Trí tuệ nhân tạo trong DeFi
Tuyển chọn TechFlowTuyển chọn TechFlow
Trí tuệ nhân tạo trong DeFi
AI / LLM trong lĩnh vực tiền mã hóa có những ứng dụng và tác động tiềm tàng nào?
Chuyên sâu báo cáo Web3Tác giả: DEFI EDUCATION
Dịch: Bạch thoại Blockchain
Như bạn có thể đã thấy trên Twitter, chúng tôi rất quan tâm đến lĩnh vực AI/LLM hiện nay. Dù vẫn còn nhiều điều cần cải thiện trong việc đẩy nhanh nghiên cứu, chúng tôi nhận thấy tiềm năng to lớn ở đây.
Sự xuất hiện của các mô hình ngôn ngữ lớn (LLM) trong lĩnh vực tiền mã hóa đang cách mạng hóa cách thức người tham gia không chuyên tương tác, hiểu và đóng góp vào ngành này.
Trước kia, nếu bạn không biết lập trình, bạn sẽ hoàn toàn bối rối. Giờ đây, các mô hình ngôn ngữ lớn như chatGPT đã lấp đầy khoảng trống giữa ngôn ngữ lập trình phức tạp và ngôn ngữ đời thường. Điều này rất quan trọng vì lĩnh vực tiền mã hóa trước nay chủ yếu do những người có chuyên môn kỹ thuật cao thống trị.
Nếu bạn gặp thứ gì đó không hiểu, hoặc nghi ngờ một dự án cố tình che giấu sự thật về hệ thống nền tảng của họ, bạn có thể hỏi chatGPT và nhận được câu trả lời nhanh chóng, gần như miễn phí.
DeFi đang dân chủ hóa quyền tiếp cận tài chính, còn các mô hình ngôn ngữ lớn đang dân chủ hóa quyền tiếp cận DeFi.
Trong bài viết hôm nay, chúng tôi sẽ đưa ra một số ý tưởng mà theo chúng tôi, các mô hình ngôn ngữ lớn có thể ảnh hưởng đến DeFi.
1. Bảo mật DeFi
Như chúng tôi đã chỉ ra, DeFi đang thay đổi dịch vụ tài chính bằng cách giảm ma sát và chi phí gián tiếp, đồng thời thay thế đội ngũ lớn bằng mã hiệu quả.
Chúng tôi đã chi tiết hóa hướng đi của DeFi. Cụ thể, DeFi:
-
Giảm chi phí ma sát — chi phí gas cuối cùng sẽ giảm xuống
-
Giảm chi phí gián tiếp, vì không có địa điểm vật lý, chỉ có mã
-
Giảm chi phí nhân lực — bạn đã thay thế hàng ngàn ngân viên bằng 100 lập trình viên
-
Cho phép bất kỳ ai cung cấp dịch vụ tài chính (như cho vay và tạo thị trường)
-
DeFi là mô hình vận hành tối giản hơn, không phụ thuộc vào bên trung gian để thực thi.
Trong DeFi, "rủi ro đối tác" được thay thế bằng "rủi ro an ninh phần mềm". Mã và cơ chế bảo vệ tài sản và thúc đẩy giao dịch của bạn liên tục chịu rủi ro từ các mối đe dọa bên ngoài cố gắng đánh cắp và khai thác tiền.
AI, đặc biệt là LLMs, đóng vai trò then chốt trong việc tự động hóa phát triển và kiểm toán hợp đồng thông minh. Bằng cách phân tích kho mã nguồn và xác định các mẫu, AI (theo thời gian) có thể phát hiện lỗ hổng và tối ưu hiệu suất hợp đồng thông minh, từ đó giảm lỗi con người và nâng cao độ tin cậy của các giao thức DeFi. Bằng cách so sánh hợp đồng với cơ sở dữ liệu các lỗ hổng và vector tấn công đã biết, LLMs có thể làm nổi bật các khu vực rủi ro.
Một lĩnh vực mà LLMs đã trở thành giải pháp khả thi và được chấp nhận cho các vấn đề an ninh phần mềm là hỗ trợ viết bộ kiểm thử. Việc viết kiểm thử đơn vị có thể rất nhàm chán, nhưng lại là phần quan trọng trong đảm bảo chất lượng phần mềm, thường bị bỏ qua do áp lực ra mắt sản phẩm quá nhanh.
Tuy nhiên, điều này cũng có "mặt tối". Nếu LLMs có thể giúp bạn kiểm toán mã, thì chúng cũng có thể giúp hacker tìm cách khai thác mã trong thế giới mã nguồn mở.
