tldr

大语言模型(LLM, Large Language Model)擅长在人类语言之间进行映射。非正式到正式，自然语言到意图，意图到交易，反之亦然。这使得LLM成为适合每个用户的理想界面。

LLM可以帮助你发现你的意图，在链上进行通信，并在语义相似的意图之间协商更多的点对点(CoW)匹配。

LLM将很快撰写大多数零售交易。通过弥合UI与零售用户的差距，LLM可能会导致区块链的大规模采用。

人工智能可以使用区块链访问任何特定于人类的资源，并在完全由人工智能管理的项目中雇用人类。

介绍

今天，人工智能和区块链似乎没有太多的接触点。在本文中，我们认为这种情况很快就会改变——它将对区块链和基于区块链的团队产生广泛的影响。

LLM，特别是ChatGPT，对任何人来说都不是新闻。但究竟是什么让这些模型如此有用呢？它们将如何影响区块链？

在本文中，我们将展示LLM如何成为一个巨大的用户体验捷径——通过LLM的适应性、链上透明度和灵活的意图匹配，将我们从完全的痛苦中解脱出来，远远超出新银行的用户体验。

我们还将讨论这将如何影响链、协议和钱包团队，以及它将如何改变获胜的样子。

最后，我们将介绍区块链如何成为LLM银行和雇用人类做LLM自己无法做的事情的理想轨道，以及LLM开始管理链上的人类团队。

人工智能可以为区块链带来大规模采用。

首先，让我们找到一个简单的方法来理解LLM。

是什么让LLM有效？

LLM是在任何类型的人类表达之间进行翻译的模型。

LLM引人注目的一个方面是——在高层次上——它们是任何形式的人类表达之间的通用翻译机器。就像双向BabelFish。

不只是自然语言对自然语言(英语对粤语)，而是任何表达方式，例如：

1. 数学公式-> 10岁儿童英语散文。
2. 创意->计划
3. 计划->代码库
4. 不明确的想法->适合澄清的问题->清楚的想法
5. 俳句->说唱歌词
6. 描述->图像(借助图像模型)

其次，它们包含了人类表达的大部分思想。百科全书。

因此，看待LLM的一种方式是将其视为交互式百科全书，你可以与之交谈，并从任何形式的表达中得到回应。

现在，这对区块链意味着什么？

为什么这是有用的

区块链是为开发人员设计的

区块链是强大的形式化环境。它们通过提供不可伪造和去中心化的历史记录，将信任商品化。

区块链是一个年轻的生态系统，主要由开发人员编写并为开发人员服务。它们是非常开放的，模块化的，并且有很好的文档。

这使得它们非常适合开发人员之间的去中心化协作。但对零售应用来说不是很好。

LLM可以弥补与用户之间的差距

现在，LLM使任何表达模式之间的翻译商品化。因此，LLM可以通过将自然语言转换为区块链交易，来完全缩小零售用户的差距。

得益于开放且文档完备的接口，LLM拥有将自然语言意图转换为CallData所需的一切。

LLM可能是消除糟糕用户体验的神奇捷径。

仅仅翻译是不够的，LLM还可以帮助我们弄清楚我们想要什么。

人工智能可以帮助你发现并传达你的意图

LLM可以帮助我们发现和表达潜在的意图。

人们谈论意图，就好像我们想要什么以及如何沟通是显而易见的。我们只需要一个接口来与他们交流。

但我们认为，在大多数情况下：

我们不知道自己的意图；

或

我们不知道如何将我们想要的转化为交易。

LLM可以帮助你发现潜在的意图，并在链上有效地表达出来。

在LLM的帮助下发现你的意图

你如何从一个模糊的愿望(“明智地投资”)变成具体的交易？也许是通过一个非常嘈杂和不完整的研究、建议、理解和分析过程。在这个过程的最后，你可能只知道接下来最好的几个步骤。

