1、DeFi 安全性
2、数据分析与洞察
3、「Discord 管理者的消失?」
4、「异想天开的事情」
就像你可能在 Twitter 上看到的一样，我们对当前的AI / LLM领域非常感兴趣。虽然在加速研究方面仍有许多期待改进之处，但我们看到了其中的潜力。
大型语言模型(LLM)在加密货币领域的出现正在彻底改变非技术参与者与这一行业互动、理解和贡献的方式。
以前，如果你不会编程，你就会感到完全迷失。现在像chatGPT这样的大型语言模型弥合了复杂程序语言与日常用语之间的鸿沟。这非常重要，因为加密货币领域主要由拥有专业技术专长的人员主导。
如果你遇到不理解的内容，或者认为某个项目故意模糊其基础系统的真实情况，你可以询问chatGPT并获得快速、几乎免费的答案。
DeFi正在民主化金融获取途径，而大型语言模型则在民主化对DeFi的获取途径。
在今天的文章中，我们将提出一些我们认为大型语言模型对DeFi可能产生影响的想法。
正如我们所指出的，DeFi正在通过减少摩擦和间接成本，以及用高效的代码替代庞大团队，改变金融服务。
我们已经详细介绍了DeFi的发展方向。DeFi:
降低摩擦成本——燃料费用最终将下降
减少间接成本，因为没有实体位置，只有代码
减少人力成本，你已经用100个程序员取代了数千名银行家
允许任何人提供金融服务（如贷款和市场做市）
DeFi是一种更精简的运营模式，不依赖于中间人来执行。
在DeFi中，“交易对手风险”被软件安全风险所取代。保护你的资产并促进你的交易的代码和机制不断受到来自外部威胁的风险，这些威胁试图窃取和利用资金。
AI，尤其是LLMs，在自动化智能合约的开发和审计中发挥着关键作用。通过分析代码库并识别模式，AI可以帮助发现潜在的安全漏洞，提高DeFi的安全性。
同时，AI还能够通过数据分析和洞察，帮助DeFi项目更好地了解用户行为和市场趋势，从而做出更明智的决策。
在未来，AI和LLMs将继续在加密货币领域发挥重要作用，为DeFi的发展和创新提供更多可能性。随着时间的推移，我们可以发现并优化智能合约的性能，从而减少人为错误，并提高DeFi协议的可靠性。通过将合约与已知漏洞和攻击向量的数据库进行对比，LLMs可以凸显风险区域。
LLMs已经是解决软件安全问题可行且被接受的解决方案在一个领域。帮助编写测试套件是一个帮助性的解决方案。编写单元测试可能很无聊，但它是软件质量保证的重要组成部分，经常被忽视，因为时间紧迫。
然而，这也有一个“阴暗面”。如果LLMs可以帮助你审计代码，他们也可以帮助黑客在加密的开源世界中找到利用代码的方式。
幸运的是，加密社区中充满了白帽，并拥有有助于减轻部分风险的赏金制度。
网络安全专业人士并不主张“通过混淆来确保安全性”。相反，他们假设攻击者已经熟悉系统的代码和漏洞。AI和LLMs可以帮助在规模上自动检测到不安全代码，特别是对于非程序设计人员。每天部署的智能合约数量比人类能够审计的还要多。有时为了抓住经济机会（如挖矿），需要与新的和热门的合约进行互动，而不必等待一段时间进行测试。
这就是像Rug.AI这样的平台的用武之地，它为你提供了对新项目针对已知代码漏洞的自动评估。
也许最具革命性的方面是LLMs帮助编写代码的能力。只要用户对其需求有基本的理解，就可以用自然语言描述他们想要的东西，而LLMs可以将这些描述转换为功能代码。
这降低了建立基于区块链的应用程序的门槛，让更广泛的创新者能够为生态系统做出贡献。
这还只是开始阶段。我们个人发现LLMs更适合于重构代码，或者为初学者解释代码的作用，而不是全新的项目。给你的模型提供上下文和明确的规范非常重要，否则会出现“垃圾进，垃圾出”的情况。
LLMs还可以通过将智能合约代码翻译成自然语言，来帮助那些不懂程序设计的人。也许你不想学习程序设计，但你确实想确保你使用的协议的代码符合协议的承诺。
尽管我们怀疑LLMs无法在短期内取代高质量的开发人员，但开发人员可以通过LLMs对他们的工作进行另一轮的理性检查。結論?對我們所有人來說,加密變得更加簡單和安全了。只是要小心,不要過度依賴這些 LLMs。他們有時會自信地出錯。LLMs 全面理解和預測程式碼的能力仍在發展中。
在加密貨幣領域收集資料時,你遲早會接觸到 Dune Analytics。如果你還沒有聽說過,Dune Analytics 是一個平臺,允許使用者建立和釋出資料分析視覺化,主要關注以太坊區塊鏈和其他相關區塊鏈。它是一個有用且使用者友好的工具,用於追蹤 DeFi 指標。
Dune Analytics 已經擁有了 GPT-4 功能,可以用自然語言解釋查詢。
如果你對某個查詢感到困惑,或者想要建立和編輯一個查詢,你可以求助於 chatGPT。請注意,如果你在同一對話中提供一些示例查詢,它的表現會更好,並且你仍然會想自己學習,以便驗證 chatGPT 的工作。然而,這是一個邊學邊問的很好方式,你可以像問導師一樣詢問 chatGPT。
延伸閱讀:
DuneAI 測評:能替代「鏈上分析師」嗎?可以取得那些數據?
