我不是人工智能，又没有大数据，如何理解区块链的你？

曾交易过加密货币或投资过虚拟货币的任何人，都会因尝试预测市场趋势而感到无比沮丧，正如我最初设立公众号时的介绍语：“我不是人工智能，又没有大数据，如何理解区块链的你？”
在预测市场趋势这件事儿上，人们通常习惯遵循共识，或者偏爱某些’专家‘或’大V‘，甚至听从来自Telegram，Discord，Reddit等社区的各种声音来指导自己的投资决策。
我不否认，只要交易者能够通过这些方式，找到真正值得信赖的人，这些都不是坏的选择。
可是稍微了解区块链的人都知道，解决信任的恰恰是去中心化+足够多的验证节点+上链确认不可篡改。
不论是声音来自专家还是社区，终究是些以自我为中心的主观声音。
是跟信任所依赖的去中心化+足够多的验证+不可篡改完全不沾边的声音，那么投资者又凭什么信任这些链外的声音？
凭的是铁憨憨的本性？
还是智商税交的不够多？

为什么人们相信比特币，因为比特币的白皮书和开源代码一一摆在所有人面前，供技术宅尽情的验证。
今天谁要是跟你说，比特币涨或者跌，请让他给出非常可靠的分析模型和数据依据，否则叫他滚蛋。
在比特币面前，找出趋势的最佳方法可能根本不涉及到人。

AI ：Machine Learning

当前，我们正处于人工智能革命之中，新的研究和应用正在实现。
人工智能技术的进步（例如深度学习）已经改变了一切，从购物平台的智能推荐到地图导航的语音助手。
似乎每天都出现一些以前需要靠人，而现在只需要机器就能完成的任务。
不久之前，人工智能似乎只是科幻小说中的一部分。
而今天，人工智能无处不在。
但是，这项新技术的出现也带来了许多不切实际的期望，比如：机器学习。
对于吃瓜党而言，重要的是要知道围绕机器学习的炒作在哪里。而对我而言，我认为区块链技术是使机器学习发挥其全部潜力的基础支持架构。

机器学习这个术语来源于1959年已故的亚瑟·塞缪尔（Arthur Samuel），ML的基础理论认为：机器能够通过识别和分析某些模式和行为，学习做某些事情，而使程序员不必再为每个微观特定的任务进行单独编程。
本质上是让机器，从大数据中学习。
当前，越来越多的投资涌向数据中心：数据中心利用基于CPU的传统计算方式来执行机器学习任务。典型的CPU可以容纳6–14内核，并且可以在12–28个不同的命令线程之间运行。
通常，这些线程仅在单个数据块上运行。因此，建立更多此类CPU数据中心不足以满足AI不断增长的需求。
然而，还有另一种类型的计算可以更好地满足AI对计算能力不断增长的需求，即：基于GPU的计算。典型的GPU可以容纳2000-3000个内核，并且每个线程可以运行100个或更多的命令线程。
通常，这些线程将同时运行约30个信息块。这种计算能力可在分配处理时提高速度并减少能耗，非常适合机器学习任务。
区块链或分布式分类帐技术（DLT）可以通过利用GPU的计算能力来提供AI所需的计算资源。可以说，在某些方面，这就是比特币协议的目的。
比特币协议的一部分要求就是要让矿工解决任何一台计算机无法自行解决的复杂数学问题，以此作为确认和验证区块链上交易的一种方式。
随着过程的进行，它不断发展，于是虚拟货币诞生了。
虚拟货币诞生了，交易也就诞生了。
交易诞生了，投资者对该资产交易趋势的预测渴望也就诞生了。而确定给定资产未来表现的最有效的方法，是对其资金流进行分析。
通过跟踪已知实体转移资金情况，并与历史数据集进行比较，机器学习能够帮助您预测资产的未来价值转移。这意味着什么？
这意味着交易者能够确定加密货币市场的主要参与者正在做什么。
例如，whales可能正在计划pump and dump(拉高出货)，这将大大降低资产的价值。知道了这一点什么时候发生，投资者就可以在被淹死之前先上岸。

在比特币的世界中，神秘的“whales”是指拥有大量数字货币的个人。长期以来比特币鲸鱼一直是投机和焦虑的根源。根据Chainalysis去年的研究表明，持有12,000~85,000以上比特币的共有32个whales。
又或者，whales现在没有准备出货，而是开始积累最近呈下降趋势的虚拟资产，这可以使投资者在资产价值显着增加之前抄底。
在加密领域，它的应用众多，这使得机器学习对于成功交易绝对至关重要。
此外，机器学习还可以分析交易行为：给定一组投资者，机器学习可以识别样本中的投资者，并发现他们的投资方式以及遵循的投资模式。
机器学习也可以被用作强大的反欺诈工具：首先要让机器接受已识别的欺诈模式的训练学习，从而使它能够概括知识并识别何时找到相似的模式。
这样做还能够在一定程度上稳定市场，因为机器学习算法能够阻止“pump and dump”的做法变得过分盛行，防止市场操纵行为破坏整个区块链货币生态系统。

正如我们所看到的，加密领域的机器学习正在蓬勃发展。它被用作确定个人和交易所将如何进行投资以及市场目前面临的趋势的有力工具。
讲到这里差不多快完了，但是以下内容需要特别注意。
具有讽刺意味的是，大多数人在加密货币领域听到的有关机器学习的信息本身，就是对事实的巨大歪曲。
你会遇到各种为你展示”预测模型“的bad guys，他们会跟你说这是他们研究利用机器学习时偶然发现的。
乍一看，其中的许多模型看起来似乎很有说服力：它们将向您展示某种图形的图片，将机器预测的结果与市场上的实际数据进行比较。并且比较结果非常匹配。甚至可以说是令人难以置信的匹配。
虽然这些机器学习算法背后的团队在他们的作品中所做的工作令人钦佩，但以任何方式暗示应将它们用作预测实际市场交易的一种方法是不诚实的。实际上，它们的结果是被处理过的，比如：预测被推迟了一天。

这些模型实际上并没有在预测和真实结果之间呈现出真实的相关性。
也许将来，可能会有一些模型可以准确地预测资产的日常运行情况，不过目前还没有。