LLM可以访问所有公共数据，分析你的钱包，并在你的反馈的帮助下澄清你的意图。

LLM可以使这个过程更有效，并帮助你发现你可能会错过的意图。他们能：

用链上数据描述你

用你的输入来完善你的意图，然后

做你想做的研究。

仅进行分析就会发现很多你没有时间定义的意图。

分析你的钱包

LLM可以根据你的历史和持有的资产将最佳实践转化为意图。

大多数区块链都是透明的。你的交易历史和持有的代币是公开的，并阐明了很多关于你的信息——你的兴趣、风险承受能力以及你下一步可能做什么。

LLM可以分析你的钱包，做家族理财室为客户做的事情：给你提建议。

以下是LLM如何将链上数据转化为有意义的建议。

集群

对于人工智能来说，没有什么比找出好的嵌入更容易的了。也就是说，找到具有类似行为的其他钱包，然后根据这些钱包的功能提出建议。

但是单独的集群是不加区分的。你可以使用LLM魔法来获得更多定制的结果。

定制一般建议

关于如何管理资产的建议很容易找到。但是，将“去中心化你的投资”这一一般性建议，转变为一笔一笔的实用交易策略，对你的钱包来说是需要努力的。

LLM可以很容易地将这些一般性建议转化为为你的钱包定制的具体意图。

例如，LLM可以将一般建议“去中心化你的稳定币持有”转换为“你可以根据市值将你的USDT拆分为USDT, USDC, LUSD和RAI”。

但你很难仅仅由你的钱包和“专家”的言论来定义。

用户引导的发现

发现你的意图的最有价值的来源就是你自己。

LLM可以根据你的钱包历史和你对一些问题的回答，帮助你从高层次的目标到具体的意图。

然而，在很多情况下，你想要什么也取决于你需要研究的客观事实(比如当前的贷款利率)。

外包你的研究

LLM可以研究结构化和非结构化数据，以告知你的意图。

LLM不仅仅局限于你的输入。他们还可以研究你希望有时间做的事情。例如，阅读你的twitter，收集最新的贷款池APY，监控协议启动，或找出在哪里进行空投。人工智能可以为你完全自动化执行这些操作。

最后，你会有一个你想做的事情的清单——你的意图。

但是，将你想要的东西转化为特定的链上交易是另一项艰巨的任务。

将你的意图转化为交易

用户体验(UX)——或者将意图转化为交易的方式——是加密领域的一大难题。

然而，LLM可以直接将你的意图转换为智能合约调用。并且消除了在知道你想要什么和在链上将其表达为交易之间的所有摩擦。

LLM可以构建比我们今天更智能的交易。

通过模糊意图匹配让CoW发生

CoW很少见。LLM让这种情况更频繁地发生。

你的意图不是孤立存在的。在许多情况下，你是在寻找其他人进行交易：交易对手。

P2P交易比点对池交易更有效，因此我们应该尽可能多地找到需求重合(CoW)。

不幸的是，即使是在“CowSwap”中，Cow也很少发生。如果你想将ETH交易到USDC，你需要找到在同一区块中将USDC交易到ETH的人。

但是，如果有人提交了将USDT交易到ETH的意图，但也持有USDC——也许他们也愿意用USDC购买ETH呢？那么你的交易可能会有一个CoW。

LLM可以通过将几乎匹配的意图转化为匹配的意图来帮助定位这些CoW机会。就是这样。

LLM可以很容易地将特定表达的意图映射到它们背后的更高层次的意图空间(“用户可能真正想要做什么”)。然后模糊匹配语义相近的意图。由于LLM对语义的理解，LLM可以开箱即用地做到这一点。

在此基础上，LLM可以帮助你通过重新谈判获得更多的CoW：

内部意图重新协商：找到与你的意图模糊匹配的其他意图，然后向你提供你的意图的表达，以匹配它在链上发现的其他意图。例如，“可以购买 LUSD 而不是 USDC 吗？”我找到了一个匹配的限价单，用这个CoW你可以节省0.3%的交易费用。”

外部意图重新谈判和报价：要求其他意图几乎相同的LLM向他们的人提出调整：“我想买你的另一个BAYC，你愿意以X ETH的价格卖给我吗？”

