كيف يتم تطبيق الذكاء الاصطناعي في DeFi؟

المؤلف: ديفي التعليم

ترجمة: سلسلة كتل العامية

** **

كما قد تكون رأيت على Twitter ، نحن مهتمون جدا بمساحة الذكاء الاصطناعي / LLM الحالية. في حين أنه لا يزال هناك مجال كبير للتحسين في تسريع البحث ، فإننا نرى إمكانات.

إن ظهور نماذج اللغة الكبيرة (LLMs) في مجال العملات المشفرة يحدث ثورة في الطريقة التي يتفاعل بها اللاعبون غير التقنيين ويفهمون ويساهمون في الصناعة.

من قبل ، إذا لم تكن تعرف كيفية البرمجة ، فقد شعرت بالضياع التام. تعمل نماذج اللغات الكبيرة مثل chatGPT الآن على سد الفجوة بين لغات البرمجة المعقدة واللغة اليومية. هذا مهم جدا لأن مساحة العملة المشفرة يهيمن عليها أشخاص لديهم خبرة فنية متخصصة.

إذا صادفت شيئا لا تفهمه ، أو تعتقد أن المشروع يحجب عمدا حقيقة نظامه الأساسي ، فيمكنك أن تسأل chatGPT وتحصل على إجابة سريعة ومجانية تقريبا.

تعمل DeFi على إضفاء الطابع الديمقراطي على الوصول إلى التمويل ، وتعمل نماذج اللغات الكبيرة على إضفاء الطابع الديمقراطي على الوصول إلى DeFi.

في مقال اليوم ، سنقدم بعض الأفكار التي نعتقد أن نماذج اللغات الكبيرة قد تكون موجودة على DeFi.

1. أمان DeFi

كما لاحظنا ، تعمل DeFi على تحويل الخدمات المالية عن طريق تقليل الاحتكاك والتكاليف العامة ، بالإضافة إلى استبدال الفرق الكبيرة برمز فعال.

لقد قمنا بتفصيل المكان الذي يتجه إليه DeFi. التمويل الحيوي:

• انخفاض تكاليف الاحتكاك - ستنخفض تكاليف الوقود في النهاية
• تقليل التكاليف العامة لأنه لا يوجد موقع فعلي ، فقط رمز
• خفض تكاليف العمالة ، لقد استبدلت الآلاف من المصرفيين ب 100 مبرمج
• السماح لأي شخص بتقديم الخدمات المالية (مثل الإقراض وصنع السوق)
• DeFi هو نموذج تشغيل أصغر حجما لا يعتمد على وسيط للتنفيذ.

في DeFi ، يتم استبدال “مخاطر الطرف المقابل” بمخاطر أمان البرامج. الكود والآليات التي تحمي أصولك وتسهل معاملاتك معرضة باستمرار للخطر من التهديدات الخارجية التي تحاول سرقة الأموال واستغلالها.

تلعب الذكاء الاصطناعي ، وخاصة LLMs ، دورا رئيسيا في أتمتة تطوير وتدقيق العقود الذكية. من خلال تحليل قاعدة التعليمات البرمجية وتحديد الأنماط ، يمكن الذكاء الاصطناعي العثور على نقاط الضعف (بمرور الوقت) وتحسين أداء العقود الذكية ، وتقليل الخطأ البشري وتحسين موثوقية بروتوكولات DeFi. من خلال مقارنة العقود بقواعد بيانات نقاط الضعف المعروفة ونواقل الهجوم ، يمكن ل LLMs تسليط الضوء على مجالات المخاطر.

أحد المجالات التي تكون فيها LLMs بالفعل حلا قابلا للتطبيق ومقبولا لمشاكل أمان البرامج هو المساعدة في كتابة مجموعات الاختبار. قد تكون اختبارات وحدة الكتابة مملة ، ولكنها جزء مهم من ضمان جودة البرامج وغالبا ما يتم تجاهلها بسبب الاندفاع للوصول إلى السوق بسرعة كبيرة.

ومع ذلك ، هناك “جانب مظلم” لهذا. إذا كان بإمكان LLMs مساعدتك في تدقيق التعليمات البرمجية الخاصة بك ، فيمكنها أيضا مساعدة المتسللين في إيجاد طرق لاستغلال التعليمات البرمجية الخاصة بك في عالم التشفير مفتوح المصدر.

لحسن الحظ ، فإن مجتمع التشفير مليء بالقبعات البيضاء ولديه نظام مكافآت يساعد في التخفيف من بعض المخاطر.

