بهره‌برداری‌های به کمک هوش مصنوعی: به کابوس جدید کریپتو سلام کنید

از زمان راه‌اندازی پیشگامانه ChatGPT، هوش مصنوعی بسیار محبوب بوده است. به دلیل این هیاهو، انویدیا، تولید کننده تراشه های گرافیکی و هوش مصنوعی، یکی از سهام های با بهترین عملکرد در سه ماهه اول 2024 بود.

در همین حال، توکن‌های هوش مصنوعی عملکرد بهتری نسبت به بیت‌کوین داشته‌اند و برخی از نام‌ها مانند Akash Network (AKT) و Bittensor (TAO) بازدهی چندین برابر رشد BTC را در سال گذشته ارائه می‌کنند.

بدون شک، ظهور هوش مصنوعی و مدل های زبان بزرگ (LLM) چیزی انقلابی نبوده است. آنها قبلاً تقریباً هر صنعت را متحول کرده اند، از مراقبت های بهداشتی گرفته تا امور مالی، تزریق کارایی به فرآیندها و سرعت بخشیدن به کارهای دستی خسته کننده.

خطرات نوظهور هوش مصنوعی

هوش مصنوعی مجموعه ای از مزیت ها را برای بلاک چین به ارمغان می آورد – در اینجا هم افزایی واضحی وجود دارد. اما پشت این روکش براق، خطراتی در کمین است. فضایی که در حال حاضر مستعد هک و سوء استفاده است، اکوسیستم web3 با آسیب‌پذیری‌های بیشتری مواجه می‌شود که هوش مصنوعی وارد تصویر می‌شود.

این در درجه اول به این دلیل است که هوش مصنوعی لایه ای از پیچیدگی را به بردارهای حمله موجود اضافه می کند و به عنوان یک ابزار اضافی در جعبه ابزار کلاهبرداران احتمالی عمل می کند. و بنابراین، این یک گلوله دیگر برای طفره رفتن برای سرمایه گذارانی است که در این فضای هیجان انگیز، اما پرخطر حرکت می کنند.

به عنوان مثال، الگوریتم‌های یادگیری ماشینی را می‌توان برای تحلیل الگوهای رفتار سرمایه‌گذاران یا شناسایی آسیب‌پذیری‌ها در کد یا سیستم‌های امنیتی مورد استفاده قرار داد. سپس، اتوماسیون هوش مصنوعی می تواند اجرای یک حمله رعد و برق سریع و پیچیده را تسهیل کند. هشدارها در رابطه با تهدید فزاینده حملات سایبری ناشی از یادگیری ماشینی فراوان است.

ChatGPT و معایب کدهای ایجاد شده توسط هوش مصنوعی

نگرانی دیگر استفاده رایج از LLM ها مانند ChatGPT برای نوشتن کدهای بلاک چین است. بدیهی است که این باعث صرفه جویی در زمان زیادی بین مرحله ایده و ارائه یک پروتکل به بازار می شود، اما آیا این کد در برابر حملات احتمالی ایمن است؟

نکته کلیدی

در این میان ناتوانی آشکار آن در کشف اشکالات کد منطقی به همان روشی است که یک انسان می تواند. در نتیجه، حملات فرار از زندان تهدیدی برجسته برای مدل‌های زبان بزرگ هستند. این حملات از حفره‌های موجود در برنامه‌نویسی هوش مصنوعی برای تولید پاسخ‌هایی استفاده می‌کنند که پادمان‌های اخلاقی آن را دور می‌زند. در کریپتو، این می‌تواند به مهاجمان اجازه دهد که هوش مصنوعی را فریب دهند تا قراردادهای هوشمند مخرب ایجاد کنند یا مثلاً به کلیدهای رمزگذاری دسترسی غیرقانونی به دست آورند.

و سپس، البته، هوش مصنوعی به طور فزاینده ای در جعل هویت ما، انسان ها، خوب می شود. این یاد می گیرید که از چک های انسانیت گذشته و مردم را فریب دهید تا فکر کنند با یک انسان دیگر در حال تعامل هستند.

اخیراً، وارن بافت از یک دیپ فیک که دقیقاً شبیه او به نظر می‌رسید، حرکت می‌کرد، صحبت می‌کرد و لباس می‌پوشید، چنان ناراحت شد که بخش بزرگی از مجمع عمومی سالانه برکشایر هاتاوی را صرف تاسف از خطرات فناوری هوش مصنوعی کرد و آن را با سلاح‌های هسته‌ای مقایسه کرد. این می تواند به طور فزاینده ای در دنیای وب 3 که مملو از تعاملات شبکه های اجتماعی مشکوک و گروه های جعلی Discord است، مشکل ساز شود.

محافظت در برابر تهدیدات نوظهور

برای محافظت در برابر این حملات پیچیده‌تر، صنعت بلاک‌چین – درست مانند سایر نقاط جهان – باید با ممیزی‌های امنیتی دقیق شروع شود – چیزی که هر پروتکل DeFi باید به‌طور منظم آن را اجرا کند.

امروزه، این ممیزی ها باید تمرکز خاصی بر روی سیستم های هوش مصنوعی داشته باشند، در حالی که روش های رمزگذاری پیچیده تر می تواند به محافظت از قراردادهای هوشمند در برابر حملات سایبری مبتنی بر هوش مصنوعی کمک کند.

اما در حالی که هوش مصنوعی تهدیدات جدیدی را ایجاد می کند، به طور بالقوه راه حل هایی نیز ارائه می دهد. این شامل استفاده از یادگیری ماشین برای ایجاد سیستم های امنیتی قوی تر، به عنوان مثال برای تشخیص و پیشگیری از تقلب می شود. توانایی هوش مصنوعی برای عبور سریع از میان مقادیر زیادی داده بسیار فراتر از هر کاری است که انسان می تواند انجام دهد. در همین حال، IRS در حال حاضر از هوش مصنوعی برای جلوگیری از فرار مالیاتی استفاده می کند. موارد استفاده از آن واقعا بی حد و حصر است.

مقررات برای دنیای دیجیتال

در حالی که سیستم‌ها مهم هستند، تنظیم‌کننده‌ها همچنین نقشی کلیدی در حصول اطمینان از مناسب بودن چارچوب‌های قانونی برای هدف در دنیایی که هوش مصنوعی در آن شهرت پیدا می‌کند، ایفا می‌کنند. خبر خوب این است که ما در حال حاضر شاهد بحث هایی در سرتاسر جهان در مورد چگونگی رویکرد به این فناوری جدید هستیم. از هند تا بریتانیا، دولت ها نگران خطرات احتمالی هستند و به دنبال راه حل هستند.

اما رگولاتورها باید سریعتر حرکت کنند زیرا هوش مصنوعی با سرعت رعد و برق در حال توسعه است. در همین حال، به نظر می رسد که سیاست عقب مانده است. برای مثال، قانون هوش مصنوعی اتحادیه اروپا از پیشنهاد تا اجرا نزدیک به سه سال طول کشید.