بهترین روش استفاده از هوش مصنوعی در مسیر ارزهای دیجیتال شما

توضیحات متا: هوش مصنوعی می‌تواند مباحث کریپتو را به وضوح توضیح دهد، اما کاربران پیش از به خطر انداختن دارایی‌های خود همچنان باید شبکه‌ها، آدرس‌ها و تراکنش‌ها را راستی‌آزمایی کنند. کلمات کلیدی: هوش مصنوعی در کریپتو، مدل‌های زبانی، امنیت کریپتو، بلاک‌چین، TRC-20، ERC-20، توهم هوش مصنوعی، کیف پول‌های ارز دیجیتال، قراردادهای هوشمند، تایید تراکنش

لنا یک فروشگاه کوچک سفالگری دارد. از آنجا که تامین‌کننده او در کشوری دیگر اکنون پذیرش USDT را آغاز کرده است، لنا معتقد است که این موضوع کاغذبازی‌های بانکی به مدت یک هفته را برای هر دو نفر آنها حذف خواهد کرد. او یک دستیار هوش مصنوعی را باز می‌کند و از آن می‌پرسد که چگونه باید این پرداخت را دریافت کند؛ دستیار نیز به شیوه‌ای که هر بانکی باید پاسخ دهد، پاسخ می‌دهد: آرام، صریح و در قالب موارد شماره‌گذاری‌شده. شما باید یک کیف پول بسازید، آدرس را کپی کنید، آن را برای تامین‌کننده بفرستید و سپس منتظر تایید بمانید.

به نظر می‌رسد پاسخ کامل است، اما از ذکر یک نکته مهم غافل می‌شود: اینکه USDT در چندین شبکه در دسترس است و شبکه‌ای که فرستنده استفاده می‌کند باید همان شبکه‌ای باشد که لنا قادر به دریافت و دسترسی به آن است. تامین‌کننده از طرف خود یک شبکه کم‌هزینه را انتخاب کرده بود، در حالی که واریز صرافی برای شبکه دیگری تنظیم شده بود. با وجود اینکه وجوه در مرورگر بلاک‌چین قابل مشاهده هستند، اما به حساب او واریز نشده‌اند. او تمام عصر را صرف پر کردن تیکت پشتیبانی می‌کند و با دقت مراقب است تا لحنش سراسیمه به نظر نرسد، هرچند که در واقعیت چنین حسی دارد.

دستیار هیچ قصدی برای سرقت از او نداشت و در واقع هرگز سعی نکرده بود به او اطمینان خاطر کاذب دهد؛ دستیار صرفاً پاسخی منطقی به یک سوال کوچک داده بود و متوجه تصمیم بزرگ‌تری که درون آن پنهان شده بود، نشده بود. این دقیقاً همان دلیلی است که چرا هوش مصنوعی در بخش کریپتو تا این حد جذاب شده و چرا همچنان در آنجا خطرناک باقی مانده است: می‌تواند یک موضوع پیچیده را بدون کم‌حوصلگی توضیح دهد و همچنین قادر است یک پاسخ ناقص را طوری جلوه دهد که گویی کامل است.

صدایی که به نظر می‌رسد همه‌چیز را می‌داند

سال‌ها بود که اگر می‌خواستید اطلاعاتی درباره پول در اینترنت پیدا کنید، مجبور بودید چندین تب باز کنید و بحث افراد کاملاً غریبه با یکدیگر را تماشا کنید. در یک انجمن گفته می‌شد که یک کیف پول امن است، در حالی که در انجمنی دیگر ادعا می‌شد پروژه تخلیه شده است. نتیجه یک جستجو ممکن بود شما را به صفحه راهنمای یک شرکت، یک نقد پورسانتی (افیلیت)، یا یک صفحه فیشینگ هدایت کند که دامنه آن تنها یک حرف با دامنه واقعی تفاوت داشت. این بی‌نظمی یک مزیت آشکار داشت: عدم قطعیت را کاملاً مشخص می‌کرد.