لا يدافع محترفو الأمن السيبراني عن “الأمن من خلال التعتيم”. بدلا من ذلك ، يفترضون أن المهاجم على دراية بالفعل برمز النظام ونقاط ضعفه. يمكن أن تساعد الذكاء الاصطناعي و LLMs في اكتشاف التعليمات البرمجية غير الآمنة تلقائيا على نطاق واسع ، خاصة لغير المبرمجين. يتم نشر المزيد من العقود الذكية كل يوم أكثر مما يمكن للبشر تدقيقه. في بعض الأحيان من أجل اغتنام الفرص الاقتصادية (مثل التعدين) ، من الضروري التفاعل مع العقود الجديدة والشعبية دون الحاجة إلى الانتظار لفترة من الوقت للاختبار.

هذا هو المكان الذي يأتي فيه نظام أساسي مثل Rug.AI ، مما يوفر لك تقييما آليا للمشاريع الجديدة مقابل نقاط الضعف المعروفة في التعليمات البرمجية.

ربما يكون الجانب الأكثر ثورية هو قدرة LLMs على المساعدة في كتابة التعليمات البرمجية. طالما أن المستخدم لديه فهم أساسي لاحتياجاته ، فيمكنه وصف ما يريد بلغة طبيعية ، ويمكن ل LLMs ترجمة هذه الأوصاف إلى رمز وظيفي.

هذا يقلل من حاجز الدخول لإنشاء تطبيقات قائمة على blockchain ، مما يسمح لمجموعة واسعة من المبتكرين بالمساهمة في النظام البيئي.

وهذه مجرد البداية. شخصيا ، وجدنا أن LLMs مناسبة بشكل أفضل لإعادة بناء التعليمات البرمجية ، أو شرح ما يفعله الكود للمبتدئين ، بدلا من المشاريع الجديدة تماما. من المهم إعطاء سياق ومواصفات واضحة لنموذجك ، وإلا فهناك حالة “القمامة في الداخل ، والقمامة خارج”.

يمكن أن تساعد LLMs أيضا أولئك الذين لا يعرفون كيفية البرمجة عن طريق ترجمة رمز العقد الذكي إلى لغة طبيعية. ربما لا ترغب في تعلم البرمجة ، لكنك تريد التأكد من أن رمز البروتوكول الذي تستخدمه يتطابق مع وعد البروتوكول.

على الرغم من أننا نشك في أن LLMs لن تكون قادرة على استبدال المطورين ذوي الجودة العالية على المدى القصير ، يمكن للمطورين إجراء جولة أخرى من الفحص العقلاني لعملهم من خلال LLMs.

الخلاصة: أصبح التشفير أبسط بكثير وأكثر أمانا لنا جميعا. فقط احرص على عدم الإفراط في الاعتماد على هذه LLMs. في بعض الأحيان يرتكبون أخطاء بثقة. لا تزال قدرة LLMs على فهم الكود والتنبؤ به بشكل كامل تتطور.

2. تحليل البيانات والرؤى

عند جمع البيانات في مساحة العملة المشفرة ، ستصادف Dune Analytics عاجلا أم آجلا. إذا لم تكن قد سمعت بها ، فإن Dune Analytics عبارة عن نظام أساسي يسمح للمستخدمين بإنشاء ونشر تصورات تحليلات البيانات ، مع التركيز بشكل أساسي على ETH blockchain وسلاسل الكتل الأخرى ذات الصلة. إنها أداة مفيدة وسهلة الاستخدام لتتبع مقاييس DeFi.

تمتلك Dune Analytics بالفعل إمكانات GPT-4 التي يمكنها تفسير الاستعلامات بلغة طبيعية.

إذا كنت مرتبكا بشأن استعلام ، أو ترغب في إنشاء استعلام وتحريره ، فيمكنك اللجوء إلى chatGPT. لاحظ أنه سيكون أداؤه أفضل إذا قدمت بعض أمثلة الاستعلامات في نفس المحادثة ، وستظل ترغب في التعلم بنفسك من أجل التحقق من صحة عمل chatGPT. ومع ذلك ، فهي طريقة رائعة للتعلم وطرح الأسئلة ، ويمكنك أن تسأل chatGPT كما تفعل مع المعلم.

LLMs تقلل بشكل كبير من حاجز الدخول للمشاركين في العملة المشفرة غير التقنية.

من حيث البصيرة ، على الرغم من ذلك ، فإن LLMs مخيبة للآمال عندما يتعلق الأمر بتقديم رؤى فريدة. في الأسواق المالية المعقدة والعقلانية ، لا تتوقع أن تعطي LLMs الإجابات الصحيحة. إذا كنت شخصا يتصرف بناء على الغريزة والحدس ، فستجد أن LLMs أقل بكثير من توقعاتك.