May mắn thay, cộng đồng mã hóa có rất nhiều mũ trắng và hệ thống thưởng giúp giảm bớt một phần rủi ro.
Các chuyên gia an ninh mạng không ủng hộ "đảm bảo an toàn bằng cách gây khó hiểu". Thay vào đó, họ giả định rằng kẻ tấn công đã quen thuộc với mã và lỗ hổng của hệ thống. AI và LLMs có thể giúp tự động phát hiện mã không an toàn ở quy mô lớn, đặc biệt là với những người không biết lập trình. Số lượng hợp đồng thông minh được triển khai mỗi ngày nhiều hơn mức con người có thể kiểm toán. Đôi khi, để nắm bắt cơ hội kinh tế (như yield farming), người dùng phải tương tác với các hợp đồng mới và nóng mà không chờ đợi đủ thời gian kiểm thử.
Đây chính là lúc các nền tảng như Rug.AI phát huy tác dụng, cung cấp đánh giá tự động về mức độ rủi ro của dự án mới dựa trên các lỗ hổng mã đã biết.
Khía cạnh mang tính cách mạng nhất có lẽ là khả năng của LLMs trong việc hỗ trợ viết mã. Chỉ cần người dùng hiểu cơ bản nhu cầu của mình, họ có thể mô tả mong muốn bằng ngôn ngữ tự nhiên, và LLMs có thể chuyển mô tả đó thành mã chức năng.
Điều này hạ thấp rào cản tạo ứng dụng dựa trên blockchain, cho phép một nhóm rộng lớn hơn các nhà sáng tạo đóng góp vào hệ sinh thái.
Tuy nhiên, đây vẫn chỉ là giai đoạn đầu. Cá nhân chúng tôi thấy LLMs phù hợp hơn với việc tái cấu trúc mã hoặc giải thích mã cho người mới bắt đầu, chứ chưa phải cho các dự án hoàn toàn mới. Việc cung cấp ngữ cảnh và yêu cầu rõ ràng cho mô hình rất quan trọng, nếu không sẽ rơi vào tình trạng "rác vào, rác ra".
LLMs còn có thể giúp những người không biết lập trình bằng cách dịch mã hợp đồng thông minh sang ngôn ngữ tự nhiên. Có thể bạn không muốn học lập trình, nhưng bạn thực sự muốn đảm bảo mã của giao thức bạn sử dụng đúng như cam kết.
Dù nghi ngờ LLMs chưa thể thay thế lập trình viên chất lượng cao trong ngắn hạn, nhưng các lập trình viên có thể dùng LLMs để kiểm tra thêm một lần nữa công việc của mình.
Kết luận? Với tất cả chúng ta, tiền mã hóa trở nên dễ dàng và an toàn hơn. Nhưng hãy cẩn thận, đừng quá phụ thuộc vào các LLMs này. Đôi khi chúng sai mà vẫn tỏ ra tự tin. Khả năng hiểu và dự đoán toàn diện mã của LLMs vẫn đang trong quá trình phát triển.
2. Phân tích dữ liệu và nhận thức
Khi thu thập dữ liệu trong lĩnh vực tiền mã hóa, bạn sớm muộn gì cũng sẽ tiếp xúc với Dune Analytics. Nếu chưa nghe, Dune Analytics là một nền tảng cho phép người dùng tạo và đăng trực quan hóa phân tích dữ liệu, tập trung chủ yếu vào chuỗi khối Ethereum và các chuỗi liên quan khác. Đây là công cụ hữu ích và thân thiện người dùng để theo dõi các chỉ số DeFi.
Dune Analytics hiện đã tích hợp chức năng GPT-4, có thể giải thích truy vấn bằng ngôn ngữ tự nhiên.
Nếu bạn bối rối về một truy vấn nào đó, hoặc muốn tạo và chỉnh sửa truy vấn, bạn có thể nhờ chatGPT. Lưu ý rằng nó hoạt động tốt hơn nếu bạn cung cấp một vài ví dụ truy vấn trong cùng cuộc hội thoại, và bạn vẫn nên tự học để kiểm chứng công việc của chatGPT. Tuy nhiên, đây là cách tuyệt vời để vừa học vừa hỏi, giống như hỏi một người hướng dẫn.
LLMs làm giảm đáng kể rào cản gia nhập cho những người tham gia tiền mã hóa không chuyên.
Tuy nhiên, về mặt nhận thức, LLMs khiến người ta thất vọng khi cung cấp những hiểu biết độc đáo. Trong thị trường tài chính phức tạp và lý tính, đừng mong LLMs đưa ra câu trả lời đúng. Nếu bạn là người hành động theo trực giác, bạn sẽ thấy LLMs còn rất xa mới đáp ứng được kỳ vọng.