یک دستیار هوش مصنوعی حجم زیادی از مطالب غیرضروری را حذف می‌کند. حجم زیادی از اطلاعات را دریافت کرده و سپس یک پاسخ واحد، معمولاً با زبانی ساده و لحنی صبورانه ارائه می‌دهد. افرادی که از دوبار پرسیدن یک سوال خجالت می‌کشند، در صورت تمایل می‌توانند آن را پنج بار بپرسند. کسی که تا به حال واژه‌های Energy یا Bandwidth را نشنیده است، می‌تواند بدون نگرانی از خندیدن دیگران در یک چت عمومی، درخواست توضیح کند. این یک لطف واقعی در حق کسی است که در این زمینه تازه‌کار است. برای یک فرد باتجربه نیز، راهی کارآمد برای ترجمه اصطلاحات ناآشنا یا تهیه یک چک‌لیست محسوب می‌شود.

تنها به این دلیل که یک مدل روان صحبت می‌کند، به این معنی نیست که راستی‌آزمایی انجام شده است. هنگام ارائه توضیحی در سال 2025 درباره توهمات، OpenAI اعلام کرد که مدل‌های آن قادر به تولید اطلاعات نادرست باورپذیر با اعتماد به نفس بالا هستند و روش‌های ارزیابی فعلی تمایل دارند به جای پاداش دادن به حدس زدن، گفتن «نمی‌دانم» را جریمه کنند. نکته کلیدی فراتر از هر شرکتی است؛ یک مدل زبانی پاسخ‌های خود را بر اساس الگوها، آموزش‌های خود، ابزارهایی که دارد و سوالی که به آن داده شده شکل می‌دهد، و این بدان معنا نیست که تنها به این دلیل که پاراگراف تولید شده خوش‌ساخت به نظر می‌رسد، به یک شاهد قابل اتکا تبدیل شده است.

وسوسه‌انگیز است که این دستیار را گزینه‌ای امن‌تر از یک غریبه در گروه تلگرام در نظر بگیریم. این مدل فردی نیست که سعی کند لنا را ترغیب به خرید توکن کند یا عبارات بازیابی (Seed Phrase) او را تحویل بگیرد، و هیچ نفع شخصی در USDT او ندارد. با این حال، بی‌انگیزه بودن آن به معنای قابل اعتماد بودنش نیست. خسارت حتی زمانی که هیچ عامل مخربی در کار نباشد هم می‌تواند رخ دهد. مدل ممکن است از درج هشدار خودداری کند زیرا تصور می‌کند یک پاسخ سریع و مختصر درخواست را برآورده می‌سازد و کاربر نیز آن اختصار را نشانه‌ای از صلاحیت مدل تلقی می‌کند.

در حوزه رمزارزها، عواقب اشتباه کردن فوق‌العاده جدی است. به عنوان مثال، اگر هنگام پیدا کردن آدرس یک رستوران آدرس اشتباهی وارد کنید، تمام کاری که باید انجام دهید این است که برای اصلاح خطا یک جستجوی دیگر انجام دهید. اما اگر تراکنشی به بلاک‌چین اشتباه ارسال شود، ممکن است مجبور شوید از یک صرافی یا ارائه‌دهنده کیف پول کمک بخواهید. زمانی که دسترسی یک توکن (Approve) به اشتباه تایید شود، قرارداد به دارایی‌ها دسترسی پیدا می‌کند. اگر عبارت بازیابی در پنجره چت، یک وب‌سایت یا ابزار کمکی کدنویسی وارد شود، امنیت کیف پول به روشی غیرقابل برگشت به خطر می‌افتد. لازم نیست مدل نیت مخربی داشته باشد؛ کافی است کاربر یک توضیح ساده را با یک مجوز قطعی اشتباه بگیرد.

لنا به جای مطرح کردن این سوال که «قبل از اینکه به تامین‌کننده‌ام بگویم وجوه را به کجا ارسال کند، چه چیزی را باید تایید کنم؟»، پرسید: «چگونه USDT دریافت کنم؟» پاسخ فقط به جنبه خاصی از سوال پرداخت و به ریسک بزرگ‌تر اشاره‌ای نکرد. این یک اصل بنیادین در استفاده موثر از هوش مصنوعی است؛ نه تنها باید سریع‌ترین روش را جویا شد، بلکه باید درباره پیش‌فرض‌های زیربنایی و سناریوهای احتمالی شکست نیز سوال کرد. اگرچه دستیار می‌تواند در شناسایی خطرات احتمالی کمک کند، اما این هنوز لنا است که باید تصمیم بگیرد آیا پاسخ با آنچه روی صفحه نمایش داده می‌شود همخوانی دارد یا خیر.

