Як ШІ застосовується в DeFi?

АВТОР: ОСВІТА DEFI

Переклад: Вернакулярний блокчейн

** **

Як ви, можливо, бачили в Twitter, нас дуже цікавить сучасний простір AI/LLM. Незважаючи на те, що в прискоренні досліджень ще є багато можливостей для вдосконалення, ми бачимо потенціал.

Поява великих мовних моделей (LLM) у криптовалютному просторі революціонізує те, як нетехнічні гравці взаємодіють, розуміють і роблять свій внесок у галузь.

Раніше, якщо ви не вміли програмувати, ви відчували себе повністю розгубленими. Великі мовні моделі, такі як chatGPT, зараз долають розрив між складними мовами програмування та повсякденною мовою. Це дуже важливо, оскільки в криптовалютному просторі домінують люди зі спеціалізованими технічними знаннями.

Якщо ви натрапили на щось, чого не розумієте, або вважаєте, що проєкт навмисно приховує реальність своєї базової системи, ви можете запитати chatGPT і отримати швидку, майже безкоштовну відповідь.

DeFi демократизує доступ до фінансів, а великі мовні моделі демократизують доступ до DeFi.

У сьогоднішній статті ми представимо деякі ідеї, які, на нашу думку, можуть мати великі мовні моделі в DeFi.

1. Безпека DeFi

Як ми вже зазначали, DeFi трансформує фінансові послуги, зменшуючи тертя та накладні витрати, а також замінюючи великі команди ефективним кодом.

Ми докладно розповіли, куди рухається DeFi. Визначення:

• Зниження витрат на тертя – витрати на паливо з часом знизяться
• Зменшіть накладні витрати, тому що немає фізичного розташування, є лише код
• Скоротіть витрати на робочу силу, ви замінили тисячі банкірів на 100 програмістів
• Дозволити будь-кому надавати фінансові послуги (наприклад, кредитування та маркет-мейкінг)
• DeFi – це більш компактна операційна модель, яка не покладається на посередника для виконання.

У DeFi «ризик контрагента» замінюється ризиком безпеки програмного забезпечення. Код і механізми, які захищають ваші активи та полегшують ваші транзакції, постійно перебувають під загрозою зовнішніх загроз, які намагаються вкрасти та експлуатувати кошти.

Штучний інтелект, особливо LLM, відіграє ключову роль в автоматизації розробки та аудиту смарт-контрактів. Аналізуючи кодову базу та виявляючи закономірності, ШІ може знаходити вразливості (з часом) та оптимізувати продуктивність смарт-контрактів, зменшуючи людські помилки та підвищуючи надійність протоколів DeFi. Порівнюючи контракти з базами даних відомих вразливостей і векторів атак, LLM можуть виділити зони ризику.

Однією з областей, де LLM вже є життєздатним і прийнятим рішенням проблем безпеки програмного забезпечення, є допомога в написанні наборів тестів. Написання модульних тестів може бути виснажливим, але це важлива частина забезпечення якості програмного забезпечення, і її часто ігнорують через поспіх занадто швидко вийти на ринок.

Однак у цьому є «темна сторона». Якщо LLM можуть допомогти вам провести аудит вашого коду, вони також можуть допомогти хакерам знайти способи використання вашого коду у світі шифрування з відкритим вихідним кодом.

На щастя, криптоспільнота сповнена білих капелюхів і має систему винагород, яка допомагає пом’якшити деякі ризики.

Фахівці з кібербезпеки не виступають за «безпеку через заплутування». Замість цього вони припускають, що зловмисник вже знайомий з кодом системи та вразливостями. Штучний інтелект і LLM можуть допомогти автоматично виявляти небезпечний код у великих масштабах, особливо для непрограмістів. Щодня розгортається більше смарт-контрактів, ніж люди можуть перевірити. Іноді, щоб охопити економічні можливості (наприклад, майнінг), необхідно взаємодіяти з новими та популярними контрактами, не чекаючи певного періоду часу для тестування.

Саме тут на допомогу приходить така платформа, як Rug.AI, яка надає вам автоматизовану оцінку нових проектів на предмет відомих вразливостей коду.

Мабуть, найбільш революційним аспектом є здатність LLM допомагати писати код. Поки користувач має базове розуміння своїх потреб, він може описати те, що він хоче, природною мовою, а LLM можуть перевести ці описи у функціональний код.

Це знижує вхідний бар’єр для створення додатків на основі блокчейну, дозволяючи більш широкому колу новаторів зробити свій внесок в екосистему.

І це тільки початок. Особисто ми виявили, що LLM краще підходять для рефакторингу коду або пояснення того, що код робить для початківців, а не для абсолютно нових проектів. Важливо надати контекст і чіткі специфікації вашій моделі, інакше виникне ситуація «сміття на вході, сміття на виході».

LLM також можуть допомогти тим, хто не знає, як кодувати, переклавши код смарт-контракту на природну мову. Можливо, ви не хочете вивчати програмування, але ви хочете переконатися, що код протоколу, який ви використовуєте, відповідає обіцянкам протоколу.

