أخبار ساخنةتكنولوجيا

Etherscan تطلق قارئ الرموز Code Reader بقوة الذكاء الاصطناعي

تتيح الأداة للمستخدمين استرداد وتفسير الشفرة المصدرية لعنوان العقد المحدد عبر تعليمات التشغيل الآلي بقوة الذكاء الاصطناعي AI.

في 19 يونيو، قامت “Etherscan “منصة استكشاف الكتل وتحليلات Ethereum بإطلاق أداة جديدة تسمى “قارئ

الرموز Code Reader ” تستخدم الذكاء الاصطناعي لاسترداد وتفسير الشفرة المصدرية لعنوان العقد المحدد.

بعد إدخال المستخدم لتعليمات التشغيل الآلي، يقوم قارئ الرموز Code Reader بإنشاء استجابة باستخدام نموذج اللغة الكبير OpenAI’s”، مما يوفر رؤية في ملفات شفرة المصدر للعقد. صفحة الدليل التعليمي للأداة تقرأ:

“لاستخدام الأداة، تحتاج إلى مفتاح واجهة برمجة تطبيقات (API) Application Programming Interface صالح من شركة OpenAI’s وحدود استخدام كافية من الشركة نفسها. لا تقوم هذه الأداة بتخزين مفاتيح الواجهة الخاصة بك.”

تشمل حالات استخدام قارئ الرموز Code Reader

الحصول على رؤى أعمق في شفرة العقود من خلال تفسيرات يولدها الذكاء الاصطناعي AI ،والحصول على قوائم شاملة لوظائف العقد الذكي المتعلقة ببيانات Ethereum، وفهم كيفية تفاعل العقد الأساسي مع التطبيقات المتمركزة.

وفقًا للصفحة، “بمجرد استرداد ملفات العقد، يمكنك اختيار ملف شفرة مصدر محدد للقراءة من خلاله.

بالإضافة إلى ذلك، يمكنك تعديل شفرة المصدر مباشرة داخل واجهة المستخدم UI قبل مشاركتها مع الذكاء الاصطناعي”.

عرض توضيحي لأداة Code Reader 
المصدر  Etherscan
عرض توضيحي لأداة “Code Reader”. المصدر: Etherscan

في ظل انتعاش الذكاء الاصطناعي AI ، حذر بعض الخبراء من جدوى النماذج الحالية للذكاء الاصطناعي AI.

ووفقًا لتقرير نشرته شركة رأس المال المغامر السنغافورية ” Foresight Ventures “ستكون موارد قوة الحوسبة هي المعركة الكبرى التالية للعقد القادم”.

ومع ذلك، على الرغم من الطلب المتزايد على تدريب نماذج الذكاء الاصطناعي الكبيرة في شبكات الحوسبة الموزعة المتمركزة، يقول الباحثون إن النماذج الحالية تواجه قيودًا كبيرة مثل تزامن البيانات المعقد، وتحسين الشبكة، ومخاوف الخصوصية والأمان في البيانات.

في مثال واحد، لاحظ باحثوا موقع Foresight أن تدريب نموذج كبير بـ 175 مليار وسيط بتمثيل النقطة العائمة ذات الدقة الفردية يتطلب حوالي 700 غيغابايت.

ومع ذلك، يتطلب التدريب الموزع نقل هذه الوسطاء بشكل متكرر وتحديثها بين عقد الحوسبة.

في حالة وجود 100 عقدة حاسوبية وكل عقدة تحتاج إلى تحديث جميع الوسطاء في كل وحدة زمنية، سيتطلب النموذج نقل 70 تيرابايت من البيانات في الثانية،متجاوزًا بكثير سعة معظم الشبكات. وخلاصة الباحثين:

“في معظم السيناريوهات، لا تزال النماذج الصغيرة للذكاء الاصطناعي خيارًا أكثر جدوى، ولا ينبغي تجاهلها في وقت مبكر جدًا في موجة FOMO ” الخوف من فقد” النماذج الكبيرة.”

مقالات ذات صلة

اترك رد

زر الذهاب إلى الأعلى