钱包甚至可以显示出与你的资产相匹配的意图。“你想卖掉这个职位吗？”市场上也有匹配的 OTC 报价。”

有了LLM，我们可以毫不费力地扩大意向谈判，并找到更多的双赢。

但模糊匹配甚至不是增加点对点匹配的最有效方法。

广泛的意图 – 让 CoW 在范围条件下发生

广泛的意图使CoW更容易。

LLM还可以帮助你构建更广泛的意图。包含各种可接受条件的意图 - 使匹配更容易。

带有选项的意图的一些例子：

包括交易中资产的替换选项列表（例如，购买任何质押的 ETH，而不是 WETH；使用钱包中的任何稳定币购买 NFT；或从任何顶级借贷平台获得 ETH 贷款）

价格和时间范围：指定可接受的价格范围(不发布滑动)和较长的执行时间范围。

Oracle检查和块内条件(例如，如果夹在中间则使交易无效) 或指定交易失败时的后备选项。

所有这些都将大大增加CoW，并降低你的交易成本。

到目前为止，我们已经看到了LLM如何使你与区块链无缝交互。但仅仅让LLM通过调用一系列智能合约来组成复杂的交易听起来有点冒险。

使用可组合意图模块约束LLM

内容模块为LLM提供了构建将意图转化为安全交易的语法。

我们在前面提到过，LLM非常擅长在语义上映射到任何形式语言。因此，让我们定义一种旨在安全地表达意图的新语言，限制LLM使用该语言，然后从那里安全地编译交易。

我们称这种语言为“可组合意图模块”。模块设计为安全的构建块。

例如，想象一个安全交换包装器会仔细检查您是否获得了足够的资金用于交换。例如，它可以检查你是否至少获得了五个可信Oracle价格的中位数。如果不存在报价或交换返回的值较少，则包装器会使交易失败。

另一个可能是较低级别的模块，比如Good Swap，它从五个可信任的解决方案中获取报价，选择最佳报价，并通过三个私有RPC提交交易。

模块还可以附带元信息。例如，为你的LLM提供关于如何监视Good Swap执行的说明以及模块如何工作的描述，以便LLM可以向你解释它。

意图模块可以包含不同的抽象级别：

低层：可信调用和合约；

应用层：可信协议、预言机、解算器；

装饰器：安全包装器(预言机价格检查，代币列表，交易模拟)

微观意图：交换、质押、借出、借用、桥接；

宏观意图：马科维茨投资组合优化，收益率优化，美元成本平均，冰山订单，管理杠杆CDP。

用较小的预定义构建块组合更大的意图。

但LLM不仅仅局限于链上组件。

查询链下数据的意图模块

意图模块也可以使用链下数据。该模块可以指定一个开源库，LLM可以运行以获取链下数据(例如优化的交换路由)来构建你的意图。为了验证LLM是否运行了正确的代码，代码可以生成零知识证明，该证明将由链上组件进行验证。

因此，使用可信的形式意图语言，LLM可以轻松地将你的意图(以自然语言描述)转换为编译为交易的形式语言。

但是，如何验证交易是否真的会按照你的要求进行呢？

值得信赖的反向翻译

通过安全的反向翻译使AI构建的交易变得可读。

习惯的用户可能会像阅读伪代码一样阅读意图语言。但大多数人需要用自然语言解释。

我们不相信LLM会用这种反向翻译来保护我们免受欺骗。但是意图模块可以简单地包含关于它们所做的事情的自然语言解释。

例如，好的交换可以包含模板“你支付X，将收到至少Y，否则这个交换失败。”

