收藏本站 网站导航 开放平台 Saturday, May 25, 2024 星期六
  • 微信

Etherscan 推出人工智能代码阅读器

来源 中金网 06-20 14:39
摘要: 6 月 19 日,以太坊区块浏览器和分析平台 Etherscan推出了一款名为“代码阅读器”的新工具,它利用人工智能检索和解释特定合约地址的源代码。

  该工具允许用户通过 AI 提示检索和解释特定合约地址的源代码。

  6 月 19 日,以太坊区块浏览器和分析平台 Etherscan推出了一款名为“代码阅读器”的新工具,它利用人工智能检索和解释特定合约地址的源代码。用户输入提示后,Code Reader 通过 OpenAI 的大型语言模型生成响应,提供对合约源代码文件的洞察。该工具的教程页面如下:

  “要使用该工具,您需要一个有效的 OpenAI API 密钥和足够的 OpenAI 使用限制。此工具不存储您的 API 密钥。”

  Code Reader 的用例包括通过 AI 生成的解释更深入地了解合约代码,获得与以太坊数据相关的智能合约功能的综合列表,以及了解底层合约如何与去中心化应用程序交互。“一旦检索到合同文件,您就可以选择一个特定的源代码文件来阅读。此外,您可以在与 AI 共享之前直接在 UI 中修改源代码,”该页面说。

  代码阅读器工具的演示。资料来源:Etherscan

  在 AI 热潮中,一些专家对当前 AI 模型的可行性提出了警告。根据新加坡风险投资公司Foresight Ventures最近发布的一份报告,“算力资源将是未来十年的下一个大战场。” 也就是说,尽管在去中心化分布式计算能力网络中训练大型人工智能模型的需求不断增长,但研究人员表示,目前的原型面临着复杂的数据同步、网络优化、数据隐私和安全问题等重大限制。

  在一个例子中,Foresight 研究人员指出,训练一个具有 1750 亿个参数且具有单精度浮点表示的大型模型将需要大约 700 GB 的数据。然而,分布式训练需要这些参数在计算节点之间频繁传输和更新。在 100 个计算节点的情况下,每个节点需要在每个单元步骤更新所有参数,该模型将需要每秒传输 70 TB 的数据,远远超过大多数网络的容量。研究人员总结道:

  “在大多数情况下,小型 AI 模型仍然是一个更可行的选择,在 FOMO [fear of missing out] 大模型的浪潮中不应过早忽视。”

免责声明:中金网发布此信息目的在于传播更多信息,与本网站立场无关。中金网不保证该信息的准确性、真实性、完整性、有效性等。相关信息并未经过本网站证实,不构成任何投资建议,据此操作,风险自担。