LLMs 大大降低了非技術加密貨幣參與者的准入門檻。
不過就洞察力而言,LLMs 在提供獨特見解方面令人失望。在複雜、理性的金融市場中,不要期望 LLMs 能給出正確答案。如果你是憑直覺和直覺行事的人,你會發現 LLMs 遠遠達不到你的期望。
然而,我們發現了一個有效的用途 —— 檢查是否漏掉了顯而易見的事情。你不太可能發現非顯而易見或與主流相悖的見解,而這些見解實際上能產生回報。這並不令人驚訝(如果有人開發了能夠帶來超高市場回報的 AI,他們不會將這部分發布給更廣泛的公眾)。
在加密貨幣領域,管理一群對某個熱門專案充滿熱情但需求多變的使用者,是一項最不受認可和痛苦的工作。許多相同的常見問題反覆被問及,有時甚至連續不斷。這似乎是一個痛點,應該可以通過 LLMs 輕鬆解決。
LLMs 在檢測訊息是否自我推廣(垃圾資訊)方面也顯示出了一定的準確性。我們期望這也可以用於檢測惡意連結(或其他駭客行為)。要管理一個有數千活躍成員並定期釋出資訊的繁忙 discord 群確實很困難,因此我們期待一些由 LLMs 支援的 Discord 機器人能提供幫助。
加密貨幣領域經常出現的一個梗是基於熱門化的迷因推出貨幣。這些範圍從像 DOGE、SHIB 和 PEPE 這樣有持久力的迷因,到基於當天熱搜詞而在一個小時內消失的隨機貨幣(主要是詐騙,我們避免參與)。
延伸閱讀:
查理蒙格去世後,蒙格迷因幣 Munger 狂漲 300 倍!隔日卻暴跌歸零
如果你有能力訪問 Twitter Firehose API,你可以即時追蹤加密貨幣的情緒,並訓練一個 LLM 來標記趨勢,然後使用人類來解釋其中的細微差別。一個簡單的應用示例是,當有病毒式時刻出現時,你可以根據情緒分析推出迷因貨幣。
也許有方法可以構建一個類似窮人版情緒抓取器,它監控跨多個社交媒體渠道的一部分受歡迎的加密貨幣影響者,而無需處理「火箭噴射」型別的 API 資料來源的成本和頻寬。
LLMs 在這方面非常適合,因為它們可以深入瞭解語境(解析線上上的諷刺和惡搞,從而得出真實的見解)。這個 LLM 夥伴將與加密行業一起進化和學習,在加密 Twitter 上討論大部分行動的地方。加密行業以其公開辯論論壇和開源技術,為 LLMs 捕捉市場機會提供了獨特的環境。
但是,為了避免被有意的社交媒體操控所愚弄,這項技術需要更加複雜:人工草根運動、未公開的贊助和網路水軍。在另一篇文章中,我們涵蓋了一份有趣的第三方研究報告,暗示一些實體可能有意識地操縱社交媒體,以增加與 FTX/Alameda 相關的加密專案的價值。
NCRI 分析顯示,類似機器人的帳戶在提及 FTX 上市幣種的線上討論中佔據相當大比例(約為 20%)。
這種機器人般的活動預示著資料樣本中許多 FTX 幣種的價格。
在 FTX 的推廣之後,這些幣種的活動隨時間增長變得越來越不真實:不真實、機器人式評論的比例穩步增長,佔據了總討論量的大約 50%。
相關報導
Tether執行長抨擊:中心化AI是全球最大陷阱,ChatGPT肆意竊取用戶隱私
快訊》ChatGPT支付奧特曼重掌OpenAI執行長寶座!將成立新董事會
Circle創辦人轉發!開發者用 ChatGPT 創建「個人自動化銀行」: AI 串接 Web3 多簽錢包、管理USDC投資組
Tags:
AI
Defi
LLM
人工智慧
人工智能
安全