شبکه‌ای که روی میز آشپزخانه جا ماند

لنا را پس از اینکه تامین‌کننده وجه را ارسال کرده، پشت میز آشپزخانه تصور کنید. دو دستگاه پیش روی او قرار دارند: مجموعه دستورالعمل‌های واضح دستیار و صفحه واریز صرافی. دستیار به او گفته بود آدرس را کپی کند. صفحه صرافی چندین شبکه را نشان می‌دهد. او اینطور برداشت می‌کند که USDT به نوع خاصی از پول اشاره دارد، دقیقاً مانند برچسب روی یک شیشه. تامین‌کننده نیز USDT را می‌بیند و شبکه‌ای را انتخاب می‌کند که از قبل استفاده می‌کرده است. هر دوی آنها معتقدند کاری را که دیگری خواسته بود انجام داده‌اند.

تراکنشی که در بلاک‌چین معتبر است، لزوماً در مکانی که لنا انتظار دارد ظاهر نمی‌شود. توکن و شبکه‌ای که روی آن قرار دارد دو مقوله متفاوت هستند. به عنوان مثال، USDT به عنوان TRC-20 در TRON، به عنوان ERC-20 در Ethereum و همچنین در زنجیره‌های دیگر در دسترس است. یک صرافی ممکن است از ترکیبات خاصی از توکن و شبکه پشتیبانی کند، اما از بقیه پشتیبانی نکند. قالب آدرس‌ها گاهی در زنجیره‌های مختلف می‌تواند مشابه به نظر برسد، به این معنی که بررسی چشمی ساده کافی نیست. امکان بازیابی یا عدم بازیابی وجوه بستگی به این دارد که پول‌ها به کجا رفته‌اند، چه کسی آدرس مقصد را کنترل می‌کند و سرویس دریافت‌کننده از چه چیزی پشتیبانی می‌کند. ممکن است پشتیبانی در دسترس باشد، اما تضمینی برای بازیابی سریع یا رایگان وجوه وجود ندارد.

در نهایت کارشناس پشتیبانی به لنا اطلاع می‌دهد که انتقال قابل بررسی است. او سپس هش تراکنش (Transaction Hash) را ارسال می‌کند، متوجه می‌شود از چه شبکه‌ای استفاده شده است و منتظر می‌ماند. پول به طرز جادویی ناپدید نمی‌شود و بلافاصله هم در دسترس نیست. تامین‌کننده می‌پرسد که آیا پرداخت ناموفق بوده است؟ لنا به این فکر می‌کند که آیا ممکن است به رابطه کاری‌اش آسیب رسانده باشد؟ وقتی از دستیار می‌خواهد تا در تنظیم تیکت به او کمک کند، یک پیش‌نویس خوب به او ارائه می‌شود؛ در این مورد، پیش‌نویس مفید واقع می‌شود زیرا یک انسان قبلاً مشخص کرده بود که چه اتفاقی افتاده است.

مشکل این نیست که مدل‌ها قادر به توضیح دادن شبکه‌ها نیستند؛ یک مدل توانمند می‌تواند برای لنا توضیح دهد که TRC-20 و ERC-20 چه هستند، روشن کند چرا یک کیف پول ممکن است توکنی را روی یک زنجیره نمایش دهد در حالی که یک صرافی آن را روی زنجیره دیگری واریز می‌کند، به او نشان دهد که چگونه یک تراکنش را در اکسپلورر بخواند، و پیش از آنکه پولی ارسال کند، او را در یک رابط کاربری ناآشنا راهنمایی کند. مشکل در این نیست که هیچی نمی‌داند؛ بلکه ممکن است به اندازه‌ای بداند که کامل به نظر برسد، حتی اگر فاقد آن یک جزئیاتی باشد که یک انتقال را به جای یک درس پرهزینه، به یک تراکنش موفق تبدیل می‌کند.

