Comment l’IA est-elle appliquée dans la DeFi ?

AUTEUR : DEFI EDUCATION

Traduction : Blockchain vernaculaire

** **

Comme vous l’avez peut-être vu sur Twitter, nous sommes très intéressés par l’espace actuel de l’IA/LLM. Bien qu’il y ait encore beaucoup de place à l’amélioration pour accélérer la recherche, nous voyons du potentiel.

L’avènement des grands modèles de langage (LLM) dans l’espace des crypto-monnaies révolutionne la façon dont les acteurs non techniques interagissent, comprennent et contribuent à l’industrie.

Avant, si vous ne saviez pas coder, vous vous sentiez complètement perdu. Les grands modèles de langage comme ChatGPT comblent désormais le fossé entre les langages de programmation complexes et le langage de tous les jours. C’est très important car l’espace des crypto-monnaies est dominé par des personnes ayant une expertise technique spécialisée.

Si vous rencontrez quelque chose que vous ne comprenez pas, ou si vous pensez qu’un projet obscurcit délibérément la réalité de son système sous-jacent, vous pouvez demander à chatGPT et obtenir une réponse rapide, presque gratuite.

La DeFi démocratise l’accès à la finance, et les grands modèles de langage démocratisent l’accès à la DeFi.

Dans l’article d’aujourd’hui, nous allons présenter quelques idées que nous pensons que les grands modèles de langage peuvent avoir sur la DeFi.

1. Sécurité de la DeFi

Comme nous l’avons noté, la DeFi transforme les services financiers en réduisant les frictions et les frais généraux, ainsi qu’en remplaçant les grandes équipes par un code efficace.

Nous avons détaillé la direction que prend la DeFi. Défi:

• Réduction des coûts de friction - Les coûts de carburant finiront par baisser
• Réduire les frais généraux car il n’y a pas d’emplacement physique, seulement du code
• Réduisez les coûts de main-d’œuvre, vous avez remplacé des milliers de banquiers par 100 programmeurs
• Permettre à quiconque de fournir des services financiers (tels que des prêts et des tenues de marché)
• La DeFi est un modèle d’exploitation plus léger qui ne repose pas sur un intermédiaire pour l’exécution.

Dans la DeFi, le « risque de contrepartie » est remplacé par le risque de sécurité logicielle. Le code et les mécanismes qui protègent vos actifs et facilitent vos transactions sont constamment menacés par des menaces externes qui tentent de voler et d’exploiter des fonds.

L’IA, en particulier les LLM, joue un rôle clé dans l’automatisation du développement et de l’audit des contrats intelligents. En analysant la base de code et en identifiant les modèles, l’IA peut trouver des vulnérabilités (au fil du temps) et optimiser les performances des contrats intelligents, réduire les erreurs humaines et améliorer la fiabilité des protocoles DeFi. En comparant les contrats aux bases de données de vulnérabilités et de vecteurs d’attaque connus, les LLM peuvent mettre en évidence les zones de risque.

L’un des domaines dans lesquels les LLM sont déjà une solution viable et acceptée aux problèmes de sécurité logicielle est l’aide à l’écriture de suites de tests. L’écriture de tests unitaires peut être fastidieuse, mais il s’agit d’une partie importante de l’assurance qualité logicielle et elle est souvent négligée en raison de la précipitation d’une mise sur le marché trop rapide.

Cependant, il y a un « côté obscur » à cela. Si les LLM peuvent vous aider à auditer votre code, ils peuvent également aider les pirates à trouver des moyens d’exploiter votre code dans le monde open source du chiffrement.

Heureusement, la communauté crypto regorge de chapeaux blancs et dispose d’un système de primes qui permet d’atténuer certains des risques.

Les professionnels de la cybersécurité ne prônent pas la « sécurité par l’obscurcissement ». Au lieu de cela, ils supposent que l’attaquant est déjà familier avec le code et les vulnérabilités du système. L’IA et les LLM peuvent aider à détecter automatiquement le code non sécurisé à grande échelle, en particulier pour les non-programmeurs. Plus de contrats intelligents sont déployés chaque jour que les humains ne peuvent auditer. Parfois, afin de saisir des opportunités économiques (comme l’exploitation minière), il est nécessaire d’interagir avec des contrats nouveaux et populaires sans avoir à attendre un certain temps pour tester.

C’est là qu’intervient une plateforme comme Rug.AI, qui vous fournit une évaluation automatisée des nouveaux projets par rapport aux vulnérabilités de code connues.

L’aspect le plus révolutionnaire est peut-être la capacité des LLM à aider à écrire du code. Tant que l’utilisateur a une compréhension de base de ses besoins, il peut décrire ce qu’il veut en langage naturel, et les LLM peuvent traduire ces descriptions en code fonctionnel.

Cela réduit la barrière à l’entrée pour la création d’applications basées sur la blockchain, permettant à un plus large éventail d’innovateurs de contribuer à l’écosystème.

Et ce n’est que le début. Personnellement, nous avons constaté que les LLM sont mieux adaptés à la refactorisation du code, ou à l’explication de ce que le code fait pour les débutants, plutôt que pour les nouveaux projets. Il est important de donner un contexte et des spécifications claires à votre modèle, sinon il y a une situation de « garbage in, garbage out ».

Les LLM peuvent également aider ceux qui ne savent pas coder en traduisant le code des contrats intelligents en langage naturel. Vous ne voulez peut-être pas apprendre la programmation, mais vous voulez vous assurer que le code du protocole que vous utilisez correspond à la promesse du protocole.

