Bagaimana AI diterapkan di DeFi?

PENULIS: PENDIDIKAN DEFI

Terjemahan: Blockchain vernakular

** **

Seperti yang mungkin Anda lihat di Twitter, kami sangat tertarik dengan ruang AI / LLM saat ini. Meskipun masih banyak ruang untuk perbaikan dalam mempercepat penelitian, kami melihat potensi.

Munculnya model bahasa besar (LLM) di ruang cryptocurrency merevolusi cara pemain non-teknis berinteraksi, memahami, dan berkontribusi pada industri.

Sebelumnya, jika Anda tidak tahu cara membuat kode, Anda merasa benar-benar tersesat. Model bahasa besar seperti chatGPT sekarang menjembatani kesenjangan antara bahasa pemrograman yang kompleks dan bahasa sehari-hari. Ini sangat penting karena ruang cryptocurrency didominasi oleh orang-orang dengan keahlian teknis khusus.

Jika Anda menemukan sesuatu yang tidak Anda pahami, atau berpikir bahwa sebuah proyek sengaja mengaburkan realitas sistem yang mendasarinya, Anda dapat bertanya kepada chatGPT dan mendapatkan jawaban yang cepat dan hampir gratis.

DeFi mendemokratisasikan akses ke keuangan, dan model bahasa besar mendemokratisasikan akses ke DeFi.

Dalam artikel hari ini, kami akan menyajikan beberapa ide yang menurut kami mungkin dimiliki oleh model bahasa besar di DeFi.

1. Keamanan DeFi

Seperti yang telah kami catat, DeFi mengubah layanan keuangan dengan mengurangi gesekan dan biaya overhead, serta mengganti tim besar dengan kode yang efisien.

Kami telah merinci ke mana arah DeFi. Defi:

• Mengurangi biaya gesekan – Biaya bahan bakar pada akhirnya akan turun
• Mengurangi biaya overhead karena tidak ada lokasi fisik, hanya kode
• Mengurangi biaya tenaga kerja, Anda telah mengganti ribuan bankir dengan 100 programmer
• Izinkan siapa saja untuk menyediakan layanan keuangan (seperti pinjaman dan pembuatan pasar)
• DeFi adalah model operasi yang lebih ramping yang tidak bergantung pada perantara untuk eksekusi.

Di DeFi, “risiko mitra pengimbang” digantikan oleh risiko keamanan perangkat lunak. Kode dan mekanisme yang melindungi aset Anda dan memfasilitasi transaksi Anda terus-menerus berisiko dari ancaman eksternal yang mencoba mencuri dan mengeksploitasi dana.

AI, terutama LLM, memainkan peran kunci dalam mengotomatisasi pengembangan dan audit kontrak pintar. Dengan menganalisis basis kode dan mengidentifikasi pola, AI dapat menemukan kerentanan (dari waktu ke waktu) dan mengoptimalkan kinerja kontrak pintar, mengurangi kesalahan manusia, dan meningkatkan keandalan protokol DeFi. Dengan membandingkan kontrak dengan database kerentanan yang diketahui dan vektor serangan, LLM dapat menyoroti area risiko.

Satu area di mana LLM sudah menjadi solusi yang layak dan diterima untuk masalah keamanan perangkat lunak adalah membantu menulis suite pengujian. Menulis tes unit bisa membosankan, tetapi ini adalah bagian penting dari jaminan kualitas perangkat lunak dan sering diabaikan karena terburu-buru untuk masuk ke pasar terlalu cepat.

Namun, ada “sisi gelap” untuk ini. Jika LLM dapat membantu Anda mengaudit kode Anda, mereka juga dapat membantu peretas menemukan cara untuk mengeksploitasi kode Anda di dunia enkripsi sumber terbuka.

Untungnya, komunitas crypto penuh dengan topi putih dan memiliki sistem hadiah yang membantu mengurangi beberapa risiko.

