L'intelligence artificielle dans la DeFi
TechFlow SélectionTechFlow Sélection
L'intelligence artificielle dans la DeFi
Quelles sont les applications et les impacts potentiels de l'IA / des modèles linguistiques (LLM) dans le domaine des cryptomonnaies ?
Dédié à des analyses Web3 approfondiesRédaction : DEFI EDUCATION
Traduction : Baihua Blockchain
Comme vous l'avez peut-être vu sur Twitter, nous portons un vif intérêt au domaine actuel de l'IA / des grands modèles linguistiques (LLM). Bien qu'il reste encore beaucoup à améliorer en matière d'accélération de la recherche, nous en percevons tout le potentiel.
L'émergence des grands modèles linguistiques (LLM) dans le domaine de la cryptographie transforme radicalement la manière dont les non-spécialistes interagissent, comprennent et contribuent à ce secteur.
Auparavant, si vous ne saviez pas programmer, vous étiez complètement perdu. Désormais, des LLM comme ChatGPT comblent l'écart entre les langages de programmation complexes et le langage courant. C'est crucial car le domaine de la cryptomonnaie est principalement dominé par des professionnels possédant une expertise technique pointue.
Si vous ne comprenez pas quelque chose ou suspectez qu'un projet cherche intentionnellement à obscurcir la vérité sur son système sous-jacent, vous pouvez interroger ChatGPT et obtenir rapidement une réponse quasi gratuite.
La finance décentralisée (DeFi) démocratise l'accès financier, tandis que les grands modèles linguistiques démocratisent l'accès à la DeFi.
Dans cet article, nous allons exposer certaines idées selon lesquelles les grands modèles linguistiques pourraient impacter la DeFi.
1. Sécurité de la DeFi
Comme nous l'avons souligné, la DeFi transforme les services financiers en réduisant les frictions et coûts indirects, et en remplaçant de vastes équipes par du code efficace.
Nous avons déjà décrit en détail vers où se dirige la DeFi. La DeFi :
-
réduit les coûts de friction – les frais de gaz finiront par baisser
-
diminue les coûts indirects, car il n’y a pas de lieu physique, seulement du code
-
réduit les coûts humains : vous avez remplacé des milliers de banquiers par 100 programmeurs
-
permet à quiconque d’offrir des services financiers (comme des prêts ou du market making)
-
constitue un modèle opérationnel plus léger qui n’a pas besoin d’intermédiaires pour fonctionner.
En DeFi, le « risque de contrepartie » est remplacé par un risque logiciel. Le code et les mécanismes qui protègent vos actifs et facilitent vos transactions sont constamment exposés à des menaces extérieures cherchant à voler ou exploiter les fonds.
L’IA, notamment les LLM, joue un rôle clé dans l’automatisation du développement et de l’audit des contrats intelligents. En analysant les bases de code et en identifiant des motifs, l’IA (avec le temps) peut détecter des vulnérabilités et optimiser les performances des contrats intelligents, réduisant ainsi les erreurs humaines et renforçant la fiabilité des protocoles DeFi. En comparant les contrats avec des bases de données de vulnérabilités connues et de vecteurs d’attaque, les LLM peuvent mettre en évidence les zones à risque.
Un domaine où les LLM sont déjà une solution viable et acceptée en matière de sécurité logicielle est l’assistance à la rédaction de suites de tests. Rédiger des tests unitaires peut être fastidieux, mais c’est une composante essentielle de l’assurance qualité logicielle, souvent négligée en raison de délais trop serrés pour le lancement.
Cependant, cela présente aussi un « côté sombre ». Si les LLM peuvent vous aider à auditer du code, ils peuvent aussi aider les hackers à trouver comment exploiter du code dans un monde open source et crypté.
Heureusement, la communauté crypto regorge de « chapeaux blancs » et dispose de programmes de primes visant à atténuer certains risques.
Les spécialistes de cybersécurité ne préconisent pas la « sécurité par l’obscurcissement ». Au contraire, ils partent du principe que l’attaquant connaît déjà le code et les failles du système. L’IA et les LLM peuvent aider à détecter automatiquement, à grande échelle, du code non sécurisé, particulièrement pour les non-programmeurs. Le nombre de contrats intelligents déployés chaque jour dépasse largement ce que les humains peuvent auditer. Parfois, pour saisir une opportunité économique (comme le minage), il faut interagir avec de nouveaux contrats populaires sans attendre qu’ils soient testés pendant un certain temps.
C’est là qu’interviennent des plateformes comme Rug.AI, qui vous fournit une évaluation automatisée des nouveaux projets face aux vulnérabilités de code connues.
Peut-être l’aspect le plus révolutionnaire est la capacité des LLM à aider à écrire du code. Tant que l’utilisateur comprend ses besoins de base, il peut décrire en langage naturel ce qu’il souhaite, et le LLM peut traduire cette description en code fonctionnel.
Cela abaisse le seuil d’entrée pour créer des applications basées sur la blockchain, permettant à un plus grand nombre d’innovateurs de contribuer à l’écosystème.
Nous en sommes encore au stade initial. Personnellement, nous trouvons que les LLM conviennent mieux au retraitement du code ou à l’explication du code pour débutants, plutôt qu’à la création de projets entièrement nouveaux. Il est très important de fournir un contexte et des spécifications claires à votre modèle, sinon vous tomberez dans le piège du « garbage in, garbage out ».
Les LLM peuvent aussi aider les personnes non-programmatrices en traduisant le code des contrats intelligents en langage naturel. Peut-être ne voulez-vous pas apprendre à programmer, mais vous souhaitez simplement vérifier que le code du protocole que vous utilisez correspond bien à ses promesses.