ومع ذلك ، فقد وجدنا استخداما فعالا - للتحقق مما إذا كان ما هو واضح مفقودا. من غير المرجح أن تجد رؤى غير واضحة أو متناقضة تؤتي ثمارها بالفعل. هذا ليس مفاجئا (إذا طور شخص ما الذكاء الاصطناعي يحقق عوائد سوقية عالية للغاية ، فلن يصدر هذا الجزء للجمهور الأوسع).

3 ، “يختفي مسؤول الفتنة؟”

في مجال العملات المشفرة ، تعد إدارة مجموعة من المستخدمين المتحمسين لمشروع شائع ولكن لديهم احتياجات متغيرة واحدة من أكثر الوظائف غير المعترف بها والمؤلمة. يتم طرح العديد من الأسئلة الشائعة نفسها بشكل متكرر ، وأحيانا على التوالي. يبدو أن هذه نقطة ألم يجب حلها بسهولة باستخدام LLMs.

أظهرت LLMs أيضا بعض الدقة في اكتشاف ما إذا كانت الرسائل تروج ذاتيا (بريد عشوائي). نتوقع استخدام هذا للكشف عن الروابط الضارة (أو الاختراقات الأخرى) أيضا. من الصعب حقا إدارة مجموعة Discord مشغولة تضم الآلاف من الأعضاء النشطين والمنشورات المنتظمة ، لذلك نتطلع إلى بعض روبوتات Discord التي تعمل بالطاقة LLMs للمساعدة.

4 ، “أشياء غريبة الأطوار”

الميم المتكرر في مساحة التشفير هو إطلاق العملات بناء على الميمات الشائعة. تتراوح هذه من بقاء الميمات مثل DOGE و SHIB و PEPE ، إلى العملات العشوائية التي تختفي في غضون ساعة بناء على مصطلحات البحث الساخنة في اليوم (معظمها عمليات احتيال ، والتي نتجنب الانخراط فيها).

إذا كان لديك حق الوصول إلى واجهة برمجة تطبيقات Twitter Firehose ، فيمكنك تتبع مشاعر العملات المشفرة في الوقت الفعلي وتدريب LLM على تحديد الاتجاهات ثم استخدام البشر لتفسير الفروق الدقيقة فيها. مثال بسيط على التطبيق سيكون عندما تكون هناك لحظة فيروسية ، ويمكنك إطلاق عملة meme بناء على تحليل المشاعر.

ربما هناك طريقة لبناء شيء مثل نسخة رجل فقير من مختطف المشاعر الذي يراقب مجموعة فرعية من المؤثرين المشهورين عبر قنوات التواصل الاجتماعي المتعددة دون الحاجة إلى التعامل مع التكلفة وعرض النطاق الترددي لنوع “طائرة صاروخية” من مصدر بيانات واجهة برمجة التطبيقات.

تعتبر LLMs رائعة لهذا لأنها توفر نظرة ثاقبة للسياق (تحليل السخرية والمحاكاة الساخرة عبر الإنترنت لاستخلاص رؤى حقيقية). سيتطور صديق LLM هذا ويتعلم مع صناعة التشفير ، حيث تتم مناقشة معظم الإجراءات على Twitter للتشفير. توفر صناعة التشفير ، مع منتديات النقاش المفتوحة والتكنولوجيا مفتوحة المصدر ، بيئة فريدة ل LLMs لاغتنام فرص السوق.

ولكن لتجنب الانخداع بالتلاعب المتعمد بوسائل التواصل الاجتماعي، يجب أن تكون التكنولوجيا أكثر تطورا: الحملات الشعبية المصطنعة، والرعاية غير المعلنة، والمتصيدون عبر الإنترنت. في مقال آخر ، قمنا بتغطية تقرير بحثي مثير للاهتمام لجهة خارجية يشير إلى أن بعض الكيانات قد تتلاعب بوعي بوسائل التواصل الاجتماعي من أجل زيادة قيمة مشاريع التشفير المتعلقة ب FTX / Alameda.

يظهر تحليل NCRI أن الحسابات الشبيهة بالروبوتات تمثل نسبة كبيرة (حوالي 20٪) من المناقشات عبر الإنترنت التي تشير إلى عملة FTX المدرجة.

يبشر هذا النشاط الشبيه بالروبوت بأسعار العديد من عملات FTX في عينة البيانات.

بعد الترويج ل FTX ، أصبح نشاط هذه العملات غير أصلي أكثر فأكثر بمرور الوقت: زادت نسبة التعليقات غير الموثوقة وتعليقات الروبوت بشكل مطرد ، وهو ما يمثل حوالي 50٪ من إجمالي المناقشة.