EtherscanのコードリーダーがAIを活用してEthereumコントラクトの解読を支援 – 知っておくべきこと

6月19日、人気のEthereumブロックエクスプローラーおよび分析プラットフォームであるEtherscanは、特定のコントラクトアドレスのソースコードを抽出・解釈するために人工知能（AI）を活用した新しいツール「Code Reader」を発表した。OpenAIの大規模言語モデル（LLM）を利用することで、Code Readerは包括的な回答を生成し、コントラクトのソースコードファイルに関する貴重な洞察を提供する。Etherscanの開発者は、このツールを利用するには有効なOpenAI APIキーと十分なOpenAIの使用制限が必要であり、ツールはユーザーのAPIキーを保存しないと強調している。

「このツールを使用するには、有効なOpenAI APIキーと十分なOpenAIの使用制限が必要です。このツールはAPIキーを保存しません。」

Code Readerは、AI生成の説明を通じてスマートコントラクトコードをより深く理解したいユーザーに利益をもたらす多くのユースケースを提供する。このツールにより、ユーザーはEthereumデータに関連する広範な関数リストを取得でき、基盤となるコントラクトが分散型アプリケーション（dApps）とどのように相互作用するかを包括的に理解するのに役立つ。コントラクトファイルが取得されると、ユーザーは特定のソースコードファイルを選択して閲覧するオプションがある。さらに、このツールはユーザーがAIに共有する前にユーザーインターフェース内でソースコードを直接変更することを許可しており、コードの実験と反復を効果的に行うことを可能にする。

Etherscan対AI

AIの分野が指数関数的に成長するにつれて、一部の専門家は現在のAIモデルの実現可能性について懸念を表明している。シンガポールのベンチャーキャピタル企業Foresight Venturesが発表した最近の報告書では、計算資源が今後10年で重要な争点になると示唆された。分散型分散コンピューティングパワーネットワーク内で大規模なAIモデルのトレーニングに対する需要が高まっている一方で、研究者らはその開発を妨げる重大な制約を特定している。これらの課題には、複雑なデータ同期、ネットワーク最適化、およびデータプライバシーとセキュリティへの懸念が含まれる。

Foresight Venturesは、大規模AIモデルが直面する制限を説明するために特定の例を挙げた。報告書によると、単精度浮動小数点表現を使用して1,750億パラメータという驚異的な規模のモデルをトレーニングするには、約700ギガバイトのストレージが必要となる。しかし、分散トレーニングでは、これらのパラメータを計算ノード間で頻繁に送信・更新する必要がある。 

100の計算ノードがあり、各ノードが各単位ステップで全てのパラメータの更新を必要とするシナリオでは、モデルは1秒あたり70テラバイトという膨大なデータの送信を要求する。この要件は既存のネットワークの大部分の容量を大幅に上回っており、大規模AIモデルの分散トレーニングを実装することの極めて大きな課題を示している。

「ほとんどのシナリオでは、小規模なAIモデルはまだより現実的な選択肢であり、大規模モデルへのFOMO（取り残される恐怖）の波の中で早期に見落とすべきではない。」

これらの制約を踏まえると、研究者らは多くのシナリオにおいて、小規模なAIモデルがより現実的な選択肢であり続けることを示唆している。現在の大規模モデルをめぐる熱狂の中で、小規模モデルの可能性を見落とすことは重要である。AIの状況が進化するにつれて、計算能力とネットワークインフラの進歩により、これらの制限のいくつかは解消されるだろう。それでもなお、現時点では、小規模なAIモデルは依然として大きな価値を提供でき、より大規模で複雑なモデルを追求する過程で早急に切り捨てるべきではない。