همین ریسک زمانی رخ می‌دهد که کاربر برای یک کیف پول، یک آدرس قرارداد، یک پل (Bridge) یا یک ارائه‌دهنده اجاره Energy درخواست پیشنهاد کند. اگرچه برخی از اطلاعات نسبتاً ثابت باقی می‌مانند، اما جزئیات دیگر می‌توانند ساعت به ساعت تغییر کنند. مدلی که بر روی داده‌های قدیمی آموزش دیده است، ممکن است توضیحی در مورد رابط کاربری ارائه دهد که جابه‌جا شده است یا سرویسی که توسط کلاهبرداران کپی شده است. با این حال، از آنجا که یک مدل متصل به وب اکنون قادر به بازیابی صفحات به‌روزتر است، این به معنای تضمین صحت اطلاعات نیست. نتایج جستجو می‌توانند شامل تبلیغات، نسخه‌های کپی، اسناد تاریخ‌گذشته یا خلاصه‌های تولیدشده‌ای باشند که عیناً شبیه به هم هستند.

تامین‌کننده لنا به هیچ وجه تنها کسی نیست که به خاطر اشتباه او متضرر می‌شود. در صورتی که این پرداخت برای خرید موجودی انبار استفاده شود، کارمندان ممکن است مجبور شوند تا شیفت بعدی منتظر بمانند. اگر شرکت کوچک باشد، مالک ممکن است مجبور شود برای ادامه روند تحویل از خانواده‌اش پول قرض کند. بدین ترتیب یک خطای فنی تبدیل به یک تعهد اجتماعی می‌شود. به همین دلیل است که سوال درست صرفاً این نیست که آیا پاسخ مدل «دقیق» است یا خیر، بلکه این است که آیا پاسخ برای برآوردن نیازهای تصمیم مورد نظر به اندازه کافی جامع هست و آیا کاربر بخش‌هایی را که ممکن است شامل پول باشد بررسی کرده است یا خیر.

مربی، همکار پیش‌نویس، یا پیشگو؟

بهتر است پیشاپیش تکلیف نقش آن را مشخص کنید. یک مدل از این جهت مفید است که هزینه‌های مربوط به یادگیری، ترجمه، سازماندهی یا پیش‌نویس را کاهش می‌دهد. با این حال، وقتی نوبت به قبول مسئولیت تصمیمی می‌رسد که فرد باید با آن روبه‌رو شود، جایگزین مناسبی برای انسان نیست. در مورد لنا، توضیح دادن هزینه‌های منابع یک موضوع است و انتخاب آدرس مقصد قبل از ارسال موضوعی دیگر.

برای رسیدن به این هدف، باید از دستیار بخواهید تفاوت‌های بین TRC-20 و ERC-20 را توضیح دهد، سپس آن توضیح را با انتخاب‌گر شبکه کیف پول و دستورالعمل‌های رسمی صرافی برای واریز مقایسه کنید. سپس باید قبل از ارسال یک چک‌لیست ایجاد کند و در صورت لزوم از یک مبلغ آزمایشی کوچک استفاده شود.

این اشتباه است که از مدل بخواهید توکنی را انتخاب کند که هفته آینده قیمتش افزایش یابد، یک آدرس قرارداد را از پاسخ آن کپی کنید، یک روتر ناشناس را تایید کنید، یا اولین وب‌سایتی را که به عنوان سایت رسمی معرفی می‌کند بپذیرید؛ زیرا چنین اقداماتی نیازمند اطلاعات به‌روز و مستقلاً قابل راستی‌آزمایی و ارزیابی ریسکی هستند که مدل نمی‌تواند به جای لنا انجام دهد.

یک مثال خوب دیگر این است که مدل پیامی را برای تامین‌کننده پیش‌نویس کند یا مراحل مربوط به فرآیند پرداخت را مشخص سازد، و پس از آن یک انسان باید زنجیره، آدرس، مبلغ و مهلت را قبل از امضای تراکنش بررسی کند.

چگونه بدون تبدیل هر سوال به یک پروژه تحقیقاتی، راستی‌آزمایی کنیم

لنا برای راستی‌آزمایی نیازی به مهندس امنیت شدن ندارد؛ تنها چیزی که لازم است این است که هر بار که پاسخ شامل یک واقعیت لحظه‌ای، یک کلید، یک مجوز، یک آدرس، یک اصطلاح محصولی یا یک اقدام غیرقابل بازگشت بود، از فضای چت خارج شود.