Хоча ми підозрюємо, що LLM не зможуть замінити високоякісних розробників у короткостроковій перспективі, розробники можуть провести ще один раунд раціональної експертизи своєї роботи через LLM.

Висновок: Шифрування стало набагато простішим і безпечнішим для всіх нас. Тільки будьте обережні, щоб не покладатися на ці LLM. Іноді вони з упевненістю помиляються. Здатність LLM повністю розуміти та прогнозувати код все ще розвивається.

2. Аналіз даних та інсайти

Збираючи дані в криптовалютному просторі, ви рано чи пізно зіткнетеся з Dune Analytics. Якщо ви не чули про це, Dune Analytics — це платформа, яка дозволяє користувачам створювати та публікувати візуалізації аналітики даних, зосереджуючись на ETH блокчейні та інших пов’язаних блокчейнах. Це корисний і зручний інструмент для відстеження показників DeFi.

Dune Analytics вже має можливості GPT-4, які можуть інтерпретувати запити природною мовою.

Якщо ви заплуталися в запиті або хочете його створити та відредагувати, ви можете звернутися до chatGPT. Зауважте, що він працюватиме краще, якщо ви надасте кілька прикладів запитів у тій самій розмові, і ви все одно захочете вчитися самостійно, щоб перевірити роботу chatGPT. Однак це чудовий спосіб вчитися та ставити запитання, і ви можете запитати chatGPT, як репетитора.

LLM значно знижують вхідний бар’єр для нетехнічних учасників криптовалюти.

Однак, з точки зору розуміння, LLM розчаровують, коли справа доходить до надання унікальної інформації. На складних, раціональних фінансових ринках не чекайте, що LLM дасть правильні відповіді. Якщо ви той, хто діє на основі інстинкту та інтуїції, ви виявите, що LLM далеко не виправдовують ваших очікувань.

Однак ми знайшли ефективне застосування – перевірити, чи не бракує очевидного. Ви з меншою ймовірністю знайдете неочевидні або суперечливі ідеї, які дійсно окупляться. Це не дивно (якщо хтось розробляє штучний інтелект, який забезпечує надвисокий прибуток на ринку, він не випускає цю частину для широкої публіки).

3, “Адміністратор Discord зникає?”

У криптовалютному просторі управління групою користувачів, які захоплені популярним проектом, але мають мінливі потреби, є однією з найбільш невизнаних і болісних робіт. Багато з одних і тих же поширених запитань задаються неодноразово, іноді послідовно. Здається, це больова точка, яку можна легко вирішити за допомогою LLM.

LLM також продемонстрували певну точність у визначенні того, чи є повідомлення саморекламними (спам). Ми очікуємо, що це також буде використовуватися для виявлення шкідливих посилань (або інших хакерських атак). Дуже важко керувати насиченою групою Discord із тисячами активних учасників і регулярними публікаціями, тому ми з нетерпінням чекаємо на допомогу деяких ботів Discord на базі LLM.

4, “Химерні речі”

Повторюваним мемом у криптопросторі є запуск валют на основі популярних мемів. Вони варіюються від мемів, що залишаються, таких як DOGE, SHIB і PEPE, до випадкових валют, які зникають протягом години на основі гарячих пошукових термінів дня (в основному це шахрайство, в якому ми уникаємо брати участь).

Якщо у вас є доступ до Twitter Firehose API, ви можете відстежувати настрої криптовалют у режимі реального часу та навчати LLM позначати тенденції, а потім використовувати людей для інтерпретації нюансів у них. Простим прикладом програми може бути, коли є вірусний момент, і ви можете запустити валюту-мем на основі аналізу настроїв.

Можливо, є спосіб створити щось на кшталт версії бідняка, який відстежує підмножину популярних криптоінфлюенсерів у кількох каналах соціальних мереж, не маючи справу з вартістю та пропускною здатністю джерела даних API типу «ракетного літака».

LLM чудово підходять для цього, оскільки вони дають розуміння контексту (аналіз сарказму та пародій в Інтернеті для отримання реальної інформації). Цей приятель LLM розвиватиметься та вчитиметься разом із криптоіндустрією, де більшість дій обговорюється в криптотвіттері. Криптоіндустрія з її відкритими дискусійними форумами та технологією з відкритим вихідним кодом забезпечує унікальне середовище для LLM для використання ринкових можливостей.

Але для того, щоб не бути обдуреним навмисними маніпуляціями в соціальних мережах, технологія повинна бути більш досконалою: штучні кампанії на місцях, нерозголошене спонсорство та онлайн-тролі. В іншій статті ми розглянули цікавий звіт про дослідження третьої сторони, який припускає, що деякі організації можуть свідомо маніпулювати соціальними мережами, щоб збільшити вартість криптопроєктів, пов’язаних із FTX/Alameda.

Аналіз NCRI показує, що на облікові записи, схожі на ботів, припадає значний відсоток (близько 20%) онлайн-дискусій, у яких згадується монета, що котирується на біржі FTX.

Ця діяльність, схожа на бота, сповіщає про ціни багатьох монет FTX у вибірці даних.

Після просування FTX активність цих монет з часом ставала все більш неавтентичною: частка неавтентичних, коментарів ботів неухильно зростала, складаючи близько 50% від загального обговорення.