Ethereum analitik platformu Etherscan, 19 Haziran'da belirli sözleşme adreslerinin kaynak kodunu almak ve yorumlamak için yapay zekayı kullanan Code Reader isminde bir araç piyasaya sürdü. Code Reader, OpenAI'nin geniş dil modeli (LLM), aracılığıyla bir yanıt meydana getirerek, sözleşmenin kaynak kodlarına ilişkin bilgi sağlar.
Etherscan geliştiricileri, araçla ilgili konuştu:
Aracı kullanmak için geçerli bir OpenAI API Key'ine ve yeterli OpenAI kullanım limitine ihtiyacınız var. Bu araç, API anahtarlarınızı saklamaz.
Code Reader, yapay zeka tarafından meydana getirilen açıklamalar yoluyla sözleşmelerin koduna ilişkin daha derin bakış elde etmeyi ve Ethereum verileriyle ilgili akıllı sözleşme işlevlerinin kapsamlı listelerini almayı ve temel sözleşmenin merkeziyetsiz uygulamalarla (dApp) nasıl etkileşime girdiğini anlamayı içerir. Geliştiriciler, "Sözleşme dosyaları alındıktan sonra, okumak için belirli bir kaynak kodu dosyasını seçebilirsiniz. Ayrıca, kaynak kodunu yapay zeka ile paylaşmadan önce direkt olarak kullanıcı arayüzü içinde değiştirebilirsiniz" dedi.
Bazı uzmanlar, yapay zeka çılgınlığının ortasında, mevcut yapay zeka modellerinin uygulanabilirliği hususunda uyarılarda bulundu. Singapurlu risk sermayesi şirketi Foresight Ventures tarafından yayınlanan yakın tarihli bir raporda, "bilgi işlem gücü kaynakları, önümüzdeki on yılda bir sonraki büyük rekabet alanı olacak" ifadeleri yer aldı. Bununla birlikte, merkeziyetsiz dağıtılmış bilgi işlem gücü ağlarında büyük yapay zeka modellerini eğitmeye yönelik artan talebe karşın, araştırmacılar, mevcut prototiplerin karmaşık veri senkronizasyonu, ağ optimizasyonu, veri gizliliği ve güvenlik endişeleri gibi önemli kısıtlamalarla karşı karşıya olduğunu söylüyor.
Foresight araştırmacıları, bir başka örnekte, 175 milyar parametreye sahip büyük bir modelin eğitiminin yaklaşık 700 gigabayt gerektireceğini ifade etti. Bununla birlikte, parametrelerin de sıklıkla güncellenmesi gerekmektedir. 100 bilgi işlem düğümü ve her düğümün her birim adımında tüm parametreleri güncellemesi gerektiği durumda, model saniyede 70 terabayt veri iletimi gerektirecek ve bu çoğu ağın kapasitesini çok aşacaktır. Araştırmacılar şunları söyledi.
Çoğu senaryoda, küçük yapay zeka modelleri hala daha uygun bir seçimdir ve büyük modellerde FOMO gelgitleri çok erken göz ardı edilmemelidir.