Memaksimalkan Potensi Aset Kripto dan NFT Lewat AI, Bagaimana Caranya?

Metode dalam AI dan ML bisa membuat aset crypto dan NFT menjadi lebih cerdas

Beberapa tahun belakangan, teknologi Machine Learning (ML) dan Artificial Intelligence (AI) terus berkembang dengan pesat. Tak hanya itu, keduanya juga mulai digunakan di berbagai bidang. Jesus Rodriguez, CEO IntoTheBlock percaya, teknologi AI-ML punya potensi besar untuk mengubah industri crypto di masa depan. Apalagi karena, cryptocurrency merupakan aset yang bisa diprogram.

Memang, teknologi ML atau AI juga bisa diaplikasikan di aset lain selain crypto, seperti saham. Namun, biasanya, teknologi tersebut digunakan di luar aset itu sendiri. Contohnya, keberadaan robo-advisor yang bisa memberikan rekomendasi akan saham yang bisa seseorang beli. Sebagai perbandingan, pada crypto, teknologi AI-ML bisa langsung ditanamkan pada crypto atau aset digital.

Sebenarnya, saat ini pun, sudah ada teknologi AI-ML yang digunakan di industri crypto. Tapi, selama ini, pelaku industri crypto fokus untuk membuat fitur terkait digitalisasi dan otomatisasi. Rodriguez mengatakan, di masa depan, teknologi AI-ML mungkin juga akan digunakan untuk membuat intelligent crypto, yang bisa beradaptasi dan menyesuaikan diri dengan situasi dan keadaan pasar.

Antara Kripto, NFT, dan AI

Belakangan, teknologi AI-ML telah berevolusi. Artinya, ada semakin banyak teknik dan metode pelatihan AI yang muncul. Dan Rodriguez percaya, ada beberapa teknik/metode tertentu dalam AI-ML yang punya potensi besar untuk mengubah industri crypto. Berikut empat metode tersebut.

1. Transformers

Salah satu learning model yang punya potensi untuk mengubah industri crypto adalah transformers, yang bisa memperkirakan signifikansi dari setiap data. Biasanya, model transformers digunakan dalam Natural Language Understanding (NLU) atau Computer Vision. Salah satu contoh penggunaan transformers adalah untuk menerjemahkan tulisan dari satu bahasa ke bahasa lain. Contoh lainnya adalah untuk membuat ringkasan dari sebuah laporan atau bahkan membuat artikel layaknya manusia.

"Model seperti GPT-3 milik OpenAI atau Megatron dari NVIDIA bisa membuat tulisan yang tidak bisa dibedakan dengan tulisan buatan manusia," tulis Rodriguez di CoinDesk. "Keduanya juga bisa menjawab pertanyaan yang kompleks, serta memiliki kemampuan untuk membuat pertimbangan dalam bentuk tulisan."

Sementara itu, DALL-E dari OpenAI atau Imagen milik Google bisa membuat gambar yang didasarkan pada teks. "Mengingat NFT masih sering diidentikkan dengan grafik visual, mudah saja membayangkan bagaimana model transformers dapat memajukan teknologi NFT," ujar Rodriguez.

2. Self-Supervised Learning (SSL)

Selain transformers, metode lain dari ML yang bisa diterapkan di industri crypto adalah Self-Supervised Learning. Metode ini dapat melatih sebuah AI menggunakan data yang tidak memiliki label. Hal itu berarti, seseorang atau sebuah perusahaan tidak perlu memiliki data berlabel dalam jumlah banyak untuk melatih AI yang mereka buat.

Biasanya, untuk "melatih" sebuah AI, seseorang harus memberikan banyak data yang sudah dilabeli. Sebagai contoh, jika Anda ingin membuat AI yang bisa membedakan foto atau gambar kucing dan anjing, Anda harus mengumpulkan banyak gambar dari anjing dan kucing, serta melabeli setiap gambar: apakah ia adalah seekor kucing atau anjing. Dengan begitu, AI akan bisa mengetahui tampilan seekor kucing dan anjing dan pada akhirnya, AI diharapkan akan bisa membedakan gambar dari kedua hewan itu.

Metode SSL memungkinkan seseorang untuk melatih AI tanpa harus menggunakan data dalam jumlah besar. Contohnya, DINO buatan Meta, yang dulu dikenal sebagai Facebook. AI tersebut bisa mengelompokkan obyek tanpa harus dilatih terlebih dulu.

"Kemampuan untuk melatih AI tanpa harus menggunakan data dalam jumlah besar sangat cocok untuk industri crypto," kata Rodriguez. "Decentralized Finance (DeFI) akan bisa diuntungkan dengan penggunaan metode-metode ini."

3. Graph Neural Network

Graph Neural Network (GNN) adalah metode deep learning yang digunakan untuk mengambil kesimpulan berdasarkan data yang ditampilkan dalam bentuk grafik. GNN juga cocok untuk digunakan dalam mempelajari data yang memiliki hierarki. Contoh penggunaan GNN di dunia nyata adalah di Google Maps, khususnya fitur untuk memperkirakan keramaian di jalan. Rodriguez merasa, jika intelligent blockchain akhirnya menjadi nyata, GNN akan punya peran penting untuk memahami blockchain dataset, yang memang biasanya punya hierarki yang jelas.