但LLM可以做的不仅仅是发现你想要什么。

LLM将完成我们希望完成的交易

我们可以使用LLM来做一些我们觉得容易表达但实际很难做到的事情。

无限的关注

准确地对你想要的广泛甚至不可预测的事件做出反应。

LLM更快，而且有无限的注意力。他们可以：

执行长序列的交易，中间有任意的等待时间或失败；

监测异常事件(异常值)并找到安全的应对方法；

探索大量的信息(例如，阅读文档和白皮书或查看稳定池的所有年利率)并选择最合适的选项；

监视条件类型，然后执行精确的预定义策略。

同样，单纯自动化和LLM之间的区别在于LLM可以在语义上匹配意图和特定情况。由于它们的模糊性，它们可以覆盖更广泛的场景，而不是简单的链上意图。

LLM会让你在适当的时候重新投资或转移头寸、对新闻做出你想要的反应、有耐心完成桥接交易、或为空投撰写战略和做准备变得轻而易举。

但时间和注意力并不是阻碍我们进行良好交易的唯一因素。

克服情绪偏见

轻松地为大量的场景做好准备。

我们希望自己的反应——例如，在达到价格目标后退出，或者在稳定币崩溃时做出战略性反应——与我们实际的反应——贪婪和恐慌是有区别的。

LLM可以帮助我们做出理想的决定，并坚定地执行我们在平静时刻定义的意图。

在LLM的帮助下，我们可以为各种场景准备一整套的意图。我们可以让我们的LLM在时机成熟时执行它——或者至少向我们提供一个预先计划好的签署计划。

但是，让你的日常交易无摩擦只是LLM在区块链上所做的事情的开始。

LLM将使用区块链作为金融轨道

区块链是LLM进行银行业务的理想环境。无需许可、无需信任、确定性、透明、文档完备且开源。

区块链对人工智能来说也没有障碍，不需要人为润滑，不需要KYC。没有人可以按下开关关闭你的账户。金融我的世界：简单且无限可编程的块——每个人工智能的梦想。

如果代表数百万用户的LLM选择区块链作为他们的金融轨道，这很容易推动大规模消费者采用区块链。

大规模消费者采用

LLM已经作为聊天机器人被广泛采用。让他们能够访问区块链并让用户表达财务意图只是一小步。

我们将不仅仅使用LLM来获取信息，还将使用LLM来查找、选择和支付产品。获得贷款，做出投资选择。

如果区块链成熟得足够快，LLM的理性选择将是使用它们，而不是tradfi。这可能足以扭转局势。

无论大规模采用如何，区块链很可能成为LLM寻求并为自己想要购买的服务付费的地方。

人工智能通过区块链雇佣人类

LLM可以雇佣人类来完成链上的任何任务。

LLM仅限于软件可以做的事情。但通过区块链，人工智能可以贿赂人类。人工智能可能从人类那里购买的一些服务包括：

更高的智能：只要人工智能不像人类那么聪明，它们就可以购买人类的输入来改进决策。

人性证明：如果某些行为需要人性证明——比如用worldcoin验证钱包、提供居住证明、开设银行账户或解决验证码——人工智能可以付钱给人类来为他们做这些事。

代表：在现实世界的会议中代表人工智能，或者做任何目前需要或更有效地由人类完成的事情。

物理事物：做需要物理身体的事情：去收集一些东西，组装一些东西，进行一个实验，或者为另一个人做一些人类的事情。

在今天的LLM课程中，你可能无法判断是人类还是人工智能在管理项目。

人工智能管理的项目

今天的LLM可以管理整个项目是可行的。LLM可以通过精确的协调和无限的支持来弥补智力的不足。

当需要更多的智能时，人工智能可以要求有经验的人提供输入。例如，在整个项目目标、计划或软件架构上。

允许人工智能管理项目的轨道已经存在。像Dework这样的任务平台提供了人工智能在链上雇佣人类所需的一切。

对于人工智能来说，一个有趣的项目是让人类建造缺失的部件来满足人工智能用户的意图。例如，缺少意图模块，或者缺少协议认证。然后众包需要这些组件的用户的开发。

但实际上任何项目都是可能的。

我们将如何交易以及如何使用区块链的变化可能会对链、协议和钱包产生重要影响。

如何在LLM的世界中获胜

LLM将如何改变游戏规则？

可证明的事实比品牌和“营销”更重要

LLM可能不会受到无法证实的说法和“营销”的影响。