Bien que nous soupçonnions que les LLM ne seront pas en mesure de remplacer les développeurs de haute qualité à court terme, les développeurs peuvent effectuer une autre série d’examens rationnels de leur travail grâce aux LLM.

Conclusion : Le cryptage est devenu beaucoup plus simple et plus sûr pour nous tous. Veillez simplement à ne pas trop vous fier à ces LLM. Ils font parfois des erreurs avec confiance. La capacité des LLM à comprendre et à prédire pleinement le code est encore en développement.

2. Analyse des données et informations

Lorsque vous collectez des données dans l’espace des crypto-monnaies, vous rencontrerez tôt ou tard Dune Analytics. Si vous n’en avez pas entendu parler, Dune Analytics est une plateforme qui permet aux utilisateurs de créer et de publier des visualisations d’analyse de données, en mettant l’accent sur ETH blockchain et d’autres blockchains connexes. Il s’agit d’un outil utile et convivial pour suivre les métriques DeFi.

Dune Analytics dispose déjà de fonctionnalités GPT-4 capables d’interpréter les requêtes en langage naturel.

Si vous êtes confus au sujet d’une requête, ou si vous souhaitez en créer et en modifier une, vous pouvez vous tourner vers chatGPT. Notez qu’il sera plus performant si vous fournissez des exemples de requêtes dans la même conversation, et vous voudrez toujours apprendre par vous-même afin de valider le travail de chatGPT. Cependant, c’est un excellent moyen d’apprendre et de poser des questions, et vous pouvez demander à ChatGPT comme vous le feriez avec un tuteur.

Les LLM réduisent considérablement la barrière à l’entrée pour les participants non techniques aux crypto-monnaies.

En termes d’informations, cependant, les LLM sont décevants lorsqu’il s’agit de fournir des informations uniques. Sur des marchés financiers complexes et rationnels, ne vous attendez pas à ce que les LLM donnent les bonnes réponses. Si vous êtes quelqu’un qui agit à l’instinct et à l’intuition, vous constaterez que les LLM sont loin de répondre à vos attentes.

Cependant, nous avons trouvé une utilisation efficace – pour vérifier si l’évidence est manquante. Vous avez moins de chances de trouver des informations non évidentes ou contradictoires qui portent réellement leurs fruits. Ce n’est pas surprenant (si quelqu’un développe une IA qui offre des rendements de marché très élevés, il ne publie pas cette partie au grand public).

3, « L’administrateur Discord disparaît ? »

Dans l’espace des crypto-monnaies, la gestion d’un groupe d’utilisateurs passionnés par un projet populaire mais dont les besoins changent est l’une des tâches les plus méconnues et les plus douloureuses. Bon nombre des mêmes questions courantes sont posées à plusieurs reprises, parfois consécutivement. Cela semble être un problème qui devrait être facilement résolu avec les LLM.

Les LLM ont également fait preuve d’une certaine précision dans la détection de l’autopromotion des messages (spam). Nous nous attendons à ce que cela soit également utilisé pour détecter les liens malveillants (ou autres piratages). Il est vraiment difficile de gérer un groupe Discord occupé avec des milliers de membres actifs et des publications régulières, nous attendons donc avec impatience l’aide de certains bots Discord alimentés par LLM.

4, « Choses fantaisistes »

Un mème récurrent dans l’espace crypto est le lancement de monnaies basées sur des mèmes populaires. Ceux-ci vont des mèmes restants comme DOGE, SHIB et PEPE, aux devises aléatoires qui disparaissent en une heure en fonction des termes de recherche les plus populaires du jour (principalement des escroqueries, dans lesquelles nous évitons de nous engager).

Si vous avez accès à l’API Firehose de Twitter, vous pouvez suivre le sentiment des crypto-monnaies en temps réel et entraîner un LLM à signaler les tendances, puis utiliser des humains pour interpréter les nuances qu’elles contiennent. Un exemple simple d’application serait lorsqu’il y a un moment viral, et que vous pouvez lancer une monnaie mème basée sur l’analyse des sentiments.

Peut-être existe-t-il un moyen de créer quelque chose comme une version pauvre d’un capteur de sentiments qui surveille un sous-ensemble d’influenceurs cryptographiques populaires sur plusieurs canaux de médias sociaux sans avoir à faire face au coût et à la bande passante d’une source de données API de type « rocket jet ».

Les LLM sont parfaits pour cela, car ils fournissent des informations sur le contexte (en analysant le sarcasme et les usurpations en ligne pour obtenir des informations réelles). Ce binôme LLM évoluera et apprendra avec l’industrie de la cryptographie, où la plupart de l’action est discutée sur Twitter crypto. L’industrie de la cryptographie, avec ses forums de débat ouverts et sa technologie open source, offre un environnement unique aux LLM pour saisir les opportunités du marché.

Mais pour éviter d’être trompé par une manipulation intentionnelle des médias sociaux, la technologie doit être plus sophistiquée : campagnes populaires artificielles, parrainages non divulgués et trolls en ligne. Dans un autre article, nous avons couvert un rapport de recherche tiers intéressant suggérant que certaines entités pourraient manipuler consciemment les médias sociaux afin d’augmenter la valeur des projets cryptographiques liés à FTX/Alameda.

L’analyse du NCRI montre que les comptes de type bot représentent un pourcentage important (environ 20 %) des discussions en ligne mentionnant la pièce cotée de FTX.

Cette activité de type bot annonce les prix de nombreuses pièces FTX dans l’échantillon de données.

Après la promotion de FTX, l’activité de ces pièces est devenue de plus en plus inauthentique au fil du temps : la proportion de commentaires inauthentiques et de bots n’a cessé d’augmenter, représentant environ 50 % de la discussion totale.