او به جای کلیک بر روی لینکی که در چت کپی شده، می‌تواند از طریق منبعی که از قبل به آن اعتماد دارد به وب‌سایت رسمی کیف پول برود. سپس می‌تواند شبکه‌ای را که در سرویس ارسال‌کننده انتخاب شده است با شبکه‌ای که در صفحه گیرنده نشان داده شده، مطابقت دهد. با مراجعه به مستندات خود پروژه و استفاده از یک اکسپلورر معتبر، می‌تواند آدرس قرارداد را تایید کند. اگر در حال انجام یک انتقال بزرگ است، ابتدا باید با انجام یک تراکنش آزمایشی کوچک شروع کند، صبر کند تا تایید شود، و سپس مابقی را ارسال کند. در صورت درگیر بودن مبالغ بالا، بررسی مجدد توسط یک انسان دیگر می‌تواند خطایی را که یک مدل خوش‌صحبت تصادفاً تکرار کرده، شناسایی کند.

اصطلاح «رسمی» نیز باید تعریف شود؛ صرف اینکه یک وب‌سایت رسمی یک کیف پول باشد، به معنای آن نیست که صفحه رسمی یک توکن نیز هست. حساب پشتیبانی رسمی را نیز می‌توان در پاسخ‌ها جعل کرد. حتی اگر پاسخ یک مدل صفحه‌ای را نشان دهد که خودش تاریخ‌گذشته است، باز هم ممکن است اشتباه باشد. برای تایید چیزی، باید منبعی را که بیشترین ارتباط را با ادعا دارد به دقت بررسی کرد، زمان آخرین به‌روزرسانی آن را چک کرد و اطمینان حاصل نمود که اطلاعات به همان زنجیره و محصول خاصی اشاره دارد که لنا از آن استفاده می‌کند. یک مقاله راهنمای کپی‌شده ممکن است تاریخ‌گذشته محسوب شود.

یک دستور (Prompt) کاربردی می‌تواند مکالمه را تغییر دهد: «چه چیزی ممکن است باعث شکست این انتقال شود؟ شما بر اساس چه مفروضاتی کار می‌کنید، و کدام یک از آنها را می‌توانم قبل از انجام آن بررسی کنم؟» سوال مفید دیگر این است: «مستندات رسمی را که استفاده کرده‌اید به من نشان دهید، و سپس به من بگویید کدام بخش‌ها تفسیر خودتان است.» این سوالات اصراری ندارند که مدل حتماً درست بگوید؛ بلکه پنهان کردن عدم قطعیت را سخت‌تر کرده و مواردی را برای راستی‌آزمایی در اختیار کاربر قرار می‌دهند.

کاربر برای دریافت کمک هرگز نباید عبارت بازیابی، کلید خصوصی، رمز عبور صرافی، کد یک‌بار مصرف یا سایر اطلاعات بازیابی را وارد هیچ سیستمی کند. یک دستیار پشتیبانی می‌تواند هش تراکنش را توضیح دهد یا یک پیام خطا را بدون نیاز به کلیدهای لازم برای مجاز کردن کیف پول شرح دهد. اگر پاسخی این موارد محرمانه را درخواست کرد، متوقف شوید و درخواست را با تماس با ارائه‌دهنده از طریق کانال پشتیبانی رسمی آن بررسی کنید.

همان کسی بمانید که امضا می‌کند

پس از پردازش پرداخت، لنا به استفاده از دستیار ادامه می‌دهد. او سپس سعی می‌کند سوالات بهتری مطرح کند، از آن می‌خواهد تا یک صفحه فنی را به زبانی ساده ترجمه کند و متعاقباً خودش برچسب‌های حساب را بررسی می‌کند. او از دستیار می‌خواهد تا یادداشتی برای تامین‌کننده بنویسد و سپس در آن تغییراتی ایجاد می‌کند تا زمانی که دقیقاً زنجیره انتخابی او را توصیف کند. او به جای درخواست پیشگویی، یک چک‌لیست درخواست می‌کند. مدل در کمک به او برای توانمندتر شدن مفید واقع می‌شود، نه اینکه او را وابسته‌تر سازد.

