区块链区块怎么理解_ 我不是人工智能，又没有大数据，如何理解区块链的你？

< p >任何曾经交易加密货币或投资虚拟货币的人都会因为试图预测市场趋势而极度沮丧，正如我第一次设置公开号码时所说:“我不是人工智能，也没有大数据。你怎么理解区块链？”

在预测市场趋势时，人们通常习惯于遵循共识，或者更喜欢一些“专家”或“大V”，甚至倾听来自电报、纪律和红迪网(Reddit)等社区的各种声音来指导他们的投资决策。

我不否认，只要交易者能够通过这些方法找到真正值得信赖的人，这些都不是糟糕的选择。

但是，任何对区块链略知一二的人都知道，信任的解决方案就是去集中化+足够的认证节点+不可篡改的上行链路确认

不管声音来自专家还是社区，它毕竟是一些主观的以自我为中心的声音。

与信任的去中心化+足够的验证+防篡改完全无关。那么投资者为什么要相信这些链外的声音呢？

依据铁汉汉自然？

还是没有缴纳足够的智商税？

为什么人们相信比特币，因为比特币的白皮书和开放源代码被放在技术住宅的每个人面前尽情验证

如果今天有人告诉你比特币涨跌，请让他给出非常可靠的分析模型和数据基础，否则他将被告知离开。

面对比特币，寻找趋势的最佳方式可能根本不涉及人。

人工智能:机器学习

目前，我们正在进行人工智能革命，新的研究和应用正在实现。

人工智能技术的进步(如深入学习)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辅助。

似乎每天都出现一些过去依赖于人的任务，但现在只需要机器来完成。

不久前，人工智能似乎只是科幻小说的一部分

今天，人工智能无处不在

然而，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。

对于吃瓜派对来说，知道机器学习的宣传在哪里很重要对我来说，我认为区块链技术是机器学习实现其全部潜力的基本支持框架。

机器学习这个术语来自1959年已故的阿瑟·塞缪尔。ML的基本理论认为，机器可以通过识别和分析特定的模式和行为来学习做特定的事情，这样程序员就不必为每个微观的特定任务单独编程。

本质上是机器从大数据中学习

目前，越来越多的投资流向数据中心:数据中心使用传统的基于中央处理器的计算方法来执行机器学习任务典型的中央处理器可以容纳6-14个内核，并且可以运行12-28个不同的命令线程

通常，这些线程只在单个数据块上运行因此，建立更多这样的中央处理器数据中心不足以满足人工智能日益增长的需求。

然而，还有另一种类型的计算可以更好地满足人工智能对计算能力日益增长的需求:基于图形处理器的计算典型的GPU可以容纳2000-3000个内核，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大约30个信息块这种计算能力可以在分配过程中提高速度，降低能耗，非常适合机器学习任务。

区块链或分布式分类帐技术(DLT)可以利用GPU的计算能力提供人工智能所需的计算资源可以说，在某些方面，这是比特币协议的目的。

比特币协议的一部分要求矿工解决复杂的数学问题，而这些问题是任何计算机都无法独自解决的，作为确认和核实区块链交易的一种方式。

随着这个过程的进展，它继续发展，于是虚拟货币诞生了

虚拟货币诞生，交易诞生

交易诞生了，投资者对该资产交易趋势的预期也诞生了。确定给定资产未来表现的最有效方法是分析其资本流动。

机器学习可以通过跟踪已知实体的资金转移并将其与历史数据集进行比较来帮助您预测资产的未来价值转移。这是什么意思？

这意味着交易员可以决定加密货币市场的主要参与者在做什么。

例如，鲸鱼可能正在计划一个泵和垃圾场(船被拉)，这将大大降低资产的价值知道这将在何时发生，投资者可以在溺水前上岸。

在比特币世界中，神秘的“鲸鱼”是指拥有大量数字现金的个人比特币鲸鱼长期以来一直是投机和焦虑的来源。根据链分析去年进行的一项研究，有32头鲸鱼持有超过12，000到85，000枚比特币。

or whales现在还没有准备好发货，但已经开始积累虚拟资产，最近有下降趋势，这可以使投资者在资产价值大幅上升之前触底。

在加密领域有许多应用，这使得机器学习对于成功的交易绝对至关重要。

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，发现他们的投资模式和遵循的投资模式。

机器学习也可以用作强大的反欺诈工具:首先，应该训练机器识别欺诈模式，以便它可以总结知识并确定何时找到相似的模式。

这也可以在一定程度上稳定市场，因为机器学习算法可以防止“抽水和倾倒”的做法变得过于普遍，并防止市场操纵破坏整个区块链的货币生态系统。

我们可以看到，加密领域的机器学习正在蓬勃发展。它被用作决定个人和交易所如何投资以及当前市场趋势的有力工具。

在这里差不多完成了，但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关于机器学习的信息是对事实的极大歪曲。

你会遇到各种向你展示“预测模型”的坏人，他们会告诉你这是他们在使用机器学习时偶然发现的。

乍一看，这些模型中的许多似乎令人信服:它们会向您展示某种图形的图片，并将机器预测的结果与市场上的实际数据进行比较。比较结果非常吻合这甚至可以说是一场不可思议的比赛。

尽管这些机器学习算法背后的团队在他们的工作中所做的工作令人钦佩，但以任何方式建议将它们用作预测实际市场交易的方法都是不诚实的。事实上，他们的结果被处理了，例如，预测被推迟了一天。

这些模型实际上没有显示预测和实际结果之间的真正相关性。

可能有一些模型可以准确预测未来资产的日常运营，但它们还不可用。