Bien que nous doutions que les LLM puissent remplacer à court terme des développeurs de haute qualité, ces derniers peuvent utiliser les LLM pour effectuer une vérification supplémentaire rationnelle de leur travail.
Conclusion ? La cryptographie devient plus simple et plus sûre pour tout le monde. Mais attention à ne pas trop dépendre des LLM. Ils se trompent parfois avec assurance. Leur capacité globale à comprendre et prédire parfaitement le code est encore en développement.
2. Analyse des données et insights
Quand on collecte des données dans le domaine de la cryptographie, on finit tôt ou tard par croiser Dune Analytics. Si vous ne connaissez pas encore, Dune Analytics est une plateforme qui permet aux utilisateurs de créer et publier des visualisations d’analyses de données, principalement centrées sur la blockchain Ethereum et d'autres blockchains associées. C’est un outil utile et convivial pour suivre les indicateurs DeFi.
Dune Analytics dispose déjà d'une fonctionnalité GPT-4 capable d'expliquer les requêtes en langage naturel.
Si une requête vous semble obscure ou si vous souhaitez créer ou modifier une requête, vous pouvez faire appel à ChatGPT. Notez que ses performances s’améliorent si vous fournissez quelques exemples de requêtes dans la même conversation, et vous aurez toujours intérêt à apprendre par vous-même afin de valider le travail de ChatGPT. Toutefois, c’est un excellent moyen d’apprendre en posant des questions, comme on le ferait avec un mentor.
Les LLM abaissent considérablement la barrière d’entrée pour les participants non techniques au monde de la cryptomonnaie.
Toutefois, en termes d’insights, les LLM sont décevants lorsqu’il s’agit de fournir des perspectives originales. Dans 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 par intuition, vous découvrirez que les LLM sont loin de répondre à vos attentes.
Cependant, nous avons trouvé un usage efficace : vérifier que vous n’avez rien manqué d’évident. Il est peu probable que vous découvriez des insights non évidents ou contraires à la tendance générale, ceux-là mêmes qui pourraient générer des rendements. Ce n’est guère surprenant (si quelqu’un développait une IA capable de générer des rendements exceptionnels, il ne la mettrait pas à disposition du grand public).
3. « La disparition des gestionnaires Discord ? »
Dans le monde de la cryptographie, gérer une communauté d'utilisateurs passionnés par un projet populaire mais aux demandes variées est l'un des travaux les plus sous-estimés et pénibles. Les mêmes questions reviennent sans cesse, parfois de façon continue. Cela semble être un problème criant qui pourrait facilement être résolu par les LLM.
Les LLM montrent également une certaine précision dans la détection des messages auto-promotionnels (spam). Nous espérons qu'ils pourront aussi servir à repérer les liens malveillants (ou autres comportements de hackers). Gérer un serveur Discord animé avec des milliers de membres actifs publiant régulièrement du contenu est effectivement difficile ; nous espérons donc voir arriver des robots Discord alimentés par des LLM pour aider à cette tâche.
4. « Des choses farfelues »
Un phénomène fréquent dans le domaine de la cryptographie consiste à lancer des monnaies basées sur des mèmes populaires. Ces monnaies vont de mèmes résistants comme DOGE, SHIB et PEPE, à des cryptomonnaies aléatoires basées sur les sujets du moment, qui disparaissent en une heure (principalement des arnaques, que nous évitons soigneusement).
Si vous avez accès à l’API Twitter Firehose, vous pouvez suivre en temps réel le sentiment autour de la cryptomonnaie et entraîner un LLM à identifier les tendances, puis utiliser des humains pour interpréter les subtilités. Un exemple simple d’application serait de lancer une cryptomonnaie mème lorsque survient un moment viral, en vous appuyant sur l’analyse des sentiments.
Peut-être existe-t-il des moyens de construire une version simplifiée d’un analyseur de sentiment, surveillant une sélection d’influenceurs crypto populaires sur plusieurs réseaux sociaux, sans avoir à supporter le coût et la bande passante d’une source de données de type « jet propulsion ».
Les LLM sont particulièrement adaptés ici, car ils peuvent comprendre le contexte (décrypter l’ironie et les parodies en ligne pour en tirer des conclusions réelles). Ce partenaire LLM évoluera et apprendra avec le secteur crypto, là où se concentrent la plupart des discussions : sur Crypto Twitter. Grâce à ses forums de débat publics et ses technologies open source, l’industrie crypto offre un environnement unique pour que les LLM détectent des opportunités de marché.
Toutefois, pour éviter d’être trompé par des manipulations intentionnelles des médias sociaux, cette technologie devra devenir plus sophistiquée : mouvements artificiels de base, sponsorings non divulgués, brigades de commentaires. Dans un autre article, nous avons examiné un rapport tiers intéressant suggérant que certains acteurs pourraient sciemment manipuler les réseaux sociaux afin d’augmenter la valeur de projets crypto liés à FTX/Alameda.
L’analyse NCRI montre que des comptes de type robot représentaient une proportion importante (environ 20 %) des discussions en ligne mentionnant les cryptomonnaies cotées sur FTX.
Cette activité robotisée préfigurait les prix de nombreuses cryptomonnaies FTX présentes dans l’échantillon de données.
Après la promotion par FTX, l’activité autour de ces monnaies est devenue de plus en plus irréaliste au fil du temps : la proportion de commentaires artificiels et robotiques a augmenté régulièrement, représentant environ 50 % de l’ensemble des discussions.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