Profesional keamanan siber tidak menganjurkan “keamanan melalui kebingungan.” Sebaliknya, mereka menganggap bahwa penyerang sudah akrab dengan kode sistem dan kerentanan. AI dan LLM dapat membantu secara otomatis mendeteksi kode yang tidak aman dalam skala besar, terutama untuk non-programmer. Lebih banyak kontrak pintar digunakan setiap hari daripada yang dapat diaudit manusia. Kadang-kadang untuk menangkap peluang ekonomi (seperti pertambangan), perlu untuk berinteraksi dengan kontrak baru dan populer tanpa harus menunggu jangka waktu untuk menguji.

Di situlah platform seperti Rug.AI masuk, memberi Anda penilaian otomatis terhadap proyek-proyek baru terhadap kerentanan kode yang diketahui.

Mungkin aspek yang paling revolusioner adalah kemampuan LLM untuk membantu menulis kode. Selama pengguna memiliki pemahaman dasar tentang kebutuhan mereka, mereka dapat menggambarkan apa yang mereka inginkan dalam bahasa alami, dan LLM dapat menerjemahkan deskripsi tersebut ke dalam kode fungsional.

Ini menurunkan penghalang masuk untuk membuat aplikasi berbasis blockchain, memungkinkan lebih banyak inovator untuk berkontribusi pada ekosistem.

Dan itu baru permulaan. Secara pribadi, kami telah menemukan bahwa LLM lebih cocok untuk memfaktorkan ulang kode, atau menjelaskan apa yang dilakukan kode untuk pemula, daripada untuk proyek baru. Penting untuk memberikan konteks dan spesifikasi yang jelas pada model Anda, jika tidak, ada situasi “sampah masuk, sampah keluar”.

LLM juga dapat membantu mereka yang tidak tahu cara membuat kode dengan menerjemahkan kode kontrak pintar ke dalam bahasa alami. Mungkin Anda tidak ingin belajar pemrograman, tetapi Anda ingin memastikan bahwa kode protokol yang Anda gunakan sesuai dengan janji protokol.

Meskipun kami menduga bahwa LLM tidak akan dapat menggantikan pengembang berkualitas tinggi dalam jangka pendek, pengembang dapat melakukan putaran pemeriksaan rasional lain atas pekerjaan mereka melalui LLM.

Kesimpulan: Enkripsi telah menjadi jauh lebih sederhana dan lebih aman bagi kita semua. Berhati-hatilah untuk tidak terlalu bergantung pada LLM ini. Mereka terkadang membuat kesalahan dengan percaya diri. Kemampuan LLM untuk sepenuhnya memahami dan memprediksi kode masih berkembang.

2. Analisis dan wawasan data

Saat mengumpulkan data di ruang cryptocurrency, Anda akan menemukan Dune Analytics cepat atau lambat. Jika Anda belum pernah mendengarnya, Dune Analytics adalah platform yang memungkinkan pengguna untuk membuat dan mempublikasikan visualisasi analitik data, dengan fokus utama pada blockchain ETH dan blockchain terkait lainnya. Ini adalah alat yang berguna dan ramah pengguna untuk melacak metrik DeFi.

Dune Analytics sudah memiliki kemampuan GPT-4 yang dapat menafsirkan kueri dalam bahasa alami.

Jika Anda bingung tentang kueri, atau ingin membuat dan mengeditnya, Anda dapat beralih ke chatGPT. Perhatikan bahwa ini akan berkinerja lebih baik jika Anda memberikan beberapa contoh kueri dalam percakapan yang sama, dan Anda masih ingin belajar sendiri untuk memvalidasi pekerjaan chatGPT. Namun, ini adalah cara yang bagus untuk belajar dan mengajukan pertanyaan, dan Anda dapat bertanya kepada chatGPT seperti yang Anda lakukan kepada seorang tutor.

LLM secara signifikan menurunkan penghalang masuk bagi peserta cryptocurrency non-teknis.

Namun, dalam hal wawasan, LLM mengecewakan dalam hal memberikan wawasan unik. Di pasar keuangan yang kompleks dan rasional, jangan berharap LLM memberikan jawaban yang benar. Jika Anda adalah seseorang yang bertindak berdasarkan naluri dan intuisi, Anda akan menemukan bahwa LLM jauh dari harapan Anda.

