在這篇文章中，作者探討了大型語言模型（LLM）在加密貨幣領域中所扮演的角色。他指出，LLM如chatGPT能夠彌合非技術參與者和加密貨幣行業之間的鴻溝，提高DeFi協議的可靠性，降低了創建基於區塊鏈的應用程式的門檻。此外，LLM還能在數據分析和洞察力方面發揮作用，幫助識別Discord資訊和提取情緒，並表示LLM也可以用於判斷機器人帳戶在加密貨幣討論中的影響。作者建議在使用LLM時要小心，同時指出LLM在與加密貨幣Twitter上的公開辯論和開源技術有利。
作者：DEFI教育
翻譯：白話區塊鏈
正如你可能在Twitter 上看到的那樣，我們對當前AI / LLM 領域非常感興趣。雖然在加速研究方面有許多期待改進之處，但看到了我們其中的潛力。
大型語言模型（LLM）在加密貨幣領域的出現正在徹底改變非技術參與者與這個行業互動、理解和貢獻的方式。
以前，如果你不會編程，你會感到徹底迷失。現在像chatGPT這樣的大型語言模型彌合了複雜程式語言與日常用語之間的鴻溝。這非常重要，因為加密貨幣領域主要由擁有專業技術專長的人員主導。
如果你遇到不理解的內容，或認為某個項目隱藏了其基礎系統的真實情況，你可以詢問chatGPT 並獲得快速、幾乎免費的答案。
DeFi正在民主化金融的獲取路徑，而大型語言模型則在民主化對DeFi的獲取路徑。
在今天的文章中，我們將提出一些我們認為大型語言模型對DeFi 可能產生影響的想法。
1.DeFi安全性
正如我們所指出的，DeFi 正在透過減少難度和增加成本，以及用高效的程式碼取代龐大的團隊，改變金融服務。
我們已經詳細介紹了DeFi 的發展方向。 DeFi：
降低成本燃料－最終費用將下跌減少間接成本，因為沒有實體位置，只有代碼減少人力成本，你已經用100 個會計師佔領了數千名銀行家允許任何人提供金融服務（如貸款和市場做市） DeFi 是一種更專業的營運模式，不依賴中間人來執行。
在DeFi 中，「交易對手風險」被軟體安全風險所取代。保護你的資產並促進你的交易的代碼和機制不斷受到來自外部威脅的風險，這些威脅試圖竊取和利用資金。
AI，尤其是LLM，在自動化智慧合約的開發和稽核中發揮關鍵作用。透過分析程式碼庫並識別模式，AI（隨著時間的推移）可以發現漏洞並優化智慧合約的效能，從而減少人為錯誤，並提高DeFi 協定的可靠性。透過將合約與已知漏洞和攻擊提供的資料庫進行對比，LLM 可以凸顯風險區域。
一個領域LLM已經是軟體安全問題且被接受的解決方案是幫助編寫測試套件。編寫單元測試可能很有趣，但它是軟體品質保證的重要組成部分，經常被重視，因為相上市的時間太快。
然而，這也有一個「陰暗面」。如果法學碩士可以幫助你審計程式碼，他們也可以幫助駭客在加密的開源世界中找到利用程式碼的方式。
幸運的是，加密貨幣社群中充滿了白帽，並擁有有助於減弱部分風險的獎勵金制度。
網路安全專業人士無法透過幹擾來確保安全性。相反，他們假設攻擊者已經熟悉系統的程式碼和漏洞。人工智慧和法學碩士可以幫助大規模自動檢測到不安全的程式碼，特別是對於非程式設計人員每天部署的智慧合約數量比人類能夠審計的還要多。有時為了抓住經濟機會（如挖礦），需要與新的和熱門的合約進行互動，而無需等待一段時間進行測試。
這就是像Rug.AI 這樣的平台的用武之地，它為你提供了針對已知程式碼漏洞的自動評估的新專案。
也許最具革命性的方面是法學碩士幫助編寫程式碼的能力。只要使用者有基本的需求，就可以用自然語言描述他們想要的東西，而法學碩士可以將這些描述轉換為功能代碼。
這降低了創建基於區塊鏈的應用程式的人口，讓更廣泛的創新者能夠為生態系統做出貢獻。
這還只是開始階段。我們個人發現LLM更適合重構程式碼，或為初學者解釋程式碼的作用，而不是全新的專案。給你的模型提供上下文和明確的規範非常重要，否則會出現「垃圾」進，垃圾出」的情況。
LLM也可以透過將智慧合約程式碼翻譯成自然語言，來幫助那些不懂程式設計的人。也許你不想學習編程，但你確實希望確保你使用的協議的代碼符合協議的承諾。
儘管我們懷疑LLM無法在短期內取代高品質的開發人員，但開發人員可以透過LLM對他們的工作進行另一輪的理性審視。
