این ابزار به کاربران اجازه می دهد تا کد منبع یک آدرس قرارداد خاص را از طریق اعلان هوش مصنوعی برگشت و تفسیر کنند.
در 19 ژوئن، اکسپلورر بلاک اتریوم و پلتفرم تحلیلی Etherscan راه اندازی شد ابزار جدیدی به نام «Code Reader» که از هوش مصنوعی برای برگشت و تفسیر کد منبع یک آدرس قرارداد خاص استفاده می‌کند. پس از ورود سریع کاربر، Code Reader پاسخی را از طریق مدل زبان بزرگ OpenAI (LLM) ایجاد می‌کند و بینش فایل‌های کد منبع قرارداد را ارائه می‌دهد. توسعه دهندگان Etherscan نوشتند:
“برای استفاده از ابزار، به یک مهم OpenAI API معتبر و محدودیت های کافی برای استفاده OpenAI نیاز دارید. این ابزار کلیدهای API شما را ذخیره نمی کند.”
موارد استفاده برای Code Reader شامل دستیابی به بینش عمیق تر در مورد کد قراردادها از طریق توضیحات ایجاد شده توسط هوش مصنوعی، به دست آوردن لیست های جامع از عملکردهای قرارداد هوشمند مرتبط با داده های اتریوم و درک نحوه تعامل قرارداد اساسی با برنامه های غیرمتمرکز (dApps) است. توسعه دهندگان نوشتند: “هنگامی که فایل های قرارداد برگشت شدند، می توانید یک فایل کد منبع خاص را برای خواندن انتخاب کنید. علاوه بر این، می توانید کد منبع را مستقیماً در داخل UI قبل از به اشتراک گذاری آن با هوش مصنوعی تغییر دهید.”
در میان رونق هوش مصنوعی، برخی از کارشناسان در مورد امکان سنجی مدل های فعلی هوش مصنوعی هشدار داده اند. بر اساس یک اخیر گزارش منتشر شده توسط شرکت سرمایه گذاری خطرپذیر سنگاپوری Foresight Ventures، “منابع قدرت محاسباتی میدان نبرد بزرگ بعدی برای دهه آینده خواهد بود.” به گفته محققان، علیرغم افزایش تقاضا برای آموزش مدل‌های بزرگ هوش مصنوعی در شبکه‌های قدرت محاسباتی توزیع‌شده غیرمتمرکز، محققان می‌گویند نمونه‌های اولیه کنونی با محدودیت‌های مهمی مانند همگام‌سازی داده‌های پیچیده، بهینه‌سازی شبکه، حفظ حریم خصوصی داده‌ها و نگرانی‌های امنیتی مواجه هستند.
در یک مثال، محققان Foresight خاطرنشان کردند که آموزش یک مدل بزرگ با 175 میلیارد پارامتر با نمایش نقطه شناور تک دقیق به حدود 700 گیگابایت نیاز دارد. با این حال، آموزش توزیع شده مستلزم این است که این پارامترها به طور مکرر بین گره های محاسباتی ارسال و به روز شوند. در مورد 100 گره محاسباتی و هر گره نیاز به به روز رسانی تمام پارامترها در هر مرحله واحد، مدل نیاز به انتقال 70 ترابایت داده در ثانیه دارد که بسیار فراتر از ظرفیت اکثر شبکه ها است. محققان خلاصه کردند:
در اکثر سناریوها، مدل‌های کوچک هوش مصنوعی همچنان گزینه‌ای عملی‌تر هستند و نباید خیلی زود در موج FOMO در مدل‌های بزرگ نادیده گرفته شوند.
این مطلب صرفاً از منبع ، ترجمه شده و مسئولیت آن با تریگر ویو نمی باشد.
اکانت پرمیوم تریدینگ ویو ارزان
لینک منبع خبر
[vc_row][vc_column][deeper_spacer][/vc_column][/vc_row][vc_row content_placement=”middle” canvas=”%5B%7B%22shape%22%3A%22shape-1%22%2C%22image_effect%22%3A%22style-1%22%2C%22smoothness%22%3A%2230%22%7D%5D” css=”.vc_custom_1686924614506{background-color: #eeeeee !important;border-radius: 20px !important;}”][vc_column width=”1/2″][deeper_spacer desktop=”32″ mobile=”6″ smobile=”6″][special_text_text text_style=”style-2″ text_color=”#000000″] همین الان اکانت تریدینگ ویوت رو بخر [/special_text_text][deeper_spacer desktop=”32″ mobile=”6″ smobile=”6″][/vc_column][vc_column width=”1/2″][deeper_spacer desktop=”32″ mobile=”6″ smobile=”6″][deeper_button button_align=”align-center” button_style=”button-blue” button_text=”بزن بریم!” button_url=”url:https%3A%2F%2Ftriggerview.ir” button_font_weight=””][deeper_spacer desktop=”32″ mobile=”6″ smobile=”6″][/vc_column][/vc_row]
