AI có thể tồn tại trong thế giới tiền điện tử không?

Tác giả: Chao Wang Nguồn: Fu ture Mosaic Dịch: Shan Oppa, Golden Finance

Nhìn theo chiều dọc Trong lịch sử khoa học và công nghệ, những đột phá lớn thường xảy ra độc lập và mỗi đột phá sẽ gây ra một cuộc cách mạng. Tuy nhiên, khi hai công nghệ mạnh mẽ kết hợp với nhau, sức mạnh tổng hợp của chúng có thể thúc đẩy sự tiến bộ phi thường. Ngày nay, chúng ta đang đứng ở một ngã ba đường: trí tuệ nhân tạo và tiền điện tử, có khả năng biến đổi theo cách riêng của chúng, đang hợp lực.  

Chúng tôi hình dung các giải pháp tiền điện tử sẽ giải quyết nhiều thách thức về AI, các tác nhân AI sẽ xây dựng mạng lưới kinh tế tự trị để tăng tốc việc áp dụng tiền điện tử và AI sẽ thúc đẩy hiện đại. Có một sự tiến hóa của công nghệ mã hóa. Nhiều con mắt đang đổ dồn vào giao lộ này, tiền đang đổ vào và sự nhiệt tình dành cho những từ thông dụng này đang thúc đẩy xu hướng.  

Tuy nhiên, giữa tất cả sự phấn khích này, chúng ta hiểu rất ít về những điều cơ bản. Trí tuệ nhân tạo hiểu mã hóa tốt đến mức nào? Các tác nhân được hỗ trợ bởi LLM có thực sự có thể sử dụng các công cụ mã hóa không? Các mô hình khác nhau thực hiện nhiệm vụ mã hóa như thế nào? Câu trả lời cho những câu hỏi này sẽ rất quan trọng trong việc định hướng sản phẩm và công nghệ trong lĩnh vực mới nổi này.

Nhưng chúng tôi không biết.

Một thử nghiệm

Nhằm vào những câu hỏi cơ bản này, chúng tôi đã tiến hành Đánh giá thử nghiệm đã được tiến hành và 18 mô hình ngôn ngữ quy mô lớn bao gồm các mô hình nguồn mở và thương mại chính thống đã được đánh giá, với kích thước tham số nằm trong khoảng từ 3,8B đến 405B.

Mẫu nguồn đóng: GPT-4o, GPT-4o Mini, Claude 3.5 Sonnet, Gemini 1.5 Pro, Grok2 beta (hiện đã đóng source)

Mô hình nguồn mở:Llama 3.1 8B/70B/405B, Mistral Nemo 12B, DeepSeek-code-v2, Nous- hermes2, Phi3 3.8B/14B, Gemma2 9B/27B, Command-R, Qwen2-math-72, MathΣtral

Nghiên cứu này nhằm đánh giá các ứng dụng mã hóa trí tuệ nhân tạo hiện trạng và đánh giá tiềm năng, thách thức của việc tích hợp trí tuệ nhân tạo với mã hóa. Với giai đoạn đầu của nghiên cứu này, bài viết này tập trung vào những hiểu biết quan trọng hơn là dữ liệu kết quả cụ thể.

Các thử nghiệm cho thấy mô hình AI có hiểu biết toàn diện về các nguyên tắc cơ bản của tiền điện tử và thể hiện sự hiểu biết rộng rãi về hệ sinh thái tiền điện tử. Những mô hình này cũng thể hiện sự thành thạo về kiến ​​thức cần thiết để thực hiện các hoạt động ví cơ bản khác nhau. Với những lời nhắc thích hợp, họ không chỉ cải thiện đáng kể khả năng của mình mà còn thể hiện khả năng thực hiện các phân tích và hoạt động phức tạp theo chỉ dẫn. Cùng với nhau, những phát hiện này cho thấy rằng việc phát triển các ứng dụng trí tuệ nhân tạo cho nhiều lĩnh vực liên quan đến tiền điện tử hiện là một triển vọng khả thi.

Tuy nhiên, nghiên cứu cũng tìm thấy một số hạn chế chính. Có khoảng cách lớn giữa kiến ​​thức lý thuyết và kỹ năng ứng dụng thực tế của các mô hình này, đặc biệt là trong các tính toán liên quan đến mật mã. Mặc dù chúng có khả năng tạo ra các hợp đồng thông minh đơn giản nhưng chúng gặp khó khăn trong việc xác định các lỗ hổng phức tạp trong các giao thức phức tạp hơn. Hơn nữa, các mô hình này không giải quyết được thách thức cơ bản trong việc quản lý khóa riêng tư một cách an toàn trong các hệ thống AI dựa trên đám mây.