結論？對我們所有者來說，加密貨幣變得更加簡單和安全了。只是要小心，不要過度依賴這些LLM。他們有時會自信地出錯。 LLM 全面理解和預測程式碼的能力仍在發展中。
2、數據分析與洞察
在加密貨幣領域收集資料時，你很早就會接觸到Dune Analytics。如果你還沒聽說過，Dune Analytics 是一個平台，允許用戶創建和發布數據分析視覺化，主要專注於以太坊區塊鏈及其他相關領域塊鏈。它是一個有用且用戶介面的工具，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，如果你在相同的對話中提供一些範例查詢，它的表現會更好，而且你仍然會想自己學習，以便於驗證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。
法學碩士大大降低了非技術加密貨幣參與者的進入門檻。
就洞察力而言，法學碩士在提供獨特的決策方面令人失望。在複雜、理性的金融市場中，不要期望法學碩士能給出正確的答案。如果你有直覺和直覺的人，你會發現法學碩士看來達不到你的期望了。
然而，我們發現了一個有效的目的——檢查是否漏掉了目睹的事情。你不太可能發現非主流或與主流相反的決策，而這些意見實際上能產生回歸。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人工智慧，他們不會將這部分發布給更廣泛的公眾）。
3.「Discord管理者消失了嗎？」
在加密貨幣領域，管理一群對某些熱門充滿熱情需求但多變的用戶，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，應該可以透過LLM輕鬆解決。
法學碩士在檢測訊息是否自我傳播（垃圾訊息）方面也顯示出一定的準確性。我們希望這也可以用於檢測惡意連結（或其他駭客行為）。要管理一個有數千個活躍成員並定期發布資訊短暫的Discord群組確實很困難，因此我們期待一些由法學碩士支援的Discord機器人能夠提供幫助。
4、《異想天開的事》
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的貨幣。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小時內消失的隨機貨幣（主要是詐騙，我們避免參與）。
如果你有能力存取Twitter Firehose API，你可以即時追蹤加密的情緒，並訓練一個LLM 來標記趨勢，然後使用人類來解釋其中的計算差異。一個簡單的應用範例是，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。
也許有方法可以建立一個類似的窮人版情緒提取器，它可以監控跨多個社交媒體管道的部分流行的加密貨幣影響者，從而減少處理「火箭噴射」類型的API 資料來源的成本和頻寬。
LLM在這方面非常適合，他們可以深入了解語境（解析在線上的論點和惡搞，從而產生真實的作用）。這個LLM夥伴將與加密貨幣行業一起進化和學習，因為在加密貨幣Twitter上討論了大部分加密貨幣行業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，為了避免被認知的社群媒體操縱所愚弄，這項技術需要更加複雜：人工草根運動、公開未公開的贊助和網路水軍。在另一篇文章中，文章涵蓋了一份有趣的第三方研究報告指出，一些實體可能有意識地社交媒體，以增加與FTX/Alameda 相關的加密貨幣項目的價值。
NCRI 分析顯示，類似機器人的帳號在提及FTX 上市幣種的線上討論中引發了相當大的比例（約20%）。
這種機器人的活動著著數據樣本中許多FTX 幣種的價格。
在FTX 的推廣之後，這些幣種的活動隨著時間的推移增長越來越不真實：不真實、機器人式評測的比例增長，引發了總討論量的約50%。
資訊來源：0x資訊編譯自網際網路。版權歸作者白話區塊鏈所有，未經許可，不得轉載