‏ویتالیک بوترین، کیف پول‌های هوش مصنوعی تأییدشده توسط انسان را برای تراکنش‌های رمزنگاری پیشنهاد کرد.

‏ویتالیک بوترین، دیدگاه خود را در مورد چگونگی بازتعریف هوش مصنوعی (AI) برای نسل بعدی کیف پول‌های وب ۳ تشریح کرد.

او همچنین مدلی را پیشنهاد کرد که در آن انسان‌ها مستقیماً در تأیید تراکنش‌های با ارزش بالا مشارکت داشته باشند.

هم‌بنیان‌گذار اتریوم، نظرات خود را در پلتفرم رسانه‌های اجتماعی غیرمتمرکز فارکستر به اشتراک گذاشت و خاطرنشان کرد که «بسیار بدیهی» است که تکرار بعدی کیف پول‌ها به شدت شامل هوش مصنوعی خواهد بود.

با وجود این، بوترین افزود که به مدل‌های زبانی بزرگ (LLM) برای تراکنش‌های چند میلیون دلاری یا کنترل مقادیر زیادی پول اعتماد نخواهد کرد. در عوض، او رویکردی را ارائه داد که در آن سیستم‌های هوش مصنوعی به کاربران کمک می‌کنند و تصمیم نهایی را به دست انسان می‌سپارند.

او یک گردش کار بهینه را در موقعیت‌های با ارزش بالا توصیف کرد که شامل یک سیستم هوش مصنوعی است که یک طرح را پیشنهاد می‌کند، پس از آن یک کلاینت سبک محلی تراکنش را شبیه‌سازی می‌کند. سپس شخص، اقدام مورد نظر و نتیجه مورد نیاز را بررسی می‌کند و قبل از تأیید دستی آن، اقدام می‌کند.

با این حال، بوترین هشدار داد که این رویکرد باید با احتیاط و با تأکید شدید بر امنیت اجرا شود. او پیشنهاد کرد که یک راه برای دستیابی به این هدف، حذف رابط‌های برنامه‌های غیرمتمرکز (dApp) از فرآیند تراکنش است. با حذف کامل رابط‌های کاربری dApp از جریان، سیستم می‌تواند چندین بردار حمله مرتبط با سرقت و خطرات حریم خصوصی را کاهش دهد.

چشم‌اندازهای آینده

این توسعه‌دهنده ۳۲ ساله پیش از این در مورد چگونگی تکامل ارزهای رمزنگاری شده و هوش مصنوعی با هم بحث کرده است. او بلاک‌چین‌ها و فناوری را در حال همکاری می‌بیند، که در آن ارزهای رمزنگاری شده اعتماد، حریم خصوصی و زیرساخت‌های اقتصادی را فراهم می‌کنند که برای عملکرد ایمن و منصفانه به آن نیاز دارد.

سایر توسعه‌دهندگان و اعضای جامعه به نظرات بوترین با توصیف پیاده‌سازی‌های بالقوه این ایده پاسخ دادند.

آندری پتروف، توسعه‌دهنده اتریوم، دو سناریوی اضافی را پیشنهاد کرد. در اولی، یک کاربر طبق معمول یک تراکنش را آغاز می‌کند در حالی که هوش مصنوعی محموله در حال امضا را تجزیه و تحلیل می‌کند. سپس این فناوری سعی می‌کند اقدام مورد نظر کاربر را حدس بزند و آن را به زبان ساده توضیح دهد و به آنها اجازه می‌دهد تأیید کنند که آیا تراکنش به درستی آنچه را که قصد انجام آن را داشته‌اند منعکس می‌کند یا خیر.

در حالت دوم، کاربر یا اقدام مورد نظر خود را مستقیماً بیان می‌کند یا به توضیحات تولید شده در مرحله اول متکی است. سپس هوش مصنوعی سعی می‌کند تراکنش را به طور مستقل و بدون اشاره به مبلغ اصلی بازسازی کند تا مشخص شود آیا به همان نتیجه می‌رسد یا خیر. او توضیح داد که هرگونه تفاوت بین این دو، مناطقی را نشان می‌دهد که قبل از نهایی شدن فرآیند، نیاز به بررسی بیشتر دارند.

کاربر دیگری از فارکستر که با نام fkaany شناخته می‌شود، چارچوبی را توصیف کرد که در آن هوش مصنوعی استراتژی‌های پیچیده رمزنگاری مانند مبادلات چند مرحله‌ای، بهینه‌سازی بازده و به حداقل رساندن کارمزد تراکنش را برنامه‌ریزی می‌کند.

این امر شامل یک کلاینت سبک محلی است که نتیجه را شبیه‌سازی می‌کند، که به افراد اجازه می‌دهد یک خلاصه روشن را بررسی کرده و تراکنش را به صورت دستی تأیید کنند و به کاهش خطرات ناشی از امضای کور، رابط‌های فیشینگ و محموله‌های مخرب dApp کمک می‌کند.