стратегий потенциальных атакующих в различных комбинациях кривых связывания PAMM и SAMM, а затем сравнивать и анализировать их, исследуя пространство действий, чтобы найти относительно стабильные и качественные комбинации параметров кривых связывания, постоянно оптимизируя механизмы протокола, уменьшая разрыв между ожидаемым и реальным поведением и снижая экономические риски для экосистемы токенов.

Конкретно, при выборе кривой привязки PAMM мы выбираем четыре наиболее распространенных типа: линейную, экспоненциальную, степенную и сигмоидальную; при выборе кривой привязки SAMM мы выбираем два наиболее распространенных типа: постоянное произведение (например, Uniswap) и смешанную (например, Curve), что приводит к 8 комбинациям PAMM и SAMM. Мы будем использовать метод моделирования и симуляции на основе агентов, используя искусственный интеллект-агента для исследования набора потенциальных злонамеренных стратегий для каждой схемы и вероятности их возникновения, а также наглядно показать последствия злонамеренных стратегий для системы с помощью результатов моделирования. Мы постараемся провести эксперимент исследования относительно научных стратегий противодействия злонамеренным атакам и оптимизации механизмов кривой привязки.

В то же время мы получили спонсорскую поддержку от Holobit для продвинутого аккаунта, чтобы использовать эту передовую платформу моделирования и симуляции для полной прозрачности деталей нашей моделировки и всего экспериментального процесса.

• Возможные точки инноваций

I. Внедрение обучения с подкреплением в инженерию токенов для создания методов оптимизации протокола на основе искусственного интеллекта агентов и моделирования и симуляции на основе агентов;

II. Этот метод универсален, может быть реализован, повторно использован и, возможно, может помочь обеспечить экономическую безопасность всей экосистемы токенов;

III. Благодаря мощному инструменту Holobit эту модель можно понять, использовать и проверить.

• Краткосрочная цель проекта

Используя AI-agent, исследуйте потенциальные злонамеренные стратегии при различных комбинациях кривых привязки PAMM и SAMM, выявите возможные риски при различных комбинациях механизмов, и разработайте соответствующие стратегии по управлению рисками и оптимизации механизмов.

II. Предоставить относительно научно-строгий набор исследовательских методов для развития кривой связывания;

III. На основе результатов эксперимента были выдвинуты несколько предложений по улучшению экономической безопасности экосистемы токенов с точки зрения кривой связывания.

• Долгосрочные цели проекта‍

Путем сочетания распространения метода моделирования и симуляции, основанного на искусственном интеллекте, и продвижения токен-инжиниринга, каждый может стать инженером токенов, чтобы укрепить основы для ‘построения более антихрупкой и устойчивой экосистемы токенов децентрализованным образом с привлечением сообщества’ и дальнейшего продвижения токен-инжиниринга, ускоряя развитие его теории и практики.

2. Ожидаемые результаты

С использованием инструмента Holobit для моделирования на основе агентов планируется предоставить следующие результаты:

• Модель симуляции цепочки экономики токенов с внедрением искусственного интеллекта, включающая 8 экспериментальных сценариев PAMM и SAMM комбинаций. В то же время модель полностью прозрачна, понятна и проверяема каждым, кто умеет читать и использовать.
• Исследовательский отчет о потенциальных вредоносных атаках на основе комбинации различных кривых связующей PAMM и SAMM, исследованных AI-агентом (включая процесс моделирования, экспериментальное содержание, уязвимости и оптимизационные решения).

3. Согласование миссии и ценностей

• Удобство: Holobit поддерживает открытое разделение информации и имеет простую логику моделирования, обеспечивая визуализацию и интуитивно понятное использование, гарантируя, что каждый может читать, использовать и проверять. Поэтому эту модель можно использовать как общественное достояние, доступное всем для доступа и тестирования, как в случае с уже представленной экосистемой Terra / LUNA.
• Образование: С помощью подробных моделей и симуляций проект может помочь широкой публике глубже понять принцип работы кривой привязки и ее ключевую роль в экосистеме токенов; с помощью моделирования на основе агентов и симуляций проект может показать общественности, как анализировать и управлять динамическими отношениями и потенциальными рисками в сложных системах. Эти навыки широко применимы и являются ключевыми для изучения Токен-инжиниринга. Если эту методологию и инструменты можно распространить и популяризировать в сообществе через эту модель, это может дальше содействовать распространению, развитию и практическому применению Токен-инжиниринга.
• Прозрачность: Прозрачность считается истинной только в том случае, если ее могут понять обычные люди. В этой модели не требуется знание кода; она визуализирует механизм моделирования и процесс экспериментов с помощью инструмента Holobit. Путем моделирования и экспериментов не только делается прозрачным механизм модели, но также дополнительно раскрываются риски, связанные с дизайном механизма, и предлагаются конкретные рекомендации по устранению.
• Сообщество управляет: Сообщество может форкнуть эту модель для проведения различных экспериментов, не ограничиваясь только кривой привязки, исследовать управление, рост и т.д. Более важно то, что этот метод и инструменты могут быть использованы в других протоколах, и каждый может публично представить свои исследования в сообществе, раскрыть уязвимости и возможности оптимизации в экосистеме токенов, действительно реализовав сообществом управляемое саморегулирование.
• Выравнивание с принципами токен-инжиниринга: После овладения этим набором методов и инструментов каждый сможет проводить экономические аудиты протоколов на основе этих навыков. Таким образом, “достижение децентрализованности в области токен-инжиниринга” становится возможным, и мы можем объединить умственные усилия сообщества для создания более антихрупкой и устойчивой экосистемы токенов.