Khám phá sâu

1. Khoảng cách toán học: Một trong những phát hiện đáng chú ý nhất là các mô hình AI thường gặp khó khăn khi xử lý các phép tính liên quan đến mã hóa. Đó không chỉ là mật mã phức tạp; ngay cả các hoạt động cơ bản như tính toán độ trượt AMM hoặc lợi nhuận khai thác cũng có thể là thách thức. Tuy nhiên, điều quan trọng cần lưu ý là các mô hình ngôn ngữ lớn không được thiết kế để tính toán toán học. Hạn chế này có thể được giải quyết bằng cách tải các mã đặt trước để bỏ qua việc tính toán trực tiếp LLM, do đó cải thiện hiệu quả và độ chính xác. Cách tiếp cận này tương tự như cách con người thường xử lý các phép tính phức tạp, dựa vào các công cụ chuyên dụng hoặc các công thức cài sẵn.

2. Vấn đề nan giải về bảo mật: Trong khi các mô hình AI thể hiện sự nắm bắt vững chắc các nguyên tắc bảo mật mật mã, thì thực tế việc sử dụng AI để triển khai các hệ thống bảo mật vẫn tồn tại vẫn còn vấn đề. Nhu cầu xử lý dựa trên đám mây trong nhiều hệ thống AI tạo ra xung đột cố hữu với bản chất phi tập trung, không đáng tin cậy của tiền điện tử. Giải quyết vấn đề này sẽ yêu cầu các dịch vụ của bên thứ ba như TEE, HSM hoặc thậm chí các công nghệ mới mang tính cải tiến hơn.

3. Hợp đồng thông minh: hình thức thay vì chức năng: Các mô hình AI đã chứng tỏ khả năng tuyệt vời trong việc hiểu hợp đồng thông minh và giải thích chức năng của chúng. Họ có thể sửa đổi hợp đồng một cách hiệu quả để giải quyết các lỗ hổng chung và điểm tối ưu hóa, thậm chí tạo hợp đồng cho các tình huống đơn giản một cách độc lập. Tuy nhiên, khi nói đến các lỗ hổng ẩn sâu trong logic nghiệp vụ phức tạp, tất cả các mô hình đều không thể xác định được chúng. Điều này cho thấy sự hiểu biết của mô hình về hợp đồng thông minh phần lớn vẫn còn hời hợt, tập trung vào hình thức hơn là nắm bắt được sự phức tạp của logic kinh doanh cơ bản. Mặc dù AI vượt trội trong tương tác hợp đồng và sáng tạo cơ bản, nhưng rõ ràng chuyên môn của con người vẫn rất quan trọng để đảm bảo tính bảo mật và hiệu quả của các hệ thống hợp đồng thông minh phức tạp.

4. Thách thức nguồn mở: Khoảng cách hiệu suất lớn giữa các mô hình nguồn đóng hàng đầu và hầu hết các lựa chọn thay thế nguồn mở đặt ra câu hỏi về AI trong các câu hỏi quan trọng về tiền điện tử cho tương lai. Với sự nhấn mạnh của cộng đồng tiền điện tử vào tính cởi mở và phân cấp, việc thu hẹp khoảng cách này là rất quan trọng để được áp dụng rộng rãi.  

5. Nền tảng và tiềm năng vững chắc: Bất chấp những thách thức, mô hình này thể hiện sự hiểu biết sâu sắc về các nguyên tắc cơ bản và chương trình mật mã Chứng minh sự quen thuộc với hệ sinh thái tiền điện tử. Với những lời nhắc phù hợp, khả năng của họ sẽ cải thiện đáng kể. Điều này cho thấy AI trong tiền điện tử có nền tảng vững chắc, với khả năng nắm bắt ấn tượng của mô hình về các khái niệm như kiến ​​trúc chuỗi khối, cơ chế đồng thuận và kinh tế mã thông báo. Những cải tiến đáng kể trong lời nhắc khởi động chứng minh rằng các mô hình AI hiện tại, mặc dù không hoàn hảo, nhưng đã có thể cung cấp những hiểu biết sâu sắc và hỗ trợ có giá trị trong nhiều nhiệm vụ liên quan đến tiền điện tử, từ phân tích thị trường đến đánh giá thiết kế giao thức.

Nhìn về phía trước: Sự cần thiết của các điểm chuẩn về tiền điện tử-AI

Khi các thử nghiệm tiến triển, một nhu cầu cấp thiết trở nên rõ ràng: không gian tiền điện tử cần các điểm chuẩn AI được tiêu chuẩn hóa. Giống như ImageNet đã cách mạng hóa trí tuệ nhân tạo thị giác máy tính, các điểm chuẩn dành riêng cho mật mã có thể thúc đẩy tiến bộ nhanh chóng trong sự hội tụ các công nghệ này.