4. Reinforcement Learning

Deep Reinforcement Learning (DRL) mulai dikenal banyak orang setelah AI buatan DeepMind, AlphaGo, berhasil mengalahkan juara Go dunia, Lee Sedol. Reinforcement Learning adalah metode pelatihan AI yang didasarkan pada konsep reward and punishment. Jadi, jika AI melakukan sesuatu yang benar, maka ia akan mendapatkan reward alias hadiah. Sebaliknya, ketika AI melakukan kesalahan, ia akan mendapatkan hukuman.

Sebelum melawan Lee Sedol, AlphaGo mempelajari cara bermain Go dengan cara melawan dirinya sendiri berulang kali. Dari sana, AlphaGo akan belajar dari kesalahan yang ia buat. Sehingga, ia akan tahu langkah terbaik yang bisa ia ambil saat bermain Go. Selain membuat AlphaGo belajar cara bermain Go, DRL juga digunakan oleh DeepMind untuk mengajarkan MuZero cara bermain Go, catur, dan berbagai game Atari. Sementara itu, AlphaFold bisa memprediksiĀ struktur protein berdasarkan rangkaian asam amino.

Menurut Rodriguez, prinsip dasar dari DRL adalah trial and error. Dan konsep ini sangat relevan dengan berbagai bidang crypto, seperti DeFi atau NFT.

Contoh Penggunaan Teknologi AI-ML di Crypto

Saat ini, sebenarnya telah ada metode dari studi AI-ML yang diterapkan dalam industri crypto. Contohnya, penggunaan metode generative untuk membuat NFT. Meskipun begitu, Rodriguez percaya, pengaplikasikan teknologi AI-ML di crypto seharusnya tidak berhenti sampai di sana. Di masa depan, dia membayangkan, NFT bisa saja dilengkapi dengan kemampuan berbahasa dan berdialog, layaknya asisten digital. Dengan begitu, sang pemilik bisa menanyakan berbagai hal pada NFT-nya, termasuk arti dari NFT itu sendiri.

Contoh lain yang Rodriguez berikan adalah penggunaan teknologi AI-ML untuk membuat intelligent protokol DeFi. Memang, saat ini, protokol DeFi sudah didesain sedemikian rupa sehingga ia bisa berjalan secara otomatis. Namun, protokol DeFi tetap tidak memiliki intelligence, layaknya AI. Rodriguez percaya, dengan menerapkan teknologi AI-ML, akan muncul generasi baru dari protokol DeFi. Dan protokol generasi baru itu akan bisa beradaptasi dan menyesuaikan diri dengan situasi. Contohnya, protokol peminjaman yang secara otomatis menyesuaikan batas pinjaman berdasarkan profil sang peminjam.

Metode generative telah digunakan untuk membuat NFT. | Sumber: Medium

Teknologi AI-ML memang bisa menguntungkan industri crypto. Namun, Rodriguez juga percaya, teknologi crypto juga bisa membantu menyelesaikan masalah yang ada dalam industri AI-ML. Contohnya, penggunaan data dalam jumlah besar untuk melatih AI.

Sekarang, untuk mengembangkan AI, sebuah perusahaan membutuhkan data dalam jumlah besar. Sayangnya, tidak semua perusahaan bisa mendapatkan akses ke data tersebut. Seolah hal itu tidak cukup buruk, sedikit perusahaan yang memang memiliki data dalam jumlah besar biasanya akan menggunakan data mereka secara internal, tapi enggan untuk membagi data tersebut dengan perusahaan lain. Alhasil, jumlah perusahaan yang bisa mengembangkan AI menjadi sangat terbatas.

Menurut Rodriguez, masalah ini bisa diselesaikan dengan menerapkan metode di bidang crypto, yaitu decentralized AI. Menggunakan sistem komputasi terdesentralisasi dan mekanisme tokenisasi, decentralized AI dapat menciptakan iklim ekonomi yang mendorong perusahaan dan individual untuk saling berbagai data atau bahkan model AI.

AI tetap bisa menjadi bias. | Sumber: World Economic Forum

Masalah lain di bidang AI-ML yang bisa diselesaikan dengan mengadopsi pendekatan di dunia crypto adalah masalah bias. Kemampuan dan output yang dihasilkan oleh sebuah AI sangat ditentukan oleh data yang digunakan untuk melatih AI tersebut. Jadi, jika data yang digunakan untuk melatih AI memiliki bias, maka bias itu juga akan muncul di AI.

Rodriguez mengatakan, blockchain bisa digunakan untuk mencatat dan melacak nilai bias pada model AI-ML Harapannya, hal ini akan bisa menghilangkan bias pada AI dengan menyesuaikan output berdasarkan nilai bias.

Sumber header: Pixabay