目前还没有一种有效的方法来判断首次代币发售(ICO)是否是个骗局,但基于机器学习的研究方法可以让人们更容易规避那些明显的骗局。这对于骗子之外的每个人来说都是有好处的。
 
一家名叫 Shannon.AI 的中国公司,与来自斯坦福大学、加州大学圣巴巴拉分校和密歇根大学的研究人员合作,于近期公布了一份白皮书,详细介绍了一种用于识别加密货币骗局的人工智能方案。
 
当涉及到加密货币投资时,只有一种方法可以完全避免被骗:不要参与其中。 比特币等货币和千禧一代的百万富翁们 让我们觉得,假如我们投资了就可以开着我们的兰博基尼上月球一样,但现实是,去年的大多数 ICO 要么是骗局,要么失败了 。
 
正如研究人员在他们的 白皮书 中所说:
 
尽管 ICO 能够提供公平和合法的投资机会,但集资的便利性为肆无忌惮的商业行为使用 ICO 进行“拉高出货”提供了可能,ICO 的发起者会抬高众筹的加密货币价格,然后快速出货来获利。
 
对于那些不能看懂白皮书的外行人来说,这些技术都是含糊难懂的,那么,我们如何从合法竞争者中区分出这些骗局呢?
 
现在没有有效的方案。目前缺少监管的市场使得在 事发之前 很难证明某 ICO 是否是骗局。这不是散播 FUD(恐惧,不确定,怀疑),这是很明显的事实。
 
这其中的部分原因是,白皮书和网站可以相对容易地使其看起来合法。简单地说,大多数骗子都指望着你不会花那么多时间去研究他们的货币,因此他们便可以让它看起来合法化。
 
由于绝大多数的加密货币社区的一般毒性和诱惑性的本质使问题变得更加严重。当有一大群人,他们的共同特征是相互投资,还经常发放奖励计划之类的积极信息,通过与参与其中的人交谈,就不太可能得到 ICO 合法性的清晰画面了。
 
Shannon.AI 团队的白皮书概述了一种机器学习方法,可以将诈骗与合法项目区分开来:
 
通过分析 2251 个 ICO 项目,我们将数字货币的生存期和价格波动与它的 ICO 各级信息相关联,包括其白皮书、创始团队、GitHub 库、网站等。在最佳设置情况下,该系统能够识别的 ICO 骗局项目精度为 0.83,F1 得分为 0.80。
 
 
即便这不具有革命性意义,这样的结果也是令人鼓舞的。这篇论文展示了一个基于算法的系统,它本质上是自动化了精明的投资者已经在做的事情,通过寻找公开的信息来获取货币的整体图像。这种方法很不错,其团队指出:
 
与人类设计的评级系统相比,ICORATING 有两个关键优势。(1)客观性:机器学习模型涉及的对世界的先验知识较少,它是从数据中学习因果关系,相反,人类设计的系统需要大量的人类专家参与,这不可避免地会引入偏见。(2)不法行为者操纵困难:信用评级结果是由通过黑箱训练的机器学习模型输出。这个过程只需要较少的人工干预。
 
遗憾的是,由于这些骗局的本质,当人类研究人员对一个项目发出警告信号时,即便它们来自著名的新闻网站,这些警告通常也会被加密货币持有者视为“付费攻击”或 FUD。
 
对于一个公司来说,攻击这些消息,要比解决合法性研究人员和记者指出的问题要容易的多。
 
但是,如果在黑箱模式下工作的人工智能算法得到了相同的结论,基于已有的同样的信息,它可能会被认为是更值得信任的。Shannon.AI 算法不会做任何个人无法独立完成的事情,但它们做得更快——而且更准确。
 
除非你是一个记者或研究员,你可以花很多时间浏览白皮书、网站和 Github 的代码库,否则你可能会错过关键的信息。在一段时间内,AI 可以让 ICO 骗局成为过去式,至少是少数的骗局形式。
 
我们已经联系了该研究小组,看看他们是否有计划用这个工具开拓市场,或者他们是否有进一步开发的计划。
 
同时,交易需谨慎:对于每一个投资山寨币的人来说,有成千上万的人希望他们在投资前关注这些危险信号。