Nếu một người tin rằng sự giao thoa giữa trí tuệ nhân tạo và tiền điện tử có tiềm năng to lớn và trí tuệ nhân tạo đó dự kiến ​​sẽ thúc đẩy việc áp dụng rộng rãi tiền điện tử, thì hãy thiết lập một nền tảng chuyên dụng đối với không gian tiền điện tử thì Điểm chuẩn sẽ trở thành ưu tiên. Những điểm chuẩn này có thể đóng vai trò là cầu nối quan trọng giữa lĩnh vực AI và tiền điện tử, thúc đẩy sự đổi mới và cung cấp hướng dẫn rõ ràng cho các ứng dụng trong tương lai. Nỗ lực này không chỉ là một bài tập kỹ thuật; nó còn là sự phản ánh sâu sắc về cách hiểu và định hình biên giới kỹ thuật số mới nổi này.

Tuy nhiên, việc tạo ra một chuẩn mực như vậy không hề dễ dàng. Nó phải đối mặt với một số thách thức lớn: sự phát triển nhanh chóng của mật mã, nền tảng kiến ​​thức vẫn còn thay đổi và thiếu sự đồng thuận theo nhiều hướng cốt lõi; tính chất liên ngành của lĩnh vực này, bao gồm mật mã, hệ thống phân tán, kinh tế, v.v., độ phức tạp của nó vượt xa bất kỳ thách thức nào. lĩnh vực đơn lẻ; cần đánh giá không chỉ kiến ​​thức lý thuyết mà còn cả khả năng thực tế của trí tuệ nhân tạo trong việc sử dụng công nghệ mã hóa, điều này đòi hỏi phải thiết kế khung đánh giá mới; , DAO và các ứng dụng thực tế khác trong lĩnh vực mật mã mới nổi vẫn có liên quan và khó khăn càng trở nên phức tạp hơn do sự khan hiếm của các bộ dữ liệu liên quan.  

Với quy mô và mức độ phức tạp của những thách thức này, rõ ràng đây không phải là nhiệm vụ có thể giải quyết một mình. Bản chất nhiều mặt của vấn đề đòi hỏi nhiều chuyên môn và quan điểm khác nhau. Nó đòi hỏi nỗ lực chung của cộng đồng tiền điện tử và trí tuệ nhân tạo. Chỉ thông qua trí tuệ tập thể này, chúng ta mới có thể xác định được điều gì thực sự quan trọng trong lĩnh vực công nghệ mới nổi này và tạo ra các tiêu chuẩn phản ánh chính xác mức độ phức tạp và tiềm năng của AI trong không gian tiền điện tử.

Trạng thái hiện tại và các bước tiếp theo

Khung nghiên cứu hiện tại Bao gồm gồm một số thành phần chính:

1. Một MVP chứa khoảng 700 câu hỏi trắc nghiệm Bộ dữ liệu, được tạo ra bằng cách cộng tác bởi AI và con người, sau đó được các chuyên gia con người xác minh và cải tiến. Bất chấp những hạn chế về chất lượng, bộ dữ liệu này cho phép thử nghiệm các mô hình tự động nhanh chóng, thể hiện sự hiểu biết về khái niệm và cung cấp cơ chế tính điểm cơ bản.

2. Khoảng 100 nhiệm vụ phức tạp không ngừng tăng lên, bao gồm các tình huống như mô phỏng, tính toán, kiểm tra mã và sử dụng công cụ. Những nhiệm vụ này được đóng góp bởi nhiều chuyên gia trong lĩnh vực mật mã, tăng thêm chiều sâu và tính xác thực cho đánh giá.

Để thiết lập benchmark hiệu quả, bộ dữ liệu cần được mở rộng rất nhiều và cần có sự tham gia của nhiều chuyên gia tên miền hơn . Việc phát triển các khung đánh giá tự động phù hợp cho những nhiệm vụ phức tạp này cũng là một thách thức chính cần được giải quyết.

Ngoài ra, để LLM có thể đương đầu với những thách thức nhiệm vụ trong thế giới thực trong tương lai, điều quan trọng là phải triển khai khung Tác nhân cơ bản. Khung này sẽ cung cấp một môi trường thử nghiệm thực tế hơn và thu hẹp khoảng cách giữa kiến ​​thức lý thuyết và ứng dụng thực tế.

Phương pháp này liên tục được cải tiến, tập trung vào việc tăng độ phức tạp của trường hợp thử nghiệm và mở rộng tập dữ liệu tổng thể. Với tinh thần cộng tác cởi mở, tất cả các tài nguyên liên quan sẽ sớm được công khai trên GitHub, với mục tiêu đẩy nhanh tiến độ và mời gọi cộng đồng rộng lớn hơn tham gia.

Điều đáng chú ý là nghiên cứu này vẫn đang ở giai đoạn đầu. Những phát hiện này nên được xem như những quan sát sơ bộ và là điểm khởi đầu cho nghiên cứu sâu hơn, thay vì kết luận dứt khoát trong các lĩnh vực trí tuệ nhân tạo và mật mã đang phát triển nhanh chóng. Dự án hoan nghênh sự đóng góp từ cộng đồng tiền điện tử rộng lớn hơn để giúp xây dựng một khung đánh giá toàn diện và mạnh mẽ hơn.