Tuy nhiên, chúng tôi thấy một công dụng hiệu quả — kiểm tra xem mình có bỏ sót điều hiển nhiên nào không. Bạn khó có thể phát hiện ra những hiểu biết không hiển nhiên hoặc ngược dòng chính, vốn thực sự mang lại lợi nhuận. Điều này cũng không ngạc nhiên (nếu ai đó phát triển được AI mang lại lợi nhuận siêu cao trên thị trường, họ sẽ không công bố phần đó cho công chúng).
3. "Sự biến mất của quản trị viên Discord?"
Trong lĩnh vực tiền mã hóa, việc quản lý một nhóm người nhiệt tình nhưng nhu cầu thay đổi liên tục về một dự án nổi tiếng là một trong những công việc ít được công nhận và đau khổ nhất. Nhiều câu hỏi phổ biến giống nhau được lặp đi lặp lại, đôi khi liên tục không ngừng. Đây dường như là một điểm đau mà LLMs có thể dễ dàng giải quyết.
LLMs cũng cho thấy độ chính xác nhất định trong việc phát hiện tin nhắn tự quảng cáo (spam). Chúng tôi kỳ vọng điều này cũng có thể dùng để phát hiện liên kết độc hại (hoặc các hành vi hack khác). Việc quản lý một nhóm Discord đông nghìn nghịt với hàng ngàn thành viên hoạt động và thông tin được đăng thường xuyên thực sự rất khó khăn, vì vậy chúng tôi mong đợi sự xuất hiện của các bot Discord được hỗ trợ bởi LLMs.
4. "Những chuyện viển vông"
Một trò đùa phổ biến trong lĩnh vực tiền mã hóa là phát hành tiền tệ dựa trên các meme nổi bật. Những loại này dao động từ các meme có sức sống lâu dài như DOGE, SHIB và PEPE, đến các đồng tiền ngẫu nhiên biến mất trong vòng một giờ theo xu hướng热搜 ngày hôm đó (chủ yếu là lừa đảo, chúng tôi tránh tham gia).
Nếu bạn có quyền truy cập vào Twitter Firehose API, bạn có thể theo dõi cảm xúc tiền mã hóa theo thời gian thực, huấn luyện một LLM để gắn thẻ các xu hướng, sau đó dùng con người để diễn giải các sắc thái. Một ví dụ ứng dụng đơn giản là khi có khoảnh khắc lan truyền mạnh, bạn có thể phát hành một đồng tiền meme dựa trên phân tích cảm xúc.
Có lẽ có cách xây dựng một công cụ bắt cảm xúc kiểu "người nghèo", giám sát một phần các influencer tiền mã hóa nổi bật trên nhiều kênh mạng xã hội, mà không phải xử lý chi phí và băng thông của các nguồn dữ liệu kiểu "rocket fuel" API.
LLMs rất phù hợp ở khía cạnh này vì chúng có thể hiểu sâu ngữ cảnh (giải mã sự mỉa mai và chế giễu trên mạng để đưa ra hiểu biết chân thực). Người bạn LLM này sẽ phát triển và học cùng ngành mã hóa, nơi phần lớn các thảo luận diễn ra trên Crypto Twitter. Ngành mã hóa với diễn đàn tranh luận công khai và công nghệ mã nguồn mở đã tạo môi trường độc đáo để LLMs nắm bắt cơ hội thị trường.
Tuy nhiên, để tránh bị thao túng mạng xã hội cố ý đánh lừa, công nghệ này cần tinh vi hơn: các phong trào cỏ rơ, tài trợ ngầm và quân đội mạng. Trong một bài viết khác, chúng tôi đã đề cập một báo cáo nghiên cứu bên thứ ba thú vị, ám chỉ rằng một số tổ chức có thể cố tình thao túng mạng xã hội nhằm tăng giá trị các dự án mã hóa liên quan đến FTX/Alameda.
Phân tích NCRI cho thấy các tài khoản giống robot chiếm tỷ lệ đáng kể (khoảng 20%) trong các thảo luận trực tuyến về các đồng tiền niêm yết trên FTX.
Hoạt động mang tính robot này báo hiệu trước sự tăng giá của nhiều đồng FTX trong mẫu dữ liệu.
Sau chiến dịch quảng bá của FTX, hoạt động của các đồng tiền này ngày càng trở nên kém tự nhiên theo thời gian: tỷ lệ bình luận giả mạo, mang tính robot tăng đều đặn, chiếm khoảng 50% tổng lượng thảo luận.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