Namun, kami telah menemukan penggunaan yang efektif - untuk memeriksa apakah yang jelas hilang. Anda cenderung tidak menemukan wawasan yang tidak jelas atau kontradiktif yang benar-benar membuahkan hasil. Ini tidak mengherankan (jika seseorang mengembangkan AI yang memberikan pengembalian pasar super tinggi, mereka tidak merilis bagian ini ke publik yang lebih luas).

3, “Administrator perselisihan menghilang?”

Di ruang cryptocurrency, mengelola sekelompok pengguna yang bersemangat tentang proyek populer tetapi memiliki kebutuhan yang berubah adalah salah satu pekerjaan yang paling tidak dikenal dan menyakitkan. Banyak pertanyaan umum yang sama ditanyakan berulang kali, terkadang berturut-turut. Ini tampaknya menjadi titik sakit yang harus mudah diselesaikan dengan LLM.

LLM juga menunjukkan beberapa akurasi dalam mendeteksi apakah pesan mempromosikan diri sendiri (spam). Kami berharap ini akan digunakan untuk mendeteksi tautan berbahaya (atau peretasan lainnya) juga. Sangat sulit untuk mengelola grup perselisihan yang sibuk dengan ribuan anggota aktif dan posting reguler, jadi kami menantikan beberapa bot Discord bertenaga LLM untuk membantu.

4, “Hal-Hal Aneh”

Meme berulang di ruang crypto adalah peluncuran mata uang berdasarkan meme populer. Ini berkisar dari meme tetap seperti DOGE, SHIB, dan PEPE, hingga mata uang acak yang hilang dalam waktu satu jam berdasarkan istilah pencarian populer hari itu (kebanyakan penipuan, yang kami hindari terlibat).

Jika Anda memiliki akses ke Twitter Firehose API, Anda dapat melacak sentimen cryptocurrency secara real-time dan melatih LLM untuk menandai tren dan kemudian menggunakan manusia untuk menafsirkan nuansa di dalamnya. Contoh sederhana dari sebuah aplikasi adalah ketika ada momen viral, dan Anda dapat meluncurkan mata uang meme berdasarkan analisis sentimen.

Mungkin ada cara untuk membangun sesuatu seperti versi orang miskin dari sentiment grabber yang memantau subset influencer crypto populer di beberapa saluran media sosial tanpa harus berurusan dengan biaya dan bandwidth dari jenis sumber data API “rocket jet”.

LLM sangat bagus untuk ini karena mereka memberikan wawasan tentang konteks (mengurai sarkasme dan spoof online untuk mendapatkan wawasan nyata). Teman LLM ini akan berkembang dan belajar dengan industri crypto, di mana sebagian besar tindakan dibahas di crypto Twitter. Industri crypto, dengan forum debat terbuka dan teknologi open-source, menyediakan lingkungan yang unik bagi LLM untuk menangkap peluang pasar.

Tetapi untuk menghindari tertipu oleh manipulasi media sosial yang disengaja, teknologinya perlu lebih canggih: kampanye akar rumput buatan, sponsor yang dirahasiakan, dan troll online. Dalam artikel lain, kami membahas laporan penelitian pihak ketiga yang menarik yang menunjukkan bahwa beberapa entitas mungkin secara sadar memanipulasi media sosial untuk meningkatkan nilai proyek kripto yang terkait dengan FTX/Alameda.

Analisis NCRI menunjukkan bahwa akun seperti bot menyumbang persentase yang signifikan (sekitar 20%) dari diskusi online yang menyebutkan koin terdaftar FTX.

Aktivitas seperti bot ini menandai harga banyak koin FTX dalam sampel data.

Setelah promosi FTX, aktivitas koin-koin ini menjadi semakin tidak autentik dari waktu ke waktu: proporsi komentar bot yang tidak autentik terus meningkat, terhitung sekitar 50% dari total diskusi.