او همچنین همان کسی است که تصمیماتی را که محول نشده‌اند در دست نگه می‌دارد. حتی با اینکه دستیار می‌تواند در مقایسه کیف پول‌ها کمک کند، او هنوز منبع دانلود فعلی را بررسی می‌کند. حتی اگر قادر به توضیح یک تراکنش باشد، او هش تراکنش را راستی‌آزمایی می‌کند. اگرچه می‌تواند کد تولید کند، او به تست‌ها و مجوزهای پروداکشن نگاه می‌کند. حتی با اینکه می‌تواند سوالی را برای ارسال به پشتیبانی پیشنهاد دهد، او قبل از تصمیم‌گیری درباره نحوه برخورد با مشتری‌اش، پاسخ را می‌خواند. امضای نهایی بر عهده کسی باقی می‌ماند که می‌فهمد این امضا چه کاری انجام می‌دهد.

بزرگ‌ترین مزیتی که هوش مصنوعی هنگام ورود به حوزه ارزهای دیجیتال می‌تواند ارائه دهد، برون‌سپاری تصمیمات نیست؛ بلکه استفاده افراد از قضاوت شخصی‌شان را کم‌هزینه‌تر می‌کند. یک تازه‌کار می‌تواند قبل از متعهد کردن هرگونه پولی، واژگان مربوطه را یاد بگیرد. یک توسعه‌دهنده می‌تواند فرآیند نمونه‌سازی را تسریع کند و سپس از زمان صرفه‌جویی‌شده برای انجام آزمایش‌های بیشتر استفاده نماید. یک معامله‌گر می‌تواند به جای اینکه صرفاً تاییدیه بگیرد، استدلال‌های مخالف یک فرضیه را درخواست کند.

شاید در خلاصه‌سازی یک سند طولانی بهتر از یک فرد پرمشغله عمل کند، شاید اصطلاحات شبکه‌ای بیشتری نسبت به یک دوست در گروه چت بداند، و حتی ممکن است نه بار متوالی درست بگوید. با این حال هیچ‌یک از این مزایا بافت موقعیتی لنا را به آن نمی‌دهد — یعنی رابطه با تامین‌کننده، ضرب‌الاجل‌ها، مبلغ پرداختی، حساب صرافی و هزینه ناشی از اشتباه — زیرا دانش تنها زمانی ارزشمند می‌شود که به تصمیم واقعی پیوند بخورد.

هوش مصنوعی روان‌تر خواهد شد، ارتباط نزدیک‌تری با سرویس‌های زنده برقرار خواهد کرد و به طور کامل‌تری با کیف پول‌ها و صرافی‌ها یکپارچه خواهد شد. در نتیجه، کاربرد آن افزایش یافته و راستی‌آزمایی حیاتی‌تر خواهد شد. رابط کاربری که امروزه توضیحی درباره یک دکمه ارائه می‌دهد، ممکن است روزی همان رابطی باشد که عملاً دکمه را فشار می‌دهد. در چنین حالتی، صرفاً بررسی صحت پاسخ کافی نخواهد بود، بلکه بررسی این موضوع نیز لازم خواهد بود که این عامل چه مجوزهایی دارد، بدون تایید بیشتر چه کارهایی می‌تواند انجام دهد، و اگر بر اساس یک پیش‌فرض اشتباه عمل کند، چه کسی مسئول خواهد بود.

قانون لنا ساده است: هر زمان که گام بعدی نیازمند یک کلید، یک تاییدیه، یک آدرس، یک زنجیره یا یک دامنه باشد، پاسخ تا زمانی که یک منبع رسمی آن را تایید نکند در قالب پیش‌نویس باقی می‌ماند. در حالی که لنا برای درک یک مفهوم تلاش می‌کند، دستیار می‌تواند به عنوان یک مربی صبور عمل کند؛ هنگامی که او تصمیم می‌گیرد چه چیزی بخرد، می‌تواند به شناسایی خطرات کمک کند اما نمی‌تواند یک حدس را به تحقیق تبدیل کند. «اعتماد کن و راستی‌آزمایی کن» همچنان پابرجاست: اطلاعات را خارج از جمله‌ای بررسی کنید که تصمیم را آسان جلوه می‌داد.

سرویس Netts در کنار اجاره Energy، اجاره Bandwidth را نیز ارائه می‌دهد. این سرویس از طریق apiv2 در دسترس است - شما می‌توانید از LLM برای راه‌اندازی آن استفاده کنید. فقط فراموش نکنید که همیشه برای احتیاط از همه‌چیز نسخه پشتیبان تهیه کنید