相反，可验证的事实(正常运行时间、交易成本、区块时间、预确认、深度/流动性、价格、安全证明)将更重要。

如果你的文档和SDK主要由LLM使用，你也可以以不同的方式编写它们。

更好的解决方案可以在一夜之间获胜

当人工智能构建你的意图并合理优化时，像Morpho这样对现有解决方案进行严格改进的协议，几乎可以在一夜之间获得巨大的市场份额。

这意味着具有规模经济的解决方案将发展得更快——但寻租者将很快被更好的解决方案推翻。

今天，你可能出于习惯还在使用SushiSwap，但明天LLM们就会选择CowSwap。

区块链将变得更加有用

与人工智能聊天几分钟，你就能制定出今年的投资策略。多亏了翻译，模块化和开放接口，你可以在链上表达所有这些。此外，你可以找到直接的交易对手，省去交易费用——区块链将变得更加有用。

LLM会让单一的 UI 变得过时吗？

单一的UI需要迎合所有人。LLM将为每个人构建他们想要的UI。

如果LLM编写大多数交易，并且LLM可以直接与协议交互，那么固定的UI可能变得不那么重要。

下面这样的对话已经成为可能：

用户：“向我展示我持有的代币的合理时间表。”

LLM：“当然，我会绘制过去12个月的图表，将类似的资产(例如稳定币)分组在一起，并根据所持代币的美元价值日志增加线条的厚度。听起来怎么样？”

你：“听起来不错。”

LLM：“这是图表。”

构建一个适合所有人的UI的难题可能已经解决了。LLM将为每个人构建他们想要的UI。

钱包能做什么？

什么是钱包？它可以保存你的密钥，为你进行RPC调用，为你提供表达意图的UI，并监视你的交易。我们可能仍然想要钱包来保存我们的钥匙，但LLM可能也可以做其他的事情。

一些钱包可能会使用经过微调的LLM，帮助你更快地找到意图，使用意图白名单模块安全地表达意图，并为LLM提供漂亮的UI构建块来使用有关钱包的信息(如，可适应的仪表板)。

吸引LLM的区块链将获得大量销量

无论谁成为ChatGPT和其他LLM的主链，都将在大规模采用方面领先一步。单一大型LLM服务的潜在容量可以使今天的钱包容量相形见绌。LLM集成可能是最有价值的订单流集成。

协议可以更专门化

如果品牌不那么重要，每个解决方案在人工智能眼中都同样可见，那么更专业的解决方案就会变得更可行。

你可以构建一个专门用于小型场外交易（OTC）的协议，或者仅针对波动型代币的TWAP，或者小型德国企业之间的KYB贷款。当它们适合某个意图时，人工智能就会找到它们。

安全问题

LLM是难以理解的，很难协调一致。你不能保证在智能合约中没有隐藏一些提示，让你把资金送到垃圾箱里，同时告诉你这只是一次正常的交换。

正式的意图模块和安全的反向翻译可能是控制这种风险的方法。但这需要更多的研究。

还有人担心，给那些可能很快就会比我们更聪明的系统提供金融监管。对此我们可能无能为力，但这是另一篇文章的讨论内容。

总结

我们在这篇文章中提出了一些大胆的主张。

LLM将通过发现和描述我们的意图，使区块链变得更加有趣。通过明智的了解意图，更多的P2P交易将会发生，全球易货交易将使我们所有人都变得更好。

也许LLM会帮我们解决很大一部分用户体验问题。

大部分区块链流量将由LLM驱动。尤其是使用区块链作为金融轨道的消费者LLM。

获得人工智能关注的链和协议将会获胜。

很快(或者今天？)我们将看到人工智能管理项目并贿赂人类来帮助他们解决问题。

目前尚不清楚如何将LLM安全地带到链上。但是我们展示了一个正式的意图语言可以作为一个起点。

我们希望我们强调的一些含义和想法将成为团队探索LLM对区块链影响的有用起点。

它不是AI或区块链，而是AI区块链。

声明：

1. 本文转载自[propellerheads]，著作权归属原作者[Yellow Propeller]，如对转载有异议，请联系Gate Learn团队（gatelearn@gate.io），团队会根据相关流程尽速处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。