曾交易過加密貨幣或投資過虛擬貨幣的任何人，都會因嘗試預測市場趨勢而感到無比沮喪，正如我最初設立公眾號時的介紹語："我不是人工智慧，又沒有大資料，如何理解區塊鏈的你？"
在預測市場趨勢這件事兒上，人們通常習慣遵循共識，或者偏愛某些’專家‘或’大V‘，甚至聽從來自Telegram，Discord，Reddit等社羣的各種聲音來指導自己的投資決策。
我不否認，只要交易者能夠透過這些方式，找到真正值得信賴的人，這些都不是壞的選擇。
可是稍微瞭解區塊鏈的人都知道，解決信任的恰恰是去中心化+足夠多的驗證節點+上鍊確認不可篡改。
不論是聲音來自專家還是社羣，終究是些以自我為中心的主觀聲音。
是跟信任所依賴的去中心化+足夠多的驗證+不可篡改完全不沾邊的聲音，那麼投資者又憑什麼信任這些鏈外的聲音？
憑的是鐵憨憨的本性？
還是智商稅交的不夠多？
為什麼人們相信比特幣，因為比特幣的白皮書和開原始碼一一擺在所有人面前，供技術宅盡情的驗證。
今天誰要是跟你說，比特幣漲或者跌，請讓他給出非常可靠的分析模型和資料依據，否則叫他滾蛋。
在比特幣面前，找出趨勢的最佳方法可能根本不涉及到人。
AI ：Machine Learning
當前，我們正處於人工智慧革命之中，新的研究和應用正在實現。
人工智慧技術的進步（例如深度學習）已經改變了一切，從購物平臺的智慧推薦到地圖導航的語音助手。
似乎每天都出現一些以前需要靠人，而現在只需要機器就能完成的任務。
不久之前，人工智慧似乎只是科幻小說中的一部分。
而今天，人工智慧無處不在。
但是，這項新技術的出現也帶來了許多不切實際的期望，比如：機器學習。
對於吃瓜黨而言，重要的是要知道圍繞機器學習的炒作在哪裡。而對我而言，我認為區塊鏈技術是使機器學習發揮其全部潛力的基礎支援架構。
機器學習這個術語來源於1959年已故的亞瑟·塞繆爾（Arthur Samuel），ML的基礎理論認為：機器能夠透過識別和分析某些模式和行為，學習做某些事情，而使程式設計師不必再為每個微觀特定的任務進行單獨程式設計。
本質上是讓機器，從大資料中學習。
當前，越來越多的投資湧向資料中心：資料中心利用基於CPU的傳統計算方式來執行機器學習任務。典型的CPU可以容納6–14核心，並且可以在12–28個不同的命令執行緒之間執行。
通常，這些執行緒僅在單個資料塊上執行。因此，建立更多此類CPU資料中心不足以滿足AI不斷增長的需求。
然而，還有另一種型別的計算可以更好地滿足AI對計算能力不斷增長的需求，即：基於GPU的計算。典型的GPU可以容納2000-3000個核心，並且每個執行緒可以執行100個或更多的命令執行緒。
通常，這些執行緒將同時執行約30個資訊塊。這種計算能力可在分配處理時提高速度並減少能耗，非常適合機器學習任務。
區塊鏈或分散式分類帳技術（DLT）可以透過利用GPU的計算能力來提供AI所需的計算資源。可以說，在某些方面，這就是比特幣協議的目的。
比特幣協議的一部分要求就是要讓礦工解決任何一臺計算機無法自行解決的複雜數學問題，以此作為確認和驗證區塊鏈上交易的一種方式。
隨著過程的進行，它不斷髮展，於是虛擬貨幣誕生了。
虛擬貨幣誕生了，交易也就誕生了。
交易誕生了，投資者對該資產交易趨勢的預測渴望也就誕生了。而確定給定資產未來表現的最有效的方法，是對其資金流進行分析。
透過跟蹤已知實體轉移資金情況，並與歷史資料集進行比較，機器學習能夠幫助您預測資產的未來價值轉移。這意味著什麼？
這意味著交易者能夠確定加密貨幣市場的主要參與者正在做什麼。
例如，whales可能正在計劃pump and dump(拉高出貨)，這將大大降低資產的價值。知道了這一點什麼時候發生，投資者就可以在被淹死之前先上岸。
在比特幣的世界中，神秘的“whales”是指擁有大量數字貨幣的個人。長期以來比特幣鯨魚一直是投機和焦慮的根源。根據Chainalysis去年的研究表明，持有12,000~85,000以上比特幣的共有32個whales。
又或者，whales現在沒有準備出貨，而是開始積累最近呈下降趨勢的虛擬資產，這可以使投資者在資產價值顯著增加之前抄底。
在加密領域，它的應用眾多，這使得機器學習對於成功交易絕對至關重要。
此外，機器學習還可以分析交易行為：給定一組投資者，機器學習可以識別樣本中的投資者，並發現他們的投資方式以及遵循的投資模式。
機器學習也可以被用作強大的反欺詐工具：首先要讓機器接受已識別的欺詐模式的訓練學習，從而使它能夠概括知識並識別何時找到相似的模式。
這樣做還能夠在一定程度上穩定市場，因為機器學習演算法能夠阻止“pump and dump”的做法變得過分盛行，防止市場操縱行為破壞整個區塊鏈貨幣生態系統。
正如我們所看到的，加密領域的機器學習正在蓬勃發展。它被用作確定個人和交易所將如何進行投資以及市場目前面臨的趨勢的有力工具。
講到這裡差不多快完了，但是以下內容需要特別注意。
具有諷刺意味的是，大多數人在加密貨幣領域聽到的有關機器學習的資訊本身，就是對事實的巨大歪曲。
你會遇到各種為你展示”預測模型“的bad guys，他們會跟你說這是他們研究利用機器學習時偶然發現的。
乍一看，其中的許多模型看起來似乎很有說服力：它們將向您展示某種圖形的圖片，將機器預測的結果與市場上的實際資料進行比較。並且比較結果非常匹配。甚至可以說是令人難以置信的匹配。
雖然這些機器學習演算法背後的團隊在他們的作品中所做的工作令人欽佩，但以任何方式暗示應將它們用作預測實際市場交易的一種方法是不誠實的。實際上，它們的結果是被處理過的，比如：預測被推遲了一天。
這些模型實際上並沒有在預測和真實結果之間呈現出真實的相關性。
也許將來，可能會有一些模型可以準確地預測資產的日常執行情況，不過目前還沒有。
