区块链+AI：DefiLlama将进行ChatGPT插件Beta测试

6 月 4 日，链上数据分析网站 DefiLlama 创始人 0xngmi 在社交媒体上发文表示，由Kofi构建的DefiLlama ChatGPT插件将进行Beta测试。

如果用户在 ChatGPT 上具有插件访问权限，并愿意就插件提供反馈，可注册候补名单。

据介绍，该插件将允许用户使用提示语查询DefiLlama的数据，比如询问“3月后哪些LSD项目增长最快？”“任何链的TVL（在Multichain推文发布当天）是否有大幅变动？”等数据相关的问题。

区块链和AI

随着科技的不断发展，区块链技术和AI技术也在不断演进。

如今，两种技术的结合逐渐成为了一个热门话题。

这种结合可以帮助将区块链技术的安全性和去中心化的优势与AI技术的智能化和大数据分析相结合，实现更高效、更安全、更可靠的业务场景。

DefiLlama和ChatGPT的结合，更是印证了这一点。

区块链和AI结合，将产生自动化的智能决策系统，准确输出结果，并利用防篡改的数据触发现实世界的操作。

这种结合也会带来全新的商业模式，促进企业运营效率提升，自动完成重复性工作，数据交换更加高效安全，同时通过AI智能合约加强决策流程，提高基础设施和交易流程中的信任和透明度。

AI和区块链结合不仅适用于传统商业应用，也能延伸至多个领域，包括教育、医疗保健、能源、社会、农业和城市规划等，从而更加精准地基于数据做出决策，促进资源管理效率提升。

AI和区块链结合的用例

1、保障安全

去中心化的基础设施和区块链技术可以为AI系统提供加密保障。我们可以在AI系统中内嵌安全防护栏，避免系统被滥用或恶意操纵。

AI开发者可以在代码中设置具体参数，控制AI访问各种关键系统的门槛；还可以利用区块链、 智能合约和预言机等防篡改的基础设施创建私钥机制。

区块链系统的设计初衷就是防范各种恶意攻击和操纵，这些安全机制也可以用来防范AI领域的攻击。

在中心化系统中，只要某一个环节出问题就可能威胁到整个系统的安全；而去中心化基础设施则是分布到多个节点和多个相互独立的私钥，因此攻击者更难入侵整个系统。

2、验证内容的真实性

DALL-E、Stable Diffusion和Midjourney等深度学习模型的出现证明了用文字生成图像或其他媒介拥有无限潜力。

虽然这些模型让我们看到了AI对生产力和创造力的颠覆式创新潜力，但它们也可能被用来散播不实谣言或伪造图片或其他传播媒介。

区块链技术底层是密码学和加密技术，因此可以用来验证图像、视频和文字等媒介的真实性，采用加密技术来验证内容来源以及内容是否被篡改过。

这种加密水印技术还可以用来创建防篡改的时间戳，验证消息内容、来源和时间的真实性。

3、分析数据

区块链技术最大的价值就是能够最高效地保障数据来源的真实性。要在长期保障数据完整性，最好的办法就是将数据储存在安全性极高的去中心化区块链网络中。因此，区块链也自然是很好的大数据分析平台。

随着区块链越来越多地主导了人类社会经济活动，使用复杂的机器学习模型进行大数据分析也同样能够处理链上的海量数据集。

这些机器学习模型可以识别大趋势，并通过预测分析来输出实用的洞察。而这可以帮助企业和个人高效、理性地做出决策，并判断链上经济中新出现的机会。

4、提供金融服务

有了去中心化金融（DeFi），任何人只要连上互联网，就可以访问透明的金融服务，展开点对点交易，并与不可篡改的智能合约交互。DeFi生态取得了长足发展，AI模型可以利用这些不断丰富和成熟的DeFi金融服务，基于预定义的指令执行操作和任务，并进行交易结算。

大型语言模型如果能安全地接入互联网，还可以接入Web3的链上金融技术栈，执行支付或交易等常规任务。

由于区块链应用本身具有可组合性，AI模型可以执行相互关联的复杂金融交易，并且无须依赖任何中介和不透明的传统金融系统。

另外，DeFi应用中还可以利用AI来自动执行投资策略，并利用安全、透明的去中心化基础设施为用户提供创新金融服务。

AI擅长决策，而区块链则擅长记录实时交易行为，因此二者结合，可以基于机器学习算法来建立自动合规和欺诈监测流程。

5、保障透明性

目前深度学习模型所面临的一大挑战就是决策流程不透明。由于这些模型非常复杂，有时会参杂几千亿个参数，因此专家也很难解释为什么某个模型会针对某一具体问题输出具体的回答。

虽然这种不透明是深度学习模型的一个基本特征，而且开发出可以解释自己决策的AI模型归根到底是AI研究者的工作，但是区块链网络还是可以在某种程度上利用其透明性来解决AI模型不透明的问题。

区块链可以透明地记录数据，因此可以让AI模型为运行创建清晰的框架，基于算法的决策模型来分析审计轨迹，利用不可篡改的数据账本来查看模型所使用的数据。

6、去中心化的数据存储

许多AI模型都非常依赖大型数据集。虽然数据只是其中一个要素，但却可以极大地影响AI系统的性能。

Filecoin、IPFS和Arweave等区块链可以提供去中心化的存储解决方案，有效保障训练数据的质量并准确地进行数据溯源。

将区块链存储解决方案与深度学习技术结合在一起，将提升AI系统的安全性和可靠性，并同时增强决策过程中的透明性和可信度。

7、开发智能合约

随着Github Copilot等AI辅助开发工具的出现，智能合约开发者的效率得到了大幅提升。

另外，还可以在智能合约应用中集成由AI驱动的API接口，分析现实世界中的传感器数据或社交媒体上的用户情绪，或者创建生成式模型。而这些将最终推动新一代Web3应用的发展。

在这个demo中，Google的AI负责人Laurence Moroney展示了如何使用Stable Diffusion和Chainlink Functions为智能合约开发AI艺术生成器。

AI和区块链的未来

尽管AI与区块链技术结合可为诸多行业带来许多好处，但若想真正激发出两者的潜力，依旧需要克服不少挑战。

AI模型长期以来都面临着一个问题——数据搜集，因为它们必须接入多个不同的数据集。要更好地结合AI和区块链，就需要解决这两个平台之间的互操作性问题，并且建立标准来强化这两个技术之间的连接性和兼容性。

此外，仍需升级数据隐私框架，以解决AI和区块链集成过程中遇到的问题，保障用户隐私和信任。

一旦更多人认识到去中心化系统和AI技术的协同性，就会看到更多AI系统集成加密安全机制和区块链应用的优势所在。

这将有助于解决用户信任危机，并让他们更为放心地与AI进行交流，推动AI技术可持续发展。